【建纬观点】浅析大数据背景下的信息数据保护及相关竞争法问题
作者简介
沈锃桢
上海市建纬律师事务所专职律师，擅长知识产权、劳动人事与合规风险控制、争议解决。执业以来，沈律师已参与办理了近百起知识产权、劳动争议及相关诉讼案件，拥有近十年的知识产权及人力资源法律服务经验，被上海市闵行区知识产权协会聘为专家委员会专家。从事律师职业之前，沈律师曾长期供职于知名央企、国内顶级人力资源服务机构，提供薪资福利、员工关系等咨询服务，帮助企业HR提出可行性解决方案和法律意见。
随着计算机、通信、物联网等信息技术的迅速发展，人们意识到科幻电影及小说中所创造的高度数据化的未来场景已不再遥远，甚至正在逐渐变为现实，“一切皆可数据化”的思维开始涌现。与此同时，进入二十一世纪以来，全球数据量呈现出爆炸式增长态势。据不完全统计，一分钟内，全球有超过2.4亿封邮件被收发，推特上有超过10万条消息被发布，YouTube有超过300小时的新视频被上传。加上随身智能设备的普及，以及传感技术的发展，实际上人在学习、工作和生活中，各个场景下无时无刻都在产生出大量的数据。
面对海量、繁杂的数据，人们也日益发现有效的数据分析和深度挖掘，将推动企业、国家乃至整个人类社会的高效、可持续发展。“大数据”因此被认为是信息时代人类发展的重要经济资产，并被各国重视。
2012年，美国奥巴马政府发布了《大数据研究和发展倡议》，提出要大力发展对数字化数据的接入、组织和挖掘的工具和技术，旨在提升利用大量复杂数据集合获取知识和洞见的能力。这一倡议掀起了全球范围内政府推动大数据分析和研究的热潮。
2013年，我国科技部发布了《“十二五”国家科技计划信息技术领域2013年度备选项目征集指南》，并在“先进计算”板块中专门提出“面向大数据的先进存储结构及关键技术”。
2015年8月，国务院印发了《促进大数据发展行动纲要》（国发〔2015〕50号），进一步提出数据已成为国家基础性战略资源，要全面推进我国大数据发展和应用，加快建设数据强国。
2016年3月两会期间发布的我国《国民经济和社会发展第十三个五年规划纲要》，专门在第27章中提出“实施国家大数据战略“，更明确了大数据发展和应用已提升至国家战略层面。
2020年，我国正式提出了推进包括信息、融合、创新三大方面的新型基础设施建设（下称新基建）。与传统基建相比，新基建内涵更加丰富，涵盖范围更广，更能体现数字经济特征，能够更好推动我国的经济转型升级。而大数据作为数字经济的重要支撑，亦被列入了新基建的相关领域。
诚然，大数据的发展已历经多年，但相关问题仍然存在。一方面是对于大数据本身而言，如何更好地实现数据的采集、存储和分析；另一方面则是对于个人用户或企业而言，如何保证数据信息安全，防止信息被非法获取。本文除将对大数据的定义、特性、应用及问题进行概述以外，还将分析大数据中存在的个人隐私和数据安全保护问题，并浅析其中所引申出的垄断及不正当竞争。
1、 大数据的定义
“大数据”一词实际上并非近些年才出现。早在20世纪80年代，美国著名未来学家阿尔文·托夫勒就在其旷世之作《第三次浪潮》中提出了“大数据”（Big Data）的概念，并将其赞誉为“第三次浪潮的华彩乐章”。然而，大数据本身实际是一种相对概念，信息科学、计算科学、政治学、管理学等不同的领域对其的定义不尽相同，且仅能对其进行定性的描述，而不能明确定量的指标。虽然，人们对于大数据的定义不统一，但对部分特征已有共识。
最先提出“大数据时代”来临的麦肯锡公司对其的定义为：“将数据规模超出传统数据库管理软件的获取、存储、管理以及分析能力的数据集称为大数据。”而我国《促进大数据发展行动纲要》中对大数据的表述为：“大数据是以容量大、类型多、存取速度快、价值密度低为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”
另外也有学者通过广义和狭义的角度阐述大数据，即“广义的大数据强调的是思维方式，强调使用大量多样且快速更新的数据来预测相应趋势，寻找各种现象之间的相关性；而狭义的大数据被视为技术，是一种挖掘分析数据的计算机技术，运用云计算、机器学习等计算手段，对人们在互联网上留存的信息进行手机、加工、在创造的计算机技术。”
通过这些定义，我们可以发现，大数据归根到底就是一种数据集，其主要特征是拥有超出传统的数据管理以及处理技术所能匹配的数据规模。但最为重要的是，大数据的价值并非数据本身，而是通过对大数据的分析，所得出的现象、问题、趋势、决策以及知识。
2、 大数据的特性
基于对大数据的认识，人们可以得出各种不同的特性。其中，IBM公司所归纳的大数据4V特性目前得到普遍认可，并被广泛使用。4V特性即指：数据的规模性（Volume）、多样性（Variety）、价值性（Value）以及高速性（Velocity）。
规模性（Volume）表示大数据的数据规模巨大。我们一般常见的GB（210=1024 MB）或者TB（210 GB）的数据储存单位已无法描述大数据，而是通过PB（210 TB）、EB（210 PB）甚至是ZB（210 EB）的规模来存储大数据。
多样性（Variety）表示大数据的数据结构多样。不但包括常规计算机处理的结构性数据，还包括文字、图片、音频以及视频等非结构性数据。此外通过物联网及传感设备技术所产生的数据，如智能手环产生的各种生命特征数据等均可被列入为大数据。
价值性（Value）表示大数据的数据价值密度低。对于数据的分析及挖掘方能得出有价值的成果，由于大数据拥有海量的数据，将得出的成果除以庞大的数据基数，则单个数据的价值就变得微乎其微，因此大数据具有价值密度低的特性。需要补充的是，价值密度低并不代表大数据本身价值低，这一特性强调的是大数据需要通过更精密、有效的处理技术对数据进行挖掘。
高速性（Velocity）表示大数据的数据处理速度快。由于大数据数量巨大，对于数据的传递和处理的速度要求也非常高。此外，大数据背后的商业运作瞬息万变，亦同样要求大数据处理过程能达到及时、快速相应的标准。因此，高速性也是大数据的特性之一。
3、 大数据的应用
（1） 大数据应用领域
大数据已经出现在各种领域，包括互联网、物联网、金融、教育、消费、医疗、科研以及公共事务等。简而言之，只要是能产生数据的领域，就有大数据的应用。这里简单举一些例子：对网络点击、电子邮件、社交网络中发布的图文进行分析，能了解人们在关注什么；道路上摄像头传感器所接受的周边环境信息，可以预判车况；分析投资交易记录，可以判断人的投资偏好，推荐投资计划；学生成绩、性格问卷的分析，可以提供针对性的学习方案；购物清单及购买记录的分析，则能了解一个人的生活状态；对病历、报告的分析，可以帮助制定治疗方案；此外，天文数据的观测、高能物理大型强子对撞机的实验则更离不开大数据。可见，大数据已经应用在了各个领域。
（2） 大数据系统
要真正应用大数据，离不开一套完整的处理系统，我们可以简单将其归纳为以下部分：
大数据的采集。通过各种应用领域中的客户端，产生各类的数据，按照结构特点，将其划分为结构化数据、半结构化数据（所谓结构化，即指该数据是高度组织以及具有格式的数据）以及非结构化数据（即不符合任何预定义的数据）。
大数据的存储。这一部分实际上属于数据的管理，即不仅是数据的存储，还包括存储数据的查询、处理，这就涉及到各类数据库的管理，如对应结构化类数据的SQL，非结构化数据的NoSQL，以及时下各种新的可扩展、高性能的数据库NewSQL。对于大数据而言，传统的数据库已不能满足，需要借助于大型分布式数据库（所谓分布式存储，即指将数据分散存储在多个独立设备中），而建立在分布式存储基础上的云存储，则属于目前的主流。
大数据的分析及挖掘。根据指令即所要得到的结果，通过大数据算法，将复杂度高、数据量大的各类数据的进行预处理、清洗和挖掘。
大数据的结果反馈。大数据经过分析及挖掘后的结果，以友好、形象、易于理解的形式呈现。
简单来说，假设我们在一个仙侠世界，整个大数据系统就好比炼丹。收集的海量数据就是准备的各类药材，这是炼制的基础；而大数据的存储就比如能装下这些药材的丹炉，丹炉要牢靠、而且在炼制过程中能便于观察内部情况，替换药材；大数据的分析及挖掘就好比在炼丹过程中的不断地对药材进行筛检进行炼制，算法的好坏对应着炼制手法的高低；大数据的结果反馈则是去其糟粕，取其精华后的丹药。
4、大数据面临的问题
（1）为实现大数据而面临的技术问题
大数据的出现，颠覆了传统数据处理的一系列技术，超出了现有硬件和软件平台的处理能力。故而，目前大数据主要面临的问题，仍是技术问题。而技术的挑战主要围绕在数据的采集及存储和数据的分析及挖掘。
对于数据的采集及存储而言，更为细化挑战还有，如数据表示方法的重新设计，在不损坏数据的前提下进行冗余缩减和数据缩减。此外，如何确保数据库具有高度扩展性、高度容错性、支持各类结构环境、快速访问、易用且开放接口以及低成本等，特别是数据安全保护均是有待解决的问题。
对于数据的分析及挖掘而言，相关挑战还有，如需要构建新的、有效的数据模型来解决海量的数据分析，对存储资源、计算资源进行有效配置并弹性调度，程序和算法的更新、研发大数据分析工具等。
（2）大数据相关的法律问题
除了上述为实现大数据而面临的技术问题以外，随着大数据逐步发展和应用，相关的法律问题也开始显现，首当其冲的就是用户的信息及数据安全保护。虽然，在传统信息时代，个人信息以及企业数据的窃取就时有发生，但大数据时代下，无论从被窃取数据的规模，抑或是将产生的后果，均是不可同日而语。因此，对于大数据的保护，应有较为全面的法律制度保护。
此外，大数据还面临着竞争法上的相关问题。大数据技术的逐步提升和广泛使用，占据数据优势的经营者会越来越强。通过对数据源控制等方式，为市场进入设置壁垒，加剧寡头市场的形成，可能会排除、限制了相关市场经营者的竞争，形成垄断。另一方面，有些经营者通过爬取、窃取其他经营者的大数据，损害其商业秘密和竞争力，亦有可能被认定为不正当竞争。
1、个人信息的保护
（1）个人信息的重要之处
在传统数据时代，个人信息仅被作为对某个自然人主体身份识别的符号，其商业和社会价值并未得到重视。而在大数据时代下，每天都有大量的信息被个人用户在学习、工作和生活中生产出来，通过网站、软件等平台的运营，形成了信息的交互，同时又吸引更多的人投入其中，继而使更多的个人信息被源源不断地生产出来，并通过大数据挖掘技术得到整合利用，完成了数据人格的塑造。因此，个人信息逐渐变为重要的基础性资产，具有巨大的价值。
所谓的数据人格，就是指个人被数据化，所有的个人事务和行动都变成了数据，通过数据即可完整描述个人。
这里我们举个例子，某天傍晚你走在外面，突然决定在外吃晚饭，但未能确定吃什么，这时候你便向智能手机中的虚拟助手寻求帮助。虚拟助手在给出建议前，可能做了如下分析：首先，根据你的聊天记录、日志、短信，判断你现在吃饭是否有时间或者有其他约会；其次；根据你本人的健康数据，如血脂状况、肥胖程度，初步确定一个适合你健康的菜馆；然后，根据你本人的消费记录，判断你对哪种类型的食物或菜式情有独钟，去过哪些餐馆，并考虑你在外就餐的周期；再次，根据你的位置记录，判断你家庭的位置，选择某一靠近的范围；此外，根据人们对于各餐馆的评价，判断餐馆的优劣，同时优先考虑与你性格、生活状态相符的人们的评价。还有，……。在经过一系列的分析后，最后虚拟助手可能会建议你直接回家吃饭，或者推荐一个完美的餐馆，并附上量身定制的菜单。
可以想象，当对你个人信息的分析达到足够多，那么大数据就可以通过数据，完整地描绘出你的个人，预判你的行为，甚至影响、决定你的行为。
（2）个人信息保护面临的问题
技术层面
由于大数据技术的存在数据的高流动性，加之其对于计算机信息系统的高度依赖性，均大大增加了个人信息在采集、存储、分析和挖掘过程中被泄露的可能性。
在传统的信息技术背景下，人们可以使用加密技术，甚至是使用匿名化技术或模糊化技术进行保护。然而这些保护针对的往往都是单一的小规模数据，主要是防范那些特定的攻击。
然而，在大数据时代下，数据的大规模性和高速性带来的实时分析能力，使得传统的加密已防不胜防，多源数据融合使得传统的匿名化、模糊化技术也几乎无法生效。
举个例子，在基因大数据中，基因序列隐含着个人疾病情况，国外曾以参加基因工程的10万名志愿者的数据进行试验。在将这些志愿者的邮政编码、出生日期和性别进行匿名化操作后，仅通过基因序列数据和公共选民信息的融合分析，最后竟能正确甄别出84%-87%志愿者的身份，由此可见一斑。
法律层面
相对于个人信息保护的技术问题以外，我国个人信息的法律保护亦面临实践困境。
有学者认为，目前我国对于个人信息的立法保护滞后，缺少个人信息保护的专门立法。虽然我国推出了一些系列相关规定，如全国人大常委会2012年12月28日实施的《关于加强网络信息保护的决定》、2014年1月1日施行的《消费者权益保护法》、2014年10月10日施行的《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》、2017年6月1日施行的《网络安全法》、同年10月1日施行的《民法总则》，以及将于2021年1月1日施行的《民法典》等。但实践中这种分散立法保护模式，存在明显缺陷。主要表现为保护对象不明确、信息主体权利不完整、权利义务不完善，法律责任不到位等。
还有学者认为，我国个人信息民法保护贫乏，通过刑法保护个人信息较为被动。虽然《刑法》第253条规定了“侵犯公民个人信息罪”，并配合2017年6月1日最高人民法院及最高人民检察院发布的《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》，形成了比较完整的个人信息刑法保护规定，但由于个人信息保护的前置法律贫乏，刑法的个人信息犯罪规定必须解决许多不属于刑法规定的内容，由此导致刑法救济的被动性。
（3）建立个人信息保护的整体框架
在大数据时代，传统的个人信息保护手段，已无法应对，相关学者呼吁建立整体的个人信息保护框架。在这一框架中，包括对于信息泄露风险的主动监控、对于风险的主动评估、防止信息泄露的主动管理技术体系、追寻信息泄露原因的问责系统体系以及法律保护体系。
对于法律保护而言，寻求立法上的突破，制定专门的个人信息保护法，明确个人信息的边界，区分个人信息控制权及个人信息知情权，突出个人信息删除权。同时引入市场监督机制，发挥行政部门的管理作用。
2、企业数据的保护
广义上讲企业数据实际上包括了企业经营中所有数据。狭义上讲，可以简单分为企业自身数据和外部数据。
企业自身数据，主要包括了财务信息、人事信息、业务信息、客户名单、战略布局、核心技术、算法、配方、实验数据等等。对于企业自身数据的保护，实际上贯穿着整个商业发展史，并最终形成了目前广泛认可的商业秘密保护。
而外部数据，则包括了用户数据，以及其他信息来源于外部的原始数据。越来越多的企业具备了收集、处理、分析原始数据的能力，有的甚至发展了创造全新的具有价值的数据集合的技术能力，亦就是大数据分析。这些大数据分析中形成的数据集合，可以提高决策效率，解决企业自身的问题，亦可成为企业的交易对象。在某种情况下，外部数据也成为了企业的商业秘密。
现实中，企业针对这些数据的纠纷不断出现，涉及复制、窃取、侵入等，超大企业间的争夺则更甚。例如，2016年“大众点评诉百度地图抓取用户点评信息案”、2017年“运满满诉货车帮盗取用户信息案”、“新浪诉脉脉抓取用户信息案”，以及淘宝屏蔽百度搜索，顺丰与菜鸟有关物流数据接口的争议，新浪与今日头条有关微博内容爬取争议，华为发布荣耀Magic手机与腾讯引发的用户数据之争等。
可见，企业数据保护问题正在作为一个全新的具有独立意义的问题呈现出来。目前总的来说，相关数据纠纷和事件主要还是从既有法律体系中寻求方案加以解决，最为普遍的做法是通过合同法、反不正当竞争法、和相关知识产权法领域有关路径加以解决。例如，在涉及数据的技术合同中可以约束合同主体之间的权利义务；而反不正当竞争法及相关知识产权法，则通过排他性来针对第三人的侵权行为进行保护。
数据成为数字经济的关键要素，大数据作为技术和资源的集合，成为市场竞争的重要组合部分和核心竞争力。大数据对于市场竞争有其正向引导作用，比如相关市场的经营者在海量用户数据的基础上可以通过大数据，推进现有产品服务的更新换代，加剧市场的竞争。但数据化不仅影响企业自身，还影响特定经济及社会秩序，特别是相关数据的争夺涉及到市场经济秩序的稳定。
1、垄断
大数据技术的提升和广泛使用，使得占数据优势的经营者越发强大，在互联网市场竞争特有的“赢者通吃”的背景下，更会加速寡头垄断市场的形成，导致服务质量的降低，侵害消费者权益。
我国《反垄断法》主要规制了三种垄断行为，即垄断协议、滥用市场支配地位、具有或可能具有排除、限制竞争效果的经营者集中。大数据时代下，经营者为了维持、提升自身的市场地位，在经营过程中，极可能产生相关垄断行为，如算法数据垄断、数据滥用、设置壁垒、互联网企业集中等。
（1）数据算法垄断
对于算法数据垄断，不得不提到Google公司的Pagerank算法。Google在其搜索引擎功能中使用了著名的Pagerank算法。通过这一算法，一方面可将用户通过搜索产生的数据，提升其搜索体验，但更重要的一面是还可以被用来判断市场趋势，或者精准投放定位广告等，从而提高用户对Google搜索引擎的忠诚度。应该说，Google的行为是典型的大数据应用，但Google对Pagerank算法申请了专利，并利用这种数据专利形成数据垄断。即使该专利终止，也可凭借其多年来对各类数据的垄断获得利益，严重损害市场竞争。
（2）数据滥用
由于互联网巨头享有大量的用户数据，加上互联网市场具有用户粘性高及锁定效应的特点，在实践中，很可能出现经营者在用户不知情的情况，持续性地收集数据，并将数据用于他处，通过数据滥用，达到其垄断目的。同时，由于这些数据的滥用，更加重了个人信息泄露，严重损害消费者权益。
（3）设置壁垒
由于大数据对于市场竞争最大的优势在于预测，处于市场支配地位的经营者就很容易利用数据来预测市场的走向和发展，并对可能对其市场地位造成挑战的竞争者采取措施。客观上讲，在大数据资源及技术的要求，本身已对潜在或未来的市场进入者设置了很多的壁垒。现行的具有市场支配地位的经营者，更可以利用自身的优势，迫使市场新进入者接受不正当的交易条件，阻碍经营者自由公平地进入市场。
（4）互联网企业集中
对于市场竞争秩序的评价，特别是经营者集中的审查中，通常聚焦于某一相关市场。然而，大数据时代，特别是互联网企业产品、服务的相互交叉，相关市场的界定已变得模糊。目前，市场上互联网平台的兼并收购显示出一个共同特点，就是两个不处于同一相关市场的经营者选择合并，较为知名的例子，就是微软并购领英。虽然看似微软和领英在业务上没有过多交集，但领英作为职场社交平台，拥有海量的用户数据。微软通过并购领英，获取了这些数据，继而充实到自己的大数据中。对于微软而言，可以研发更贴切于用户需求的产品，稳固自己的市场地位。对于被微软收购后的领英，则也享有了微软拥有的资源，进一步稳固拓展其市场地位。对两者而言，实际均在一定程度上，增强了自己，影响到他人的竞争。可见，经营者集中的审查将面临新的挑战，相关市场的关注已经不够，“不相关市场”及“未来市场”的分析将越发得到重视。
除了上述可能形成的垄断行为外，互联网企业之间也可能达成垄断协议，如数据同盟协议，即限制协议各方的数据使用、交易对象等，继而排除、限制其他经营者的竞争。
2、不正当竞争
在大数据时代下，互联网企业的竞争中，逐步聚焦在大数据算法和数据资源上。在现实的商业活动中，这两项已构成了经营者所掌握的一种商业秘密和竞争能力。经营者通过对其他经营者数据的爬取、窃取、甚至恶意破坏，实际上已经影响到了被侵害者的市场竞争能力，这种行为可能被认定为不正当竞争。
（1）“大数据不正当竞争第一案”
在被称为我国“大数据不正当竞争第一案”的“脉脉非法抓取使用新浪微博用户信息”案中，法院认定非法抓取、使用平台用户信息构成不正当竞争。
本案中，新浪微博运营商微梦公司认为脉脉软件在与其合作期间及终止合作后，不当使用新浪微博用户信息，具体包括：非法抓取、使用新浪微博用户信息，包括头像、名称（昵称）、职业、教育信息及用户自定义标签；通过脉脉用户手机通讯录中联系人，非法获得、非法使用这些联系人和新浪微博用户的对应关系。脉脉的行为导致用户信息泄露而影响其公司声誉及运营收入，构成不正当竞争，并索赔1000万元。
被告脉脉软件运营商淘友公司则认为，脉脉获取的信息，并非从原告处获取，而是通过脉脉用户自行填写的信息，以及协同过滤算法而获取的。
结合双方专家辅助人及相关技术专家的意见，北京市海淀区人民法院认为在较短时间的数据积累下，脉脉用于协同过滤算法的数据源在数量、质量方面没有充分可靠保证，难以计算出准确的用户信息和对应关系，并于 2016年4月作出一审判决：认定脉脉软件非法抓取、使用新浪微博平台用户信息，以及通过脉脉用户手机通讯录中联系人手机号与新浪微博用户信息形成对应关系等行为构成不正当竞争行为，赔偿微梦公司经济损失200万元。被告淘友公司后提出上诉，2016年12月北京市知识产权法院作出二审判决，驳回上诉，维持原判。
（2）防范不正当竞争
首先，企业仍应不断提升自身的核心竞争力，优化、发展自身的大数据系统，提高服务质量。
其次，企业应不断加强、完善自身的信息网络安全，如对必要的端口实施监控，甚至关闭，提升整体的系统安全性。
第三，除技术措施外，企业对于数据的保护应制度化，相关人员、文档、软硬件的管理制度应符合商业秘密保护的标准。
第四，在与外部平台合作时，协议中应尽量明确在数据使用上双方的权利义务，可以约定相应的惩罚性违约金，震慑对方，并在争议发生后可以有效的主张权益。
第五，积极维权，合理利用行政、民事，甚至刑事的救济方式。
大数据对于竞争法的实施既有挑战亦是机遇，如传统竞争法着眼于事中、事后规制，已不能适应大数据时代下，经营者在事前对于潜在竞争者的限制。希望不久可以出台大数据相关的竞争法规则，明确相关定义，确认相关违法行为的认定标准及责任承担等，建立具有预防性和整体性的规制系统，保护市场的自由和公平竞争。
参考文献
1. 彭宇、庞景月、刘大同、彭喜元：《大数据: 内涵、技术体系与展望》，载《电子测量与仪器学报》2015年第4期。
2. 李学龙、龚海刚：《大数据系统综述》，载《中国科学：信息科学》2015年第1期。
3. 梁吉业、冯晨娇、宋鹏：《大数据相关分析综述》，载《计算机学报》2016年第1期。
4. 官思发、孟玺、李宗洁、刘扬：《大数据分析研究现状、问题与对策》，载《情报杂志》2015年第5期。
5. 孟小峰、张啸剑：《大数据隐私管理》，载《计算机研究与发展》2015年第2期。
6. 王秀哲：《大数据时代个人信息法律保护制度之重构》，载《法学论坛》2018年11月第6期。
7. 龙卫球：《再论企业数据保护的财产权化路径》，载《东方法学》2018年第5期。
8. 王先林：《论反垄断法实施中的相关市场界定》，载《法律科学》2008年第1期。
9. 张平：《〈反不正当竞争法〉的一般条款及其适用—搜索引擎爬虫协议引发的思考》，载《法律适用》2013年第3期。
10. 陈兵：《大数据的竞争法属性及规制意义》，载《法学》2018年第8期。
11. 张璇：《大数据不正当竞争第一案的烧脑庭审》，载《人民法院报》2017年4月10日第６版。
电话：138 1840 3951
题图来源 | 摄图网