知名數(shù)據(jù)公司被查，你的爬蟲會送老板進監(jiān)獄嗎？
9 月 6 日下午，多位業(yè)內(nèi)人士稱，杭州知名大數(shù)據(jù)服務(wù)公司杭州魔蝎數(shù)據(jù)科技有限公司，疑似被相關(guān)執(zhí)法人員控制，其中一位周姓核心高管人員被警方帶走。
圖片來自 pexels
以上是前幾天技術(shù)圈傳播的一則新聞，又一家數(shù)據(jù)公司被調(diào)查，很多數(shù)據(jù)從業(yè)者、爬蟲開發(fā)者發(fā)出了“感嘆” —— 「爬蟲用得好，XX 進得早;數(shù)據(jù)玩得溜，XX 吃個夠」。
知情人士現(xiàn)場拍攝
魔蝎科技作為一家數(shù)據(jù)服務(wù)公司，曾在 2017 年一篇『爬蟲兇猛：爬支付寶、爬微信、竊取現(xiàn)金貸放貸數(shù)據(jù)』的文章中，被指出存在開發(fā)使用惡意爬蟲的行為。
目前魔蝎科技官網(wǎng)、后臺均無法打開
當(dāng)然關(guān)于魔蝎科技為什么被查，這個等待執(zhí)法部門的調(diào)查結(jié)果即可，咱們不在這里無端猜測。
我今天要說的是關(guān)于爬蟲的合法性，我希望通過一些案例來探討：怎樣做一個不觸碰紅線的爬蟲開發(fā)者。
爬蟲作為一種計算機技術(shù)，具有技術(shù)中立性，爬蟲技術(shù)在法律上從來沒有被禁止。
爬蟲的發(fā)展歷史可以追溯到 20 年前，搜索引擎、聚合導(dǎo)航、數(shù)據(jù)分析、人工智能等業(yè)務(wù)，都需要基于爬蟲技術(shù)。
但是爬蟲作為獲取數(shù)據(jù)的技術(shù)手段之一，由于部分數(shù)據(jù)存在敏感性，如果不能甄別哪些數(shù)據(jù)是可以爬取，哪些會觸及紅線，可能下一位上新聞的主角就是你。
如何界定爬蟲的合法性，目前沒有明文規(guī)定，但我通過翻閱大量文章、事件、分享、司法案例，我總結(jié)出界定的三個關(guān)鍵點：
- 數(shù)據(jù)的采集途徑
- 數(shù)據(jù)的采集行為
- 數(shù)據(jù)的使用目的
數(shù)據(jù)的采集途徑
通過什么途徑爬取數(shù)據(jù)，這個是最需要重視的一點。總體來說，未公開、未經(jīng)許可、且?guī)в忻舾行畔⒌臄?shù)據(jù)，不管是通過什么渠道獲得，都是一種不合法的行為。
所以在采集這類比較敏感的數(shù)據(jù)時，最好先查詢下相關(guān)法律法規(guī)，特別是用戶個人信息、其他商業(yè)平臺的信息等這類信息，尋找一條合適的途徑。
個人數(shù)據(jù)
采集和分析個人信息數(shù)據(jù)，應(yīng)該是當(dāng)下所有互聯(lián)網(wǎng)都會做的一件事，但是大部分個人數(shù)據(jù)都是非公開的。
想獲得必須通過合法途徑，可參見『網(wǎng)絡(luò)安全法』第四十一條：
網(wǎng)絡(luò)運營者收集、使用個人信息，應(yīng)當(dāng)遵循合法、正當(dāng)、必要的原則，公開收集、使用規(guī)則，明示收集、使用信息的目的、方式和范圍，并經(jīng)被收集者同意...
也就是必須在提前告知收集的方式、范圍、目的，并經(jīng)過用戶授權(quán)或同意后，才能采集使用，也就是我們常見的各種網(wǎng)站與 App 的用戶協(xié)議中關(guān)于信息收集的部分。
相關(guān)反面案例：
8 月 20 日，澎湃新聞從紹興市越城區(qū)公安分局獲悉，該局日前偵破一起特大流量劫持案，涉案的新三板掛牌公司北京瑞智華勝科技股份有限公司，涉嫌非法竊取用戶個人信息 30 億條，涉及百度、騰訊、阿里、京東等全國 96 家互聯(lián)網(wǎng)公司產(chǎn)品，目前警方已從該公司及其關(guān)聯(lián)公司抓獲 6 名犯罪嫌疑人。
......
北京瑞智華勝公司及其關(guān)聯(lián)公司在與正規(guī)運營商合作中，會加入一些非法軟件用于清洗流量、獲取用戶的 Cookie。
節(jié)選自澎湃新聞：『新三板掛牌公司涉竊取 30 億條個人信息，非法牟利超千萬元』[1]。
公開數(shù)據(jù)
從合法公開渠道，并且不明顯違背個人信息主體意愿，都沒有什么問題。但如果通過破解、侵入等“黑客”手段來獲取數(shù)據(jù)，那也有相關(guān)法律等著你：
刑法第二百八十五條第三款規(guī)定的“專門用于侵入、非法控制計算機信息系統(tǒng)的程序、工具”：
(一)具有避開或者突破計算機信息系統(tǒng)安全保護措施，未經(jīng)授權(quán)或者超越授權(quán)獲取計算機信息系統(tǒng)數(shù)據(jù)的功能的;
......
違反 Robots 協(xié)議
雖然 Robots 協(xié)議沒有法規(guī)強制遵守，但 Robots 協(xié)議作為行業(yè)約定，在遵循之下會給你帶來合法支持。
因為 Robots 協(xié)議具有指導(dǎo)意義，如果注明 Disallow 就說明是平臺明顯要保護的頁面數(shù)據(jù)，想爬取之前應(yīng)該仔細考慮一下。
數(shù)據(jù)的采集行為
使用技術(shù)手段應(yīng)該懂得克制，一些容易對服務(wù)器和業(yè)務(wù)造成干擾甚至破壞的行為，應(yīng)當(dāng)充分衡量其承受能力，畢竟不是每家都是 BAT 級。
高并發(fā)壓力
做技術(shù)經(jīng)常專注于優(yōu)化，爬蟲開發(fā)也是如此，想盡各種辦法增加并發(fā)數(shù)、請求效率，但高并發(fā)帶來的近乎 DDOS 的請求，如果對對方服務(wù)器造成壓力，影響了對方正常業(yè)務(wù)，那就應(yīng)該警惕了。
如果一旦導(dǎo)致嚴重后果，后果參見：
《刑法》第二百八十六條還規(guī)定，違反國家規(guī)定，對計算機信息系統(tǒng)功能進行刪除、修改、增加、干擾，造成計算機信息系統(tǒng)不能正常運行，后果嚴重的，構(gòu)成犯罪。
所以請爬取的時候，即使沒有反爬限制，也不要肆無忌憚地開啟高并發(fā)，掂量一下對方服務(wù)器的實力。
影響正常業(yè)務(wù)
除了高并發(fā)請求，還有一些影響業(yè)務(wù)的情況，常見的比如搶單，會影響正常用戶的體驗。
數(shù)據(jù)的使用目的
數(shù)據(jù)使用目的同樣是一大關(guān)鍵，就算你通過合法途徑采集的數(shù)據(jù)，如果對數(shù)據(jù)沒有正確的使用，同樣會存在不合法的行為。
超出約定的使用
一種情況是公開收集的數(shù)據(jù)，但沒有遵循之前告知的使用目的，比如用戶協(xié)議上說只是分析用戶行為，幫助提高產(chǎn)品體驗，結(jié)果變成了出售用戶畫像數(shù)據(jù)。
還有一種情況，是有知識產(chǎn)權(quán)、著作權(quán)的作品，可能會允許你下載或引用，但明顯標注了使用范圍。
比如不能轉(zhuǎn)載、不能用于商業(yè)行為等，更不能去盜用，這些都是有法律明文保護，所以要注意使用。其他情況就不列舉了。
出售個人信息
關(guān)于出售個人信息，千萬不要做，是法律特別指出禁止的，參見：
根據(jù)《最高人民法院最高人民檢察院關(guān)于辦理侵犯公民個人信息刑事案件適用法律若干問題的解釋》第五條規(guī)定，對“情節(jié)嚴重”的解釋：
(1)非法獲取、出售或者提供行蹤軌跡信息、通信內(nèi)容、征信信息、財產(chǎn)信息五十條以上的。
(2)非法獲取、出售或者提供住宿信息、通信記錄、健康生理信息、交易信息等其他可能影響人身、財產(chǎn)安全的公民個人信息五百條以上的。
(3)非法獲取、出售或者提供第三項、第四項規(guī)定以外的公民個人信息五千條以上的便構(gòu)成“侵犯公民個人信息罪”所要求的“情節(jié)嚴重”。
此外，未經(jīng)被收集者同意，即使是將合法收集的公民個人信息向他人提供的，也屬于刑法第二百五十三條之一規(guī)定的“提供公民個人信息”，可能構(gòu)成犯罪。
不正當(dāng)商業(yè)行為
如果將競品公司的數(shù)據(jù)，服務(wù)自己公司的商業(yè)目的，這就可能存在構(gòu)成不正當(dāng)商業(yè)競爭，或者是違反知識產(chǎn)權(quán)保護。
這種情況在目前涉及爬蟲的商業(yè)訴訟案中比較常見，兩年前比較知名的案件，“車來了” App 抓取其競品 “酷米客” 的公交車數(shù)據(jù)，并展示在自己的產(chǎn)品上：
雖然公交車作為公共交通工具，其實時運行路線、運行時間等信息僅系客觀事實，但當(dāng)此類信息經(jīng)過人工收集、分析、編輯、整合并配合 GPS 精確定位，作為公交信息查詢軟件的后臺數(shù)據(jù)后，此類信息便具有了實用性并能夠為權(quán)利人帶來現(xiàn)實或潛在、當(dāng)下或?qū)淼慕?jīng)濟利益，已經(jīng)具備無形財產(chǎn)的屬性。
元光公司利用網(wǎng)絡(luò)爬蟲技術(shù)大量獲取并且無償使用谷米公司“酷米客”軟件的實時公交信息數(shù)據(jù)的行為，實為一種“不勞而獲”、“食人而肥”的行為，構(gòu)成不正當(dāng)競爭。
節(jié)選自『深圳市中級人民法院(2017)粵03民初822號民事判決書』。
“爬蟲法”即將出臺
好消息是，相關(guān)辦法已經(jīng)在路上了。
5 月 28 日零點，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了《數(shù)據(jù)安全管理辦法》征求意見稿。
我也查閱了這份意見稿，里面對數(shù)據(jù)的獲取、存儲、傳輸、使用等都做了一些規(guī)定，包括關(guān)于爬蟲行為的若干規(guī)定(還在征求階段，因此后續(xù)可能會有變化)。
比如，第二章第十六條：
網(wǎng)絡(luò)運營者采取自動化手段訪問收集網(wǎng)站數(shù)據(jù)，不得妨礙網(wǎng)站正常運行;此類行為嚴重影響網(wǎng)站運行，如自動化訪問收集流量超過網(wǎng)站日均流量三分之一，網(wǎng)站要求停止自動化訪問收集時，應(yīng)當(dāng)停止。
第三章第二十七條：
網(wǎng)絡(luò)運營者向他人提供個人信息前，應(yīng)當(dāng)評估可能帶來的安全風(fēng)險，并征得個人信息主體同意。
下列情況除外：
(一)從合法公開渠道收集且不明顯違背個人信息主體意愿。
(二)個人信息主體主動公開。
(三)經(jīng)過匿名化處理。
(四)執(zhí)法機關(guān)依法履行職責(zé)所必需。
(五)維護國家安全、社會公共利益、個人信息主體生命安全所必需。
節(jié)選自『數(shù)據(jù)安全管理辦法(征求意見稿)』[2]
結(jié)語
在此聲明：以上所有內(nèi)容僅是個人分析，可能存在錯誤之處，不能作為任何依據(jù)，具體以相關(guān)法律法規(guī)為準。
希望能給各位爬蟲開發(fā)者，也包括其他開發(fā)者一些啟示：技術(shù)雖中立，使用有善惡，一定要合理合規(guī)、嚴格謹慎地使用技術(shù)。
參考鏈接：
- 新三板掛牌公司涉竊取30億條個人信息
https://www.thepaper.cn/newsDetail_forward_2362227
- 數(shù)據(jù)安全管理辦法(征求意見稿)
http://www.moj.gov.cn/news/content/2019-05/28/zlk_235861.html
