
大数据时代 刑法如何保护公民个人信息
近些年来,在信息化数据化的大背景下,个人信息被非法传播和使用的案件层出不穷。民法、行政法以及刑法等所构建的法律体系对于公民个人信息安全的保护也实为必要。
刑法体系
2009年2月28日,全国人大常委会《刑法修正案(七)》增设了“侵犯公民个人信息罪”,2015年8月29日全国人大常委会《刑法修正案(九)》第十七条修订,将该罪主体由特殊主体修改为一般主体,增设了从重处罚的规定,并将本罪法定最高刑由三年有期徒刑提高到了七年有期徒刑。
为精准打击侵犯公民个人信息犯罪,2017年5月9日,最高人民法院、最高人民检察院联合发布《关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》(下称《解释》),自2017年6月1日起施行。从企业“合规”的角度而言,如何利用大数据技术采集使用个人信息,甚至在销毁时如何做到彻底的“脱敏”处理,成为了各企业“合规”的重要方面。
三维度剑指合规
首先,明确“公民个人信息”的范围。《解释》对“公民个人信息”的范围予以了明确规定:“指以电子或者其他方式记录的能够单独或者与其他信息结合识别特定自然人身份或者反映特定自然人活动情况的各种信息,包括姓名、身份证件号码、通信通讯联系方式、住址、账号密码、财产状况、行踪轨迹等。”
笔者认为,刑法上“公民个人信息”的界定与其他法律并不冲突,“等”字以兜底的方式明确了全面信息保护的现实需要,同时要符合前述“可识别性”的本质特征。根据《最高人民法院关于审理利用信息网络侵害人身权益民事纠纷案件适用法律若干问题的规定》(2014)、《电信和互联网用户个人信息保护规定》(2013)等相关规定,受法律保护的个人信息包括:其一,自然人姓名、出生日期、身份证件号码、住址、联系方式、账号和密码等能够单独或者与其他信息结合识别用户的信息以及用户使用服务的时间、地点等信息;其二,基因信息、病历资料、健康检查资料、犯罪记录、家庭住址、私人活动等个人隐私和其他个人信息。对于金融消费者来说,根据国家工商行政管理总局的相关规定,消费者的性别、职业、收入和财产状况、健康状况、消费情况等能够单独或者与其他信息结合识别消费者的信息的都属于法律保护范围。
其次,“内鬼”入罪门槛降低。《解释》第五条规定:“将在履行职责或者提供服务过程中获得的公民个人信息出售或者提供给他人,数量或者数额达到司法解释规定的相关标准一半以上的,即可认定为‘情节严重’,构成犯罪。”针对银行、工商、电信以及证券、快递等行业内部人员泄露数据的行为提供了更为容易打击的法律基础。
同时,《解释》还明确了网络服务者应有的信息网络安全管理义务,“网络服务提供者拒不履行法律、行政法规规定的信息网络安全管理义务,经监管部门责令采取改正措施而拒不改正,致使用户的公民个人信息泄露,造成严重后果的,应当依照刑法第二百八十六条之一的规定,以拒不履行信息网络安全管理义务罪定罪处罚。”网络服务者拥有强大的信息综合实力,其具有信息聚合的优势,则应在“技术可能性”即根据特有的网络技术环境以及现有的网络技术,确实可以客观完成的情况下,履行相应的信息网络安全管理义务。
第三,罚金力度加大。《解释》第十二条规定:“对于侵犯公民个人信息犯罪,应当综合考虑犯罪的危害程度、犯罪的违法所得数额以及被告人的前科情况、认罪悔罪态度等,依法判处罚金。罚金数额一般在违法所得的一倍以上五倍以下。”由于侵犯公民个人信息的行为大多主观目的为非法谋取利益,因此,财产刑力度的加大可以有效剥夺其犯罪的经济基础。
值得注意的是,侵犯公民个人信息罪与第二百八十五条“非法获取计算机信息系统数据罪”存在想象竞合,从一重罪处罚的情况。根据《关于办理危害计算机信息系统安全刑事案件应用法律若干问题的解释》的规定:“(一)非法获取支付结算、证券交易、期货交易等网络金融服务的身份认证信息10组以上的;(二)获取第(一)项以外的身份认证信息500组以上的”认定为“情节严重”情形。因此,在金融服务领域,如何区分身份认证信息与公民个人信息,如何界定行为人客观行为是否构成相应法益的侵害,如何判断行为人的主观目的都将成为界定此罪与彼罪的关键。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01