大模型个人信息训练语料的合法性困境与标准再造
摘要： 个人信息是大模型训练语料的重要组成部分，事关其推理能力的养成。现有个人信息保护规范遵循基于权利的方法，因无法适应大模型黑箱、数据挖掘、披露制度等技术特征，存在主体地位不平等、权利价值冲突与防御被动等局限。为此，有必要转向基于风险的方法，通过知情同意的弱化适用、过程控制的主体转移、彻底删除的程度消减三方面的标准设定，克服既往规范的滞后性，以实现风险责任合理分配、治理效率提升、多元价值平衡，最终呈现大模型训练的全流程个人信息保护方案。
中图分类号：D922.1文献标志码：ADOI:10.19358/j.issn.2097-1788.2026.08.010
中文引用格式：葛佳怡. 大模型个人信息训练语料的合法性困境与标准再造［J］.网络安全与数据治理，2026，45（8）：77-83.
英文引用格式：Ge Jiayi. The legitimacy dilemma and standard reconstruction of personal information training corpora for large language models［J］.Cyber Security and Data Governance，2026，45（8）：77-83.
The legitimacy dilemma and standard reconstruction of personal information training corpora for large language models
Ge Jiayi
School of Law, Shandong University
Abstract： Personal information constitutes a vital component of training corpora for large language models (LLMs), as it is crucial to the development of their reasoning capabilities. Existing personal information protection norms are based on a rights-oriented approach, which struggles to adapt to the technical characteristics of LLMs—such as algorithmic black boxes, data mining, and disclosure mechanisms—and thus suffers from limitations including unequal subject status, conflicts in rights values, and passive defense measures. To address these issues, it is imperative to shift to a risk-oriented approach. Guided by this approach, establishing standards in three key areas—the flexible adaptation of informed consent, the transfer of process control responsibilities, and the mitigation of complete deletion requirements—can overcome the lag of previous norms. This shift enables the rational allocation of risk liabilities, enhances governance efficiency, and balances diverse values, ultimately forming a full-lifecycle personal information protection framework for LLM training.
Key words : large language model; personal information protection; information security; rights-based approach; risk-based approach
引言
据艾媒咨询发布的《2024-2025年中国AI大模型市场现状及发展趋势研究报告》，2024年中国大模型市场规模超294亿元，预计2026年将突破700亿元。大模型的迅速发展与其展现出的强大数据处理与任务执行能力密不可分。在预训练阶段，大模型努力实现对同一事件上下文的全局覆盖，以训练模型的推理能力。此过程依赖超大规模计算集群的建设，并对算力和训练语料提出了巨大需求。因此数据作为构建与训练大模型的基础性关键资源，与算法协同构成了大模型的能力基础，而个人信息语料正是其中至关重要的组成部分［1］。从用户的身份信息、行为偏好到在交互过程中产生的个性化数据，这些带有鲜明个人特征的信息，对模型推理人类的情感表达和语言习惯具有不可替代性。正是这些散布于各个领域的个人信息，通过模型的深度学习，能够成为大型模型在“共情能力表达”方面取得突破的关键语料来源。其质量与规模直接决定了模型对复杂人类社会理解的深度以及响应的精确度。然而，在大模型生态中，模型技术的飞速迭代正不断突破现有法律规范预设的合法性边界，多元主体和角色围绕个人信息训练语料形成了不同诉求的张力［2］。个人作为信息主体，对自身信息有着天然的保护诉求，期待个人信息的最小化利用和绝对的安全保障；而大模型开发者作为信息处理者，则倾向于通过挖掘海量数据以优质、个性化的服务吸引用户。由此，法律规范在信息主体与大模型开发者、个人信息的保护与利用两对矛盾中陷入了两难。直面双重矛盾，本文认为传统以赋权与事后救济为核心的基于权利方法，已难以适应大模型快速发展的技术内生与外部治理等衍生风险，有必要转向以责任前置与风险可控为目标的基于风险的方法。立足个人信息训练语料的收集前端、处理中端、存储后端的大模型数据处理脉络，解构个人信息保护失控的技术根源，重构基于风险的方法的治理逻辑，为化解大模型合法性困境提供可操作的路径展开。
本文详细内容请下载：
https://www.pcachina.com/resource/detail/6000007240
作者信息：
葛佳怡
(山东大学法学院，山东青岛266237)
