EP117你的AI蒸餾及訓練資料合法嗎？從網路爬蟲到robots.txt和TOS，建構企業的數據防護罩

（本集單口，收聽如留言連結）

大家可能聽過一句話：「資料就是 AI 時代的石油」。

為了訓練出聰明的 AI 模型或打造精準的商業比價網，許多開發團隊的直覺往往是：網路上公開的資料，寫程式抓下來不就好了？

然而，近期產業端出現了值得關注的警訊。例如Anthropic 曾公開談及DeepSeek、Moonshot疑似與特定帳號有關的大量模型輸出蒐集，以及隨之而來的「蒸餾攻擊（distillation attacks）」風險 。這些新型態的資料取得爭議，正快速成為企業合規的重大挑戰 。而「網路爬蟲」的合法性更是大家所關注的。

在本集節目中，我們將介紹「網路爬蟲」與「模型蒸餾」的技術本質與運作方式 。我也嘗試從技術原理切入，協助企業主與開發團隊拆解科技圈與法律圈中這危險迷思：「網路上公開看得到的資料，就可以隨便抓、隨便用」。簡單來說，這不是商場上的免死金牌，別輕忽這背後的法律風險。

本集的五個重要實務觀念整理

面對AI數據戰場，我們為以下關鍵的防禦機制與風險評估指標：

•看得到不等於可以任意用：利用爬蟲抓取網站前台的公開資訊，與越界進入後台資料庫，在法律上的風險層次截然不同 。若涉及無故取得他人電腦設備的電磁紀錄，更可能面臨最高五年有期徒刑的刑事重罪風險。

•隱藏的營業秘密、個資與著作權地雷：若利用爬蟲將含有個人資料或受保密措施保護的商業資訊大量抓取，並用於 AI 訓練以營利，極易引發適法性爭議 。此外，若爬取的是整篇分析文章、圖片或程式碼，亦可能直接涉及重製他人著作的侵權風險。

•數位告示牌與君子協議（robots.txt）：網站根目錄的 robots.txt 雖非強制性法律，卻是日後法院在衡量違約、侵權或競爭爭議時，判斷行為人是否具備「善意」、是否逾越合理使用邊界的重要事實依據。

•ToS 服務條款的契約殺傷力：在進行「模型蒸餾」時，ToS 往往是最直接的法律防線 。若合法註冊帳號後，卻違反平台條款將系統性蒐集的輸出內容用於訓練競爭模型，將面臨停權、封鎖金鑰或高額違約求償等強大契約武器反擊。

•基本的商業網路禮儀：工程團隊在開發爬蟲程式時，若未設定合理的抓取頻率限制，導致瞬間發出巨量請求而造成對方網站癱瘓 。這種對實體營運造成的附帶損害，即使資料是公開的，同樣會引發難以排除的民事賠償風險。

節目時序

00:39 網路爬蟲與模型蒸餾：AI時代數據挖掘潛在法律地雷

02:47 資料取用迷思：未授權大量抓取恐面臨侵權與平臺違規

05:59 模型蒸餾風險：小模型低成本抄襲大模型恐涉不正競爭

08:40 前臺爬取紅線：抓取網頁公開數據主要面臨民事行政爭議

11:02 後臺爬取地雷：利用漏洞破解帳密未經授權取用涉刑事責任

14:09 附帶損害：未設頻率限制的無差別爬蟲恐致網站癱瘓與究責

15:53 刑事地雷一：無故取得他人設備電磁紀錄最高面臨五年徒刑

18:41 爬蟲君子協議：robots.txt是判斷資料可否抓取的關鍵告示牌

20:35 實務震撼彈：七法案宣告大量爬取損及同業競爭地位而犯罪

23:40 著作權紅線：事實資訊無版權，但爬取重製網頁程式碼涉侵權

26:12 個資法地雷：抓取含個資頁面且無合法契約恐面臨當事人提告

27:34 AI訓練迷思：前端非法抓取未授權資料訓練模型仍難逃侵權

29:43 交易秩序紅線：無視條款爬取恐違反公平法顯失公平的規定

30:43 顯失公平紅線：無償爬取巨資模型數據將面臨公平交易法制裁

32:39 數位告示牌：無視robots協定易被法院認定惡意抓取加重究責

34:21 服務條款護身符：明訂規則可對違規爬取者停權甚至求償

37:38 取用三底線：公開不等於可隨便用且務必遵守網站授權與條款

38:58 爬蟲商業禮儀：避開流量高峰與控制頻率以免導致癱瘓遭求償

39:20 總結