Авторское право на данные: кому принадлежит датасет

Авторское право на данные определяет правовую защиту информационных массивов и регулирует, кому принадлежит набор данных в контексте интеллектуальной собственности. Исходные данные, представляющие собой необработанные факты, цифры или наблюдения, не подпадают под классическую защиту авторского права, поскольку оно применяется исключительно к произведениям, обладающим творческим характером и оригинальностью. Это создает правовую неопределенность для компаний, инвестирующих в сбор, систематизацию и анализ обширных наборов данных для обучения моделей искусственного интеллекта или принятия стратегических решений. Отсутствие четких механизмов защиты наборов данных как объектов интеллектуальной собственности может приводить к судебным спорам, утечкам коммерческой информации и снижению инвестиционной привлекательности проектов, ориентированных на данные.

Наборы данных часто формируются из множества источников, включая публичные реестры, сенсорные данные и агрегированную пользовательскую информацию. Юридическая квалификация такого сбора данных и определения авторского права на данные требует учета специфики каждого источника и методов их обработки. В ситуациях, когда набор данных является результатом значительных инвестиций в сбор, проверку и систематизацию, возникает вопрос о необходимости правовых инструментов, выходящих за рамки традиционного авторского права, для защиты этой ценности. Несанкционированное использование или копирование наборов данных может повлечь не только экономические убытки, но и репутационные риски, а также нарушения требований по защите персональных данных, таких как Общий регламент по защите данных (GDPR).

Юридические аспекты сбора данных из открытых источников.

Сбор данных из открытых источников является широко распространенной практикой для формирования датасетов, обучения моделей искусственного интеллекта и проведения аналитики. Открытыми источниками считаются общедоступные данные, которые могут быть получены из публичных веб-сайтов, государственных реестров, научных публикаций, социальных сетей или через специальные интерфейсы прикладного программирования (API). Несмотря на кажущуюся доступность, юридические аспекты сбора и использования таких данных имеют значительные сложности, поскольку их публичность не всегда означает свободу от правовых ограничений. Несоблюдение условий использования или лицензий может привести к серьезным юридическим последствиям, включая судебные иски за нарушение авторских прав, условий использования или конфиденциальности.

Различие между публично доступными и лицензированными открытыми данными.

Ключевое различие между публично доступными данными и лицензированными открытыми данными заключается в условиях их правомерного использования. Публично доступные данные – это любая информация, которая находится в открытом доступе, например, на общедоступных веб-сайтах или в СМИ. Однако сам факт публичности не предоставляет автоматического права на свободное копирование, изменение или коммерческое использование этих данных. Правовой статус публично доступных данных часто определяется условиями использования (Условия использования) веб-сайта-источника, которые могут запрещать автоматизированный сбор информации или устанавливать ограничения на ее дальнейшее использование.

Открытые данные, напротив, это публично доступные данные, явно выпущенные под определенной лицензией, которая разрешает их свободное использование, распространение и зачастую изменение для любых целей, включая коммерческие, при условии соблюдения конкретных условий лицензии (например, указание авторства или сохранение открытости). Эти лицензии призваны стимулировать повторное использование данных и создание новых ценностей на их основе.

Сравнение публично доступных и открытых данных:

Правовые основы сбора данных: веб-скрейпинг и API.

Сбор данных из открытых источников чаще всего осуществляется методами веб-скрейпинга или через специализированные программные интерфейсы (API). Веб-скрейпинг – это автоматизированное извлечение информации с веб-страниц, как правило, путем имитации действий пользователя. API – это набор четко определенных методов и протоколов, которые позволяют программам взаимодействовать друг с другом и безопасно извлекать данные, предоставляемые владельцем ресурса.

Правовой статус веб-скрейпинга неоднозначен и зависит от множества факторов, включая юрисдикцию, характер скрейпируемых данных и условия использования сайта-источника. Нарушение условий использования веб-сайта, даже если данные являются публично доступными, может рассматриваться как нарушение договорных обязательств или несанкционированный доступ к компьютерной информации. При этом многие веб-сайты явно запрещают или ограничивают веб-скрейпинг в своих условиях использования, а также используют файл `robots.txt` для указания роботам, какие страницы можно индексировать. Игнорирование `robots.txt` может быть расценено как неправомерное действие, хотя само по себе не всегда является нарушением закона.

Факторы, влияющие на законность веб-скрейпинга:

• Условия использования (Условия использования): Большинство сайтов содержат положения, запрещающие или ограничивающие автоматизированный сбор данных. Нарушение этих условий может повлечь гражданско-правовую ответственность.
• Авторское право: Если скрейпируемый контент защищен авторским правом (например, тексты, изображения), его массовое копирование без разрешения является нарушением авторских прав. На факты авторское право не распространяется, но на их оригинальное выражение – да.
• Защита коммерческой тайны: Сбор данных, которые являются коммерческой тайной или включают конфиденциальную информацию, может привести к ответственности за ее разглашение или неправомерное использование.
• Законодательство о конкуренции: Использование скрейпированных данных для получения несправедливого конкурентного преимущества может быть расценено как недобросовестная конкуренция.
• Защита персональных данных: Скрейпинг персональных данных, даже публично доступных, подпадает под действие законодательства о защите персональных данных (например, GDPR), требуя законных оснований для обработки.
• Технические меры защиты: Обход технических средств защиты (CAPTCHA, блокировка IP-адресов) может быть расценен как несанкционированный доступ к компьютерной информации.

Использование API для сбора данных, напротив, обычно осуществляется в рамках лицензионных соглашений, предоставляемых разработчикам. Эти соглашения четко регламентируют, какие данные можно извлекать, в каких объемах, для каких целей и на каких условиях. Соблюдение условий API-лицензии минимизирует юридические риски, поскольку владелец данных явно предоставляет разрешение на доступ и использование. Нарушение условий API-лицензии (например, превышение лимитов запросов, использование данных для запрещенных целей) является нарушением договорных обязательств и может повлечь блокировку доступа к API и юридические последствия.

Типы лицензий на открытые данные и их применение.

Лицензии на открытые данные играют ключевую роль в определении правомерности их использования, распространения и изменения. Они предоставляют юридические рамки, которые позволяют авторам и владельцам данных разрешать другим лицам использовать их работу при соблюдении определенных условий. Понимание этих лицензий критически важно для разработчиков датасетов и компаний, использующих внешние данные.

Основные типы лицензий на открытые данные и их требования:

• Лицензии Creative Commons (CC): Широко используются для различных видов контента, включая данные. Различают несколько видов CC-лицензий:
  • CC0 (Public Domain Dedication): Максимально свободная лицензия, фактически отдающая данные в общественное достояние, без требований указания авторства.
  • CC BY (Attribution): Требует указания автора (атрибуции) при любом использовании, распространении и изменении данных.
  • CC BY-SA (Attribution-ShareAlike): Требует указания авторства и обязывает распространять производные работы под той же или совместимой лицензией.
  • CC BY-NC (Attribution-NonCommercial): Требует указания авторства и запрещает коммерческое использование данных.
  • CC BY-ND (Attribution-NoDerivatives): Требует указания авторства и запрещает создание производных работ (изменение данных).
• Лицензии Open Data Commons (ODC): Специально разработаны для баз данных:
  • ODC Public Domain Dedication and Licence (PDDL): Аналог CC0 для данных, помещает базу данных в общественное достояние.
  • ODC Attribution License (ODC-By): Требует указания источника данных при любом их использовании.
  • ODC Open Database License (ODC-ODbL): Требует указания источника и распространения производных баз данных под той же лицензией (ShareAlike), а также сохранения открытости данных при их распространении.
• Правительственные лицензии на открытые данные: Многие государства и международные организации имеют собственные стандартные лицензии для государственных открытых данных (например, Open Government Licence в Великобритании). Они обычно разрешают свободное использование с требованием указания источника.
• Специализированные лицензии: Некоторые научные или отраслевые сообщества разрабатывают собственные лицензии для своих датасетов, которые могут содержать специфические условия (например, для биоинформатики).

При работе с датасетами, полученными из открытых источников, необходимо тщательно проверять применимую лицензию и строго соблюдать ее условия. Игнорирование лицензионных требований может привести к нарушениям авторских прав или договорных обязательств, даже если данные считаются "открытыми".

Юридические риски при использовании агрегированных данных из открытых источников.

Агрегация данных из множества открытых источников – распространенная практика для создания более полных и ценных датасетов. Однако этот процесс несет специфические юридические риски, которые могут возникать даже при соблюдении условий использования каждого отдельного источника. Основная проблема заключается в том, что объединение различных фрагментов информации, которые по отдельности не являются конфиденциальными или персональными, может привести к формированию новой информации, имеющей иной правовой статус.

Ключевые риски при агрегации открытых данных:

• Реидентификация персональных данных: Отдельные наборы данных могут быть обезличены, но при их объединении с другими публичными данными становится возможной повторная идентификация физических лиц. Например, объединение публичных данных о геолокации, времени и публичных сообщений в социальных сетях может позволить идентифицировать конкретного человека. Это приводит к тому, что агрегированный датасет начинает подпадать под строгие требования законодательства о защите персональных данных (например, GDPR, 152-ФЗ), для обработки которых требуется согласие субъекта или иные законные основания.
• Нарушение авторских прав на компиляцию: Хотя отдельные факты не защищены авторским правом, оригинальная структура, выбор или расположение данных в чужом датасете или базе данных может быть объектом авторского права. Агрегация данных таким образом, что она копирует оригинальные элементы защиты из нескольких источников, может быть расценена как нарушение авторских прав на компиляцию.
• Нарушение права sui generis на базы данных (в ЕС): В Европейском Союзе, если датасет или база данных являются результатом значительных инвестиций в создание, проверку или представление, они могут быть защищены особым правом sui generis. Агрегация данных из таких баз без разрешения может нарушать это право, даже если отдельные элементы данных не защищены авторским правом.
• Коммерческая тайна: Объединение общедоступных данных с внутренними данными компании или с данными, имеющими ограниченный доступ, может случайно привести к разглашению или использованию коммерческой тайны.
• Лицензионные коллизии: Агрегация данных из разных источников, каждый из которых имеет свою открытую лицензию, может привести к "лицензионным коллизиям", когда условия одной лицензии противоречат условиям другой. Например, если один источник требует ShareAlike, а другой запрещает производные работы. Это затрудняет создание единого, юридически чистого агрегированного датасета.

Для минимизации этих рисков требуется тщательный юридический аудит каждого источника данных, анализ потенциала реидентификации и разработка стратегии лицензирования для агрегированного набора данных.

Рекомендации по соблюдению законодательства при работе с открытыми данными.

Для компаний и разработчиков, использующих данные из открытых источников, соблюдение правовых норм является критически важным аспектом. Превентивный подход к правовому соответствию позволяет избежать судебных разбирательств, штрафов и репутационных потерь. Систематизация процесса сбора и использования данных должна включать юридическую оценку на всех этапах.

Чек-лист по правовому соответствию при сборе и использовании открытых данных:

• Идентификация источника данных: Всегда фиксируйте точный источник каждого элемента данных или датасета, включая URL, дату доступа и любые примечания о лицензиях.
• Анализ условий использования (Условия использования) и файла `robots.txt`: Перед началом веб-скрейпинга тщательно изучите условия использования сайта-источника и проверьте наличие файла `robots.txt`. Соблюдайте все указанные ограничения на автоматизированный сбор данных.
• Проверка лицензий на открытые данные: Если данные выпущены под открытой лицензией (Creative Commons, Open Data Commons), убедитесь, что вы полностью понимаете и соблюдаете ее условия, включая требования к указанию источника, ShareAlike, некоммерческому использованию и запрету на производные работы.
• Оценка наличия персональных данных: Определите, содержат ли данные информацию, которая может прямо или косвенно идентифицировать физическое лицо. Если да, оцените, существует ли законное основание для обработки этих персональных данных (например, согласие, законный интерес). В случае невозможности получить законное основание, рассмотрите возможность обезличивания или анонимизации данных.
• Оценка риска реидентификации: При агрегации данных из нескольких источников проведите анализ рисков, связанных с возможностью реидентификации субъектов данных. При необходимости примените дополнительные меры по обезличиванию.
• Защита авторских прав третьих лиц: Убедитесь, что сбор и использование данных не нарушают авторские права на оригинальные выражения или компиляции. Избегайте копирования оригинальной структуры, выбора или расположения данных, защищенных авторским правом.
• Документирование процесса: Ведите строгий учет всех источников данных, применимых лицензий, условий использования и принятых мер по соблюдению законодательства. Эта документация будет критически важна в случае возникновения правовых споров.
• Консультация с юристами: При работе с крупными или чувствительными наборами данных, а также при наличии сомнений в правомерности сбора и использования, рекомендуется обратиться за юридической консультацией к специалистам по интеллектуальной собственности и защите данных.
• Разработка внутренней политики: Создайте внутренние руководства и политики для сотрудников, регулирующие сбор, обработку и использование данных из открытых источников, чтобы обеспечить единообразие и соответствие правовым требованиям.

Соблюдение этих рекомендаций позволит эффективно использовать потенциал открытых данных, минимизируя при этом юридические риски и обеспечивая устойчивое развитие проектов на основе данных.

Творческий вклад и оригинальность: когда датасет становится объектом авторского права?

Хотя исходные факты и "чистые" данные сами по себе не подлежат авторско-правовой защите, тщательно составленный, систематизированный и обработанный датасет может получить такую защиту, если в его создание был внесен достаточный творческий вклад, проявляющийся в оригинальности отбора, координации или расположения его элементов. Правовой статус датасета как объекта авторского права определяется наличием уникального выражения, которое является результатом интеллектуальной деятельности человека, а не простого агрегирования информации.

Сущность творческого вклада в формирование датасетов

Творческий вклад в контексте создания датасетов означает не изобретение новых фактов, а оригинальный подход к их выбору, организации и представлению. Этот вклад преобразует набор разрозненных данных в структурированное произведение, которое отражает интеллектуальный выбор или расположение создателя. В результате такого процесса формируется компиляция, обладающая минимальным порогом оригинальности, необходимой для признания её объектом авторского права.

Основные аспекты, формирующие творческий вклад в датасет:

• Оригинальный отбор данных: Если из большого объема доступной информации выбираются конкретные элементы по нетривиальным, уникальным критериям, это может свидетельствовать о творческом вкладе. Например, создание специализированного датасета для обучения модели искусственного интеллекта, где выбор изображений, текстов или аудиофрагментов основан на уникальной методологии фильтрации и оценки их релевантности для специфической задачи.
• Уникальная организация и структура: Создание особой архитектуры хранения, иерархии, связей между элементами данных или разработка уникальных схем метаданных, которые не являются очевидными или общепринятыми. Если структура датасета отражает оригинальный способ мышления создателя, она может быть защищена.
• Методология аннотирования и обогащения: Добавление к данным слоев информации (меток, комментариев, классификаций), которые не являются простыми фактами, а представляют собой результат аналитического, оценочного или интерпретационного труда. Например, ручное аннотирование тысяч изображений с точным определением объектов и их границ для систем компьютерного зрения, или разметка текста для анализа тональности с учетом языковых нюансов.
• Выражение концепции: Хотя сама концепция (идея) не защищена авторским правом, её конкретное выражение через структурирование датасета может быть защищено. Это проявляется в способе, которым создатель выразил свою идею о том, как данные должны быть представлены и взаимосвязаны.

Критерии оригинальности для защиты датасета авторским правом

Для того чтобы датасет был признан объектом авторского права как компиляция, он должен соответствовать определенным критериям оригинальности. Эти критерии не требуют высокого уровня художественного творчества, но требуют наличия уникального выбора, координации или расположения данных, не являющегося тривиальным или механическим.

Ключевые критерии оригинальности, применяемые к датасетам:

• Оригинальность выбора: Данные должны быть выбраны из более широкого массива информации по уникальным критериям, которые не являются очевидными или произвольными. Простой сбор всех доступных данных без избирательности не является оригинальным выбором. Например, составление тематической коллекции исторических документов, где каждый документ был тщательно отобран по критериям культурной значимости и редкости, демонстрирует оригинальность выбора.
• Оригинальность координации: Элементы данных должны быть организованы или сгруппированы таким образом, который отражает творческий подход. Это может включать разработку нестандартных категорий, иерархий или взаимосвязей. Механическая сортировка по алфавиту или дате не является оригинальной координацией.
• Оригинальность расположения: Способ представления данных должен быть уникальным. Это касается структуры базы данных, интерфейса пользователя или формата вывода, если они отражают творческий замысел. Создание уникальной системы индексации или навигации по датасету может быть примером оригинального расположения.
• Дополнительные слои информации (аннотации): Если датасет содержит аннотации, метаданные или иные элементы, которые являются результатом интеллектуального труда (например, экспертная оценка, классификация, смысловая разметка), эти слои информации сами по себе могут быть объектом авторского права, и их интеграция в датасет повышает его общий порог оригинальности.

Примеры элементов датасета, влияющих на его оригинальность:

Правовой порог оригинальности: что достаточно для авторского права?

Правовой порог оригинальности означает минимальный уровень творческого вклада, который необходим для того, чтобы произведение было защищено авторским правом. В отношении датасетов этот порог часто является предметом дискуссий и варьируется в зависимости от юрисдикции, но общая тенденция склоняется к тому, что простое «усилие и пот» (принцип «пота и труда») без элемента творчества недостаточно.

В большинстве стран, подписавших Бернскую конвенцию, а также в США (по делу Feist Publications против Rural Telephone Service Co.), для защиты компиляций требуется, чтобы выбор или расположение элементов были "оригинальными" – то есть, чтобы они были результатом независимого творческого акта автора. Это означает, что датасет не должен быть простым копированием общедоступных фактов без какого-либо творческого оформления. Даже если уровень творчества низкий, он должен быть.

Примеры, когда датасет может преодолеть порог оригинальности:

• Создание сложной таксономии: Разработка уникальной иерархической классификации для обширного набора данных, где выбор категорий и их взаимосвязей не является очевидным.
• Аннотирование контента с использованием экспертных знаний: Добавление к изображениям, текстам или аудиофайлам подробных, авторских метаданных, которые требуют специализированных знаний и интерпретации.
• Оригинальный дизайн базы данных: Проектирование схемы базы данных, включающей нетривиальные взаимосвязи между таблицами, уникальные индексы и методы представления данных, которые выходят за рамки стандартных решений.
• Синтез данных с творческой интерпретацией: Объединение различных источников данных и их преобразование таким образом, что результаты не являются простым агрегированием, а включают элементы аналитической интерпретации или моделирования, отражающего уникальный взгляд автора.

Важно отметить, что даже если датасет получает авторско-правовую защиту, она распространяется только на оригинальное выражение (выбор, координация, расположение, аннотации), а не на сами факты, содержащиеся в нем.

Бизнес-ценность и стратегии защиты датасетов через авторское право

Получение авторско-правовой защиты для датасета значительно увеличивает его бизнес-ценность, превращая его из простого набора информации в охраняемый актив интеллектуальной собственности. Это дает правообладателю эксклюзивные права на воспроизведение, распространение, адаптацию и публичный показ своего уникального датасета, что открывает возможности для лицензирования и монетизации.

Бизнес-преимущества авторско-правовой защиты датасета:

• Монетизация и лицензирование: Компания может лицензировать использование своего уникального датасета для обучения моделей искусственного интеллекта, проведения исследований или коммерческого анализа, получая роялти или другие платежи.
• Конкурентное преимущество: Защищенный авторским правом датасет становится уникальным ресурсом, который сложно воспроизвести конкурентам без нарушения закона. Это создает барьеры для входа на рынок и позволяет занимать лидирующие позиции.
• Защита инвестиций: Авторское право помогает защитить значительные инвестиции (временные, финансовые, человеческие) в сбор, систематизацию и аннотирование датасета, предотвращая несанкционированное копирование или использование.
• Основание для судебной защиты: В случае несанкционированного использования или копирования, правообладатель может обратиться в суд для защиты своих прав, требовать прекращения нарушения и возмещения убытков.
• Повышение стоимости компании: Авторские права на ценные датасеты могут рассматриваться как нематериальные активы, увеличивающие общую рыночную капитализацию и инвестиционную привлекательность компании.

Стратегии обеспечения авторско-правовой защиты датасета:

Тщательная проработка этих стратегий позволяет компаниям эффективно управлять своими информационными активами, превращая датасеты в мощный источник конкурентного преимущества и экономической ценности.

Лицензирование датасетов: обзор моделей и их правовое значение.

Лицензирование датасетов является ключевым механизмом, определяющим правомерность их использования, распространения и модификации. Поскольку исходные, «чистые» данные, как правило, не защищаются авторским правом, а сам структурированный набор данных (датасет) может подлежать защите как компиляция или по праву sui generis (прав особого рода), лицензии служат юридическим инструментом для регулирования доступа и прав на такие информационные активы. Лицензионные соглашения определяют условия, при которых третьи стороны могут получать, обрабатывать и использовать данные, обеспечивая баланс между интересами создателя датасета и потребностями его пользователей. Отсутствие чёткой лицензии или её неправильное применение может привести к правовым спорам и ограничению использования данных.

Основные модели лицензирования наборов данных

В практике лицензирования наборов данных (датасетов) выделяются две основные категории: открытые лицензии и проприетарные (коммерческие) лицензии. Каждая из этих моделей имеет свои цели, правовое значение и области применения, формируя различные сценарии для работы с данными.

Открытые лицензии направлены на обеспечение широкого доступа к данным, стимулирование их повторного использования и развитие инноваций посредством коллективного сотрудничества. Они предоставляют пользователям заранее определённые права, такие как право на копирование, распространение, изменение и коммерческое использование, при условии соблюдения некоторых обязательств (например, указание авторства). Такие лицензии обычно используются государственными учреждениями, научными сообществами и проектами, ориентированными на общественное благо.

Проприетарные или коммерческие лицензии, напротив, предназначены для защиты эксклюзивных прав создателя данных и монетизации интеллектуальной собственности. Они позволяют владельцу датасета контролировать условия доступа, цели использования, сроки и географию распространения, часто взимая плату за предоставленные права. Эти лицензии применяются компаниями, которые инвестируют значительные ресурсы в сбор, обработку и аннотирование данных, создавая уникальные и ценные информационные продукты для конкурентного преимущества.

Сравнение моделей лицензирования наборов данных:

Открытые лицензии на данные: Creative Commons и Open Data Commons

Открытые лицензии предоставляют пользователям чёткие правовые рамки для работы с данными, стимулируя их распространение и создание новых ценностей. Наиболее распространёнными категориями являются лицензии Creative Commons (CC), адаптированные для различных видов контента, и лицензии Open Data Commons (ODC), разработанные специально для баз данных.

Лицензии Creative Commons (CC) позволяют авторам выбирать, какие права они хотят сохранить, а какие — передать общественности. В контексте данных чаще всего используются следующие варианты:

• CC0 (Передача в общественное достояние): Фактически помещает данные в общественное достояние, отказываясь от всех прав и позволяя использовать их без каких-либо ограничений, в том числе без указания авторства. Это наиболее свободная лицензия.
• CC BY (С указанием авторства): Требует обязательного указания автора (атрибуции) при любом использовании, распространении или изменении данных. Это условие сохраняется даже при создании производных работ.
• CC BY-SA (С указанием авторства и сохранением условий): В дополнение к требованию атрибуции, эта лицензия обязывает распространять любые производные работы под той же или совместимой лицензией. Это обеспечивает сохранение «открытости» данных.
• CC BY-NC (С указанием авторства и некоммерческим использованием): Требует указания авторства, но запрещает коммерческое использование данных. Это полезно для академических или личных проектов.
• CC BY-ND (С указанием авторства и без производных работ): Требует указания авторства, но запрещает создание производных работ или изменение данных. Разрешается только их точное копирование и распространение.

Лицензии Open Data Commons (ODC) специально разработаны для баз данных, что делает их более подходящими для сложных наборов данных. К ним относятся:

• Лицензия ODC "Передача в общественное достояние" (PDDL): Эквивалент CC0 для баз данных, помещающий их в общественное достояние.
• Лицензия ODC "С указанием источника" (ODC-By): Требует указания источника данных при их использовании, распространении или создании производных баз.
• Открытая лицензия на базы данных ODC (ODC-ODbL): Наиболее распространённая. Требует указания источника, а также обязывает распространять производные базы данных под той же лицензией (с сохранением условий) и сохранять открытость данных при их распространении. Это гарантирует, что производные базы данных также остаются открытыми.

Помимо этих, многие государственные учреждения выпускают данные под собственными, часто очень либеральными лицензиями, обычно требующими только указания источника (например, Открытая государственная лицензия). При использовании любого открытого датасета критически важно ознакомиться с его лицензией и строго следовать всем её условиям.

Сводная таблица открытых лицензий на данные:

Проприетарные и коммерческие лицензии для датасетов

Проприетарные и коммерческие лицензии на датасеты используются, когда создатель данных стремится сохранить полный контроль над своим информационным активом, монетизировать его или защитить как коммерческую тайну. Такие лицензии являются результатом индивидуальных договорных отношений между поставщиком данных (лицензиаром) и пользователем (лицензиатом). Они применяются к высокоценным, уникальным или чувствительным наборам данных, созданным в результате значительных инвестиций или содержащим конфиденциальную информацию.

Ключевые положения, обычно включаемые в проприетарные лицензионные соглашения для датасетов:

• Объём использования: Чётко определяет, для каких целей лицензиат может использовать данные (например, только для внутреннего тестирования, для обучения конкретной модели ИИ, для включения в конкретный продукт). Ограничения могут касаться географии использования, количества пользователей или числа обращений.
• Срок действия: Указывает период, в течение которого лицензиат имеет право использовать данные. По истечении срока может потребоваться продление лицензии или прекращение использования данных.
• Права на модификацию и создание производных работ: Определяет, разрешено ли лицензиату изменять данные, объединять их с другими источниками или создавать на их основе новые наборы данных. Часто эти права ограничены или требуют дополнительного согласования.
• Условия конфиденциальности: Могут требовать сохранения конфиденциальности самих данных, а также методов их обработки или анализа. Важно для данных, содержащих коммерческую тайну или персональные данные.
• Условия распространения и сублицензирования: Чётко указывает, имеет ли лицензиат право передавать данные третьим лицам или предоставлять им сублицензии. Как правило, такие действия строго ограничены или запрещены без явного разрешения.
• Условия оплаты: Оговаривает структуру платежей (единовременный платёж, роялти, подписка), сроки и порядок расчётов.
• Гарантии и ответственность: Определяет гарантии качества и точности данных, а также ответственность сторон в случае нарушений, утечек или ущерба.
• Запрет на обратную разработку: Может содержать пункты, запрещающие попытки декомпиляции или обратной разработки для выявления методов сбора или обработки данных.

Бизнес-ценность для лицензиара заключается в возможности монетизации ценных данных, защите конкурентного преимущества и сохранении контроля над распространением информации. Для лицензиата проприетарная лицензия предоставляет легальный доступ к уникальным и часто незаменимым информационным ресурсам, которые могут быть критически важны для развития продуктов, услуг или исследований.

Ключевые аспекты при работе с проприетарными лицензиями на датасеты:

• Для лицензиара (поставщика данных):
  • Чёткое определение ценности датасета и его уникальных характеристик.
  • Разработка гибких, но защищающих интересы компании условий лицензирования для различных сегментов клиентов.
  • Внедрение механизмов контроля за соблюдением лицензионных условий (например, проверки использования).
  • Регулярный пересмотр лицензионной стратегии в соответствии с меняющимся рынком и законодательством.
• Для лицензиата (потребителя данных):
  • Тщательный анализ всех условий лицензии, в частности тех, что касаются объёма использования, сроков и возможности создания производных работ.
  • Оценка соответствия предлагаемых условий собственным бизнес-целям и техническим требованиям.
  • Проведение переговоров для адаптации условий лицензии к специфическим потребностям проекта.
  • Юридическая экспертиза сложных лицензионных соглашений для минимизации рисков.
  • Обеспечение внутренних процедур для соблюдения лицензионных ограничений сотрудниками.

Правовое значение лицензий и риски несоблюдения

Лицензии на датасеты обладают значительным правовым значением, поскольку они являются основным инструментом для определения объёма прав и обязанностей сторон в отношении информационных активов. Они преобразуют потенциально нерегулируемый или ограниченный доступ к данным в чёткие, юридически обязывающие отношения. Даже если сам датасет не подпадает под полную защиту авторского права как оригинальное произведение, лицензия может регулировать использование его элементов, если они собраны в охраняемую компиляцию, основываться на праве sui generis (в ЕС), либо просто представлять собой договорное соглашение.

Правовые последствия несоблюдения лицензионных условий могут быть серьёзными и разнообразными:

• Нарушение авторских прав: Если датасет является охраняемой компиляцией (например, содержит оригинальный отбор или структуру), несоблюдение условий лицензии (например, копирование без атрибуции, коммерческое использование при запрете) может быть расценено как прямое нарушение авторских прав. Это влечёт за собой требования о прекращении нарушения, возмещении убытков, а иногда и уголовную ответственность.
• Нарушение договорных обязательств: Проприетарные лицензии и условия использования (Условия использования) веб-сайтов представляют собой договор. Их нарушение влечёт гражданско-правовую ответственность в виде штрафов, возмещения убытков, а также может привести к прекращению доступа к данным и расторжению соглашения.
• Нарушение права sui generis на базы данных: В юрисдикциях ЕС, где действует право sui generis, несанкционированное извлечение или повторное использование существенной части содержимого защищённой базы данных является нарушением этого особого права, даже если исходные факты не подпадают под авторское право.
• Нарушение законодательства о защите персональных данных: Если датасет содержит персональные данные, а условия лицензии или базовые принципы использования (например, GDPR) были нарушены (например, использование для несанкционированных целей, отсутствие адекватных мер безопасности), это может привести к огромным штрафам и репутационным потерям.
• Риск недобросовестной конкуренции: Использование чужих данных в нарушение лицензионных условий для получения несправедливого конкурентного преимущества может быть предметом исков по законодательству о недобросовестной конкуренции.
• Репутационный ущерб: Нарушение лицензионных соглашений может серьёзно подорвать репутацию компании, испортить отношения с поставщиками данных и партнёрами.

Проведение тщательной юридической проверки каждого источника данных и его лицензионных условий является обязательным требованием для всех участников рынка, работающих с датасетами. Это включает анализ применимых лицензий, оценку потенциальных рисков и разработку стратегий для их минимизации.

Распространённые ошибки при лицензировании датасетов и способы их предотвращения:

Рекомендации по выбору и применению лицензий для датасетов

Эффективное лицензирование является основой правомерного и устойчивого использования данных. Как для создателей, так и для пользователей датасетов необходимо следовать чётким рекомендациям, чтобы минимизировать юридические риски и максимально реализовать ценность информационных активов.

Для создателей и лицензиаров датасетов:

• Определите юридический статус данных: Проведите анализ, какие части вашего датасета могут быть защищены авторским правом (например, оригинальная структура, аннотации) или правом sui generis. Это поможет выбрать наиболее подходящую модель лицензирования.
• Установите бизнес-цели: Чётко определите, что вы хотите получить от лицензирования — максимальное распространение, монетизацию, контроль над использованием, сохранение конкурентного преимущества или вклад в сообщество. Это будет диктовать выбор между открытой и проприетарной лицензией.
• Выберите подходящую открытую лицензию (при необходимости): Если цель — широкое распространение, выберите лицензию Creative Commons (CC) или Open Data Commons (ODC), соответствующую вашим требованиям к указанию авторства/источника, коммерческому использованию и возможности создания производных работ. Например, CC BY для максимальной свободы с указанием авторства, или ODC-ODbL для баз данных с сохранением открытости.
• Разработайте проприетарную лицензию (при необходимости): Для ценных или чувствительных данных создайте индивидуальное лицензионное соглашение. Уделите особое внимание ограничениям по использованию, срокам, географии, правам на модификацию и вопросам конфиденциальности. Применяйте соглашения о неразглашении (NDA).
• Чётко обозначьте лицензию: Всегда явно указывайте применимую лицензию на самом датасете, в его документации, на веб-странице или в API, чтобы избежать недоразумений.
• Документируйте процесс создания: Ведите записи о методологии сбора, обработки, аннотирования и структурирования датасета. Это может служить доказательством оригинальности в случае споров.

Для пользователей и лицензиатов датасетов:

• Всегда проверяйте источник и лицензию: Перед использованием любого датасета убедитесь в его происхождении и наличии явной лицензии. Игнорирование этого шага является одним из наиболее частых источников юридических проблем.
• Понимайте условия лицензии: Тщательно изучите все пункты лицензионного соглашения, особенно касающиеся ограничений на коммерческое использование, требования к указанию авторства/источника, условия «С сохранением условий» (если применимо) и возможности создания производных работ.
• Документируйте соответствие: Ведите строгий учёт всех используемых датасетов, их источников и соответствующих лицензий. Фиксируйте, как ваша организация соблюдает каждое условие.
• Осторожно работайте с агрегированными данными: При объединении данных из нескольких источников особое внимание уделяйте совместимости лицензий и риску реидентификации персональных данных. Возможно, потребуется применять наиболее строгие условия из всех лицензий или перерабатывать агрегированный датасет, чтобы он соответствовал одной, выбранной лицензии.
• Соблюдайте условия использования и `robots.txt`: При автоматизированном сборе данных (веб-скрейпинге) с веб-сайтов всегда проверяйте их условия использования и файл `robots.txt`. Несоблюдение этих правил может быть расценено как нарушение договора или несанкционированный доступ.
• Получайте юридическую консультацию: При возникновении сомнений относительно правомерности использования данных, сложности лицензионных условий или при работе с крупными и чувствительными датасетами всегда обращайтесь за помощью к юристам, специализирующимся на интеллектуальной собственности и защите данных.
• Внедряйте внутренние политики: Разработайте и внедрите внутренние руководства и процедуры по работе с данными из внешних источников для всех сотрудников, чтобы обеспечить единообразие и соблюдение правовых требований.

Соблюдение этих рекомендаций позволит эффективно использовать обширные возможности, предоставляемые датасетами, при этом существенно снижая правовые риски, связанные с их лицензированием.

Защита данных вне авторского права: право sui generis и договорные отношения.

Когда традиционное авторское право не предоставляет достаточной защиты для данных из-за отсутствия творческого вклада, компании могут использовать альтернативные юридические механизмы для защиты своих информационных активов. Эти механизмы включают особое право sui generis на базы данных, активно применяемое в Европейском Союзе, а также широкий спектр договорных отношений, таких как соглашения о неразглашении (NDA), лицензионные соглашения и условия использования веб-сайтов. Применение этих подходов позволяет юридически закрепить права на ценные датасеты, созданные в результате значительных инвестиций или содержащие конфиденциальную информацию, тем самым обеспечивая их монетизацию и защиту от несанкционированного использования.

Право sui generis на базы данных: европейский опыт.

Право sui generis (от лат. "своего рода") на базы данных является уникальным инструментом правовой защиты, созданным специально для информационных массивов, которые не соответствуют критериям оригинальности для авторского права. Это право было введено Директивой Европейского Союза 96/9/EC о правовой защите баз данных и действует во всех странах-членах ЕС, а также в некоторых других юрисдикциях, следующих этой модели. Оно защищает не творческое выражение, а значительные инвестиции в сбор, проверку и представление содержимого базы данных, что особенно актуально для больших и систематизированных коллекций фактов.

Основная цель права sui generis — стимулировать инвестиции в создание баз данных, предоставляя их производителям исключительные права на предотвращение несанкционированного извлечения или повторного использования существенной части их содержимого. Это позволяет компаниям, вложившим значительные ресурсы в формирование датасетов, защищать свои активы даже в тех случаях, когда сами факты или их простое расположение не могут быть защищены авторским правом.

Ключевые аспекты права sui generis на базы данных:

• Объект защиты: Защищается "база данных", определяемая как сборник независимых произведений, данных или других элементов, систематически или методически расположенных и индивидуально доступных с помощью электронных или иных средств.
• Критерий защиты: Главным условием является демонстрация "значительных инвестиций" (качественных или количественных) в получение, проверку или представление содержимого базы данных. Эти инвестиции могут быть финансовыми, временными или человеческими.
• Исключительные права: Производитель базы данных получает право запрещать извлечение и/или повторное использование всей или существенной части содержимого базы данных. Извлечение означает постоянное или временное перемещение всего или существенной части содержимого на другой носитель, а повторное использование — доведение до сведения общественности всей или существенной части содержимого.
• Срок действия: Защита sui generis обычно действует в течение 15 лет с момента завершения создания базы данных или с момента её первой публикации. При существенных изменениях базы данных может быть получен новый срок защиты.
• Независимость от авторского права: Право sui generis дополняет, но не заменяет авторское право. Если база данных обладает оригинальностью в отборе или расположении, она может быть защищена и авторским правом. При этом право sui generis защищает само содержимое базы данных, а не её структуру или интерфейс.

Для бизнеса право sui generis предоставляет мощный инструмент для защиты инвестиций в Data Science и аналитику. Это позволяет компаниям монетизировать свои уникальные датасеты путем лицензирования доступа к ним, предотвращая недобросовестное копирование конкурентами. Особенно это важно для организаций, работающих с большими массивами данных, где ценность заключается именно в объёме и актуальности информации, а не в её творческой обработке.

Договорные механизмы защиты данных: от Условий использования до NDA.

Договорные отношения представляют собой фундаментальный способ защиты данных, когда другие формы интеллектуальной собственности неприменимы или недостаточны. Эти механизмы основаны на добровольно принятых на себя обязательствах сторон и регулируют сбор, использование, распространение и хранение данных. В отличие от авторского права или права sui generis, которые являются правами по закону, договорная защита возникает из соглашения между участниками и позволяет гибко адаптировать условия к специфике данных и бизнес-модели.

Основные договорные механизмы защиты данных:

• Условия использования (ToS): Веб-сайты и онлайн-сервисы часто публикуют Условия использования, которые пользователи принимают при регистрации или начале работы с ресурсом. Эти условия могут содержать положения о запрете автоматизированного сбора данных (веб-скрейпинга), ограничения на использование контента, а также правила обработки пользовательских данных. Нарушение Условий использования может рассматриваться как нарушение договора, что дает владельцу ресурса право применять санкции, вплоть до блокировки доступа и требования возмещения ущерба.
• Соглашения о неразглашении (NDA): NDA — это юридически обязывающие контракты, которые обязывают стороны сохранять конфиденциальность определённой информации, включая датасеты, которую они получают в ходе сотрудничества. NDA широко используются для защиты коммерческой тайны, проприетарных алгоритмов и чувствительных данных.

  Ключевые элементы NDA применительно к данным:

  • Определение конфиденциальной информации: Чёткое указание, какие именно данные, датасеты или методики их обработки являются конфиденциальными.
  • Обязательства по неразглашению: Запрет на передачу данных третьим лицам без разрешения.
  • Обязательства по использованию: Ограничение использования данных только для оговоренных целей.
  • Срок действия: Период, в течение которого данные остаются конфиденциальными, часто выходящий за рамки окончания сотрудничества.
  • Ответственность за нарушение: Штрафы и другие меры воздействия в случае разглашения.
• Лицензионные соглашения на данные: Для датасетов, которые являются коммерческими продуктами, разрабатываются индивидуальные лицензионные соглашения. Эти соглашения детально регулируют права и обязанности сторон, включая объём допустимого использования данных, срок действия лицензии, географические ограничения, возможность создания производных работ, условия оплаты и гарантии. Они позволяют правообладателю контролировать распространение и монетизировать свои информационные активы.
• Соглашения об обработке данных (DPA): В контексте законодательства о защите персональных данных (например, GDPR), DPA заключаются между контролером данных и их обработчиком. Они устанавливают обязательства обработчика по обеспечению безопасности данных, соблюдению прав субъектов данных и использованию данных только в соответствии с инструкциями контролера.

Бизнес-ценность договорной защиты заключается в её гибкости и способности адаптироваться к любой ситуации. Она позволяет компаниям создавать индивидуальные правила для своих данных, даже если эти данные сами по себе не являются объектом авторского права или права sui generis. Это обеспечивает правовую определённость и защиту инвестиций, предотвращая несанкционированное использование и утечки.

Коммерческая тайна как инструмент защиты ценных данных.

Коммерческая тайна является мощным инструментом для защиты данных, которые имеют коммерческую ценность и не являются общеизвестными. В отличие от патентов или авторского права, коммерческая тайна не требует регистрации и может защищать широкий круг информации, включая формулы, процессы, методы, программы, инструменты, компиляции или другую информацию, которая даёт предприятию конкурентное преимущество. Для данных это означает, что уникальные датасеты, проприетарные алгоритмы их обработки или специфические методики сбора могут быть защищены как коммерческая тайна.

Условия для признания информации коммерческой тайной:

• Действительная или потенциальная коммерческая ценность: Информация должна иметь экономическую ценность именно потому, что она не является общедоступной и неизвестна конкурентам. Для датасета это может быть уникальный объём, актуальность, качество или специфичность данных, дающие конкурентное преимущество.
• Неизвестность третьим лицам: Информация не должна быть общеизвестной или легкодоступной в среде лиц, обычно работающих с информацией такого рода.
• Разумные меры по сохранению конфиденциальности: Владелец информации должен предпринять активные шаги для её защиты. Это включает введение режима коммерческой тайны, ограничение доступа, подписание NDA с сотрудниками и партнёрами, использование систем контроля доступа и маркировку конфиденциальных документов. Отсутствие таких мер может привести к утрате статуса коммерческой тайны.

Какие типы данных могут быть защищены как коммерческая тайна:

• Проприетарные датасеты: Уникальные коллекции данных, собранные и обработанные компанией, которые не подлежат общественной публикации. Например, клиентские базы данных, данные о производственных процессах, результаты внутренних исследований рынка.
• Методики сбора и обработки данных: Инновационные или дорогостоящие подходы к извлечению, очистке, нормализации и аннотированию данных, которые дают компании уникальное преимущество.
• Алгоритмы и модели: Неопубликованные алгоритмы машинного обучения, архитектуры нейронных сетей или модели прогнозирования, обученные на проприетарных данных.
• Стратегии и аналитические отчёты: Внутренние аналитические отчёты, бизнес-стратегии, планы разработки продуктов, основанные на глубоком анализе данных.

Преимущества и недостатки защиты данных как коммерческой тайны:

Для эффективной защиты датасетов в режиме коммерческой тайны компаниям рекомендуется:

• Разработать внутреннюю политику конфиденциальности: Утвердить регламенты, определяющие, какая информация является коммерческой тайной.
• Ограничить доступ: Предоставлять доступ к конфиденциальным данным только тем сотрудникам, которым он необходим для выполнения их обязанностей (принцип служебной необходимости).
• Использовать технические средства защиты: Внедрять системы контроля доступа, шифрование данных, DLP-системы для предотвращения утечек.
• Заключать соглашения о неразглашении (NDA): Обязывать всех сотрудников, партнёров и подрядчиков, имеющих доступ к конфиденциальным данным, подписывать NDA.
• Маркировать документы: Чётко помечать все конфиденциальные материалы соответствующими грифами ("Коммерческая тайна", "Конфиденциально").
• Проводить обучение: Регулярно информировать сотрудников о важности соблюдения режима коммерческой тайны и ответственности за его нарушение.

Коммерческая тайна является гибким и экономичным способом защиты данных, особенно для тех компаний, чья основная ценность заключается в уникальных информационных активах, созданных без ориентации на авторское право, но требующих защиты от свободного распространения.

Рекомендации для разработчиков и исследователей данных: минимизация правовых рисков

Минимизация правовых рисков при работе с данными и датасетами требует систематического подхода, интегрирующего юридическое соответствие требованиям в каждый этап жизненного цикла данных. Для разработчиков и исследователей данных это означает не только понимание законодательных требований, но и внедрение практических инструментов и процессов, обеспечивающих законность сбора, обработки, хранения и использования информационных активов. Эффективная стратегия позволяет компаниям избежать дорогостоящих судебных разбирательств, штрафов и репутационных потерь, одновременно обеспечивая устойчивое развитие инновационных проектов.

Комплексный правовой аудит и классификация источников данных

Перед началом работы с любым датасетом критически важно провести комплексный правовой аудит его источников и содержимого. Это позволяет определить применимые правовые режимы, потенциальные риски и необходимые меры по их минимизации. Такой проактивный подход обеспечивает юридическую чистоту данных с самого начала.

Ключевые шаги правового аудита источников данных:

• Идентификация происхождения данных: Чётко установить, откуда были получены данные — это могут быть внутренние источники, публичные веб-сайты, API-интерфейсы, сторонние поставщики или открытые репозитории.
• Анализ условий использования и лицензий: Для каждого источника данных необходимо тщательно изучить применимые Условия использования, лицензионные соглашения (например, Creative Commons, Open Data Commons, проприетарные лицензии) и файл `robots.txt`. Определить, разрешён ли автоматизированный сбор (веб-скрейпинг), каковы ограничения на коммерческое использование, модификацию или распространение.
• Оценка авторско-правовой защиты: Определить, подлежит ли исходный датасет или его части защите авторским правом (как оригинальная компиляция, аннотации) или особым правом (sui generis) на базы данных (в юрисдикциях ЕС). Это влияет на допустимые способы использования и необходимость получения лицензий.
• Классификация данных по категориям: Разделить данные на юридические категории: персональные данные, обезличенные данные, общедоступные данные, коммерческая тайна, чувствительные данные. Эта классификация определяет, какие регуляторные требования будут к ним применяться.
• Оценка рисков реидентификации: При работе с обезличенными или агрегированными данными провести анализ на предмет возможности обратной идентификации физических лиц, особенно при объединении различных источников. Если риск высок, данные следует считать персональными и применять соответствующие меры.

Бизнес-ценность правового аудита:

Тщательный аудит позволяет компаниям избежать дорогостоящих нарушений, обеспечивает легальность операций с данными и служит основой для построения доверительных отношений с партнёрами и клиентами. Он также способствует более эффективному управлению информационными активами, позволяя определить, какие датасеты можно свободно использовать, какие требуют лицензирования, а какие нуждаются в строгой внутренней защите как коммерческая тайна.

Применение технических мер защиты данных

Технические меры защиты играют ключевую роль в минимизации рисков, связанных с конфиденциальностью, целостностью и доступностью данных, особенно в контексте персональных данных и коммерческой тайны. Разработчики и исследователи должны активно внедрять эти инструменты.

Рекомендуемые технические меры:

• Анонимизация и псевдонимизация:
  • Анонимизация: Процесс безвозвратного удаления или изменения персональных данных таким образом, чтобы они больше не могли быть связаны с идентифицируемым физическим лицом. Это снижает регуляторные требования (например, по GDPR).
  • Псевдонимизация: Замена прямо идентифицирующих данных на искусственные идентификаторы (псевдонимы). Исходные данные могут быть восстановлены с помощью дополнительной информации, которая хранится отдельно и защищена. Это позволяет использовать данные для анализа, сохраняя при этом высокий уровень конфиденциальности.
• Шифрование данных: Применение алгоритмов шифрования для защиты данных как в состоянии покоя (на дисках), так и в процессе передачи (по сети). Это предотвращает несанкционированный доступ и утечки.
• Контроль доступа: Внедрение строгих систем управления доступом к датасетам, основанных на принципах "наименьших привилегий" и "необходимости знания". Только уполномоченные лица должны иметь доступ к определённым данным.
• Маскирование данных: Замена чувствительных данных фиктивными, но реалистичными значениями для использования в средах разработки, тестирования или обучения моделей, не требующих реальных персональных данных.
• Системы предотвращения утечек данных (DLP): Внедрение программных и аппаратных средств, которые мониторят, обнаруживают и предотвращают несанкционированную передачу конфиденциальной информации за пределы контролируемой среды.
• Безопасная разработка и тестирование: Использование безопасных методологий разработки (DevSecOps), проведение регулярных тестов на проникновение и сканирования уязвимостей для систем, работающих с данными.

Бизнес-ценность технических мер:

Технические меры защиты не только обеспечивают соответствие законодательству, но и укрепляют доверие клиентов, снижают риски кибератак и утечек, что критически важно для репутации и финансовой устойчивости компании. Они также позволяют более свободно использовать данные для инноваций, снижая риски, связанные с конфиденциальностью.

Документирование, учёт и управление лицензиями

Тщательное документирование и ведение учёта всех датасетов, их источников и применимых лицензий является неотъемлемой частью минимизации правовых рисков. Это создаёт прозрачную историю данных и служит важным доказательством соблюдения требований.

Основные аспекты документирования и учёта:

• Реестр датасетов: Создание централизованного реестра (каталога) всех используемых и созданных датасетов. Для каждого датасета необходимо указывать:
  • Название и описание.
  • Источник (URL, API, договор).
  • Дата получения и/или создания.
  • Применимая лицензия или условия использования.
  • Правовой статус (например, персональные данные, коммерческая тайна, общедоступные данные).
  • Цели использования.
  • Срок хранения и условия удаления.
  • Сведения об обработке (анонимизация, псевдонимизация).
• Документирование процесса создания: Ведение детальных записей о методологии сбора, отбора, структурирования и аннотирования данных. Это включает описание критериев отбора, использованных алгоритмов обработки, а также информацию о творческом вкладе (если таковой имеется). Эти записи могут служить доказательством оригинальности для авторского права.
• Система управления лицензиями: Внедрение процесса отслеживания всех используемых лицензий и их совместимости, особенно при агрегации данных из разных источников. Важно обеспечить, чтобы условия лицензирования всех компонентов датасета соблюдались при создании производных работ или коммерческих продуктов.
• Отслеживание согласий: Для персональных данных необходимо вести строгий учёт полученных согласий субъектов данных, включая их содержание, дату получения и срок действия, а также возможность их отзыва.

Пример таблицы для реестра датасетов:

Бизнес-ценность документирования:

Чёткий учёт и документирование значительно упрощают прохождение аудитов, доказывание правомерности использования данных в случае споров и позволяют эффективно управлять сложными портфелями датасетов. Это также способствует лучшему пониманию внутренних информационных активов и их потенциальной ценности.

Список литературы

1. Directive 96/9/EC of the European Parliament and of the Council of 11 March 1996 on the legal protection of databases. — Official Journal L 077, 27/03/1996 P. 0020 – 0028.
2. Гражданский кодекс Российской Федерации. Часть четвертая от 18 декабря 2006 г. № 230-ФЗ. — Собрание законодательства РФ. — 2006. — № 52 (ч. 1). — Ст. 5496.
3. Reichman J. H., Samuelson P. Intellectual Property Rights in Data? // Vanderbilt Journal of Entertainment & Technology Law. — 1997. — Vol. 1, No. 1.
4. The Open Knowledge Foundation. The Open Data Handbook. — Version 1.0. — Open Knowledge Foundation, 2011.
5. 17 U.S.C. §§ 101 et seq. (United States Copyright Act).
6. WIPO. Study on the Protection of Databases. — SCCR/25/3. — World Intellectual Property Organization, 2012.