开放数据不是把文件一传就结束。哪些能直接下载，哪些要申请，别人能不能拿去训练 AI，最好在投稿前就写清楚。

分类：科研新闻日期：2026-6-9浏览：1241

title: 数据开放以后，

数据开放以后，被 AI 爬走怎么办？

期刊让作者交数据，本意是方便审稿人检查和别人复现。但 AI 自动抓取越来越多，作者上传前要先想清楚：哪些能公开，哪些要申请，别人能不能拿去训练模型。

现在很多期刊都会问作者：你的数据放在哪里？审稿人能不能看？别人能不能复现？

以前这件事比较简单。把数据传到一个平台，论文里放个链接，基本就算交代了。

但 Nature 6 月 8 日报道了一个新麻烦：AI 自动程序正在批量抓公开数据和论文网页。它们不一定像人一样读完整篇论文，有时只是把文件、字段、文本抓走，拿去训练模型，或者拼成新的分析和论文。

报道还提到，一个开放数据平台联盟的调查显示，超过 90% 的受访平台遇到过机器批量抓取。这个数字不等于所有数据都会出事，但足够提醒作者：交数据不能只贴链接。

PART 01

先说清楚：这篇不是劝大家别开放数据。

该交的数据还是要交。审稿人要看、别人要复现、期刊有要求，这些都很正常。

问题在于，有些数据不能像普通附件一样直接扔上网。比如访谈全文、病人信息、学校样本、地区很小的调查、少数群体研究。你删掉姓名，不代表一定安全。地点、职业、年龄、时间线这些线索拼在一起，还是可能猜到人是谁。

一句话提醒

脱敏不是只删名字。小样本、敏感人群、访谈材料，尤其要多看一眼。

PART 02

很多论文的数据说明写得很短：数据见某某平台，链接如下。

现在这样不太够。你最好把几个问题讲明白，让审稿人、期刊和后来引用你的人都知道怎么用。

上传前先问四件事

1. 哪些文件可以直接下载？哪些只能申请后再看？

2. 别人能不能拿这份数据训练 AI？能不能用于商业产品？

3. 数据说明有没有讲清样本从哪里来、变量是什么意思、哪些结论不能乱推？

4. 如果团队后面还要写第二篇论文，能不能先晚一点公开部分材料？

这里最容易漏的是“别人能怎么用”。有的平台会让你选使用规则，比如能不能商用、要不要注明来源、能不能再分发。不要随手点默认选项，先看它是什么意思。

规则写了，不代表一定能拦住所有机器抓取。但至少你把话说在前面，后面有人引用、转载、二次分析时，也知道哪些能做、哪些不该做。

PART 03

最省事的做法，不是全公开，也不是全不交，而是先把手里的材料列出来，分成三类。

可以这样处理

能直接公开：代码、清洗步骤、变量说明、模拟数据。这些能帮助审稿人复现。

需要处理后公开：问卷数据、行为数据、地区样本。先删掉身份线索，再写清别人怎么用。

不适合直接公开：访谈全文、患者信息、很容易识别个人的小样本。可以写“因隐私或伦理原因，需要合理申请后提供”，或者说明不能公开。

这样写不装，也不虚。审稿人能看懂你不是故意藏数据，读者也知道这份数据能不能拿来用。

投稿前自查

□ 存数据的平台能不能设置“申请后查看”？

□ 页面上有没有写清能不能训练 AI、能不能商用？

□ 敏感数据有没有检查过“会不会被人猜出身份”？

□ 论文里的数据说明是不是比“见链接”多说了几句？

文末引导

如果你的论文需要交数据，先别急着上传。把材料列出来：哪些直接公开，哪些要申请，哪些因为隐私或伦理不能公开，再去选平台和写说明。