近年來，隨著移動互聯(lián)、人工智能、大數(shù)據、云計算等新技術的迅速發(fā)展與普及應用，人們的工作、交往和生活方式都發(fā)生了深刻變化，數(shù)據成為驅動社會發(fā)展的新型生產要素、各行各業(yè)增強競爭力的重要源泉。但在大數(shù)據收集過程中，也存在著各種違法犯罪問題。網絡爬蟲(Web Crawler)作為一種能快速精準地獲取數(shù)據信息的基礎性網絡技術，近年來得到了越來越多的青睞和應用。如何對其進行規(guī)制，驅動其向好向善，成為當前重要的法治議題。

“小爬蟲”的“大角色”

網絡爬蟲，又稱為“網頁蜘蛛”“網絡機器人”，是一種按照一定的規(guī)則，自動抓取網絡信息的程序或者腳本。它能在特定程序的驅動下，模仿人工點擊從網站、手機應用、小程序或搜索引擎中檢索、提取、存儲數(shù)據。我們可以形象地將它們理解為一種爬行在網絡上的蜘蛛，它們根據程序的指令，通常沿著URL(網址)這根蛛絲，在互聯(lián)網這張大網上爬來爬去，尋找和帶回所需要的數(shù)據資源。我們熟知的百度、搜狗、谷歌等搜索引擎，其技術核心元素之一就是“網絡爬蟲”。例如百度蜘蛛，它通過互聯(lián)網入口爬取網頁，實時存儲并更新索引，然后為用戶提供檢索服務。

自從1993年第一個網絡爬蟲程序——“互聯(lián)網漫游者”被開發(fā)出來，網絡爬蟲這種便捷高效的搜索技術便得到了業(yè)界關注。特別是隨著數(shù)據資源的爆炸式增長，網絡爬蟲的應用場景也變得越發(fā)廣泛與多元，長期活躍于市場調查、產品研發(fā)、金融分析、輿情監(jiān)控、風險預測等領域。近年來，一些運用爬蟲技術為客戶提供數(shù)據服務的互聯(lián)網企業(yè)，也獲得了快速發(fā)展。對個人而言，我們可以利用爬蟲軟件等計算機編程語言，讓網絡爬蟲為自己服務。例如想買到理想的房子，就可爬取房產中介的公開信息，分析房源數(shù)據與趨勢以輔助決策。

網絡的本質與價值在于連接，核心是實現(xiàn)數(shù)據的流動與分享。網絡爬蟲作為數(shù)據抓取的技術工具，通過爬行增強了網絡節(jié)點間的聯(lián)絡，提升了網絡的整體價值，是構建互聯(lián)網開放與共享理念的重要技術基石。但網絡爬蟲所行之處，并非總是鮮花和掌聲，特別是涉及隱私領地和網絡安全之時。因此，為了規(guī)范爬蟲，維護網絡秩序，1994年誕生了“robots.txt協(xié)議”，該協(xié)議雖然只是一個“君子協(xié)議”，但它逐漸被視為網絡空間爬蟲技術應用公認的行業(yè)準則，也成為判定爬取行為是否獲得網站許可的主要依據。在2014年百度公司訴奇虎360違反robots協(xié)議案中，法院在判決時就認為，被告沒有遵守原告網站的robots協(xié)議，其行為明顯不當，應當承擔相應的不利后果。

科技異化：“好爬蟲”和“壞爬蟲”

科技本身是一種中立性工具，向善向惡、合法與非法，關鍵在于使用者的選擇。原本通過robots協(xié)議，一方獲得了數(shù)據與信息，一方增加了流量與關注，皆大歡喜。但robots協(xié)議能防“君子”卻難防“小人”，有些爬蟲程序不遵守規(guī)則，隨心所欲地爬取別人不愿意分享的數(shù)據信息，并大量擠占服務器資源，變成了“網絡害蟲”。例如近年來一些大數(shù)據風控公司利用爬蟲技術，在網絡上非法收集用戶個人信息并轉賣給第三方，借以謀取經濟利益。

網絡爬蟲設計的初衷是通過計算機技術，自動為網站編纂索引，更新信息，為用戶提供高效的檢索服務。具有訪問、下載和解析(對數(shù)據進行分析與篩選)三種基本功能。目前，爬蟲作惡主要是對前兩種功能的異化，體現(xiàn)為三類作惡方式。

一是惡意抓取非授權數(shù)據。訪問數(shù)據是“網絡爬蟲”的行為起點，也是其價值本源，一些企業(yè)或個人為了經濟利益或其他特殊目的，想方設法讓網絡爬蟲突破道德規(guī)則與技術障礙(網站“反爬蟲”措施)，爬取未經授權或超過授權范圍的數(shù)據。例如2018年2月至4月間，馬某通過編寫“爬蟲”程序，竊取手機應用及網站的用戶信息約20萬條，然后通過微信出售給他人，非法獲利共計2.4萬元，這種行為就構成了侵犯公民個人信息罪。

二是惡意侵犯知識產權。一些網絡爬蟲在數(shù)據爬取過程中，未經版權方的許可，就下載、復制或傳播文字、圖片和視頻等內容，并以此獲利。通常形式是，爬蟲對具有版權歸屬的文學或影視作品等設置加框鏈接，吸引用戶點擊，然后通過售賣廣告等形式牟利。例如段某建立的“窩窩電影”網站，利用爬蟲技術對多家視頻網站的500余部影視作品設置了加框鏈接，吸引用戶點擊播放，并賺取廣告費100余萬元，這種行為就觸犯了著作權法。

三是惡意擾亂系統(tǒng)運行。網絡爬蟲訪問系統(tǒng)時，跟人工點擊原理一樣，因此當巨量爬蟲同時訪問某一網站時，就會占用大量的帶寬資源，造成服務器不堪重負甚至崩潰。業(yè)內專家表示，2019年有近40%的網絡流量來自爬蟲，其中20%來自惡意爬蟲，而且比例還將不斷上升。出行行業(yè)即是重災區(qū)。以中國鐵路“12306網站”為例，自2011年上線運營以來，春運期間多次出現(xiàn)因爬蟲(主要是搶票軟件)攻擊而無法訪問的情況。據統(tǒng)計，2018年春運期間，網站最高峰時1天內頁面瀏覽量達813.4億次，其中近90%是“爬蟲”所為。

合理規(guī)制，讓“爬蟲”向善向上

據統(tǒng)計，截至2020年12月，我國網民規(guī)模達9.89億。增強網絡空間治理，保障個人信息和數(shù)據安全，已成為重大的時代命題。

目前我國對網絡爬蟲的規(guī)制還沒有專門的法律法規(guī)，主要依靠民法典、反不正當競爭法、著作權法、網絡安全法以及刑法中的相關法律條款。但從法律規(guī)制效果來看，情況不容樂觀。一方面是由于互聯(lián)網技術的快速發(fā)展，以及網絡所具有的開放性、虛擬性和流動性等特征，讓對違法犯罪行為的監(jiān)管和證據提取較為困難，特別是隨著數(shù)據抓取從網頁拓展至手機應用程序、小程序等移動端平臺，抓取手段就更加復雜與隱蔽;另一方面是網絡世界和數(shù)字服務發(fā)展迅猛，法律法規(guī)還具有較大的滯后性，司法實踐對網絡爬蟲技術濫用引發(fā)的法律問題缺乏足夠的司法經驗，而相關的司法解釋亦未能予以足夠關注，難以形成有效規(guī)制。例如2017年今日頭條與新浪微博之間因“微頭條”業(yè)務同步“微博”發(fā)言內容的糾紛案例，其實質是數(shù)據權屬難以確定的問題。但由于缺乏明確的司法解釋指引，引發(fā)了實踐中的普遍爭議。

2019年5月，國家互聯(lián)網信息辦公室公布了《數(shù)據安全管理辦法(征求意見稿)》，該辦法專門針對利用網絡開展數(shù)據收集、存儲、傳輸、處理、使用等活動進行了規(guī)制，有望對網絡爬蟲等技術行為進行有效治理。該辦法強調，國家堅持保障數(shù)據安全與發(fā)展并重，鼓勵研發(fā)數(shù)據安全保護技術，積極推進數(shù)據資源開發(fā)利用，保障數(shù)據依法有序自由流動。這也提醒我們，網絡爬蟲等本質上是順應數(shù)字經濟發(fā)展需求而生，既要從法律層面高度重視，也要把握好法律規(guī)制的邊界，力求達到數(shù)據利用與合理規(guī)制之間的良性平衡，以便讓網絡技術更好地服務經濟社會與人民生活，助推數(shù)字中國建設。

(作者：韓軼 聶晶，分別系中央民族大學法學院院長、教授，中央民族大學法學院犯罪防控研究中心研究員)

關鍵詞： 網絡爬蟲 科技異化 人工智能