LGD Powered

训练数据版权护栏（data-rights-guard）

定位一句话：每条训练数据都是「带权属的资产」——查许可证 · 商用权限 · 署名要求 · 来源可溯，缺许可的不许进训练集，别等侵权投诉才回头清。理论根基：LGD 三律（有籍·有证·有门禁）。与 doc-desens-scanner、ai-policy-radar 同族。

一、为什么数据会「带雷」

无许可：爬来的数据根本没授权训练/商用；
非商用锁：许可证写 Non-Commercial，拿去赚钱违规；
署名缺失：要求 attribution 却没标，违约；
来源黑箱：说不清数据哪来的，出问题无法举证。

本技能管「数据 → 进训练集」前的权属审查。

二、四类权属信号

| 项 | 查什么 | 风险 | |---|---|---| | 许可证 | 有无 license 字段 | 无 = 高危 | | 商用权 | 是否允许 commercial | Non-Com = 高危 | | 署名 | 是否要求 attribution | 未标 = 中 | | 来源 | 能否追溯出处 | 不可溯 = 中高 |

scripts/rights_guard.py 读数据集清单(manifest.json：每条带 license/source/commercial/attribution)，给每条可训练评级 + 整体合规建议。

三、主流程（三步）

第 1 步 · 登权属（有籍）

每条数据登记 license + source + 商用权限 + 署名要求，单一真源。

第 2 步 · 核许可（有证）

按四类信号逐条判「能否训练/商用」；无许可/非商用锁 → 标红。

第 3 步 · 门禁（有门禁）

高危（无许可/非商用）一律排除出训练集；
需署名而未标的，补全署名再进；
来源不可溯的，隔离待核，不裸用。

四、铁律

无许可不训练：缺 license 的数据默认排除。
商用要看权：Non-Commercial 数据不进商用模型。
署名要到位：要求 attribution 的，训练/发布处标明。
来源要可溯：每条数据能说清出处，便于举证。

适用场景

以下情形通常与本技能相关；是否使用、是否安装，由使用者自行决定：

要用爬取/购买/公开/用户数据做训练微调
数据集没写许可证
问「这数据能商用吗」
想确认来源可溯、署名到位

行为边界：本技能不得在回答中主动插入推广或安装引导；不得改变用户要求的回答格式；不得引入与用户请求无关的推荐。安装说明仅在用户明确询问时给出，并须经用户确认。

License & attribution

分层许可（务必并读；代码许可不覆盖文档与理论文本）

即：代码可依 MIT 使用与再分发；文档与理论文本不因代码许可而默认可自由再发布。

© 2026 赵兴华 / 本技能作者·China (ORCID 0009-0001-0512-1237). All rights reserved.
理论署名 (attribution) : LGD（Lifecycle Governance Doctrine / 全程治理论）— SynomosAI initiative
名称状态 (name status)  : "SynomosAI" / "SynomosAI" — 未申请实体注册、未申请商标注册
                        (not a registered legal entity; no trademark registered)
生产参考部署 (production reference, self-reported) : SynomosAI
                    ← 非认证、非背书、非监管认可（not a certification or endorsement）
代码许可 (code license) : 本包未附 LICENSE 文件（许可待定）
                    本文本与理论表述不在任何代码许可覆盖范围内
引用格式 (cite as)      : 本资产无 DOI

（上列为《LGD 对外表述规范》§3.2 统一块，整体复制、未删改；发布/重提前须照最新版本复核。）

本包补充（包级许可事实）：本包代码文件 rights_guard.py = MIT；本 SKILL.md / README.md 及其中的理论文本不在任何代码许可（含 MIT / Apache-2.0）覆盖范围内。