多所高校与科研机构在生成式人工智能使用指南中,已将“向公共AI平台提供敏感、保密或受保护数据”列为明确禁止或严格限制的情形。这里的“敏感、保密或受保护数据”并非只指国家秘密或商业机密,未发表的研究结果、含可识别信息的受试者数据、受伦理协议或数据使用协议约束的材料,通常都落在这一范围内。南卡罗来纳大学教育学院的研究生写作指南直接写明“不要将敏感受试者数据上传至AI平台”;日内瓦大学理学院的建议同样将“提供敏感、保密或受保护数据”列入禁止行为。国内层面,科技部2024年发布的《负责任研究行为规范指引》强调研究者应将伦理要求融入AI使用全过程(检索日期:2025年6月,以官方最新文件为准)。这些规则共同指向一个基本判断:上传之前,先对数据分级,而不是先问“这个工具安不安全”。
一、判断依据:先看数据本身,再看平台条款
很多研究者习惯先比较不同AI工具的数据政策,再决定上传什么。更稳妥的顺序恰好相反:先判断数据属于哪一级,再判断该级数据是否允许进入外部平台。原因在于,平台条款可以随时修改,而数据一旦上传,实际控制权已经部分转移。即使平台承诺“不用于训练”,数据仍可能进入日志、缓存或人工审核流程;若平台位于境外,还涉及数据出境问题。
判断依据可以归为三个来源。第一是所在机构或院系的AI使用指南,这是最直接的约束。第二是数据获取时签署的协议,包括知情同意书、数据使用协议、伦理审查批件、合作方保密条款。第三是期刊或基金机构对AI使用的披露要求。三者不一致时,取最严格的那一条。
二、四类数据的分级判断
1. 个人数据:可识别即敏感
个人数据的关键不在“是否匿名”,而在“是否可重新识别”。姓名、学号、联系方式、面部图像、录音、精确地理位置、罕见病诊断信息,单独或组合起来能指向特定个人的,都属于敏感个人数据。即便已删除直接标识符,若样本量小、特征组合独特,仍可能被重新识别。
这类数据不应上传至公共AI平台。如果研究确实需要AI辅助处理,应使用机构提供的本地化或私有部署环境,或先完成不可逆的匿名化处理,并确认匿名化后的数据不再受原伦理协议约束。注意,“去标识化”不等于“匿名化”,前者仍可能通过对照表还原。
2. 受限数据:看协议,不看感觉
受限数据包括受保密协议约束的行业数据、合作方提供的未公开材料、受数据使用协议限制的数据库内容、伦理审查批件中限定使用范围的数据。这类数据的判断标准不是“我觉得敏不敏感”,而是“协议里写了什么”。
操作上,找到数据获取时签署的文件,检索其中关于“第三方共享”“外部处理”“保密义务”的条款。如果协议禁止向任何第三方披露,或要求数据仅能在特定设备、特定网络内处理,上传至公共AI平台即构成违约。若协议未明确提及AI工具,应主动联系数据提供方或伦理委员会确认,而不是自行解释为“未禁止即可行”。
3. 未发表研究结果:最容易被低估的一类
未发表的研究结果包括原始数据、分析中间结果、论文草稿、图表、审稿意见、基金申请书、待提交的专利材料。这类材料不涉及个人隐私,也不一定有保密协议,因此常被误认为可以自由上传。但多所高校指南明确将“未发表研究结果”列入禁止向AI工具提供的情形。
风险来自多个方向。一是优先权与知识产权:上传可能影响后续专利申请的新颖性,或使合作方主张权利。二是期刊政策:部分期刊将“将稿件上传至AI平台”视为变相预发表或违反保密审稿义务。三是数据安全:未发表结果往往包含完整的研究设计细节,一旦进入平台训练数据,可能被其他用户间接获取。判断标准很简单:这项内容是否已经通过同行评议正式发表?如果否,默认不上传。
4. 已公开材料:相对安全,但仍有边界
已正式发表的论文、公开数据集、预印本、公开报告,通常可以用于AI辅助处理,例如让工具总结文献、提取信息、辅助润色。但需注意两点。第一,部分期刊对已发表论文的文本与数据挖掘有单独规定,批量上传可能违反期刊条款。第二,公开材料中若包含可识别的个人案例描述,仍应按个人数据规则处理。
三、不能上传时的替代做法
本地化处理
使用机构提供的本地部署模型、离线工具或私有云环境。这类环境的数据不出机构网络,适合处理受限数据和未发表结果。如果机构尚未提供,可向图书馆、信息中心或科研管理部门询问是否有合规的替代方案。部分高校已采购企业版AI工具并签署数据处理协议,但企业版是否满足合规要求,仍需以机构指南为准。
脱敏与抽象化
对于确需使用公共AI平台辅助的场景,可先对材料做脱敏和抽象化处理。具体做法包括:删除所有直接标识符;将具体数值替换为占位符或区间描述;将研究背景抽象为方法框架,而非完整研究设计;将论文草稿拆分为“方法逻辑”“段落结构”等不包含具体发现的问题,单独向AI提问。需要强调的是,脱敏不能保证不可重新识别,也不能解除协议约束。若数据受保密协议或伦理批件限制,脱敏后仍可能属于受限数据。
征得同意与补充授权
如果研究参与者知情同意书中未涵盖“使用AI工具处理数据”,而你又确实需要此类处理,应联系伦理委员会评估是否需要修改同意书或补充告知。对于合作数据,应取得数据提供方的书面同意,明确AI工具的名称、版本、处理范围和数据处理地点。不要以“对方应该不会介意”作为判断依据。
四、如何在方法或披露声明中记录处理方式
无论最终是否上传,建议在研究记录中保留判断过程。若使用了AI工具处理可公开材料,应在方法部分或专门的“AI使用声明”中写明:工具名称与版本、使用环节(如文献检索、语言润色、代码调试)、使用日期、以及人工核验方式。若未使用AI处理敏感数据,也可在数据管理计划中简要说明数据分级与处理边界,便于后续审计或合作方查询。
国家法律大学德里分校的AI政策要求将AI工具名称、版本和使用范围在致谢、方法或独立声明中披露;AMEE Guide No.192也讨论了作者上传自己材料至ChatGPT后的披露情形(检索日期:2025年6月,以期刊最新要求为准)。记录的目的不是自证清白,而是让研究过程可追溯、可复核。
五、一个可操作的判断顺序
面对一份材料,按以下顺序判断:第一步,看协议与指南——数据获取时是否签署了保密或使用限制文件?机构指南是否明确禁止?第二步,看数据内容——是否含可识别个人信息?是否属于未发表结果?第三步,看平台——是否机构认可的企业版或本地部署?数据是否出境?第四步,若不能上传,选择替代路径——本地处理、脱敏、征得同意,或调整研究设计使AI仅处理不敏感部分。第五步,记录判断依据与处理方式。
数据分级不是一次性动作,而应嵌入日常研究流程。上传之前多花几分钟确认边界,比事后补救更可控。规则在持续更新,具体操作请以所在机构、伦理委员会和目标期刊的最新文件为准。


