论“深度伪造”智能技术的一体化规制

"深度伪造"是利用深度学习技术中的"对抗生成网络"模型形成的智能视频处理技术。"换脸视频"是该技术最为典型的应用。与原有技术相比,该技术具有高度真实性、泛在普适性和快速演化性等特征。对其滥用不仅将侵犯公民的个人权利,破坏社会稳定与国家安全,甚至还可能消解社会共同的信任。现有技术规制中采用的"溯源防伪"与"反向破解"的方案无法有效应对。现有法律规制中民事、行政、刑事责任因其"事后性"也难以全面覆盖。下一阶段,要在现有技术规制与法律规制基础之上构建"平台-制作者-受众"三位一体规制体系,强化平台的审查责任、明确视频制作者的说明义务并培养公民在"后真相时代"的信息素养。

论对深度伪造侵犯自然人声音利益的规制

深度伪造声音与传统的纯粹模仿他人声音或模仿秀不同,其是利用信息技术手段深度伪造他人声音而使声音信息难以辨别真伪或辨别困难。目前,我国在规制深度伪造侵犯自然人声音利益方面仍存在一定的困境,建议可以参考美国《深度伪造责任法案》中有关深度伪造虚假音频侵权的责任构成要件、行为人对深度伪造虚假音频的嵌入水印与披露义务、深度伪造虚假音频侵权的民事救济的规定,以保护我国自然人声音利益,实现新兴技术发展和个人权益保护之间的平衡。

深度伪造侵犯自然人肖像权的民事救济

司法实践中,深度伪造技术给肖像权保护带来挑战,如认定侵权责任困难、被侵权人举证困难、我国现有的侵权赔偿制度不明确、对个人信息保护存在威胁等。结合我国现有立法关于深度伪造侵犯肖像权的规定,借鉴美国的《深度伪造责任法案》与欧盟的《通用数据保护条例》中的相关规定,提出保护自然人肖像权的民事救济途径,即完善侵权责任认定机制、增强被侵权人举证可操作性、健全侵权赔偿责任制度、加强网络平台的监管责任,以达到充分保护公民个人信息的目的。

深度伪造内容著作权侵权问题研究

深度伪造技术利用人工智能深度学习改变现有音视频或图像内容,生成换脸或场景更改的新音视频或图像,这一行为可能侵犯原音视频或图像著作权。本文以深度伪造内容著作权侵权为切入点,运用实质性相似、转换性合理使用、改编权范围、平台侵权责任等著作权理论详细分析深度伪造内容是否侵权,能否落入合理使用范畴,是否受著作权保护,技术提供者、深度伪造内容制作者、传播者是否以及如何承担侵权责任四个问题,并提出对应结论和建议,以期为深度伪造技术的良性运用提供著作权理论支撑。

“深度伪造”音视频传播带来的法律风险及其规制

“深度伪造”音视频是基于深度学习的一种新型信息篡改与置换技术,是对视频、音频和其他内容进行数字化创作或修改的结果。“深度伪造”音视频通过网络社交媒体的涟漪效应迅速传播,导致法律风险逐渐增多。鉴于此,司法实践中应对深度伪造音视频肖像权侵权标准区别对待;明确制作者传播者的标识义务;采用过错推定原则追究音视频平台民事责任;政府采取多元化的事前事中监管措施,尽可能减少“深度伪造”音视频传播的负面效应,进而寻求技术革新与风险调控之间的最佳平衡。

颠覆性技术异化及其治理研究——以“深度伪造”技术的典型化事实为例

颠覆性技术异化是指在新兴颠覆性技术研发、应用和演进过程中,在技术至上主义和功利主义价值观驱使下,背离"以人为本"的人本主义精神,实现非正当收益并损害人和社会全面可持续发展的现象。颠覆性技术异化已成为数字化时代的威胁和人类社会可持续发展的重要挑战,然而鲜有针对颠覆性技术异化的成因、异化机制、影响和治理路径的系统性研究。基于责任式创新理论,应用跨学科研究视角,以"深度伪造"这一新兴颠覆性技术异化的典型化事实为例,系统探究颠覆性技术创新及应用过程中的异化现象,分析其源起、本质和潜在的风险后果,并探讨如何通过治理机制创新,提升颠覆性技术治理能力,推动负责任的技术创新和整合性价值创造。为责任式创新理论作出贡献,并为颠覆性技术治理能力与治理体系现代化提供实践启示。