算法解释权与商业秘密保护的冲突化解_刘琳.pdf

算法解释权与商业秘密保护的冲突化解刘刘 琳琳（南京大学法学院，江苏 南京 博士研究生）摘 要：个人信息保护法 第 条标志着算法解释权在制度层面得以确立。然而，算法控制者往往将算法视为核心竞争力并以商业秘密的形式进行保护，受算法影响者对算法解释的合理诉求与算法控制者对算法保密的现实需要之间不可避免地存在着冲突与张力。面对二者的紧张关系，无论是全然废除算法解释规则，还是算法解释权当然优先，抑或诉诸漫无边际的利益衡量，均非可取之道。为避免冲突激化，不宜将“算法黑箱”完全打开，而只需将其“掀开最小缝隙”，至受其不利影响者可见的程度即可。在“掀开最小缝隙”理论下，算法解释权的行使前提“对个人权益有重大影响”应从严把握，算法解释的内容应限定为算法运行逻辑而非算法本身。同时，商业秘密的“秘密性”需作出澄清，受算法影响者还应负有初步证明责任与保密协议的签订义务。如此方可在最大程度上实现算法解释与商业秘密的冲突化解。关键词：算法解释权；商业秘密；算法权力；算法歧视；算法黑箱一、问题的提出人类社会已然步入算法时代。算法技术对人类生活产生广泛而普遍的影响，甚至产生对人类的支配之力。人们日渐产生对算法失控的隐忧、对算法权力的警惕及对“算法暴政”的不满。在此背景下，赋予用户算法解释权的提议应运而生，中华人民共和国个人信息保护法（以下简称个保法）第 条亦在立法层面明确赋予个人获得算法解释的权利。然而，算法解释权的行使却面临着商业秘密制度的阻碍。算法解释意味着算法控制者需要将代表其核心竞争力的算法或相关内容告知他人，商业秘密不可避免地面临泄露风险。更加严重的忧虑是，履行算法告知义务可能会导致算法的秘密性灭失，从而失去获得商业秘密保护的基础。如何解决算法解释权与商业秘密保护之间的冲突？有学者主张全然废除算法解释制度，有学者认为商业秘密应让位于代表公共利益的算法解释规则，有学者运用比例原则追求各方利益的平行政法学研究 年第 期项目基金：年国家社科基金项目“民法典中隐私与个人信息的二元保护模式研究”（项目编号：）；中国法学会 年度部级课题“人工智能算法解释规则与商业秘密制度的冲突与协调”（项目编号：（）；年安徽省高校人文社会科学研究重点项目“商业秘密的民刑救济路径之独立与衔接问题研究”（项目编号：）。参见辛巧巧：算法解释权质疑，载 求是学刊 年第 期，第 页。.，“：”，.，.，.衡，但最终的解决方案或稍欠全面性，或止步于方向性指引与相对宽泛的利益衡量。值得思考的是，面对算法解释与商业秘密的冲突，是否只能做非黑即白的取舍，抑或只能诉诸法官的自由裁量与漫无边际的利益衡量？是否可以通过对算法解释规则的解释与修正实现冲突的消解？是否可以通过对商业秘密制度的澄清与运用实现冲突的消融？本文拟从外在表现与内在机理两个方面对算法解释与商业秘密的冲突进行分析，避免非黑即白的绝对化思路，跳出宽泛的方向性指引与漫无边际的利益衡量，对算法解释规则进行四个方面的解释与修正，对商业秘密制度中“秘密性”要件作出澄清，为算法解释与商业秘密之冲突调和提出明确、具体、可操作的解决方案。二、算法解释与商业秘密冲突的外在表现算法解释与商业秘密的冲突并非杞人忧天或者纯粹形式逻辑的推演，而已然发生于社会生活与司法实践之中。不同法院在面对这一冲突时呈现出大相径庭的态度，即便在同一案件的多数派法官之中亦存在对立意见。在目前的商业实践中，算法控制者主要以商业秘密的形式保护算法。面对算法解释权的威胁，算法控制者也倾向于单方面宣告商业秘密的绝对优先地位，免除自身算法解释义务。例如，阿里妈妈推广者规范 约定：“阿里妈妈过滤系统涉及阿里妈妈核心商业秘密，阿里妈妈无需向推广者披露具体异常数据；人工认定涉嫌违规的，阿里妈妈可视是否涉及商业秘密等独立决定是否披露具体认定依据。”这与 个保法 第 条的立场相抵牾。实践中，法院并不认同算法控制者单方面免除自身算法解释义务的有效性。比如在“阿里妈妈案”中，法院从格式条款与显失公平的角度出发，否定了阿里妈妈公司在 阿里妈妈推广者规范 中免除自身算法解释义务的有效性。并进一步指出，当事人认为案情涉及商业秘密请求不公开审理，法院可以准许，但当事人必须对自己的主张负举证责任，阿里妈妈公司根据算法系统认定原告在平台中存在违规行为，就应当就此问题进行举证。这段裁判理由明确宣示了一审法院的态度：商业秘密并不能成为拒绝解释算法的借口。然而，在一审法院明确宣示立场后，尽管二审法院维持了一审判决，但在裁判理由中却仅仅提及被告单方面免除自身算法解释义务的服务协议因属格式条款而归于无效，回避了商业秘密与算法解释之冲突当如何调和、取舍的问题。美国司法实践中亦存在同样的冲突与争议。在 年的“卢米斯案”中，卢米斯认为巡回法院在量刑时借助了一种名为“替代性惩教罪犯风险评估”（）的智能算法，而该算法不恰当地考虑了性别因素，且不披露如何权衡评价因素，并以此为由向最高法院提起上诉。法院基于保护商业秘密的考量未要求算法控制者向卢米斯阐释算法评估逻辑，并引发诸多反对意见。学者刘琳：算法解释权与商业秘密保护的冲突化解参见李安：算法透明与商业秘密的冲突及协调，载 电子知识产权 年第 期，第 页。该文聚焦于算法公开的内容限定，未涉及权利行使的具体条件与前提等其他方面。如陈景辉教授坦言：“本文的主要篇幅就用来做这项工作（确立方向），而不是用来给出具体的举措”。陈景辉：算法的法律性质：言论、商业秘密还是正当程序？，载 比较法研究 年第 期，第 页。有学者从更宏大的视角阐释商业秘密保护应考虑公共利益、算法解释应受限缩，但最终止步于“平衡各方利益的适度透明”，未展开阐明算法解释权应如何限缩，未形成具体方案。参见李晓辉：算法商业秘密与算法正义，载 比较法研究 年第 期，第 页。浙江省杭州铁路运输法院（）浙 民初 号民事判决书。参见浙江省杭州铁路运输法院（）浙 民初 号民事判决书。参见浙江省杭州市中级人民法院（）浙 民终 号民事判决书。.，（）.谓之，“在算法公平与商业秘密之间，法院站在了商业秘密一边”。即便是支持该判决的多数派法官亦承认，该案中进行算法解释是有必要的。三、算法解释与商业秘密冲突的内在机理算法解释规则与商业秘密保护分别代表着受算法影响者与算法控制者对立的价值诉求。算法黑箱易滋生歧视、偏见与“算法暴政”，受算法影响者需要能够掀开算法黑箱的解释规则，而另一方面，在专利保护的局限性与激烈的市场竞争下，算法控制者亦有算法保密的正当理由。（一）受算法影响者对算法解释的合理诉求其一，消除算法歧视与算法偏见。智能高效的自动化决策算法在为社会生活带来诸多便利的同时，也带来了算法歧视与算法偏见。首先，算法评价所使用的基础数据未必完全准确与真实，而这种数据偏差将会为后续信息处理埋下隐患。其次，算法做出预测的过程往往涉及对公众或个体的评价，有时，尽管算法设计的目的只是降低成本，但却可能在事实上造成歧视后果。算法决策中可能带有的歧视与偏见丝毫不亚于人类决策，而前者的隐蔽性却远胜后者，这使得算法公开的需求更加紧迫。机器理性的外表为算法穿上了“公正的外衣”，因此在一般的认知中，人类代表着主观与情感，而机器则代表着客观与理性，以算法决策代替人类决策似乎为实现决策的绝对公正带来了福音。事实上，算法决策与人类决策在某种意义上具有极强的同质性 人类决策需要依赖事件信息及生活阅历，算法决策同样离不开信息采集，而其采集信息的过程则形塑了算法的“阅历”。不同的算法“阅历”影响着算法决策的结果，也否定了算法决策绝对公正的可能。在算法理性外表的粉饰下，公众对其运作中的偏见与歧视更难察觉，这一点正为算法解释与算法公开提供了正当性理据。其二，对抗“算法霸权”与“算法暴政”。除算法偏见外，接连发生的“大数据杀熟”则是算法设计者故意为之的“算法暴政”。“算法暴政”赖以生存的土壤是“算法黑箱”，打开“算法黑箱”正是摒除“算法暴政”的有效路径。“黑箱”一语意指从外部无法探知内里的系统，“算法黑箱”隐喻的则是公众不得而知的算法自动化决策过程。这意味着个人与数据寡头间存在着严重的信息不对称现象，正是这一现象诱发了数据寡头与个人之间的地位失衡。决策以信息为基础，充足的信息有助于作出合理的决策，信息劣势则会严重影响结论的判断。欲破除数据寡头与个人之间的失衡局面，当务之急便是通过算法解释权化解双方的信息不对称困境。算法解释权的设置体现着以权利制约权力的控权逻辑。在数字社会中，算法成为法律，代码成为规则，代码为人的行为提供指引并设定限制。在传统法域中，只有在民主的前提下规则才具有合法性，而自动化决策算法却从未听取过民意，它以技术中立之名堂而皇之地统治着市民社会。自动化决策技术已然异化为算法权力，在公法理论中，权力具有无限扩张的特质，没有外力的限制将极易造成权力的滥用，诚如孟德斯鸠之语：“一切权力都易被滥用直至遇到界限才会行政法学研究 年第 期汪庆华：人工智能的法律规制路径 一个框架性讨论，载 现代法学 年第 期，第 页。.，（）参见王怀勇、邓若翰：算法行政：现实挑战与法律应对，载 行政法学研究 年第 期，第 页。参见张维迎：博弈论与信息经济学，上海三联书店 年版，第 页。美 劳伦斯莱斯格：代码.：网络空间中的法律，李旭等 译，清华大学出版社 年版，第 页。休止”。因此，权力的制衡不可或缺，无论是以权力制约权力的权力分置与制衡，还是以权利制约权力的人民主权学说，都在致力于把权力关进制度之笼。在数字社会中，算法权力同样存在着滥用的风险，赋予受算法影响者解释请求权也因此成为制约算法霸权的应有之义。（二）算法控制者对算法保密的现实需要其一，以专利制度保护算法的局限性。算法在寻求专利制度保护时面临着较大困难。算法是一种为解决特定问题而设计的有限且明确的操作步骤，从另一个角度解读，算法也是一种智力活动的规则与方法 而这正是世界各国专利制度排除保护的客体之一，中华人民共和国专利法第 条也明文规定其不受保护。另一方面，较商业秘密保护模式而言，算法的专利保护模式具有明显的局限性：（）专利申请周期较长。对于日新月异的数字经济而言，专利保护存在严重的滞后性；（）专利具有公开性。寻求专利保护意味着为了换取法定期间内的专有保护，算法控制者必须将其开发的算法向全社会公开，对于以算法为核心竞争力的公司而言并非上策。其二，商业秘密是保护算法的重要途径。一项调查报告显示，计算机与电子行业的众多企业均偏好商业秘密保护模式，明确表示较之于专利、商标与版权制度，商业秘密保护模式更为重要。在数字社会中，这一偏好自然也反映在算法领域，算法主要表现为源代码与目标代码，源代码到目标代码的转化是算法控制者为源代码寻求商业秘密保护的技术措施 基于反向工程的难度与成本，转化后的目标代码难以复原为源代码，源代码的秘密性和保密性均得以实现。以商业秘密形式保护算法使信息算法控制者能够在市场竞争中拥有并保持独特的竞争力。其三，一旦公开即不复存在的“秘密性”。秘密性是商业秘密受法律保护的必备要件，要求该技术信息不为公众所知悉。在此要求下，商业秘密随时都可以被创造，也随时都可能会灭失。在他人独立研发与反向工程的情形下，商业秘密的取得与披露不仅不会侵犯原持有人的权益，甚至会因信息的披露而使权益不复存在。简言之，秘密性描述的是一种事实状态，这种状态一旦遭到破坏就不可能恢复，失去秘密性也将失去受商业秘密制度保护的基础。因此，算法持有人对其以商业秘密形式保护的算法必须谨慎保密。四、算法解释与商业秘密的冲突化解个保法 的出台意味着我国算法解释规则初步落成，而算法解释权的行使却面临着商业秘密制度的阻碍。面对二者的冲突，目前理论界和实践中存在“非黑即白”的做法，也存在莫衷一是的情况，为肃清学界争议，为司法作出明确指引，需要提出一个合理的化解方案。（一）“非黑即白”思路的批判有学者对算法解释权持否定态度，认为其可能泄漏商业秘密并为数据安全带来隐患，也可能会抑制相关投资与研发。也有学者强调权利应分配给最珍视它们的人，在受算法影响者和算法控制者之间，后者是更珍视算法的人。事实上，上述对商业秘密泄露的担心并不成立。商业秘密在刘琳：算法解释权与商业秘密保护的冲突化解法 孟德斯鸠：论法的精神（上册），张雁深 译，商务印书馆 年版，第 页。，：.（）.参见辛巧巧：算法解释权质疑，载 求是学刊 年第 期，第 页。参见贾章范：论算法解释权不是一项法律权利 兼评 个人信息保护法（草案）第二十五条，载 电子知识产权 年第 期，第 页。任何时代都存在泄露风险，值得思考的问题是，设置算法解释权必然会加剧商业秘密泄露吗？需要澄清的是，本文主张的算法解释并非算法透明，并不需要公开算法本身，解释后亦可要求请求解释者签订保密协议，认为此时的泄露风险骤然加剧似乎并无说服力。其次，在波斯纳权利配置理论下，“算法黑箱”为公众带来了“算法歧视”等损害人格尊严与平等的严重后果，公众对于破除“算法黑箱”的迫切程度丝毫不亚于算法控制者对算法保密的需求。因此，此处并不能轻易判断何者是更珍视该权利的人。另外，法律为商业秘密提供的保护原本就是有限的、相对的，为保护商业秘密而放弃整个算法解释规则将背离法律保护商业秘密的初衷。对立意见则认为商业秘密应让位于代表公共利益的透明机制与问责机制。事实上，认为商业秘密保护当然应让位于算法解释义务的观点亦有偏颇。不应想当然地将商业秘密归于企业私益，将算法解释归于公共利益，并直接得出后者优于前者的结论。诚然，算法解释请求权背后蕴含着民主、自由等深层价值，与此同时，商业秘密背后也蕴含着相应的深层价值 激励创新与研发、维护公平竞争的商业秩序、促进市场经济的健康发展。可见，在深层维度上商业秘密保护与算法解释义务均承载着社会公共利益，难以直接得出何者必当向对方让步的结论。（二）算法限定解释论之提倡：“掀开最小缝隙”理论面对受算法影响者对算法解释的合理诉求与算法控制者对算法保密的现实需要之间的冲突与张力，“非黑即白”的思路并不可取。为避免冲突激化，不宜将“算法黑箱”完全打开，而只需将其“掀开最小缝隙”，至受其不利影响者可见的程度即可，本文谓之“掀开最小缝隙”理论。“掀开最小缝隙”理论从四个方面对算法解释规则作出限定：前提限定、受众限定、内容限定与条件限定。本质而言，算法解释请求权的设置目的在于对抗“算法黑箱”之下滋生的偏见、歧视与暴政，“掀开最小缝隙”，至受其不利影响者可见的程度即可实现该目的。在比例原则与“目标手段”理性的方法论下，实现目的应追求手段的妥当性、必要性与均衡性，而“掀开最小缝隙”理论正是在最小牺牲商业秘密的情形下实现算法解释规则立法目的的最佳方案。.算法解释的前提限定：对个人权益有重大影响在“掀开最小缝隙”理论下，对算法解释权的行使前提作出限定，能够有效缩小其与商业秘密保护之冲突。在学术界最初的权利构想中，算法解释权的行使条件并未受到足够关注，该权利也随之被设计成一项行使条件较为宽泛的权利。例如，有学者认为无论在公法还是私法领域，受算法决策不利影响的相对人都有权要求算法解释。有学者从权利内容等方面阐释算法解释权，但未提及权利的行使条件是否应受限制。值得肯定的是，个保法 第 条将行使算法解释权的前提限定为“对个人权益有重大影响”，将日常生活中对个人权益影响不大的场景排除在外，这能够在实践层面有效缩小算法解释与商业秘密的冲突范围，实现第一步的冲突降级。那么何谓“对个人权益有重大影响”？解释论上的从严把控显然有助于化解冲突，但同时也行政法学研究 年第 期 .，“：”，.，.，.比例原则在受到广泛认可的同时也遭到主观性、随意性、破坏法的安定性等指责。为克服上述窘境，本文拟将比例原则作为价值工具并据此设计出明确、具体、可操作的规则，尽可能实现比例原则的客观化。参见朱俊：论大数据时代的算法解释请求权，载 宁夏社会科学 年第 期，第 页。参见解正山：算法决策规制 以算法“解释权”为中心，载 现代法学 年第 期，第 页。意味着权利行使条件偏向严苛。回溯立法过程可寻得立法者意志上的蛛丝马迹，尽管“探求立法者意志不是解释的最终目标，但如果因此认为立法者的调整意图及规范立场在解释上完全没有意义，那就走得太远了”。从 中华人民共和国个人信息保护法（草案一次审议稿）、中华人民共和国个人信息保护法（草案二次审议稿）（以下简称“一审稿”“二审稿”）到法律正式出台，此处的表述发生了微妙的变化：“一审稿”称“个人认为自动化决策对其权益造成重大影响的，有权要求”，而“二审稿”与正式立法则表述为“通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求”。可见，“一审稿”诉诸个人主观标准，只要个人认为该算法关涉其重大权益即可行使算法解释权。“二审稿”转而诉诸客观标准，个人认为算法关涉其重大权益不再是行使权利的充分条件，在一定意义上实现了权利行使门槛的提高。在“重大”二字的解释上，有学者对算法做出了评价类算法与非评价类算法的区分，提出所有的评价类算法对用户都具有经济或法律上的直接影响，均应适用算法解释请求权。按照上述标准，涉及交易价格与交易条件的算法均属于评价类算法。事实上，此类算法并非都会对个人权益造成重大影响。就交易价格而言，需要考察具体的交易金额、交易客体、交易差额及比率等因素，若交易金额不高、差额不大、差额占比较低，则不宜适用算法解释请求权。而交易条件则是准入式的，可能直接产生拒绝交易的严重后果，因此更容易“对个人权益造成重大影响”。但并不能一概而论，当出现被算法拒绝交易的情形时，仍应考察拒绝交易者的市场占有率。若其市场占有率不高，则用户仍有较大选择余地，不宜归入“对个人权益造成重大影响”之情形。.算法解释的受众限定：从社会公众到利益相关者算法解释的受众是整体的社会公众还是个案中的利益相关者？这在解决算法解释与商业秘密的冲突问题上至关重要。事实上，上述两种方案是两种不同程度的黑箱打开方式，前者程度更高，要求算法控制者向整个社会解释涉嫌歧视或偏见的算法，谓之算法透明；后者程度较低，只需向个案中特定相对人履行解释义务，是狭义上的算法解释。我国 个保法 第 条第 款要求“个人信息处理者应当保证决策的透明度”，在第 款中又规定“个人有权要求个人信息处理者予以说明”，在语义上存在一定的模糊性。第 款属于狭义的算法解释；但第 款中的措辞又呈现出对算法透明的追求。将算法解释的受众厘定为社会公众时，算法透明得以实现，算法黑箱被彻底打开，而技术信息的秘密性也随之灭失，算法解释制度与商业秘密保护的冲突将被激化；若将算法解释的受众限定为个案中的利益相关者，算法黑箱将被打开一条缝隙，仅特定相对人可见，算法解释与商业秘密的冲突将得以缓和。可见，第二种方案是解决冲突的优选。此外，在寻求“算法黑箱”的破解方案时，在比例原则的方法论之下应考虑手段的妥当性与必要性。妥当性要求手段必须有助于目标的达成，此处无论是算法透明还是狭义的算法解释均有助于破除“算法黑箱”，因此均可通过妥当性标准的检验；在必要性方面，应当尽可能在最小牺牲商业秘密的情形下实现对“算法黑箱”的破解。因此，仅需“打开最小缝隙”的方案显然更具合理性。刘琳：算法解释权与商业秘密保护的冲突化解德 卡尔拉伦茨：法学方法论（全本第六版），黄家镇 译，商务印书馆 年版，第 页。参见张凌寒：商业自动化决策算法解释权的功能定位与实现路径，载 苏州大学学报（哲学社会科学版）年第 期，第 页。.算法解释的内容限定：从算法本身到逻辑在算法解释的具体内容方面，算法控制者向受算法影响者解释说明的内容究竟是算法本身还是算法的运行逻辑？个保法 第 条在此处语焉不详，仅称“个人有权要求个人信息处理者予以说明”，为说明的内容留下了较大的解释空间。在“掀开最小缝隙”理论下，将说明的内容限定为算法运行逻辑，避免将算法本身告知请求解释者，是消解算法解释与商业秘密冲突的釜底抽薪之法。从算法控制者的角度出发，作为商业秘密的算法是其保持核心竞争力的重要工具，算法控制者显然不愿将算法告知他人。作为替代方案，向受算法影响者解释算法运行逻辑，能够在一定程度上避免直接告知商业秘密的麻烦。从受算法影响者的角度出发，由于自动化决策算法有着较高的技术壁垒，普通人无法理解高深的数学模型与技术知识，获知算法本身与技术细节毫无意义。受算法影响者想要知道且能够理解的是算法在作出决策时依据了何种个人信息、这些信息在决策中占据多少权重、算法依据何种运行逻辑。受算法影响者与算法控制者在此处不谋而合，将算法解释权的解释内容限定为算法运行逻辑等因素，既有助于受算法影响者的理解与算法解释制度的目的达成，也能有效化解算法解释与商业秘密之间的正面冲突。“算法解释权”的称谓使人易将算法说明的对象误认为“算法”，事实上，算法说明的对象是“决定”。从 个保法 第 条第 款的本文出发，联系前句“通过自动化决策方式作出的决定，个人有权要求予以说明”。可见，在立法者心目中，个人享有的权利是要求个人信息处理者说明“算法作出的决定”。应如何说明这一决定？在齐佩利乌斯的 法学方法论 中，法律的解释当通过“辩论”确定其恰当的语义，而法律目的则是其中重要的论据，法律解释应当与立法者对法律目的及其合目的性的决定保持一致。循该思路，个保法 第 条第 款即表明了该条的目的“保证决策的透明度和结果公平、公正”，欲实现算法决策对请求解释者的透明度，就需要算法决策能够被理解，即用平实语言描述出算法的运行逻辑而非告知算法本身。因此，在 个保法第 条的语境下应当将算法解释权的解释内容限定为算法的运行逻辑。.算法解释的条件限定：请求解释者的初步证明责任在“掀开最小缝隙”理论下，为请求解释者设置初步证明责任是消减算法解释与商业秘密之冲突的程序法手段。从问题的根源出发，设定算法解释权的目的是通过打开算法黑箱的方式消除算法歧视等负面后果。然而，从算法黑箱到算法歧视之间有一个逻辑上的跳跃 须知算法黑箱并非必然带来负面后果。黑箱容易给人带来负面联想，如暗箱操作在汉语中带有违反法律或道德的意味，这是因为黑箱的确带来了出现负面行为与负面后果的可能性 是可能性而并非必然。如学者钱德一针见血地指出，“人脑才是终极黑箱”，人脑中的决策过程毫不透明，但这并不意味着“人脑黑箱”的决策结果一定是负面的。因此，仅当受算法影响者对算法黑箱带来的负面后果履行了初步证明责任时才可以申请获得算法解释。所谓初步证明责任，即当受算法影响者提出解释说明之要求时，应当提出其受到自动化决策算法不利影响的初步证据。该证明责任应包含两方面内容，一是初步说明该算法决策对个人权益具有重大影响；二是初步证明该算法决策的结果使请求解释者受到了不利影响，如支付了不合理的高价、在交易条件上不合理的差别待遇。该证行政法学研究 年第 期参见 德 齐佩利乌斯：法学方法论，金振豹 译，法律出版社 年版，第 页。，“”，.，.，.据只需是初步的、个人力所能及的，否则算法解释规则将形同虚设；若无初步证明责任，则受算法影响者可以任意地向算法控制者提出解释算法的要求，这无疑会为算法控制者、行政机关、司法机关增加不必要的负担与滋扰，也会将算法解释规则与商业秘密制度之间的冲突激化。尽管 个保法 第 条并未明确规定用户的初步证明责任，但回顾 个保法 的制定历程即可理解这一点已蕴含其中。个保法“一审稿”第 条第 款规定：“个人认为自动化决策对其权益造成重大影响的，有权要求”，“二审稿”改称：“通过自动化决策方式作出对个人权益有重大影响的决定，个人有权”。将是否受到重大影响的判断从用户主观标准改为客观标准，将判断权力收归中立的裁判者享有，为用户承担初步证明责任提供了制度依据。（三）商业秘密制度的阐释与运用在算法解释与商业秘密的冲突解决问题上，不能单靠对算法解释规则的修正，还需要对商业秘密制度进行澄清与运用。其一，请求解释者的保密协议签订义务。为请求解释者设定保密协议的签订义务对于化解算法解释与商业秘密的冲突具有重要意义，且能够实现请求解释者与算法控制者的帕累托最优（）。从请求解释者的角度看，签订保密协议对于善意请求者而言并无损失 善意请求者只是为了确认自己是否受到自动化决策的不公对待，在获知算法运行逻辑与因素权重后并无泄露商业秘密的需求。从算法控制者的角度看，保密协议的签订使请求解释者负有保密义务，对于泄露商业秘密者，算法控制者能够依据保密协议向其追究责任，自身风险被降到最低。概言之，保密协议的签订义务并未使任何一方的情况变坏（算法控制者和请求解释者均无损失），但却使得至少一方的情况变得更好（算法控制者面临的风险被降低，情况变好），实现了经济学中帕累托最优的理想状态。赋予请求解释者算法秘密的获知权利，同时设置保密协议的签订义务，也与公平原则的精神相契合。公平原则的内涵可从两个方面理解：其一，对于一方当事人而言，其享有的权利与负担的义务应当相适应；其二，对于各方当事人而言，彼此的权利与义务应当合理、均衡、对等。在算法解释与商业秘密的冲突困局中，请求解释者与算法控制者权利与义务的厘定也应当遵循公平原则。目前，个保法 第 条已经为请求解释者设置了获取算法解释的权利，算法控制者相应地负有说明义务，并面临商业秘密的泄露风险，此时双方权利义务并不均衡。在此情形下，应当为请求解释者设置保密协议的签订义务，使双方各得其所。其二，秘密性要件的澄清。在算法解释与商业秘密的冲突中，一个令人忧虑的情形是商业秘密持有者因履行告知义务而使其商业秘密“失密”。秘密性一旦丧失即不复存在，算法也因此彻底失去获得商业秘密保护的资格。事实上，这是对商业秘密构成要件的误解，阐明秘密性的真意，这一忧虑即可消除。秘密性是指特定技术信息或经营信息不为公众所知悉。那么何谓“不为公众知悉”？最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定 第 条以反向列举的方式进行了明确，排除了四种“为公众所知悉”的情形：一般常识与行业惯例、通过观察现有产品可直接获知的简单技术信息、已公开出版、已在公开展会等场所公开，并设置了兜底条款 所属领域相关人员从其他公开渠道可获得该信息。据此，可为“不为公众知悉”下一个反向的定义，即该信息不为其所属领域的相关人员普遍知悉或者不能从公开渠道容易获得。可见，秘密性并不要求商业秘密完全不可能获得，商业秘密也并非不能被小范围内的人知悉。算法说明刘琳：算法解释权与商业秘密保护的冲突化解义务不同于算法透明，前者仅需将算法黑箱掀开一条缝隙，使特定相对人可见，算法秘密仍然不可从公开渠道获得。因此，向受算法影响者履行算法说明义务并不会造成秘密性灭失。结 语“黑箱”本身并不必然代表邪恶，但当其被用于与公民基本权利息息相关的领域，或在事实上成为统治市民生活的权力时，就应当如同一切公权力一般接受公众监督。算法解释权的设置能够为受算法影响者对抗算法霸权提供有力武器，却也面临着商业秘密制度的强大阻碍。在算法解释与商业秘密的较量中，不应因商业秘密制度的存在而全然地否定算法解释规则，亦不应将算法解释权当然地凌驾于商业秘密之上。应对冲突，秉持“掀开最小缝隙”理论对算法解释规则进行阐释与修正，对商业秘密制度进行澄清与运用，既能摆脱“算法黑箱”困局，又能较大程度地避免商业秘密的丧失与泄露，实现算法解释与商业秘密的冲突化解。（，）：.，.，.，“”，“”.，“”，.，“”，.：；（责任编辑：曹鎏）行政法学研究 年第 期