信息網絡犯罪中大數據證據的定位與運用

李 寧，梁 勐

（中國海洋大學，山東 青島 266000；日照經濟技術開發區人民檢察院，山東 日照 276800）

一、問題的提出

近年來，“大數據技術”“互聯網+”“人工智能”等逐漸成為社會熱點詞，展現出蓬勃的發展趨勢并且對人們社會生活、國家經濟發展和社會治理工作的影響愈發廣泛。大數據時代到來，給社會發展帶來了契機的同時，社會治理工作的難度也加大了。伴隨著國家對傳統犯罪的深度治理，加之受疫情影響，傳統犯罪的發生率有所降低，但是以詐騙罪和幫助信息網絡犯罪活動罪為代表的信息網絡犯罪卻呈現出高發態勢。2022年8月1日，中國司法大數據研究院發布了《涉信息網絡犯罪特點和趨勢（2017.1-2021.12）司法大數據專題報告》（以下簡稱《報告》）。《報告》指出2017年至2021年，全國各級法院一審審結的涉信息網絡犯罪案件共計28.20萬余件，案件量呈逐年上升趨勢；全國涉信息網絡犯罪案件共涉及282個罪名，其中詐騙罪案件量占比最高，為36.53%，其次為幫助信息網絡犯罪活動罪，案件量占比為23.76%。①參見《涉信息網絡犯罪特點和趨勢司法大數據專題報告發布》，2022年8月1日，載中國法院網，https://www.chinacourt.org/article/detail/2022/08/id/6826831.shtml，2023年8月16日訪問。在虛擬空間和現實空間相互交織的背景下，行為人利用互聯網信息技術實施的詐騙犯罪出現乘數效應。同時，信息網絡犯罪案件中，海量電子數據、網絡平臺中的交易數據等遠超出辦案人員的人工算力，并且不同的機構之間存在著不同程度的數據隔離情況。由此衍生的“數據孤島”現象導致案件相關數據調取和分析存在一定的困難。①參見簡潔：《金融領域犯罪呈現八大特征》，載《檢察日報》2023年2月14日，第7版。在上述背景下，大數據偵查應運而生。大數據偵查通過數據挖掘、分析、共享等方式對海量數據進行處理，從而獲得能夠證明案件事實的大數據證據。從理論層面來看，大數據證據作為一種新興的證據種類，雖然理論界多有探討，②有代表性的論述，如劉品新：《論大數據證據》，載《環球法律評論》2019年第1期；林喜芬：《大數據證據在刑事司法中的運用初探》，載《法學論壇》2021年第3期；程龍：《論大數據證據質證的形式化及其實質化路徑》，載《政治與法律》2022年第5期。但是對其證據屬性如何定位及審查運用等尚存爭議。從法律規范層面來看，法律的滯后性導致無法從現有的法律規定中找到其合法性和有效性的根據。從司法實踐層面來看，大數據證據在信息網絡犯罪的處理過程中發揮著越來越重要的作用，但因大數據技術的復雜性、算法黑箱、侵權風險、證據偏在等多重因素影響，大數據證據的真實性、可采性和證明力面臨困境。為此，如何實現大數據證據在辦案過程中全面有效地運用成為當前司法領域亟需解決的問題。

二、信息網絡犯罪中大數據證據的定位

在追究犯罪的過程中，證據作為證明案件事實的依據，但并非用于證明的依據都屬于法定證據種類。我國法律中對證據種類的規定采取列舉式，這種方式明確賦予那些運用于司法中的證據以法律地位，但其缺點也飽受詬病，即列舉式具有不周延性，如果不能根據司法實踐中的新變化、新發展及時作出調整，就會導致辦案人員對該類證據的運用產生疑惑和混亂。信息網絡犯罪中的大數據證據正處于如此尷尬境地。我國法定證據發展史上，也曾出現過類似情形，例如視聽資料和電子數據經歷了很長一段時間的討論之后才得以寫入法律并成為法定的證據種類。③1996年修改刑事訴訟法時，確定了視聽資料的法律地位；2012 年修改刑事訴訟法時，確定了電子數據的法律地位。視聽資料、電子數據在納入法定證據種類之前，其證據屬性定位一直存有爭議。同時，大數據技術在司法領域中的應用范圍不斷拓寬，辦案人員也逐漸接受“大數據+司法”的理念。通過裁判文書網對相關案件進行檢索發現，許多裁判文書中已經出現了運用海量數據作出案件說明或證明相關案件事實的情況，大數據證據正在走向司法舞臺。證據作為訴訟的核心，要求司法實踐中的一切訴訟活動都應當圍繞證據的收集和審查展開，信息網絡犯罪的特性也決定了大數據證據對于案件處理的重要性。大數據證據作為一種新興的證據類型，各界對其爭議頗多。信息網絡犯罪中大數據證據的爭議主要表現為大數據證據概念及證據種類的爭議。當前，為盡快明確信息網絡犯罪中大數據證據的法律地位，應厘清上述主要爭議。

（一）大數據證據的概念

對大數據證據的概念進行明確界定，是進一步分析其證據種類定位和作用方式的前提條件，也是解決當前司法實踐中運用困境的重要基礎。何為大數據證據，學者們的觀點不一。有學者直接將大數據證據看作偵查機關在利用大數據技術進行偵查時所收集的證據材料，并對大數據偵查進行界定，即“利用計算機技術對存儲于計算機系統和網絡中的海量數據進行收集、挖掘、共享、清洗和比對，從而獲取犯罪線索、證據信息或犯罪嫌疑人的偵查方法與措施。”①參見程雷：《大數據偵查的法律控制》，載《中國社會科學》2018年第11期。有學者認為大數據證據是一種復合型證據，即“大數據證據是運用大數據技術、思維、方法等獲取的與案件事實相關的一切材料，是集物證、書證、鑒定意見等證據種類于一身的綜合體。”②徐惠、李曉東：《大數據證據之證據屬性證成研究》，載《中國人民公安大學學報（社會科學版）》2020年第1期。此外，實務界的學者認為現階段大數據證據未成為法定證據種類，同時作為新興技術的產物，其內涵和外延會隨著科技的迭代升級而不斷變化，所以主張其內涵外延的開放性，即“將其界定為包括海量數據、大數據分析技術和大數據分析結果三部分的綜合體。”③參見 莊偉、陳禹橦、張楊楊：《大數據證據在互聯網金融犯罪案件中的審查運用》，載《人民檢察》2022年第20期。

上述學者從不同的角度試圖明確大數據證據的概念，有一定的合理性，但也值得商榷。其一，不能僅通過偵查手段界定證據的種類。司法實踐中，并非所有通過大數據偵查方式獲取的證據都是大數據證據，例如通過大數據偵查方式獲取的某些信息一旦被提取，便與其來源途徑和方式獨立開來，以電子數據、書證等法定證據種類提交法庭審查。其二，不能簡單地將處理證據的方法和技術作為界定證據種類的依據。面對海量證據，算法模型的介入和數據的結構化處理只是數據處理過程中所使用的技術，技術具有中立性原則，不做任何價值評價。其三，不能將原始大數據集等同于大數據證據。大數據偵查所面向的對象是數據庫中的海量數據，這些數據集無法通過人力所分析和獲取，需借助大數據算法分析模型轉化成所需要的大數據分析報告，方能為法庭認定案件事實提供幫助。基于此，應當從大數據證據的特征入手對大數據證據進行界定。大數據證據需同時具備兩個特征：一是大數據證據的原始數據應當來源于無法通過人力直接獲取的大數據集；二是原始數據集必須通過大數據分析模型轉化為能夠直接被事實認定者所感知的大數據報告。根據大數據證據的上述特征，大數據證據是運用大數據分析模型，對數據庫中的海量數據集進行挖掘、碰撞、分析，最終以大數據報告的形式來證明案件事實的證據。

（二）大數據證據的證據種類歸屬

根據《中華人民共和國刑事訴訟法》（以下簡稱《刑事訴訟法》）規定，我國的法定證據種類有八種。④《刑事訴訟法》第50條：“可以用于證明案件事實的材料，都是證據。證據包括：（一）物證；（二）書證；（三）證人證言；（四）被害人陳述；（五）犯罪嫌疑人、被告人供述和辯解；（六）鑒定意見；（七）勘驗、檢查、辨認、偵查實驗等筆錄；（八）視聽資料、電子數據。證據必須經過查證屬實，才能作為定案的根據。”這表明我國實行的是證據種類法定化模式，即只有法律明確規定的八種證據才屬于法律意義上的證據，并能夠依法作為定案根據。雖然在信息網絡犯罪的司法實踐中，法院幾乎從不會因為某一證據材料是否屬于“法定證據種類”而將其排除在定案根據之外，⑤參見陳瑞華：《刑事證據法學》，北京大學出版社2014年版，第165頁。但從證據理論體系的發展來看，有必要明確大數據證據所屬的證據種類并賦予其法律地位。

從司法實踐來看，部分刑事案件已經采用大數據證據來證明案件事實。由于大數據證據的證據種類尚存爭議，所以判決書中沒有出現“大數據證據”這一用語，而是以“網絡輿情報告”①參見陜西省洋縣人民法院刑事判決書（2019）陜0723刑初14號。“大數據材料”②參見浙江省溫嶺市人民法院刑事判決書（2020）浙1081刑初802號。“大數據分析報告”③參見新疆維吾爾自治區烏魯木齊市中級人民法院刑事附帶民事判決書（2020）新01刑初45號。等用語加以表述。顯然，判決中所提到的上述證據本質上都屬于大數據證據，法院也在司法實踐中認可了其證據身份。通過中國裁判文書網對與大數據證據有關的判決書進行檢索并分析后，發現司法實務中對大數據證據的認定方式主要有四種：（1）作為法定證據種類；（2）列為單獨的證據，沒有明確其證據種類，直接結合其他證據共同證明案件事實；（3）轉化為傳統的證據形式，例如書證、電子證據等；（4）作為補強證據，即通過大數據分析結果來增強其他法定證據的證明力而非將大數據分析結果直接列為證據。判決書中關于大數據證據的四種認定方式，后三種出現的次數要比第一種多且沒有對該證據進行證據種類的界定。這是因為《刑事訴訟法》未將大數據證據列入法定證據種類，但這類證據確實發揮了證明案件事實的實際作用，故法官依據自身經驗將其歸類于最相似的證據種類或者僅承認其證明力而不做歸類處理。

從理論研究來看，學者們對大數據證據的證據種類尚未達成共識，具有代表性的觀點有“證人證言說”“鑒定意見說”“獨立證據種類說”。（1）“證人證言說”。該學說的立足點在于“機器證言”的出現，這一概念出自美國學者Roth教授。他認為隨著人工智能、大數據技術的發展，機器對于法律糾紛中的事實認定發揮著越來越重要的作用，經機器智能分析、精確計算得出的客觀結論可以看作“機器證言”。④參見Roth A. Machine Testimony. The Yale Law Journal, 2017（7）。將生成大數據分析報告的機器看作證人，那么大數據分析報告便可以歸入證人證言范疇。但該觀點不能實現當事人與證人的當庭對質權，而且法庭也難以對該證言的可信性做出準確判斷，所以我國尚未普遍接受“機器證言”這一概念。（2）“鑒定意見說”。持該觀點的學者認為應當將大數據證據歸入鑒定意見這一法定證據種類加以適用。有學者指出，將大數據證據納入鑒定意見的證據種類范疇有相應的法律依據，即根據《最高人民法院關于適用〈中華人民共和國刑事訴訟法〉的解釋》第100條第1款，⑤《最高人民法院關于適用〈中華人民共和國刑事訴訟法〉的解釋》第100條第1款：“因無鑒定機構，或者根據法律、司法解釋的規定，指派、聘請有專門知識的人就案件的專門性問題出具的報告，可以作為證據使用。”在辦理信息網絡犯罪案件的過程中，可以將關于資金流轉的大數據分析報告看作是有專門知識的人就案件的專門性問題出具的報告，該報告利用算法分析技術對資金流轉情況進行分析和處理后，能夠當作證明案件事實的證據使用。⑥參見何家弘等：《大數據偵查給證據法帶來的挑戰》，載《人民檢察》2018年第1期。如果需要對該證據進行說明，出具該分析報告的人應出席法庭進行說明并就該證據展開質證。有學者對上述學者的觀點予以肯定，并指出與“證人證言說”相比，“鑒定意見說”更具合理性，因為鑒定意見和大數據證據均涉及科學問題，所得出的結論本質上都依賴于機器的分析。①參見鄭飛、馬國洋：《大數據證據適用的三重困境及出路》，載《重慶大學學報（社會科學版）》2021年第10期。有學者從中國現實情況出發，認為現階段將大數據證據納入鑒定意見的證據法定種類是較為便宜的選擇。②參見劉品新：《論大數據證據》，載《環球法律評論》2019年第1期。有學者對將來大數據證據的定位進行了展望，認為隨著數字技術的進步，將來大數據碰撞比對結果可以直接作為鑒定意見進行使用。③參見鐘明曦：《論刑事訴訟大數據證據的效力》，載《鐵道警察學院學報》2018年第6期。雖然很多學者和司法工作者將鑒定意見作為當下大數據證據在刑事訴訟中適用的出路，但是由于二者之間存在本質不同，該路徑遇到現實和理論困境。傳統意義上的鑒定意見是將機器作為輔助性工具，最終結果是由鑒定人員做出的，而大數據證據則是完全由大數據算法技術對海量數據集進行分析得出的結論，鑒定人員不參與其中。基于此，將大數據證據納入鑒定意見范疇并非最終出路。（3）“獨立證據種類說”。該學說認為大數據證據有其自身的特點，不能簡單地將其歸入傳統的證據種類，主張只有將其列為獨立的證據種類并賦予其法律地位，才能發揮大數據分析報告在刑事訴訟中的應有價值。持該學說觀點的大部分學者主張在現有證據規范中，大數據證據與其他法定證據種類不能完全契合，大數據證據獨立為證既可以通過理論證成，也有實踐需求。因此，在未來應當通過修改法律將大數據作為單獨的證據種類以順應大數據技術的快速發展。④如何家弘等：《大數據偵查給證據法帶來的挑戰》，載《人民檢察》2018年第1期；再如劉品新：《論大數據證據》，載《環球法律評論》2019年第1期；又如倪春樂、陳博文：《大數據證據的刑事訴訟應用機理研究》，載《中國人民公安大學學報（社會科學版）》2022年第2期。

結合上述觀點及大數據證據同時具備的兩個特征來看，大數據證據的證據種類的歸屬可以參照如下路徑：當前階段，為規范大數據證據在司法實踐中的適用，可以考慮將大數據證據暫時納入與其關系最為緊密的鑒定意見這一法定證據種類；待將來時機成熟時，通過修改《刑事訴訟法》將大數據證據單列為法定證據種類。

三、信息網絡犯罪中大數據證據的運用困境

隨著大數據技術在偵查領域的應用，其所衍生出的“司法產品”即大數據證據對查明案件事實發揮著不可或缺的作用，特別是在信息網絡犯罪中，大數據證據作為一種全新的證據表現形式，備受理論界和實務界關注的同時，也面臨著運用困境。學者指出我國證據的審查和運用有兩道門檻：第一道門檻是從與案件相關的材料到證據，第二道門檻是從證據到定案根據。第一道門檻主要對該材料是否具有證明作用及材料的證據種類進行審查，第二道門檻主要對證據的真實性、可采性和證明力等進行審查。⑤參見吳洪淇：《刑事證據審查的基本制度結構》，載《中國法學》2017年第6期。大數據證據在實踐中審查和運用的第一道門檻上面已展開了詳細討論，不再贅述，在此主要立足于第二道門檻對大數據證據在信息網絡犯罪案件處理中的運用困境展開探討。

（一）真實性存疑：技術復雜性與算法黑箱

進入大數據時代，信息網絡犯罪中犯罪分子利用信息技術的便利不斷更新其犯罪手段，為實現溯源治理，大數據證據應運而生，成為大數據背景下司法實踐的必然產物。大數據證據作為一種新的證據種類，也應當具備證據的一般屬性，即客觀性、關聯性、合法性等。司法人員在處理信息網絡犯罪中的大數據證據時，不可避免的應當對其真實性進行審查。由于大數據技術是一種機器算法行為，通過設置特殊的代碼和程序完成復雜的數據分析，所以司法人員在面對這種復雜技術時難以憑借自身經驗和法律邏輯作出真實性判斷。同時，算法黑箱也增加了大數據證據真實性司法審查的難度。

大數據技術的復雜性決定了司法人員在審查大數據證據的真實性時，難以從其來源過程即算法分析程序加以審查判斷，不能對該證據的真實性形成內心確信。大數據技術的復雜性主要表現為三個方面：一是技術內容的復雜性。在信息網絡犯罪中，大數據技術突破了時間和空間的界限，利用算法對社會生活中產生的各種數據進行大數據采集、預處理、存儲和分析，最終得到證明案件事實所需要的大數據證據。數據的處理過程中涉及的機器算法、大數據分析模型等都由專業人員設計所得，外行人難以了解。二是運算過程的復雜性。大數據技術依靠各種算法模型實現相關數據集的篩選和處理，不同的算法模型所得出的結論也不同，某一結論的得出可能要多個算法模型共同發揮作用。因此，司法人員在面對大數據分析報告時，可能會陷入只知其然而不知其所以然的困境。三是分析結果的復雜性。大數據技術內容和運算過程的復雜性決定著其分析結果的復雜性。大數據技術和人工智能緊密結合，利用“數據經驗”或“機器經驗”對海量數據集進行分析所得到的結果，已經超出人類日常認知或生活經驗所能理解的范圍。例如沃爾瑪曾利用大數據技術分析了蛋撻銷量和颶風之間的動態關系，發現該地季節性颶風來臨之前，美式早餐蛋撻的銷量會增加。人們對該大數據分析結果的認知容易，卻很難接受或理解這種結果。正如機器人專家霍德·利普森（Hod·Lipson）所言，計算機向人類解釋事物很難，某種程度上就像是對著一只狗解釋莎士比亞一般。①參見Davide C. Can we open the black box of AI. Nature, 2016（7623）。

算法的黑箱化運作加劇了司法人員對信息網絡犯罪中大數據證據真實性審查的難度。“黑箱”一詞最早出現在英國學者艾什比的《控制論導論》中，他指出“黑箱”是指人們只能認知它的輸入值和輸出值，而不知其內部結構的系統。②參見 [英]艾什比：《控制論導論》，張理京譯，科學出版社1965年版，第53頁。有學者將其內部結構系統比作無法洞悉的“隱層”。③參見徐鳳：《人工智能算法黑箱的法律規制——以智能投顧為例展開》，載《東方法學》2019年第6期。具體到司法實踐中，“黑箱”使得算法對數據的處理程序不公開，司法人員也無從得知算法的實際目的和意圖，不能掌握算法推演的相關邏輯，難以對該算法分析的結果即大數據證據的真實性作出準確判斷。正如學者所言，“黑箱”導致人們難以理解算法是基于何種原因得出的結論，這些原因有可能是人們較為熟悉并可以接受的，也有可能是人們無法接受的，甚至還有可能是人類無法觀察到的。④參見馬國洋：《論刑事訴訟中人工智能證據的審查》，載《中國刑事法雜志》2021年第5期。根據“證據之鏡”原理，司法人員對事實的認定只能通過證據這一橋梁實現。⑤參見張保生、楊菁：《人工智能法律系統的一種證據推理模型》，載《證據科學》2021年第5期。顯然，大數據技術的復雜性及算法黑箱的存在使得司法人員難以對作為其運行結果的大數據證據進行全面了解，算法的黑箱化運作也限制了專家輔助人對大數據證據作出合理解釋的空間。基于此，司法人員在處理信息網絡犯罪時，難以對案涉大數據證據的客觀真實性作出精準判斷。

（二）可采性挑戰：侵權風險與證據偏在

證據的可采性是英美法系國家的常用語，為避免陪審團受到非法證據的干擾，英美法系國家設立了預先審核程序對證據的可采性進行裁決。只有那些具備可采性的證據，才有資格出現在法庭上。①參見陳瑞華：《關于證據法基本概念的一些思考》，載《中國刑事法雜志》2013年第3期。大陸法系與可采性相對應的概念是證據能力。有學者指出，我國刑事證據能力要件主要是指未被法律排除使用，其中包括未因取證手段、取證主體及取證程序等不合法而無證據能力。②參見艾明：《我國刑事證據能力要件體系重構研究》，載《現代法學》2020年第3期。顯然，證據能力是證據的法律屬性，證據是否具有可采性是由法律預先進行規定的。如果證據獲取的過程中任一環節出現違法狀況，該證據將不具有可采性。大數據證據因其收集程序和處理過程的特殊性，導致其出現可采性困境，特別是受侵權風險和證據偏在的影響。

大數據證據因存在侵權風險而面臨可采性困境。由于大數據證據來源于海量數據集，來源范圍廣泛，難以保證偵查機關在獲取大數據證據時對與案件無關的個人信息權益加以保護。同時，大數據偵查作為一種新型偵查手段，法律的滯后性會導致其缺乏法律規制，司法實踐中可能會出現包含大數據監控信息掠奪、大數據收集信息濫用、大數據偵查缺乏規制等亂象。這導致大數據證據在收集或處理的過程中會對個人信息權益造成不同程度的侵犯，而可采性規則可將這些證據排除在司法范圍之外，從而成為保護公民基本權利的利器。對此，司法機關不能只追求偵查效率而忽視公民的個人信息保護。同時，要想保證獲取的大數據證據具有可靠性，就應當挖掘各數據庫中更為全面的海量數據資料，有些數據資料雖與案件無直接關聯，但經過拼湊、整合、分析之后卻能反映一定的案件情況。大數據證據采集侵權風險和大數據證據原始數據材料的全面性要求在一定程度上具有對立性。正義是證據法的重要價值和追求，大數據證據采集過程中的侵權風險不利于正義價值的實現。司法實踐中，原始證據材料的全面性往往要讓位于正義價值。因此，大數據證據可能因存在侵權風險，不符合可采性規則而被排除在法庭之外。

證據偏在現象的存在也會導致大數據證據的可采性困境。有學者將證據偏在分為結構性偏在和知識性偏在：結構性偏在是指證據分布的不均勻性，即控辯雙方因掌握數據庫資源的差異而導致出現證據偏在；知識型偏在是指控辯雙方對大數據證據的理解和運用能力存在偏差。③參見王從光：《電子訴訟中的證據偏在及其破解進路》，載《法律適用》2021年第5期。現代刑事訴訟追求控辯雙方的平等武裝和平等對抗，以實現控辯平衡的目標。在獲取大數據證據時，一個難以忽視的事實就是辯方個人獲取大數據證據的能力遠落后于以國家公權力為后盾的控方。由此結構性證據偏在和知識性證據偏在現象均有可能出現，并直接對公民的權利產生影響。同時，大數據證據的獲取的復雜性要求團隊或者專業人員協作才能獲取，故大數據證據掌握在少數有實力的人手中，進而加劇了證據偏在現象。例如，在彭某、楊某、歐陽某等網絡詐騙一案中，被告人均通過微信在全國范圍內發展會員，被告人彭某涉案金額共計3206335元，被告人楊某涉案金額共計1679934元，被告人歐陽某涉案金額共計1095896元。①參見山東省濱州市中級人民法院刑事裁定書（2021）魯16刑終34號。公權力機關肩負著打擊犯罪的使命，其掌握著全國范圍內的各種數據庫。上述案件中，涉案資金數據進行收集和處理的能力非辯方個人所能及，一般由公權力機關或大型企業進行收集。大數據證據在收集的過程中可能被隱藏或篡改，并且由該證據收集方壟斷對其的解釋權。顯然，大數據證據因其會威脅到當事人的質證權而面臨被排除的可能。信息網絡犯罪中大數據證據不僅應用廣泛，而且對案件事實的認定及案件處理的走向發揮著重要作用，所以受證據偏在影響會引發大數據證據的可采性困境。

（三）證明力不足：算法歧視與相關存疑

大數據的證明力大小是關于該證據對某一案件事實證明到何種程度的評價。證據的證明力受多種因素影響，其中算法歧視和相關性存疑是對大數據證據證明力影響最為顯著的因素。大數據技術的復雜屬性和算法黑箱化運行屬于技術領域范疇而非訴訟領域，但如果不重視這些技術問題，最終可能會影響刑事訴訟程序的進展。

一是算法歧視問題。大數據證據算法歧視是指在大數據證據的收集分析過程中所利用的算法帶有設計者的主觀意愿或者算法分析所采用的數據是帶有偏見的。②參見鄭智航、徐昭曦：《大數據時代算法歧視的法律規制與司法審查——以美國法律實踐為例》，載《比較法研究》2019年第4期。司法實踐中，設計者偏見代理的算法歧視出現的頻率較低。這是因為算法設計出來之后會經歷多重審查，一旦出現算法歧視問題，該算法就會被強制披露，在某些國家算法設計者還要承擔法律責任。因此，設計者基于法律責任承擔的考量，不會故意設計帶有歧視偏見的算法。相反，數據問題才是導致算法歧視存在的主要原因。理論上，大數據證據的原始證據來源應當是全部樣本數據庫，但實踐中受限于技術和資源因素的影響，總是難以收集到所有證據。因此，數據收集的片面化就會形成算法歧視，影響大數據證據的可靠性和證明力。

二是相關存疑問題。除了上述提到的因數據選擇目的性和片面化引發的算法歧視問題，大數據證據來源得到原始數據材料與案件的關聯性也關系著該證據的證明力大小。相關性不僅是大數據證據被使用的前提，③參見自正法：《刑事電子證據的審查：學理基礎、實踐樣態與模式選擇》，載《政法論壇》2023年第2期。而且對證據證明力大小也有重要影響。證據相關性規則亦是排除那些對待證事實不具有實質性和證明性的證據規則，這也應驗了華爾茲所言，“實質性和證明性加在一起就等于相關性”。④參見[美]喬恩·R·華爾茲：《刑事證據大全》，何家弘等譯，中國人民公安大學出版社2004年版，第15頁。在收集大數據證據時，因大數據自身體量大的特性導致收集主體所面對的對象是所有數據庫中的海量數據集，故不能保證算法所分析的數據與案件事實具有足夠的客觀聯系；在收集主體有意進行算法歧視的情況下，也會出現其有目的性地選擇數據與案件事實之間相關性存疑問題。不論是算法歧視問題還是相關性存疑問題，都會對大數據證據的證明力產生影響。

四、信息網絡犯罪中大數據證據的困境破局

為充分有效打擊大數據時代的信息網絡犯罪，結合大數據證據的特殊性，針對信息網絡犯罪中大數據證據認定和審查面臨的諸多困境，在此認為可分別針對大數據證據的真實性、可采性、證明力分別探索大數據證據未來的發展出路。

（一）真實性審查：探索專業人員輔助審查機制

信息網絡犯罪中，司法人員對大數據證據進行審查首先應當關注的是該證據的相關性和真實性。雖然司法實踐中對證明力的審查，法律一般不作規定，主要依靠法官的自由心證，但正如前文所述，大數據技術的復雜性和算法黑箱的存在已導致法官對大數據證據真實性的審查出現困境。法官難以根據自身經驗和法律邏輯對大數據證據的真實性做出準確判斷，應寄希望于探索大數據真實性審查的新路徑。有學者指出，司法機關應當充分發揮鑒定人、專家輔助人在大數據證據審查中的作用。①參見馬明亮、王士博：《論大數據證據的證明力規則》，載《證據科學》2021年第6期。因此，可以考慮在大數據證據真實性審查過程中引入鑒定人、專家輔助人等專業人員輔助法官進行審查和認定，積極探索專業人員輔助審查機制。

具體而言，專業人員可以從原始數據是否真實可靠，大數據技術的內容、運算過程、分析結果如何理解，算法黑箱測試是否達標等方面發揮解釋說明的輔助作用。首先，鑒定人、專家輔助人協助法官對大數據證據原始數據材料的質量和真實性做出判斷。一方面，從宏觀上對原始數據材料的真實性做出判斷，即審查原始海量數據是否來源于權威數據庫，海量數據集在流轉過程中是否存在失真的可能等；另一方面，從微觀上對原始數據材料的真實性進行審查，即可以通過抽樣的方式選取部分數據有目的地對原始數據材料的真實性加以驗證。例如，在網絡詐騙案件中，鑒定人、專家輔助人可以抽樣選取部分受害人的銀行流水記錄與詐騙集團的網絡平臺數據進行比對，從而驗證與詐騙數額是否相吻合。其次，針對大數據技術的復雜性，鑒定人、專家輔助人可以就大數據技術的內容、運算過程以及分析結果向法官進行專業性解釋，幫助法官理解大數據技術，從而對大數據證據的真實性進行審查。例如，在對大數據證據進行質證時，法官可以要求鑒定人、有專門知識的人出庭作證，向法庭和當事人陳述選擇該算法的原因和具體操作過程。最后，鑒定人、專家輔助人通過算法黑箱測試的方法幫助法官判斷生成該大數據證據的算法是否科學合理。黑箱測試是指測試者在知曉該算法程序的目的和功能的前提下，檢測這些功能是否能夠正常運行的測試方法。通過有效鍵入和無效鍵入的方式來判斷輸出是否正確，保證算法功能的正常運行和大數據證據的真實可靠性。

（二）可采性保障：以控權和賦權保障控辯平衡

大數據技術的應用雖然給信息網絡犯罪的處理帶來了很多便宜，但其作為公權力有擴張和侵犯私權利的風險，同時加劇了證據偏在現象。我國刑事訴訟程序有保障人權和保障控辯平衡的內在要求。為保證大數據證據的可采性，一方面，應通過控制公權力最大限度地把其對私權利的侵犯降到最低，保證取證過程合法、合理；另一方面，應通過賦予個人信息主體和辯方相應的權利來實現大數據證據收集和獲取過程中的權利保護。這樣可以有效避免信息網絡犯罪中獲取大數據證據時對個人信息權益的不當侵犯，也可以推動大數據證據獲取和質證過程中控辯雙方的動態平衡，最終保障信息網絡犯罪中大數據證據具有可采性。

我國現行《刑事訴訟法》規定，①《刑事訴訟法》第51條：“公訴案件中被告人有罪的舉證責任由人民檢察院承擔，自訴案件中被告人有罪的舉證責任由自訴人承擔。”公訴案件中由人民檢察院承擔被告人有罪的舉證責任。刑事證明責任是提供證據和說服責任的統一，否則將面臨不利的訴訟后果。②參見施鵬鵬：《刑事證明責任理論體系之檢討與重塑》，載《中國法律評論》2022年第6期。為避免這種不利訴訟后果，國家賦予控方強大的公權力予以保障，這種公權力具有天然的擴張性，最為典型的是刑事案件的偵查權。③參見彭俊磊、周長軍：《大數據時代技術偵查的法律規制——以合理隱私期待理論為視角》，載《山東社會科學》2022年第12期。在大數據時代，大數據偵查的廣泛應用使得公權力進一步擴張，為降低其對私權利的侵犯風險，減少證據偏在現象，保障獲取的大數據證據具有可采性，應當對偵查權加以控制。首先，通過立法規制大數據偵查權。為保障大數據證據合理、合法的獲取，可通過立法的形式明確大數據證據收集的程序、方法及大數據證據原始材料來源的范圍等，從而最大限度的降低對個人信息權益的侵犯，防止控方具有過度的證據優勢。其次，完善大數據證據收集的監督機制。一方面，可以探索大數據技術風險評估系統，應用大數據技術之前對其進行風險等級評估，嚴格限制高風險的大數據技術的應用；另一方面，明確法官對大數據證據保密銷毀情況、大數據證據收集和算法分析程序的審查和監督，法官可以通過對卷宗的實質審查，倒逼相關司法機關嚴格履行大數據證據收集的附隨義務，避免其利用數據庫資源優勢形成證據偏在。最后，規定非法、瑕疵大數據證據禁止性規定。除了通過上述積極規定規制公權力外，還應當建立非法、瑕疵大數據證據的消極否定性程序。例如，對于上文提到侵犯個人信息、存在證據偏在的大數據證據應當依法予以排除。

為保障大數據證據具有可采性，另一路徑是賦予數據主體和辯方能夠與控方相抗衡的權利。一是賦予數據主體部分信息自決權以保障大數據證據收集過程中的個人信息不受非法侵犯。有學者提出可以在大數據證據收集過程中引入個人信息保護的基礎性原則即“告知同意原則”，適當賦予數據主體信息查詢權、復制權、更正權、刪除權等權利。④參見衛躍寧、趙晨怡：《論個人信息的刑事法律保護——以告知同意原則的合理引入為視角》，載《福建警察學院學報》2022年第6期。數據主體的信息數據知情權不僅有利于對大數據證據收集程序進行有效監督，而且可以避免因收集主體的數據庫資源優勢和算法優勢引發的證據偏在現象。二是賦予辯方要求證據開示權利。如果信息網絡犯罪中的辯方在開庭審理前有要求證據開示的權利，便可以要求控方就所收集的大數據證據做出解釋和說明。一方面，能夠實現雙方所持有的大數據證據信息共享，在某種程度上解決“信息偏在”問題；另一方面，可以提高訴訟效率，實現控辯雙方平等武裝。有學者指出，我國未來刑事訴訟程序的發展中，有必要在借鑒美、德經驗的基礎上，從開示條件、范圍、方式、救濟機制方面予以構建。⑤參見李昌盛、李艷飛：《比較法視野下認罪認罰案件證據開示制度之構建》，載《河北法學》2021年第9期。

（三）證明力強化：規制算法歧視與構建相關性規則

證據的證明力不僅取決于該證據自身的可靠性程度，而且其與待證事實之間的關聯性也影響著該證據證明力的大小。大數據證據所面臨的證明力困境要求審查時應當立足于該證據的獲取是否存在算法歧視及其原始證據材料與待證案件事實之間的客觀聯系程度。為增強大數據證據的證明力，結合大數據證據證明力審查面臨的困境，提出規制算法歧視和構建相關性規則兩種具體做法。

一是對大數據證據獲取過程中的算法歧視加以規制。一方面，明晰算法運行的基本原則。算法運行應當遵循各項法律普遍規定的平等原則，具體到大數據時代，平等原則被進一步解釋為算法公正原則。該原則要求算法的設計者、運營者和監管者應當主動維護公民之間的平等權利，不能產生不合理的差別待遇。另一方面，建立算法違規追責機制。當一些預防性措施對算法歧視行為不能實現有效控制時，有必要通過追究法律責任的方式對侵犯公民權利的算法歧視行為進行事后規制。除了明確責任主體、責任劃分等具體事項，還應當保障受害者權利救濟途徑的暢通。例如，設置充足的質詢、反饋和投訴通道，建立集體訴訟制度等。

二是構建大數據證據的相關性規則。從宏觀范圍來看，大數據證據的原始證據材料與案件待證事實之間是弱相關關系。大數據技術內在的運行邏輯即基于海量數據的收集和處理決定了上述弱相關關系。證明力，是一種以相關性為基礎的說服力，指證據對待證事實存在的可能性具有的證明作用及其程度。證明力意味著證據與待證事實之間的邏輯聯系程度，是證據的相關程度或證明作用的指示器。①參見張保生主編：《證據法學》，中國政法大學出版社2018年版，第29-42頁。根據上述論證，或許可以得出證據的關聯性不僅僅是證據能力的要件，也是反映證明力強弱的要素。如美國聯邦證據規則第403條，將證據材料的相關性劃分為“自然相關性”和“法律相關性”，要求對證據相關性的審查要從事實經驗判斷和法律價值判斷兩個角度出發，而我國現行《刑事訴訟法》對相關性的理解僅局限于自然相關性。顯然，大數據證據的相關性審查不應僅局限于自然相關性，還應當注重該證據證明力大小即法律相關性的判斷。正如學者所說，透過現象看本質，證據制度的建構和具體訴訟中的爭議都是且應當圍繞證據的相關性問題而展開。②參見周洪波：《證據屬性的中國法律之道》，載《中國法學》2022年第6期。未來，可立足于大數據證據發展實際情況，借鑒國外法，對大數據證據的相關性規則進行重構或完善。

五、結語

大數據時代，信息網絡犯罪頻發且更具隱蔽性。大數據證據作為大數據技術在刑事偵查領域運作最重要的司法成果，對于信息網絡犯罪的處理發揮著至關重要的作用。大數據證據作為一種全新的證據種類，對案件處理發揮實際作用的同時，也對傳統證據規則造成了一定程度上的沖擊，引發理論界和實務界熱議。隨著大數據證據在司法實踐中運用范圍的拓寬，有必要盡快結束理論界關于大數據證據概念和證據種類歸屬的爭議，為解決司法實踐中的運用困境奠定理論基礎。現階段，可暫時將大數據證據歸入鑒定意見這一法定證據種類，等時機成熟時，通過修改法律將其單列為法定證據種類。文章在分析信息網絡犯罪中大數據證據真實性、可采性、證明力審查困境的基礎上，提出包括探索專業人員輔助審查機制、以控權和賦權保障控辯平衡、規制算法歧視與構建相關性規則在內的未來發展出路。大數據證據作為一種新事物，其發展路徑必然面臨著曲折性，但其對刑事偵查乃至整個刑事訴訟程序的順利進行的價值作用決定了其擁有光明的前途。