数据信托作为全球突破性技术备受关注,"信息受托人"和"数据信任"概念分别从义务和权利角度调整数据主体和数据控制者间的不平等地位.探究数据信托对解决数据保护和利用的现存问题的启发,可以为整体引入数据信托构想和填补现有制度两种路径均提供原则性指引.在数据保护方面,数据信托提示在现有法定义务上为数据控制者增加义务,通过举证责任倒置等程序设计降低救济难度.在数据利用方面,数据信托支持以"所有权-用益权"的二元结构确定产权归属,同时蕴含收益权能的单独配置.双层信托结构界分了数据流通利用的不同阶段,通过集体治理为数据利用提供了灵活性.信托理论同时强调数据主体参与甚至主导数据收益分配,启示在现有收益分配问题上提升数据主体的地位.
作为一门伴随计算方法在法学中的深入应用而产生的新兴交叉学科,计算法学对于发现法律系统运行规律、丰富法学研究方法、构建互联网法治基础至关重要."计算法学"从兴起以来便得到了各大高校、科研机构的广泛关注,并已涌现出诸多成果.计算法学在我国的理论研究与实践应用仍有探索空间,其概念体系需要得到更好的建构,计算法学研究方法、计算法学的未来发展亦需汇聚更多共识.展望未来,构建计算法学知识体系、创新计算法学研究工具、探索计算法学新兴问题、培养计算法学复合型人才,将是计算法学学科不断建立健全的必由之路.
随着自动驾驶汽车技术的发展,极端情况下的事故算法将传统的电车难题思想实验转变为亟待解决的现实困境.极端情况算法不仅直接关系到所有道路交通使用者的生命安全,还涉及自动驾驶交通事故责任的分配与承担,需要在智能网联汽车正式上路与商业化运营前给出明确的部署方案.基于已有的应用伦理学理论、机器学习编码道德、用户预设道德选择三类风险分配方案的优缺点,本文从生产商可能承担的法律风险出发,提出一种可能的风险分配思路,期望通过设立一定规则排除刑事责任,缓减民事赔偿责任,利用法律、伦理和技术的有机结合构建极端情况算法规制框架.
"法学量化研究"以"计算主义"为认识论基础,作为计算法学的研究范式之一,"法学量化研究"的学理表达不能被法学实证研究所兼并或同化,必须从模糊的学术话语体系中抽离予以单独识别.以 2016 年～2022 年我国主要法学期刊发表的法学量化研究为研究样本,可以大体"绘制"出我国"法学量化研究"的现实谱系.就研究主体而言,我国法学量化研究的主要学术机构呈现"核心—发散"的分布特征,"核心"仍是主流.就研究疆域而言,我国法学量化研究所涉领域逐渐多元,但仍呈现"一家独大"的局面.就研究归旨而言,我国"法学量化研究"承载了"三位一体"的学理功能,包括"事实层"的"法律系统描述(司法现象挖掘)"功能;"规范/制度层"的解释(教义)、检视(法实效)、修正与建构功能;"理论层"的检视(证伪与效验)、修正(再造)与创造功能.这三个功能并非彼此割裂,而是凭借其内部的"自驱和共生"机制,形成了法学量化研究的良性功能互动机制.面向未来的法学量化研究应以"计算法学"为学科归属,一方面强化与社科法学和法教义学的方法论互动,另一方面需要内化其他社会科学的知识以纾解"知识联结之困".
日趋严格的个人信息保护相关法律法规,在保护个人隐私的同时,增加了企业数据流通合规的难度和成本.在联邦学习框架中,数据不动模型动的隐私保护设计以技术促进法律的遵守,是打破数据孤岛壁垒、促进隐私保护前提下数据融合协作创新的可能解.将合法原则、数据最小化原则与目的限制原则嵌入到系统开发的技术中,联邦学习分布式协作框架以局部模型更新参数代替本地原始个人数据上传,实现数据本地训练存储,达到可用不可见的个人信息保护效果.由于潜在的网络安全攻击以及机器学习算法黑箱的固有缺陷,联邦学习仍然面临着质量原则、公正原则与透明原则的挑战.联邦学习不是规避合规义务的手段,而是减少个人信息合规风险的可行技术措施,使用时仍然存在需要履行的个人信息保护义务,数据权属与责任分配的确定需要综合考量各参与方角色和个人信息处理者类型.
