综合整理自：南方都市报、红星新闻

案情回顾

微信读书软件是由腾讯广州公司运营的一款手机阅读应用，用户可以在该款软件上进行阅读书籍、分享书评等操作。

去年，原告黄女士无意中发现自己的微信读书已经关联了上百个好友，而她对此并不知情，也不曾主动关注任何人。

2020年7月30日，北京互联网法院对“黄女士与腾讯科技（北京）有限公司等网络侵权责任纠纷一案”进行一审宣判，认定微信读书在未经用户有效同意的情况下获取微信好友关系，并自动关注微信好友，还向共同使用微信读书的微信好友默认开放其读书信息构成对个人信息权益的侵权。

根据判决结果，腾讯应停止微信读书收集、使用原告微信好友列表的行为，并删除这些列表信息，解除原告与微信好友的互相关注，停止向微信好友展示原告读书信息。此外，腾讯还需向原告书面赔礼道歉。

案情亮点

一、 不授权不能使用的设计不违反相关法律
原告：在使用微信登录微信读书时，需一次性授权：1. 用户的微信昵称、头像、地区、性别；2. 共同使用该应用的微信好友。实际上，微信读书虽然在形式上获得了用户授权的点击，但这个功能设计本身属于“变相强迫”用户授权隐私和个人信息。

腾讯：微信读书在相关服务协议中明确使用该服务需要获得微信授权，包括微信帐户的公开信息（昵称、头像等）、寻找与你共同使用该应用的微信好友等。并且，微信读书在登录页面中向用户提示使用其微信好友关系并获得了用户同意。

法院：用户是否能够自主选择应在充分尊重用户和服务提供者双方意愿的基础上，考虑选择对用户的实质影响等因素。用户不同意被收集某项信息就无法使用该应用，这是微信读书选择的运营模式，并且，微信读书不像微信已成为大众必不可少的社交软件，用户不使用不会感到明显不适，还可以在市场中选择其他同类产品。仅就本案中微信读书收集好友列表的方式来看，腾讯公司并不违反相关法律。

二、 自动添加关注侵犯用户个人信息权益
原告：在没有进行任何添加关注操作的情况下，账户中“我关注的”页面下出现了大量原告的微信好友；同时，在“关注我的”栏目下也同样出现了大量的原告微信好友。被告擅自利用上述数据控制原告账户、自动为原告添加关注关系的行为，不仅侵犯了原告所享有的个人信息权益，还侵犯了原告的隐私权。

腾讯：无论是不是自动关注，因为用户同意了微信读书获取其微信好友关系，并且“寻找与其共同使用该应用的微信好友”，就代表着“关注好友”实际上“仅是对获取的微信好友关系的一种对应体现”。

值得注意的是，无论原告还是被告，均未能提出决定性证据证明原告的微信读书里已有的关注人和被关注人是哪一方添加的。

法院：腾讯一方面曾承认存在自动添加关注的版本，另一方面，其有能力提供用户添加关注操作的后台操作说明以及是否设计自动关注功能的代码却不提供，本院采信原告的主张，认定微信读书中存在自动添加关注的情况。微信读书为原告自动添加关注微信好友的行为，显然没有征得原告同意，构成对原告个人信息权益的侵害。

不过，法院认为微信好友列表等属于用户个人信息，尚未达到私密信息的程度。好友列表信息包括微信好友的Open_ID、头像、昵称等网络标识信息，可以达到个人信息识别层面的标注，但不能据此获知原告与其他用户真实社交关系的程度，如亲疏远近等，达不到私密程度。仅就微信读书收集微信好友关系这一单一行为来看，并未构成对原告隐私权的侵害。

三、 默认展示读书信息存在较高侵犯用户隐私的风险

原告：在使用该软件的过程中发现，即使她与微信好友在微信读书中没有任何关注关系，也能够相互查看对方的书架、正在阅读的读物、读书想法等信息，而这些信息是她并不愿向他人展示的隐私信息。用户使用微信读书时的读书时长，用户阅读的读物，以及用户没有公开主动发表的书评，包含了用户的阅读习惯，阅读时间，生活状态，乃至于政治立场价值观等多方面的信息。在本案中，属于原告不打算公之于众的信息，符合草案中对于隐私的定义。

腾讯：展示用户的读书信息经过了用户授权。微信读书不仅在《用户协议》等文件中告知用户可以看到微信好友阅读、分享的读物及其读书想法，还在具体使用场景中对用户进行了提示。读书信息属于个人信息，但是否属于隐私要看情况。“特别是其中的类似于读书时长不属于隐私，读书的书籍以及他的（读书）想法……一般情况下也不属于隐私”，被告代理律师、北京市环球律师事务所律师朱颖说。

法院：虽然微信读书在用户协议中将读书信息描述为软件使用信息，包括但不限于“你的书架”、“你正在阅读的读物”等信息，软件实际还展示读书时长等用户使用微信读书的主要痕迹信息。这些信息组合起来一定程度上可以彰显一个人兴趣爱好、审美情趣、文化修养，勾勒刻画出一个人的人格侧面，而这些恰恰是大量社会评价产生的基础。用户应有控制是否对外展示这些信息的权利。

在未明确告知用户的情况下，微信读书将用户的读书信息默认向有关注关系和没有关注关系的微信好友开放，与其他阅读应用只向自主建立好友关系的用户展示明显不同，不符合用户的合理预期，存在较高侵犯用户隐私的风险。