生成式人工智能在模拟真实图像、文本和数据模式方面展示了令人瞩目的能力，然而，大规模数据集的使用引发了对数据隐私和版权侵权的担忧，传统方法只能提供问题的局部解决方案。我们的论文对数据生命周期内的隐私和版权保护面临的多层面挑战进行了深入研究，并主张综合技术创新与伦理思考来综合性地解决这些问题，以生命周期的视角开展调查和设计解决方案，旨在激发更广泛的讨论，并在生成式人工智能中积极推动数据隐私和版权完整性的共同努力。

Nov, 2023

从技术角度综述了版权保护，包括数据源权利保护和生成模型版权保护，探讨了数据所有者保护内容和合法利用 DGMs 的方法，以及防止模型盗取和识别特定模型生成结果的策略。同时，强调了现有技术限制和待开发领域，并讨论了版权保护对 Generative AI 可持续和道德发展的重要性。

Feb, 2024

通过建立一个带有内生内容创作和 AI 模型发展的动态模型，我们研究了公平使用标准和 AI 版权可保护性对人工智能发展、AI 公司利润、创作者收入和消费者福利的影响，并揭示了这些影响如何受到各种经济和运营因素的影响，为政策制定者提供了动态、具体背景的决策方法和为全球监管环境中的商业领导者提供了见解。

Feb, 2024

我们提出了一个框架，通过依靠现代生成型人工智能模型的概率性质和经济学中的合作博弈理论技术，按比例向版权所有者补偿其对人工智能生成内容的贡献，实现对生成型人工智能版权的解决。实验证明，我们的框架成功地识别了艺术品生成中使用的最相关的数据源，确保在版权所有者之间公平而可解释的收益分配。

Apr, 2024

生成型 AI 技术对艺术家权益、内容制作、数据收集、隐私、信息准确性和知识产权等方面产生了法律和伦理问题，尤其在是否侵犯了人类创作者的知识产权方面引发了法律挑战。AI 模型生成的结果能否满足现行法律下侵权的法定标准，各个法院的早期判断并不一致。

Nov, 2023

大型生成型人工智能（GAI）模型可以生成逐渐无法区分是否人工生成的文本、图片、声音和其他形式的媒体。本文研究了训练数据的知识产权问题，重点关注生成模型的特性，探讨可能导致潜在知识产权侵犯的滥用行为，并提出了一个分类体系，对 GAI 中保护数据免受知识产权侵犯的技术解决方案进行系统评述。

Apr, 2024

该研究旨在针对生成式人工智能在音乐产业中所引发的版权挑战，重点关注经济方面的问题，并提出了用于 AI 音乐生成平台的潜在版税模式。研究方法包括对 Spotify 和 YouTube 等现有版税模式进行详细分析，并将其适应于 AI 生成音乐的特殊背景。研究通过数据归属技术提出了解决 AI 生成音乐与训练数据中有影响力的受版权保护内容之间归属问题的算法解决方案，并通过实验结果验证了这些解决方案的有效性。该研究在生成式人工智能领域中首次整合了技术进步与经济和法律考虑，为 AI 技术的不透明性带来的挑战提供了计算版权解决方案。

Dec, 2023

研究人类创作与生成性人工智能工具关联性的问题。

Sep, 2023

人工智能和生成模型对知识工作产生了深远影响，探讨了创造力、原创性、抄袭、归属权等问题。通过文学批评、艺术史和版权法例子，指出创造力和原创性无法被界定为对象的信息熵属性，而是过程、作者或观众的属性。认为创造力最终由创作者和受众共同界定，在人工智能的创造性知识工作中，推动了知识工作从物质生产向批判性融合的转变。提出需更充分认识用户创造性和策展角色的问题，并远离简化的符号或信息熵观点。

Jul, 2023

该论文探讨如何使用算法稳定技术保护受版权保护的内容免受生成 AI 模型的影响，并指出只是采用这些技术并不能等同于保护版权内容。

May, 2023