爬 gov cn 网站上的公开数据然后交给大模型向量化处理，是否有风险

[jerrry]

个人感觉有两个风险

• 第一个是爬虫 gov cn 网站本身就有风险
• 第二个是爬到的数据交给大模型处理会有数据泄漏的风险（虽然都是公开的数据），特别是如果使用的是境外的大模型接口

所以有点犹豫。如果只是参与这个项目的其他部分，不涉及爬虫这块，是否有风险呢？

[povsister]

你这个想法很刑，还主动传出境外，那还能更刑

[wbrobot]

直接说结果：无期

[ospider]

刑与不刑，即和法律没有关系，也和爬虫没有关系。人在境内，最安全的就是搞国外的数据；想搞国内的数据，最安全的方法就是肉身润。

理论上来说，公开的数据当然随便爬了，但是至于实际执行，懂的都懂吧。就技术角度而言，你用国外的服务器爬，其实也很难追溯，但是技术总是有漏洞，代码总是有 bug 的，也说不准。

实际情况来说，如果是你自己爬了少量数据用，放心搞就好了，没人 care 。真正会被盯上，一定是经济或者政治上产生了一定的影响，比如承德的程序员。

[1145148964]

其实很多网站在境外打不开的。或者网速奇慢无比。墙是双向的。

[yyzh]

深圳的话这里有不用爬
https://opendata.sz.gov.cn/
另外爬虫是犯法的

[wonderfulcxm]

不被发现就没有问题

[jerrry]

@ospider 是一个兼职项目，所以我在想有没有必要承担风险

[duanxianze]

这东西抓不住你就没事，抓住了你必进去

[AnonymousUser]

第一点，数据类型和量级吧。你要是爬一些统计数据，比如财政、产业数据应该还好。如果是法院判例、税务之类可能敏感点？因为涉及到具体个人/公司。
第二点，太敏感了，建议好好考量风险和收益

[signin]

公开数据，随便拿，不要听楼上胡说，但要把握一个度，就是尽量不要把网站爬挂了

[Features]

就怕是披着羊皮的狼
表面包装成大模型，实则是间谍项目。。。

[ivvei]

有的是汇总了公开数据被当间谍处理的。

[YDCHYD]

只要你肉身在国内，哪天被地方网警翻到这个帖子，你就是业绩。
国内即便是公开的数据也不允许合订本出现，更遑论你爬数据给境外。

[jerrry]

谢谢大家，看来感觉还是有风险的

[nx6Ta67v2A43frV2]

ZF 网站一般会脆弱，访问量稍大就会挂。
如果爬的过程中挂了，可能会导致蹲苦窑。

国内有先例，有公司爬深圳的 ZW 网站上的公开数据。
但是程序写有 bug ，出现死循环，导致以近 100qps 的频率访问这网站。
最终把网站打挂了，事情发生在周末，无人恢复，网站挂了一整个周末。
引起了很多市民的投诉，最终，技术总监和程序员都进去了。

[27]

@kong0bbs 典

[xie8fei]

事小罪大
且不说盈利多少，行为犯没收益都会可能判。
当然也可以赌，赌输了就刑事

[amon]

咨询律师，不管是全职还是兼职，有些底线不要碰。

我真的见过写程序（灰产）进去的，关到过年才放出来。

[aminobody]

@yyzh #5 403 403 Forbidden
Request forbidden by administrative rules.

[yyzh]

@aminobody 你在外国？

[belin520]

@yyzh #5 我靠，深圳真的是太太太太先进了。。。

[sneezry]

政府的东西别碰

[yangliudi123]

还记得宋朝的莫须有吗，也许有吧

[wbrobot]

@signin 公开数据你也不能拿，比如公安的治安处罚信息，是拒绝转载的，阅读过网站说明吗？
不是你能看到的数据就可以随便抓的，最简单的判断标准，.gov.cn 的，略过。

[dingyaguang117]

生在中国 龙非盘着 虎非缩着， 何况你是个程序员 P 民

[yvkino]

这还用想，不抓别人不代表不抓你

[hahasong]

破坏计算机系统罪 一抓一个准

[EndlessMemory]

爬虫抓进去的不少，关键就在于又没有人找你

[abersheeran]

有价值，那就可以，比如企查查之类的，工信部挂了号的，数据随便他抓。做着玩，别把人打崩了也可以。