《个人数据合法处理全流程拆解》

第2章核心原则（上）

2、核心原则（上）：合法、公正、透明原则的拆解与案例

📌 一、合法原则（Lawfulness）

1.1 核心要义

数据处理必须基于法律规定的合法基础，不得超越法律授权范围。这是数据处理的“通行证”，没有合法基础，一切处理行为均属违法。

1.2 六大合法基础（GDPR / 中国《个保法》）

序号	合法基础	适用场景举例	注意事项
1	用户同意	收集用户邮箱用于发送营销邮件	需自愿、明确、可撤回
2	履行合同	电商平台使用收货地址发货	限于合同必要范围
3	法定义务	金融机构向央行报送反洗钱数据	需有明确法律依据
4	保护重大利益	紧急医疗情况下使用患者数据	限于生命健康等紧急情形
5	公共利益	政府统计部门采集人口数据	需依法授权
6	正当利益	企业使用客户数据防止欺诈	需进行利益平衡测试

📌 二、公正原则（Fairness）

2.1 核心要义

数据处理方式必须公平合理，不得对数据主体产生不合理的歧视、欺骗或损害。公正原则要求“结果正义”与“过程正义”的统一。

2.2 公正原则的四个维度

⚖️ 不歧视：不得基于种族、民族、宗教信仰等对个人进行差别对待
🔄 不欺骗：不得以误导性方式获取或使用数据（如暗箱操作）
📊 不滥用：不得利用信息不对称优势损害数据主体利益
🔍 可解释：处理结果应能被合理解释，尤其是自动化决策

📌 三、透明原则（Transparency）

3.1 核心要义

数据控制者必须以清晰、易懂、易获取的方式向数据主体告知数据处理的相关信息。透明原则是“知情权”的保障，也是其他原则得以实现的基础。

3.2 透明原则的“三必须”

维度	具体要求	常见违规案例
告知内容	控制者身份、处理目的、数据类别、存储期限、权利行使方式等	隐私政策使用“等”“可能”等模糊词汇
告知方式	分层告知、弹窗提示、图标标识、语音播报等	将隐私政策链接藏在页面最底部
告知语言	使用通俗易懂的语言，避免专业术语堆砌	使用“数据聚合分析”“用户画像建模”等晦涩表述

📌 四、综合案例拆解

📋 案例：某电商平台的“个性化推荐”功能

🔴 违规做法

未告知用户将收集浏览记录用于推荐
默认勾选“同意个性化推荐”
推荐算法导致“大数据杀熟”
隐私政策使用“我们可能收集相关信息”等模糊表述

🟢 合规做法

首次打开APP时弹窗告知并获取明确同意
提供“关闭个性化推荐”的便捷开关
推荐结果标注“基于您的浏览记录推荐”
隐私政策中详细列出数据类别、用途、存储期限

📌 五、合规检查清单

✅ 是否已明确数据处理的法律基础？
✅ 是否对数据主体进行了充分告知？
✅ 数据处理方式是否公平、无歧视？
✅ 隐私政策是否使用通俗易懂的语言？
✅ 是否提供了便捷的权利行使渠道？
✅ 自动化决策是否可解释、可申诉？