DeepSeek輔助電子證據審查的路徑與限度

編者按：當前，人工智能技術正以前所未有的速度、廣度和深度變革經濟社會發展模式，也為法律監督模式創新與辦案質效提升注入新動能。本專題聚焦“人工智能賦能檢察機關高質效辦案”，從技術應用、實踐探索與治理革新等維度，探討智能技術與檢察業務的深度融合路徑，既彰顯技術賦能檢察工作高質量發展的廣闊前景，亦冷靜審視其應用限度和制度約束，以期為數字檢察建設和檢察智能化發展提供理論支撐與實踐參考。數字浪潮奔涌，唯有堅持“技術為體、法治為魂”，方能以智能之力書寫高質效法律監督的新篇章。

摘 要：當今網絡社會的犯罪呈現出“無犯罪不電子證據”的形態。電子證據具有高技術性、海量化、虛擬性、分散性等特點，其審查面臨技術壁壘、海量數據過載、分散且非結構化三重困境，導致傳統審查模式呈現紙面化、靜態化和淺表化。DeepSeek生成式推理模型能夠有效輔助職業法律人審查電子證據，通過提示詞融入法律專業背景和專業需求、多輪對話追問、本地化部署或建立個人知識庫、人工審核機制等，優化DeepSeek審查電子證據的路徑。同時要理性看待DeepSeek在電子證據審查中的弊端和使用限度，應定位為輔助而非替代，建立“人類終審權”機制，盡量減少“AI幻覺”。

關鍵詞：DeepSeek 人工智能 電子證據

國產AI大模型DeepSeek為人工智能在國內的大規模應用創造了前所未有的機遇，特別是為AI平權化、人人可用打開通道。DeepSeek等AI同樣會對號稱職業化專業化程度極高的法律行業的工作模式產生重要影響。職業法律人應當積極擁抱現代科技，但也應理性看待其缺陷，合理把握其限度。本文以DeepSeek輔助審查電子證據為例，闡述其使用路徑和限度。

一、問題的提出

隨著計算機網絡和人工智能技術的發展，當今社會已經進入數字時代，并正在邁向數智時代。這種時代變遷，深刻影響著社會生產生活。人們的一言一行都會留下數字的烙印，離開數字和網絡，幾乎無法生存。犯罪是一種社會現象，犯罪的形態會隨著社會結構的變遷而變化，當今數智化社會變遷已經對訴訟證明、事實認定產生重大影響，集中表現為電子證據（與電子數據同義［1］，以下在同等意義上使用）的普遍化，犯罪行為呈現出“無犯罪不電子證據”的形態。正如比較證據法學家達瑪斯卡所言，事實認定的偉大變革擺在了所有司法制度面前，常識和傳統的證明方法就遭遇了科學數據的競爭。［2］電子證據具有高技術性、海量化、虛擬性、分散性等特點，如何審查電子證據是職業法律人面臨的難題。DeepSeek生成式推理大模型的問世，對電子證據的審查具有巨大潛力，能夠大大提高職業法律人的工作效力和質量，當然在使用過程中也需要把握限度并注意防控風險。

二、電子證據審查面臨的三重困境

電子證據與傳統的物證、書證相比，都具有客觀性，但又具有自身獨立的特點，即高技術性、海量化、虛擬性、分散性且非結構化特點，給司法審查帶來困境。

（一）法律與計算機科學的專業鴻溝

電子數據是伴隨著計算機科學發展而產生的，具有高技術性的特點。電子數據的生成、提取、檢驗、鑒定都是在計算機科學場域中進行的。電子數據的提取早不是單純的復制，區塊鏈存證、哈希校驗、流量分析、數據挖掘等得到廣泛應用。職業法律人對這些電子證據的審查，需要對其生成、提取過程、保存格式等進行合法性審查，這個審查過程是科技與法律交叉驗證的過程。然而，職業法律人往往對計算機技術較為陌生，而且由于缺乏數理學科基礎知識，即使主動學習這些計算機技術也極為困難。這種法律與計算機科學的專業鴻溝，給電子證據的審查造成嚴重障礙。

（二）海量電子證據的篩選與分析難題

海量化是電子證據的典型特征。相較于傳統物證、書證，電子證據在單起案件中的數量呈指數級增長。從偵查的角度來說，案件發生后，偵查機關會對犯罪嫌疑人的智能手機進行扣押，并提取其中的數據。以內存為265G的智能手機為例，所能存儲的數據信息量是驚人的。如何對這些數據進行篩選，與案件事實進行關聯性分析，是一個難題。這些海量數據靠傳統的人工審查模式，效率低且差錯率高。

（三）多源異構數據的整合困境

刑事案件中，電子證據的來源具有多元化、多樣性，并且呈現出非結構化的特點。就一個具體的刑事案件而言，電子數據的來源可能包括磁盤驅動器（HDD和SSD）、移動存儲設備（USB閃存盤和SD卡）、智能手機和平板電腦內存、網絡存儲（NAS和SAN）和云存儲等，格式可能是文檔（doc、pdf、txt）、圖像（jpg、png、gif）、視頻和音頻文件（mp4、avi、mp3）、網頁歷史記錄、應用程序日志和系統日志等。這些數據往往并非按照一定的規律存在，而是分散的、非結構性的。法律人員分析和審查證據，是按照一定規律將證據歸類，形成結構化的信息材料。對這些分散、非結構化的電子證據進行梳理，對于職業法律人來說是很大挑戰。

上述三重困境導致司法實踐中對于電子證據的審查呈現出紙面化、靜態化和淺表化的傾向。紙面化是指因技術鴻溝導致職業法律人看不懂電子證據，進而僅審查由電子證據轉化而來的書面材料，比如電子數據的文字抄清材料、電子數據檢查報告、截屏照片等，最高法《關于適用〈中華人民共和國刑事訴訟法〉的解釋》第115條就要求隨案移送電子數據的文字抄清材料。靜態化是指習慣于審查電子證據的勘驗筆錄、檢查筆錄、檢驗報告等固定的、靜態的材料，而忽略對電子證據本身的生成、傳輸等動態過程的審查。［3］淺表化是指因對于海量的非結構化電子數據，因缺乏專業的工具和技術知識，對其審查淺嘗輒止，流于形式、浮于表面。

三、應用DeepSeek輔助審查電子證據的路徑

DeepSeek有助于解決電子證據審查所面臨上述三重困境和電子證據審查紙面化、靜態化和淺表化問題。DeepSeek-R1（以下DeepSeek的表述均指DeepSeek-R1）是一種推理模型，能夠自我學習，擁有很強的邏輯推理、分析決策和問題解決能力。這意味著，DeepSeek將顯著提高智能應用的自主推理和決策水平，甚至在很多應用場景下可以直接替代人，更加高效地作出行為決策。［4］DeepSeek基于深度神經網絡算法，依次經過大規模自監督學習的預訓練以及針對性的優化訓練等階段開發而成，通過對輸入信息進行編碼和計算來預測下一個詞元，從而具備文本生成和對話等能力，能熟練執行基于文本生成的廣泛的不同任務。今天以DeepSeek為代表的AI在司法領域的應用已超出之前我們預想的僅用于生成文書模版、圖文識別、文書校對等“低級事務”，能夠輔助處理證據審查、法律適用判斷等“高級事務”。下面以劉某電信詐騙案為例，使用DeepSeek對案中的電子證據進行審查，以展示使用路徑和方法。基本案情如下：

2019年8月，公安機關根據情報掌握一電信詐騙團伙的犯罪線索，遂對劉某的手機監控，經監控查證：劉某冒充A公司代理商，與某短信平臺公司合作，由該平臺向A公司的客戶群發送短信，以A公司網絡系統需升級為由，要求客戶點擊虛假的A公司網站鏈接，并誘導客戶填寫銀行卡及身份信息。公安機關于2019年12月15日對劉某立案偵查，扣押了劉某的筆記本電腦并提取數據，經比對發現共計成功發送短信15201條。劉某通過上述手段獲取被害人的銀行卡及身份信息資料后通過云閃付消費套現共計235000余元，涉及被害人2021人。部分被害人從境外將銀行卡信息通過電子郵件發送給公安機關。

（一）提示詞應說清楚法律專業背景和專業需求

DeepSeek作為生成式推理模型，適用于高度復雜任務，其與指令提示型大模型的區別在于，指令提示型大模型要依賴預先設定的提示信息引導模型生成輸出內容，而生成式推理模型通過思維鏈模擬人類的思維過程，能夠進行推理和分析，并展示思考過程，對提示詞的要求并不高，關鍵是說清楚用戶的需求。但是DeepSeek在法律這樣專業化程度很高的垂直領域的應用，輸入提示詞時需要說清楚法律專業背景和專業化需求，這樣有助于生成更加符合法律專業的結果。以前述案例為例，筆者在網頁版DeepSeek中輸入“請提取下面這個案例中的電子證據，并對這些電子證據進行審查，生成一份審查質證報告，特別是要排除非法證據。案例：……”（案例具體內容在此省略）。

這個提示詞輸入沒有說清楚專業背景信息，只是提出了排除非法證據的特殊專業需求。DeepSeek經過深度思考，提取了案例中的電子證據，并對合法性進行了審查，同時也對關聯性進行了分析，節選部分內容如圖1：

總體上來說，審查質證意見質量較高，但明顯受到傳統證據“三性”（即合法性、真實性、關聯性）的影響，混用證據“三性”與證據“兩力”（即證據能力、證明力），略顯凌亂。原因在于DeepSeek訓練學習的證據法知識混雜著證據“三性”與“兩力”，無法從專業角度把握它們之間的區別。其實，證據“三性”討論的是證據屬性問題，而審查證據主要是審查證據能力和證明力（簡稱證據“兩力”）。從實務操作的角度而言，證據“兩力”更加符合證據審查的思維邏輯和實踐需求。［5］

筆者接著進行了第二輪追問：“請從證據能力和證明力角度進行審查，不要用合法性、真實性、關聯性。對證據能力請從來源、過程、結果三個角度審查，并區分非法證據與瑕疵證據。”

這里添加了專業背景和更加詳細的特殊專業化需求：一是強調從證據能力和證明力角度進行審查，明確要求不使用證據“三性”；二是要求從證據的來源、過程、結果（即證據能力三要件）三個維度審查證據能力［6］；三是增加區分非法證據與瑕疵證據的特殊需求，以防止將瑕疵證據當做非法證據排除。接著筆者又進行第三輪追問，再提出一個特殊需求“以表格形式呈現”。節選部分內容如圖2：

這份審查質證報告對案例中涉及的電子證據逐項列表，并且對每一份電子證據從來源、過程、結果三個維度進行審查，對于技術偵查的審批程序、數據存儲的完整性、哈希函數校驗、數據提取設備寫保護等專業問題均進行了細致審查，并對其屬于非法證據還是瑕疵證據做出推理判斷，每個判斷均列明了法律依據，審查的細致和專業程度令人吃驚。但這個驚艷的結果并非一開始就有的，而是添加了法律專業背景和專業特殊需求后逐步呈現出來的。可見，有AI并非就不需要專業的職業法律人。不專業的提問得不到專業的答案，不知道證據“兩力”，不理解證據能力三要件、不清楚非法證據與瑕疵證據的界限，既無法得到精彩的AI呈現，也不能甄別AI給出的答案正確與否。例如有人用DeepSeek生成一份訊問提綱，由于提問人沒有從專業角度區分偵查訊問、庭前訊問與庭審訊問，也沒有區分直接訊問與交叉詢問，所以生成的內容存在很多錯誤和誤導。［7］

（二）運用多輪對話追問機制激活思維鏈

DeepSeek通過思維鏈技術模擬人類的思維過程，并展示思考過程，不僅有效提升了上下文理解能力，而且在處理長文本或多輪對話時能夠有效捕捉前文信息，保持邏輯連貫性，進而生成更準確、合理的回答。［8］在每一輪對話過程中，模型會輸出思維鏈內容（reasoning_content）和最終回答（content）。

多輪對話追問機制的意義在于：一是更有利于DeepSeek理解和利用上下文信息，將當前問題置于更完整的上下文信息之中，更加細化和澄清意圖，通過注意力機制實現跨輪次信息關聯，有助于DeepSeek捕捉用戶隱含的潛在需求。二是通過多輪追問把復雜的法律專業問題拆解成多個子問題，避免單次信息過載，從而生成更專業的回答。三是多輪追問有利于實時糾偏，在后續追問中用戶指出模型回答的錯誤或偏離之處，動態反饋會激活模型的對抗性驗證模塊，有利于及時調整后續輸出。對于專業性要求更高的電子證據審查來說，通過多輪對話，逐步增加專業需求，更能實現審查要點的全面性和準確性。在前述案例中，通過三輪對話，逐步增加了證據能力和證明力、證據能力三要件、非法證據與瑕疵證據區分等專業需求，實現更優回答。

（三）開展本地化部署、建立個人知識庫

DeepSeek支持投喂本地數據、訓練專屬模型，通過本地化部署、建立個人知識庫，可以靈活地在不同行業領域垂直應用。本地化部署是指將DeepSeek模型及配套系統部署在用戶自有的服務器或私有云環境中的技術方案，主要適用于對數據安全和業務定制有嚴格需求的用戶，但弊端在于成本較高。建立個人知識庫，即把特定行業常用的專業化和個性化的數據歸集形成專屬的本地知識庫，投喂給DeepSeek，這樣有助于生成更專業的結果。對于電子證據審查而言，通過本地化部署或建立個人知識庫，投喂電子證據審查常用專業規范，如《人民檢察院電子數據技術工作細則》《電子數據司法鑒定通用實施規范》《電子數據復制設備鑒定實施規范》《軟件相似性檢驗實施規范》《數據庫真實性鑒定規范》等。在前述測試的案例中，DeepSeek主要是依賴于刑事訴訟法及其司法解釋對證據能力和證明力進行審查，對于電子數據的技術性規范審查明顯不足，這個缺陷可以通過本地化和個人知識庫來解決。

（四）建立人工審核機制

法律領域的判斷往往需要依靠經驗、情理和利益權衡，不僅僅是靠推理和計算所能實現的。電子證據審查雖然是法律領域中數理特征較強的部分，但是依然需要人工審核。在前述案例中，對于被害人從境外通過電子郵件發給公安機關的銀行卡信息資料，DeepSeek生成的報告中認為其來源違反《國際刑事司法協助法》第4條的規定，直接將其作為非法證據排除。這個判斷是錯誤的，事實上，《國際刑事司法協助法》第4條并沒有對境外證據的證據能力進行規定，而只是規定“中華人民共和國和外國按照平等互惠原則開展國際刑事司法協助。國際刑事司法協助不得損害中華人民共和國的主權、安全和社會公共利益，不得違反中華人民共和國法律的基本原則”。理論上境外取證除了司法互助模式外，還有境外直接取證、聯合取證等。多數國家采取證據取得與證據評價二元分立模式，調查取證行為依據證據所在地國法律進行，而所取得的證據是否具有可采性依據調查取證請求國的法律判斷。我國也采取這種二元模式，并且得到《關于辦理電信網絡詐騙等刑事案件適用法律若干問題的意見》等司法解釋的確認，并非一概作為非法證據排除。人工審核不僅要審核DeepSeek輸出的結果，還需要審核其思考過程，就像審查鑒定意見一樣，不僅要審查鑒定意見的結論，更需要審查鑒定過程。

四、DeepSeek輔助電子證據審查的限度

DeepSeek高效的海量數據處理能力和強大的推理能力，在電子證據審查領域確實有廣闊的應用前景，將深刻改變電子證據傳統審查模式的紙面化、靜態化和淺表化的問題，甚至會重塑電子證據的審查模式。同時，也應當看到，DeepSeek輔助電子證據審查是有限度的，職業法律人對此也要有清醒的認識。

（一）準確定位輔助而非替代

電子證據的審查，不是單純的數理計算，也非簡單的邏輯推理，需要多方權衡。AI可能永遠無法替職業法律人對正義的感知、對價值沖突的權衡，以及對法律原則的情景化詮釋。就電子證據審查而言，使用DeepSeek過程中需要注意以下方面：一是存儲介質的原始性，DeepSeek難以判斷提供給它的電子數據所依存的存儲介質的原始性，這依賴于人工審查。二是非法電子證據與瑕疵電子數據的區分需要人工權衡，DeepSeek誤判風險極大，如前述案件中對境外電子數據的非法證據與瑕疵證據判斷是錯誤的。三是電子證據之間的交叉印證，DeepSeek可能會機械比對。

（二）盡量減少 “AI幻覺”

“AI幻覺”是指AI生成不準確或虛構內容，這是當前生成式大模型的核心技術挑戰之一。DeepSeek通過思維鏈技術模擬“人類推理”，讓用戶清楚看到思維過程，可能將錯誤的推理或無事實依據的內容層層傳遞，導致最終結果偏離事實，但由于有嚴密的推理過程，讓用戶信以為真。［9］Deepseek在審查電子證據過程中可能會出現的“幻覺”主要有以下方面：一是DeepSeek對復雜場景及多模態數據的誤判風險，對于深度偽造等技術性篡改、加密軟件特定格式數據可能存在誤判。二是圖片、音視頻等非文本電子證據，由于模型訓練不足可能產生錯誤。三是DeepSeek可能僅驗證文件整體哈希函數值，若文件被分段篡改，DeepSeek可能誤判。四是可能會引用并不存在或過時的法律文件，杜撰法律條款內容。盡量減少 “AI幻覺”，除依靠科學技術外，關鍵是建立“人類終審權”機制，DeepSeek得出的結論需要職業法律人員去審核，“終審權”在于人類。理想的境界應該是建立“AI+HI”（即“人工智能+人類智能”）的協作模式，將AI定位為“超級法律助理”用于處理標準化、高耗能任務，同時堅守職業法律人的價值判斷、倫理決策和創新思考的核心競爭力。