Web scraping hợp pháp năm 2026? Những điều scrapers cần biết

Luật nào có thể áp dụng cho trình thu thập web?

Hỏi năm câu về mỗi dự án:

1. Truy cập. Bạn có vượt qua đăng nhập, tường phí hay cửa ngõ khác không? Luật phòng chống lạm dụng máy tính quan tâm đến quyền truy cập; trang công khai khác với trang bảo vệ.
2. Vượt hàng rào. Bạn có phá được biện pháp kỹ thuật nào, như hệ thống chống bot không? Ở Mỹ, điều khoản 1201 DMCA đang được kiểm tra với scrapers.
3. Hợp đồng. Bạn có đồng ý điều khoản trang, ví dụ tạo tài khoản không? Vi phạm điều khoản có thể là tranh chấp hợp đồng dù truy cập hợp pháp.
4. Nội dung. Bạn có sao chép văn bản, hình ảnh hay cơ sở dữ liệu được bảo vệ không? Bản quyền, và trong EU quyền cơ sở dữ liệu bảo vệ nhiều hơn sự thật.
5. Nhân khẩu. Dữ liệu có nhận diện được ai không? Luật bảo vệ dữ liệu như GDPR hay luật riêng tiểu bang Mỹ sẽ áp dụng, dù công khai hay không.

Tình hình pháp lý tại Hoa Kỳ?

• Luật máy tính và chống lạm dụng. Sau phán quyết Van Buren (2021) của Tối cao pháp viện, Tòa án Phúc thẩm thứ chín kết luận trong hiQ kiện LinkedIn (4/2022) việc thu thập dữ liệu công khai không phải truy cập "không được phép". Cùng vụ kiện cũng xếp hiQ vi phạm thỏa thuận người dùng LinkedIn và dẫn đến hòa giải.
• Điều khoản sử dụng. Trong Meta kiện Bright Data (N.D. Cal., 1/2024), tòa thấy điều khoản Meta không cấm scraping không đăng nhập dữ liệu công khai; Meta rút đơn kiện. X Corp kiện Bright Data bị bác vào 5/2024 và cuối cùng hòa giải.
• Chống vượt hàng rào. Hai vụ năm 2026 kiểm tra liệu phá hệ thống chống bot có vi phạm điều 1201 DMCA không. Trong Google kiện SerpApi, đơn đầu bị bác tháng 7/2026, đơn sửa đổi đang chờ. Trong Reddit kiện SerpApi, Oxylabs, AWMProxy và Perplexity, ngày 31/7/2026 tòa phần lớn bác đơn bác bỏ của SerpApi và Perplexity; đơn Oxylabs còn chờ xử lý tháng 10/2026. Chưa ai bị kết luận chịu trách nhiệm, tòa chưa xét nội dung chính.
• Bản quyền và AI. Tháng 9/2026, Tòa án Phúc thẩm thứ ba kết luận trong Thomson Reuters kiện Ross việc huấn luyện công cụ tìm kiếm pháp lý không tạo sinh trên Westlaw headnotes không vi phạm sử dụng công bằng.

Tình hình pháp lý tại EU và Anh?

• Trích xuất văn bản và dữ liệu. Luật bản quyền EU cho phép khai thác dữ liệu văn bản hợp pháp trừ khi chủ sở hữu có cảnh báo rõ ràng đối với nội dung online dưới dạng có thể đọc bằng máy. Trong Kneschke kiện LAION (12/2025), Tòa Cấp cao Hamburg xác định LAION, tổ chức nghiên cứu phi thương mại, có thể dựa trên ngoại lệ TDM cho nghiên cứu khoa học; cảnh báo bằng ngôn ngữ đơn giản không được công nhận theo công nghệ 2021. Việc này có thể thay đổi theo công nghệ, và cho phép kháng cáo lên Tòa Liên bang (BGH). Các crawler thương mại nên tuân thủ cảnh báo ngôn ngữ đơn giản trong điều khoản sử dụng hiện nay.
• Luật AI. Nhà cung cấp mô hình AI dùng chung phải có chính sách nhận diện và tôn trọng các cảnh báo đó (Điều 53). Bộ quy tắc 2025 cam kết các bên ký tuân thủ robots.txt.
• Quyền cơ sở dữ liệu. Quyền sui generis cơ sở dữ liệu EU bảo vệ đầu tư đáng kể. Tòa công lý châu Âu trong CV-Online Latvia kiện Melons (2021) xác định tái sử dụng cơ sở dữ liệu có thể vi phạm khi gây hại đầu tư đó.
• Dữ liệu cá nhân. GDPR áp dụng với dữ liệu cá nhân công khai. Ý kiến 28/2024 của EDPB cho biết lợi ích hợp pháp có thể là cơ sở pháp lý cho phát triển AI, từng trường hợp; CNIL phát khuyến nghị về scraping cho AI tháng 6/2025.
• Vương quốc Anh. Trong Getty Images kiện Stability AI (11/2025), Tòa Thượng thẩm bác yêu cầu bản quyền thứ cấp trên mô hình; Getty được phép kháng cáo.

Làm sao để giảm rủi ro pháp lý khi dự án thu thập dữ liệu web?

• Chỉ trang công khai. Không đăng nhập, không tường trả phí, không tài khoản bạn không sở hữu.
• Tôn trọng robots.txt và lựa chọn không tham gia AI. Áp dụng RFC 9309, tuân thủ tín hiệu kiểu ai-train=no cho dữ liệu đào tạo, và ghi lại những gì bạn đã kiểm tra và khi nào.
• Không vượt rào. Không giải CAPTCHA, không sử dụng công cụ nhằm đánh lừa phát hiện bot, không thử lại để vượt qua từ chối. Xem cách phản hồi với 403, 429 và CAPTCHA.
• Đọc kỹ điều khoản của các trang bạn phụ thuộc, nhất là khi bạn có tài khoản ở đó.
• Giảm thiểu dữ liệu cá nhân, ghi chép cơ sở pháp lý và duy trì cách đáp ứng phản đối.
• Sử dụng dữ liệu thu thập công bằng: sự kiện và phân tích an toàn hơn là xuất bản lại toàn bộ văn bản hoặc hình ảnh.
• Giữ hồ sơ: URL, ngày tháng, phiên bản robots.txt và nhận dạng trình thu thập của bạn.

Với những việc có rủi ro thực sự, hãy hỏi ý kiến luật sư ở những quốc gia liên quan.

Dùng proxy có làm thay đổi tính hợp pháp của việc thu thập dữ liệu không?

Không. Proxy chỉ thay đổi nơi xuất phát của yêu cầu của bạn; nó không làm thay đổi những gì bạn thu thập hoặc cách thức thực hiện. Vẫn áp dụng năm câu hỏi giống nhau có hoặc không có proxy. Có hai điểm thay đổi. Thứ nhất, luật lệ của nhà cung cấp proxy: CrawlRelay's Chính sách sử dụng hợp lệ chỉ cho phép dữ liệu công khai và cấm vượt rào, gian lận. Thứ hai, nguồn IP của nhà cung cấp: năm 2026 Google và chính quyền Mỹ đã ngắt các mạng IPIDEA và NetNut vì thiết bị bị tuyển dụng không đúng phép, nên hãy hỏi về nguồn IP của nhà cung cấp. Chúng tôi cung cấp thông tin chi tiết trên trang nguồn.