L06b-2 商业秘密与发布:公开方法、保护实现,发布前问四件事
从零讲清第三种保护方式商业秘密:靠保密、没有固定期限、一旦泄露收不回;开放科学是有意识的发布,公开方法、必要时保护实现;发布前按归属、敏感性、许可、可运行四问检查,以及作品集、团队项目、模型权重三个常见场景。
一句话版
商业秘密靠藏住来保护,一旦推到公开仓库就再也收不回来。开放科学也不等于全部上传:方法公开,实现可以留着,发布前先问清楚东西归谁、有没有不能公开的、用什么许可、别人能不能跑起来。
这一页讲完第三种保护方式,再把整讲收成一份发布前的检查清单。
先认识这几个词
版权和专利见上一页 L06b,这里接着讲第三种。
| 词 | 全称 / 读法 | 一句人话 |
|---|---|---|
| 商业秘密 | trade secret | 带来竞争优势、靠保密来保护的诀窍 |
| know-how | 读作 know-how,技术诀窍 | 做事的具体方法和窍门 |
| intentional release | 有意识的发布 | 想清楚公开什么、保留什么再发 |
| PII | Personally Identifiable Information | 能认出具体某个人的信息 |
| .gitignore | Git 的忽略清单 | 列在里面的文件不会被提交进仓库 |
| 权重 | weights | 训练好的模型里那一大组参数 |
一个类比:老字号的配方
一家老字号的招牌酱料,配方只有两三个人知道,写在锁起来的本子里。只要一直没人说出去,别人就做不出一样的味道,这份优势可以一直保持,没有到期的那一天。
可是有一天,一个学徒把配方发到了网上。从这一刻起,全世界都知道了,再删帖也没用。
老字号也会公开一些东西:店史、做菜的大致流程、用的是哪里的原料。公开这些让客人信得过,真正值钱的配比和火候留在店里。
类比在哪里失效:
- 法律上,配方要受保护,主人得采取了合理的保密措施;类比里「锁起来的本子」只是一种,现实要看具体做法。
- 研究项目公开的方法要足以让别人复现,远比「大致流程」详细。
从零讲起
1. 商业秘密:靠保密,泄露就没了
它解决什么问题
有些东西既不适合版权(它是诀窍,不是一份表达),也不想申请专利(专利要公开)。比如一套调好的数据处理流程、一份定价规则。商业秘密回答:不公开的东西怎样受保护,什么时候会失去保护。
从哪来(补充)
可口可乐配方是常被举的商业秘密例子。它从 1891 年起由 Asa Candler 当作秘密保管,1919 年放进纽约 Guaranty Trust 银行的保险库,1925 年移到亚特兰大的 Trust Company Bank,2011 年 12 月移到亚特兰大 World of Coca-Cola 的展馆金库。
出处:Wikipedia: Coca-Cola formula
直觉
课件分三格。STEALTH MODE:商业秘密是带来竞争优势的保密诀窍(confidential know-how),课件举了 Google 搜索算法和可口可乐配方。GITHUB TRAP:一旦推送到公开仓库,secrecy is gone forever,课件原话 You cannot un-leak。SCENARIO:处理顺序是 SECURE IT → RESTRICT ACCESS → DO NOT PUBLISH。
和专利对着看最清楚。专利用公开换保护,所以有固定期限。商业秘密用保密换保护,只要一直保密就一直受保护,一次泄露就失去。
TRIPS 第 39 条第 2 款要求受保护的未披露信息同时满足三条:是秘密,不为通常接触这类信息的人普遍知悉;因为秘密而有商业价值;合法控制人采取了合理的保密措施。第三条对应课件的 SECURE IT 和 RESTRICT ACCESS。
一步一步看
目标:用 TRIPS 三条检查一份只放内网的特征清单,看它为何算商业秘密、推到公开仓库后又会怎样。
用 TRIPS 的三条检查一个案例:实习公司的一份客户流失预测特征清单,只放在公司内网,只有数据组能看。
- 先问是不是秘密。
- 再问有没有因为秘密而值钱。
- 最后问有没有采取保密措施。
| 步 | 条件 | 这份特征清单 |
|---|---|---|
| 1 | 是秘密 | 行业里的人不知道这家公司具体用哪些特征 |
| 2 | 因秘密而有商业价值 | 竞争对手拿到就能少走弯路,值钱 |
| 3 | 采取了合理保密措施 | 只放内网、限数据组访问,有措施 |
三条都满足,可以主张是商业秘密。你把它复制进自己的公开作品集,第一条立刻被破坏,这就是 GitHub 陷阱。
怎么判断
一样东西要当商业秘密,先看它现在是不是还秘密、有没有锁起来。要发布任何仓库之前,反过来问:里面有没有别人的、或者自己的、靠保密才值钱的东西。有,就按课件顺序处理:先保护、再限权限、不发布。
API key 是同样的道理。提交到公开仓库后无法收回,只能作废重新生成。
常见误解
以为推上去发现不对,马上删掉就没事了
课件原话 You cannot un-leak。推到公开仓库的那一刻就可能被别人看到、复制,删掉提交也收不回已经流出去的副本。
以为商业秘密和专利一样有期限
商业秘密没有固定期限,只要一直保密就一直受保护。专利是用公开换来的有期限保护,两者方向相反。
试一下
你把实习公司的数据清洗脚本放在自己的私有仓库里,后来为了给面试官看,把仓库改成了公开。课件三格里,你踩了哪一格?
GITHUB TRAP。脚本可能是公司的商业秘密,改成公开后保密性就没了,收不回来。该做的是 DO NOT PUBLISH:这份脚本不进公开仓库,面试时只讲自己做了什么方法。
2. 公开方法,必要时保护实现
它解决什么问题
团队做出了一个更快、更准的算法。一人主张马上全部开源,另一人主张先申请专利。开放和保护好像只能选一个。课件回答:可以有意识地划一条线,一部分公开,一部分留着。
直觉
课件漫画里的团队最后折中:公开方法论,保留具体的商业实现。右侧文字框给了两句结论:开放科学 means intentional release,有意识的发布;Publish the method (Open) but protect the implementation (Commercial) if needed。
这一页把三种保护串了起来。公开的方法满足开放科学的透明和可复现。留着的实现里,代码靠版权,数据管线和业务逻辑可以靠商业秘密,前提是真的保密。漫画里「先申请专利」是第三条路线,先公开还是先申请会有什么后果,本讲没有讲,各法域规定也不同。
一步一步看
目标:把团队项目里的八样东西逐件分到公开和保护两边,看分界怎样由复现所需和商业优势决定。
把团队项目里的八样东西逐件分到两边。
- 先挑出别人复现结果必须要的。
- 再挑出直接关系到商业优势的。
- 剩下的按团队意愿定。
| 东西 | 归哪边 | 理由 |
|---|---|---|
| 算法设计 | OPEN | 别人理解和复现的核心 |
| 训练流程 | OPEN | 复现必需 |
| 评估设置 | OPEN | 结果是否可信要靠它 |
| 文档 | OPEN | 让别人能读懂、能跑 |
| 微调 | PROTECT | 具体商业模型的调法 |
| 数据管线 | PROTECT | 可作商业秘密,要真的保密 |
| 业务逻辑 | PROTECT | 可作商业秘密 |
| 定价 | PROTECT | 纯商业信息 |
怎么判断
面对「全部开源还是全部保留」的争论,先拆成两堆:方法和实现。方法公开,回应开放科学的透明和可复现;实现部分看要不要保护、用哪种方式保护。答题时一句话收尾:开放和保护可以同时做到,课件的折中是公开方法、必要时保护实现。
常见误解
以为开放科学就是把所有东西都上传
课件写的是 intentional release。有意识地决定公开什么,保留什么,本身就是开放科学的一部分。
以为只要不公开实现,就自动算商业秘密
要采取合理的保密措施,TRIPS 第 39 条第 2 款的第三条就是这个要求。实现代码随手放在共享网盘里,很难主张是商业秘密。
试一下
你们的推荐模型要发论文,同时公司想用它赚钱。论文附录准备放哪些,哪些不放?
附录放方法论:算法设计、训练流程、评估设置和文档,让审稿人和读者能复现。不放具体的商业实现:微调细节、数据管线、业务逻辑和定价,这些按公司要求保密保管。
3. 发布前四问
它解决什么问题
前面讲了许可、引用、版权、专利、商业秘密,内容很多。真到要按下「公开」按钮时,需要一份短清单。课件的发布决策框架就是四个问题。
直觉
| 问题 | 课件要你查什么 |
|---|---|
| Who owns it? | 学校或雇主合同,或团队约定 |
| Is it sensitive? | PII、专有数据集、API key |
| Which license? | 宽松(MIT / CC BY)追求最大传播;互惠(GPL / CC SA)要求衍生作品同样共享 |
| Can it be run? | 文档和引用的数据是否足以让别人复现 |
四问依次对应整讲的内容:归属对应资产地图,敏感性对应商业秘密和隐私,许可对应三类许可,可运行对应开放科学的可复现和引用。第三问把 MIT 和 CC BY 归为宽松,GPL 和 CC SA 归为互惠,分类依据是「是否要求衍生作品同样共享」。
第一问排在最前面。东西不归你,后面三问都无从谈起。
一步一步看
目标:拿一个准备公开的文本分类模型逐条过四问,看每一问各挡下了什么问题。
把四问套到一个准备公开的文本分类模型上,每一步推进一行。
-
先问归属:三人合写,开工时没约定,先补谈归属和许可,再确认学校有没有主张。
-
再查敏感内容:评论数据带用户名,属于 PII,原始数据不上传,只发处理方法。
-
选许可:自己的代码可以选 MIT;权重基于 NC 基座,不能标成可商用。
-
看能不能复现:README 补上数据来源和许可、训练步骤、可替代的公开数据。
怎么判断
场景题按四问的顺序作答,每问先给结论再给依据。任何一问答不上,就停在那一问,补齐再往下。四问都过了才发布。
常见误解
以为先选许可就行,归属可以以后再说
课件把 Who owns it? 放在第一问。东西不归你,选什么许可都没有意义,你没有权利替别人定许可。
以为「能跑起来」是技术问题,和发布决策无关
课件把 Can it be run? 列为四问之一。文档和数据不足以复现,就达不到开放科学的目的,发出去也只是一个看不懂的仓库。
试一下
你的仓库代码是自己写的,加了 MIT,README 很完整,但 config.py 里写着数据库密码。四问里哪一问没过?
Is it sensitive? 没过。数据库密码和 API key 一样属于敏感信息,要从代码里移出,放进 .gitignore 排除的文件。已经推上去过的话,泄露收不回来,要改掉这个密码。
4. 三个常见场景:作品集、团队项目、模型权重
它解决什么问题
四问是通用的。课件又挑了学生最常碰到的三个场景,各给了具体做法:公开作品集、多人合作项目、下载别人的模型。
直觉
作品集是一次公开发布。课件列了四项:01 LICENSE FILE,不要留空,MIT 是代码的好默认;02 README.md,写明数据来源和数据的许可;03 SECRETS,用 .gitignore 排除 API key 和受限数据文件;04 ATTRIBUTION,对借用的东西署名。
团队项目要早定归属。课件漫画里,一名成员转学到 Riverdale University,带走代码并声称 “All the code is mine now!”,仓库变空。两条规则:KICKOFF RULE,第一周就定好仓库许可和发布计划;SHARED OWNERSHIP,确认代码是团队共同拥有,还是学校有权利主张。
模型要逐件查许可。漫画里学生下载了一个模型,以为权重和代码一样是 Apache 2.0,细看才发现权重是 Non-Commercial。ASSET SPLIT:代码、权重、数据集可以分别适用不同许可。WEIGHTS PARADOX:权重算可受版权保护的表达还是数学事实,法律状况仍在变化,课件没有给结论。
一步一步看
目标:把作品集、团队项目、模型权重三个场景对到四问上,看各自最先要问哪一条。
三个场景各对应四问中的重点。
- 作品集重点在许可和敏感性。
- 团队项目重点在归属。
- 模型权重重点在许可。
| 场景 | 最先要问 | 课件给的动作 |
|---|---|---|
| 作品集 | Which license? Is it sensitive? | 加 LICENSE;README 写数据来源和许可;.gitignore 排除密钥;对借用的东西署名 |
| 团队项目 | Who owns it? | 第一周定许可和发布计划;确认团队共有还是学校有主张 |
| 模型权重 | Which license? | 代码、权重、数据集分别查;商用前看权重有没有 NC |
怎么判断
公开作品集前,对照四项清单逐项打勾。开始团队项目时,把许可和归属放进第一次会议,和上一讲的署名约定一起定。下载模型时,课件的口号是 ALWAYS CHECK EVERY ASSET,代码的许可不代表权重的许可。
常见误解
以为代码我写了大部分,项目就归我
多人合写的代码不是哪一个人说了算,学校也可能有权利主张。这正是上一页那句 you DO own 的限制,所以要在开工时就约定。
以为模型页面写着 Apache 2.0,整个模型都能商用
那可能只是代码的许可。权重和训练数据可以各有许可,课件的例子就是代码 Apache 2.0、权重 Non-Commercial。
试一下
你要从模型平台下载一个预训练模型,用在一个收费的小程序里。下载前要查哪几样许可?
三样分别查:代码的许可、权重的许可、训练数据的许可。收费属于商用,重点看权重和数据有没有 Non-Commercial 限制。有就不能直接用,要换模型或另外取得授权。
把它们串起来
第三种保护是商业秘密:靠保密,没有固定期限,泄露就收不回。所以发布前要先把秘密和密钥挡在仓库外面,顺序是先保护、再限权限、不发布。
开放科学是有意识的发布。方法公开,满足透明和可复现;实现可以靠版权或商业秘密留着。
真要发布时,按四问走:归属、敏感性、许可、可运行,第一问不过后面都无从谈起。作品集、团队项目、模型权重是四问最常落地的三个场景。整讲到这里收尾:先问这东西归谁,再问可以拿它做什么。
课件里的坑
- [课件有误] p.24 04 ATTRIBUTION 的说明文字照抄了 03 SECRETS,两项一字不差,都在讲用 .gitignore 排除 API key 和受限数据。按标题和本讲内容,04 应该讲对借用的数据集、代码和图表署名
- [读图提醒] p.22 漫画里 PUBLISH 拼成 PUBLISN,immediately 拼成 immediaetey,不影响理解
- [课件推断] p.22 漫画里「先申请专利」是第三条路线,先公开还是先申请会有什么后果,本讲没有讲,各法域规定也不同
- [适用条件] p.26 WEIGHTS PARADOX 课件没有给结论,实际做法是按发布者给出的许可条件使用
课后 10 分钟
这 10 分钟怎么用:合上页面,先默写商业秘密三格、公开和保护的分界、发布四问。再对照课件 p.21–27 做课件例题和变式题。最后用 p.27 的五个常见错误反向复习整讲。
必背
- 商业秘密是带来竞争优势的保密诀窍,靠保密受保护、没有固定期限;推到公开仓库后保密性无法恢复(You cannot un-leak),处理顺序 SECURE IT → RESTRICT ACCESS → DO NOT PUBLISH
- 开放科学是有意识的发布:公开方法(算法设计、训练流程、评估设置、文档),必要时保护实现(微调、数据管线、业务逻辑、定价)
- 发布前四问:Who owns it? Is it sensitive? Which license? Can it be run?
- 作品集是一次公开发布:LICENSE 文件、README 写数据来源和许可、.gitignore 排除密钥和受限数据、对借用的东西署名
- 团队项目第一周就定仓库许可、发布计划和归属;下载模型时代码、权重、数据集的许可要分别查
课件例题
例 1(课件 p.21):GitHub 陷阱
题面:课件把 Google 搜索算法、可口可乐配方列为商业秘密。如果有人把这类诀窍推到公开 GitHub 仓库,会怎样?该怎么防?
提示
商业秘密靠什么受保护?课件 SCENARIO 一格给了三步顺序。
解答
保密性一旦失去就无法恢复,课件原话是 You cannot un-leak。商业秘密靠保密受保护,公开之后就不再是秘密。
防法按课件顺序:SECURE IT → RESTRICT ACCESS → DO NOT PUBLISH。API key 也是同样的道理,泄露后收不回。
例 2(课件 p.22):全部开源还是先申请专利
见下方完整例题。
例 3(课件 p.24):作品集公开前要准备什么
题面:你要把课程项目放进公开作品集。按课件,仓库里至少要准备好哪四项?04 一项的说明文字有什么问题?
提示
四项编号 01 到 04,对照 03 和 04 的说明文字。
解答
01 LICENSE 文件,不要留空,代码默认可选 MIT。02 README.md,写明数据来源和数据的许可。03 SECRETS,用 .gitignore 排除 API key 和受限数据文件。04 ATTRIBUTION,对借用的数据集、代码、图表注明来源和许可。
课件 04 下面的说明照抄了 03,复习时按标题把 04 理解为「引用你借用的东西」。
例 4(课件 p.25):成员转学带走代码
题面:团队没有任何协议就开始做项目。后来一名成员转学到 Riverdale University,带走代码并声称 “All the code is mine now!”,仓库变空。该怎么避免?
提示
课件给了两条规则,一条管时间,一条管归属。
解答
KICKOFF RULE:第一周就定好仓库许可和发布计划。SHARED OWNERSHIP:确认代码归团队共同所有,还是学校有权利主张。
这一例也限制了 p.17 的 you DO own:多人合写的代码不是哪一个人说了算。
例 5(课件 p.26):下载模型,权重和代码许可不同
题面:学生用 huggingface-cli download org/model-xyz 下载模型,以为权重和代码一样是 Apache 2.0,准备拿去商用。错在哪?
提示
课件两个要点:ASSET SPLIT 和 WEIGHTS PARADOX。
解答
代码、权重、数据集可以分别适用不同许可。这个例子里代码是 Apache 2.0,权重是 Non-Commercial,不能商用。
课件的口号是 ALWAYS CHECK EVERY ASSET。权重在法律上算表达还是数学事实,课件说仍在变化,实际做法是按发布者给的许可条件用。
例 6(课件 p.27):五个常见错误各违反了什么
题面:课件列了五个常见错误:上传公司私有数据(customer_data.csv);漏掉 MIT 许可声明(“I’ll add the license later”);把 .env 里的 API key 提交到公开仓库;认为 public 等于 unowned;混用不兼容的 copyleft 代码和专有代码。逐条说出违反了什么。
提示
每一条都能对上本讲的一个知识点:归属和敏感性、MIT 的条件、商业秘密、开放不等于无主、依赖兼容。
解答
上传私有数据违反归属和敏感性检查。漏掉 MIT 声明违反 MIT 唯一的条件。提交 API key 违反敏感信息保护,泄露后收不回。public 等于 unowned 违反开放不等于无主。混用 copyleft 和专有代码违反依赖兼容性,会卡在 legal limbo。
前三条是操作疏忽,后两条是概念误解。
完整例题
题面(课件 p.22):团队做出一个更快、更准、可扩展的算法。一人主张 “open-source everything immediately!”,另一人主张 “file a patent first”。① 开放科学在这里是什么意思?② 公开什么?③ 保留什么,靠什么保护?④ 专利那条路怎么处理?⑤ 结论是什么?
约定:按「定义 → 公开 → 保留 → 第三条路 → 结论」五步写。
解法:
- 定义:课件写的是 intentional release,有意识的发布。开放不等于把所有东西都上传。
- 公开:方法论,即算法设计、训练流程、评估设置、文档。这满足开放科学的透明和可复现。
- 保留:具体的商业实现,即微调、数据管线、业务逻辑、定价。代码部分靠版权保护,数据管线和业务逻辑可以靠商业秘密,前提是采取了保密措施。
- 第三条路:「先申请专利」用公开换有期限的排他权。先公开还是先申请会带来什么后果,课件没有讲,各法域规定也不同,答题时点到为止。
- 结论:课件原句 Publish the method (Open) but protect the implementation (Commercial) if needed。开放和保护可以同时做到。
要点:先拆成方法和实现两堆,再给每堆选保护方式。
答题格式:先写课件原句作为结论,再列公开清单和保留清单,各写一句理由。
变式题
变式 1(改编自课件 p.22):研究小组做出一个更快的图像压缩方法。成员 G 主张马上把全部代码和训练数据开源;成员 H 主张什么都不公开,直接卖给公司。代码里引用了一个 GPL v3 库,训练数据里有一部分是合作公司提供的、标注 “All rights reserved” 的专有数据。请:① 给出折中方案;② 判断「代码里有 GPL 库」会影响哪一种发布方式;③ 说出专有数据该怎么处理。
提示
折中方案看公开了哪些、保留了哪些;GPL 的源码义务看触发条件和前面讲过的依赖冲突;专有数据看四问里的 Is it sensitive? 和五个常见错误的第一条。
判分点与答案
判分点:① 能说出公开什么、保护什么;② 能指出 GPL 义务在分发时触发,并和专有组件冲突;③ 专有数据不发布。
① 公开方法论(算法设计、训练流程、评估设置、文档),必要时保护实现(微调、数据管线、业务逻辑)。是否先申请专利是另一条路线,课件只给出了团队讨论的选项。
② 如果把包含 GPL 库的程序分发给公司或公众,就要按 GPL 提供对应源码并保留声明;只在内部使用不分发则不触发。和专有组件放进同一个分发包时,可能出现 legal limbo。
③ 专有数据不发布:它属于四问里的专有数据集,上传公司私有数据是五个常见错误的第一条。公开时只发布方法和可公开的数据,并在 README 中说明数据来源和许可。
变式 2(自编情境):三人小组准备把课程项目放进各自的作品集公开。仓库里有:一个 .env 文件,里面有云服务的 API key;一份从实习公司带出来的 customer_data.csv;没有 LICENSE 文件;README 只有一行项目名。开工时三人没谈过许可和归属。请按发布四问逐条检查。
提示
四问的顺序有讲究:第一问不过,后面三问无从谈起。对照作品集四项清单补缺。
判分点与答案
判分点:四问各有结论;指出 customer_data.csv 不归小组;指出已推送的 key 要作废重生成。
归属:三人没有约定,先补谈仓库许可、发布计划、代码归属,并确认学校是否有权利主张。customer_data.csv 不归小组,不能发布。
敏感性:.env 用 .gitignore 排除;已经推上去过的话,泄露无法收回,要作废这把 key 重新生成。customer_data.csv 属于专有数据,可能含 PII,移出仓库。
许可:补 LICENSE 文件,课件说 MIT 是代码的好默认。
可运行:README 写明数据来源和许可,说明换成哪份可公开的数据能复现结果。
闪卡自测
1. 商业秘密和专利的方向有什么不同?
专利用公开换有期限的保护;商业秘密用保密换保护,没有固定期限,泄露就失去(p.18、p.21)。
2. 商业秘密的三步处理顺序是什么?
SECURE IT → RESTRICT ACCESS → DO NOT PUBLISH(p.21)。
3. 开放和保护冲突时,课件的折中是什么?
Publish the method (Open) but protect the implementation (Commercial) if needed(p.22)。
4. 发布前四问是什么?为什么归属排第一?
Who owns it? Is it sensitive? Which license? Can it be run? 东西不归你,后面三问都无从谈起(p.23)。
5. 团队项目的两条规则是什么?
KICKOFF RULE:第一周定好仓库许可和发布计划;SHARED OWNERSHIP:确认团队共有还是学校有主张(p.25)。
6. 下载模型时要查哪几样许可?
代码、权重、数据集分别查,ALWAYS CHECK EVERY ASSET;代码 Apache 2.0 不代表权重也能商用(p.26)。
下一讲
知识产权和开放科学讲完了。下一讲 L07a-1 转到研究中的隐私:Belmont 报告的原则,以及知情同意要满足什么。
个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。