网络犯罪数额证明难题及其应对

我国网络犯罪数额的证明难题虽然实践样态各异,但可划分为证据短缺型与海量证据型两种。产生这些证明难题的深层原因在于,传统犯罪网络化加大了犯罪数额的证明难度,法律规范对证明对象、证明机制与证据种类的特殊设定内在地限制了司法人员的证明活动。有关部门通过出台司法解释和规范性文件来拓展定罪量刑要素、设置综合认定、确立推定规则及设立抽样验证等,以期解决网络犯罪数额证明难题。这种应激性的应对方式可能侵蚀法律规范的有效性,同时也存在实效性较低等问题。解决网络犯罪数额证明难题需检讨既有网络犯罪数额难题治理的底层逻辑。我们应确立网络犯罪数额证明难题双层次应对方案。第一层次方案主要从证明机理入手,优化犯罪数额的证明机制,明确算法证据的独立地位与运用规则。在第一层次方案无法解决特定犯罪数额证明难题的情形下,可采取第二层次的特殊应对方案,主要包括调整定罪量刑要素中犯罪数额的种类与比例,谨慎设置推定规则并限制其运用。

基于客观理性的算法法益构造及刑法保护

算法的客观理性属于算法的技术特征,指向的是算法计算的客观性。在算法犯罪场景下,算法理性围绕算法法益及其规范保护展开。算法法益的构造以算法安全、算法公正为核心,具有双重法益形态。逻辑上,算法安全法益的理性构造与算法公正法益的逻辑创新,符合算法理性的认识论要求,亦反映了理性算法的价值论评价。基于理性主义立场,通过对财产犯罪典型范式的规范性解释,类型化界定行为论上形式可罚性与结果论上实质可罚性的基本标准,可彰显算法法益理论的可解释性、可实践性以及犯罪论上行为的可责难性,以回应人工智能时代推进刑法现代化的基本要求。

改进的模糊BP神经网络及在犯罪预测中的应用

为了提高犯罪预测的准确性,从而提高犯罪预防技术、以便更好地保护社会治安.采用模糊BP神经网络的一种新算法,通过对已有年份的犯罪数量进行分析,建立知识库,预测犯罪数量.试验数据结果显示:预测具有一定的准确性;同时采用聚类算法得到的隐层数和节点数也是十分准确的,增加了知识库运用的广泛性.该方法为犯罪的预测分析提供了一种新思路.

社会安全事件空间分布研究

在讨论社会安全事件空间分布特点的基础上,简要介绍用于空间自相关性分析的主要算法。重点对基于密度聚类(DENCLUE,density-based clustering)的算法的基本原理、过程及利用积分均方误差MISE进行精度检验等方面进行阐述。将该算法用于社会安全事件空间分布研究领域中的犯罪热点区域探测。分析结果表明,与以往分析方法相比DENCLUE算法具有抗噪声能力强、能生成任意形状的聚类等特点,可有效地用于社会安全事件空间分布区域的研究,但也发现算法在格网边长的确定及窗宽长度选择方面的不足,有待进一步研究。

大数据技术在刑事定罪中的运用

近年来,在金融创新特别是互联网金融创新大旗的指引下,网络现货投资交易平台迅速增长,因缺乏有效金融监管,现货投资交易平台引发的违法犯罪数量也随之暴增。由于网络现货投资交易行为的复杂性和专业性,司法机关查处网络现货投资交易平台中的犯罪时,在罪与非罪、此罪与彼罪判定方面分歧较大,传统的定罪方法和标准已经显得力不从心。大数据技术的出现为此类复杂犯罪定罪提供了方法与标准。大数据技术不仅能提高定罪准确性,也能提高定罪效率。针对当前出现的诸如网络虚拟投资交易案等网络犯罪特征,运用数据挖掘、决策树CHAID算法等数据技术对新型网络犯罪判决进行定量分析,我们可以将大数据技术作为司法定罪裁判的辅助工具,加以推广运用。

人工智能武器犯罪类型界分与风险控制

随着人工智能技术不断发展,武器系统已成为人工智能研发应用新领域。当前人工智能武器的发展路径呈现二元化趋势:“武器+AI”与“AI+武器”。从大数据算法到深度学习,多类型化的人工智能武器犯罪问题也使“科技改变战争”这句话有了另一面向的隐喻。以人工智能武器“主动性”为标准,划定人工智能武器犯罪类型是应对安全风险的核心问题。从挑战国际法规则、改变战争核心逻辑、异化交战权属性等方面,研判人工智能武器犯罪风险,是事关时代的理论演进。基于安全价值认知,面向源头治理,从立法规制、技术标准、监护制度等预防性、综合性策略入手,积极构建针对已然和未然犯罪的防范体系,渐进形成人与人工智能在“行为控制”与“决策能力”上的和谐关系。

人工智能算法安全犯罪观及其规范刑法学展开

人工智能犯罪的实质内涵是人工智能算法安全犯罪,其保护法益是作为公共安全的人工智能"算法安全"。人工智能算法安全犯罪的规范刑法学研究应当采取贯通当下视角和将来视角的第三种视角,努力实现"算法安全犯罪"规范一体的立法论建构和解释论建构的融合,将人工智能犯罪的保护法益类型化、犯罪行为类型化、归责类型化研究作为重要学术使命,推动人工智能犯罪领域的刑法立法完善和规范刑法学理论创新。

基于优化模型的街面逃逸犯罪嫌疑人的围堵方案探讨

本文针对目前高发的"两抢一盗"街面犯罪及全国各省市地区警力资源不足的现状,提出两种基于优化模型的可用计算机编程实现的堵截方案,以实现快速有效的抓捕逃逸犯罪嫌疑人,由此提高公安机关打击街面犯罪的工作效率和破案能力。其中方案一采用的是具有实战价值的最优布控圈模型,适用于突发性的、社会影响恶劣的犯罪案件,确保能将犯罪嫌疑人第一时间围堵和抓捕。而方案二采用的是关键路布控追捕模型,能提高抓捕和破案效率的同时大大降低了对警力资源的需求,两个方案均具有实际意义。

刑事诉讼中的人工智能——以犯罪预测为例

人工智能的运用在刑事诉讼中可能导致长期、迅捷地做出长远来看较为经济、高质量的决定。就像完成犯罪预测那样,个案中的许多因素以一种在经验上可理解的方式决定了结果。但人工智能的可运用性暂时还未充分得到开发,以符合在内容上待定的规范性要求。只要法官理解某个决定并让该决定实质上成为自己做出的决定,则法官做出关于预测的决定可能基本上都以人工智能预测为支撑。对此,软件必须提供机会让法官至少在原则上理解具体的、对预测的决定而言特定案件参数的重要性。同时,人工智能的运用和其他相关框架条件要用以下方式进行设计:法官在人工智能的运用中可能产生一种合理的信任度,而不丧失回应批评性询问的能力和准备。

基于遗传算法的数据情报侦查方法研究

鉴于在传统数据情报侦查过程中存在多源异构数据分布的离散性、数据关联聚类收敛的耗时性、情报价值需求协调的反向异配性等突出问题,为了提升数据情报侦查运算挖掘分析的准确性和精确性,引入基于遗传算法的数据情报侦查方法研究范式。以遗传算法数据情报侦查的内涵与属性为研究逻辑起点,提出遗传算法数据情报侦查的平台设计方案,构建遗传算法数据情报侦查的流程模型,探讨遗传算法数据情报侦查的应用方法。这不仅能够帮助侦查人员延伸数据情报侦查源的生命周期性,而且还能够帮助其提升犯罪行为与非犯罪行为关联规则构建的聚类性,创新和拓展数据情报侦查的思维模式,从而实现遗传算法数据情报侦查的应然价值和实然效果。

数字人民币视域下的货币犯罪

数字人民币具备不同于私人数字货币、人民币现金和移动支付的诸多特性。我国货币犯罪案件的数量并未因移动支付的广泛运用而降低,相反近年来在整体上呈上升趋势,导致货币犯罪的罪名在整体上的立法和适用价值进一步增加。针对数字人民币,货币犯罪的变革可采用立法修改、刑法解释和理论更新相结合的方案,具体为:停止适用变造货币罪,并根据伪造货币罪来认定变造数字人民币行为;修改关于伪造货币罪的低位阶规范性文件并重新解释相关构成要件要素。适用该罪时应注意:伪造货币罪是行为犯,无须发生进入流通、完成支付等结果即可既遂,这适用于数字人民币。在数字人民币的场合,应在该罪的主观构成要件要素中保留而非删除流通的目的。应对伪造数字人民币的常业犯从重处罚;停止适用持有假币罪和运输假币罪,对持有和运输假数字人民币行为出罪;购买假币罪、出售假币罪和使用假币罪可适用于数字人民币,但应注意:购买假币罪的主观构成要件要素中要有流通的目的,而出售假币罪的主观构成要件要素中无须有该目的。对使用假币罪而言,判断某种行为是否属于使用时,必须紧紧围绕“进入流通”来判断。一切导致假币进入流通的行为方式,包括支付对价、偿还债务、作为保证金提供给他人、作为注册资本验资、交换、赠与、存入金融机构、兑换真币等均属于使用,但单纯出示、委托保管不属于使用。判断假数字人民币是否进入流通时,不应使用与有体物紧密相关的“占有”一词,而应使用抽象意义更强的“支配”一词,具体而言:当他人从行为人处以电子支付方式取得对该假币的支配或破解了该假币的加密数据,并能对其随意支配时,该假币则进入了流通。行为人使用假数字人民币的行为表面上看同时构成使用假币罪和诈骗罪时,二罪的关系不是法条竞合而是想象竞合。根据想象竞合犯从一重罪处断的原则,应当将行为人的行为认定为法定刑较重的使用假币罪。

大数据背景下职务犯罪侦查模式的转型与构建研究

大数据时代的到来,给职务犯罪侦查工作带来了巨大的挑战,同样也为职务犯罪侦查模式的转变提供了契机。以大数据技术为导向的职务犯罪侦查模式实现了对传统职务犯罪侦查模式的多重突破:转变了侦查场域、升级了侦查手段、转换了侦查破点、改变了侦查范式,这些变化可以有效地刺破职务犯罪的隐蔽性,提升职务犯罪侦破效率,降低职务犯罪黑数。构建大数据职务犯罪侦查模式应当从主体要素、技术要素、规范要素三个层面入手。在主体要素层面,侦查主体应当树立技术主导的侦查理念、培养"相关性"和"预测性"侦查思维、提升运用"数据技术"的能力;在技术要素层面,侦查机关应当建立大数据侦查部门、职务犯罪专属数据库、大数据共享平台;在规范层面:应当严格规范数据收集行为而保护公民隐私权、细化数据筛选工作来保障"数据源"的质量、规制算法歧视以保证分析结论的正确性。

生成式人工智能的犯罪风险及刑法规制

以ChatGPT为代表的生成式人工智能在推动生产、生活方式发生颠覆性变革的同时,也给人类社会带来了巨大的技术风险。从刑事法治的角度来看,生成式人工智能数据处理不透明、生成过程不可控、输出内容复合性,以及技术滥用等蕴含着较大的犯罪风险,极易造成严重的危害结果。生成式人工智能带来的犯罪风险使刑法出现了行为规制缺漏、责任判断困难等问题,并对刑法人类中心主义造成了冲击。对此,刑法应当树立与智能时代相适应的基本理念,坚持刑法立法与刑法解释并重,兼顾安全保障与技术进步,在前瞻思考与现实理性之间实现有效平衡。在具体应对路径上,可以通过解释路径解决行为规制和责任归属问题,立法路径弥补现有规范的行为规制漏洞,并在刑法中明确服务提供者的保证人地位和刑事监管义务。

基于CART决策树算法的犯罪类型决策研究

大数据时代,犯罪案件的数据多样而繁杂,选取关键因素进行准确判决显得越来越重要。本文以美国犯罪记录集作为训练数据,以CART算法为工具,构建了基于决策树算法的犯罪类型决策模型,并得出决定犯罪类型最主要的因素是作案工具的结论。同时,此模型具有一定的普适性,可应用到我国的犯罪类型决策中。

数字签名在公安现场勘验信息系统中的应用

为防止非法用户在公安现场勘验信息系统中录入或修改现场勘验信息内容,系统采用数字签名提供信息的防冒充、防篡改等服务,以保证勘验信息的真实性和系统的安全性。论文通过对系统功能设计以及对与系统相关数字签名算法的分析和应用,从而使系统成为一个高效、安全且易用的信息系统。

基于二部图匹配算法的围堵模型

针对目前个别地区街面极端犯罪活动的高发性,本文基于二部图理论,以匈牙利算法进行匹配分析,建立了围堵犯罪嫌疑人的数学模型。将某市交通路线及路口数据转化成图,利用二部图匹配的方法计算出接警后巡警围堵成功的最短时间和最佳方案,提高巡警对犯罪活动的打击力度。同时,该模型利用计算机编程实现,具有良好的推广价值。

卷积神经网络在案件分类上的应用

几年前,机器学习在司法方面的应用被提出并得到迅速发展。本文通过对判决文书的学习,将训练出的模型以文本分类的方式,用于协助办案人员进行罪名预测:1、在权威网站爬取大量判决文书,进行信息预处理后,提炼出较为精炼的文本数据和罪名标签;2、对文本进行分词、结构化处理、构成词汇表并与相应的词向量进行1对1映射;3、应用谷歌的Tensorflow搭建卷积神经网络,设置参数,训练模型并测试;4、反复调整参数后,改进优化算法,使分类效果理想。最终分类准确率在95%以上。

基于机器学习的司法数据分析及建模研究——以“故意伤害罪”为例

当今社会,司法审判工作日益受到人民与社会的关注,其合理性常常被视为国家司法机关执法公正有效的重要评价标准之一。运用大数据挖掘技术对故意伤害罪判决刑期进行有效预测,能够科学地提高司法审判公正性,并为国家法律制度的进一步完善提供理论依据。本文通过采集近几年贵州法院"故意伤害罪"案由的数据信息,然后运用CRF等技术进行数据预处理,进而通过对模糊C均值聚类、主成分分析、深度神经网络和岭回归等多种典型机器学习算法的比较和融合,构建故意伤害罪判罚刑期预测的专家系统模型。通过理论分析和实验验证,该模型对判罚刑期具有精准的预测效果。结果表明,文章基于机器学习方法搭建的专家智能审判系统模型对审判机关判案具有较高的利用价值。

基于TPML-WMA算法的犯罪率分布模型分析

犯罪分布预测问题对社会稳定有积极影响,在学术界引起了广泛关注。现有的研究方法并不能很好的适用于本文所用的数据集。因此,本文构建了矢量运动模型,并提出了一种名为TPML-WMA(Transition Probability Matrix Learning and Weighted Moving Average)的新算法,利用此算法去学习转移概率矩阵,然后对得到的矩阵做加权移动处理,进而来预测未来的犯罪率分布。本文所用数据集是中国某市2001年到2011年共11年间盗窃案发生的数据集,在此之上本文建立了VM(Vector Motion)模型,提出了TPML-WMA算法对犯罪率进行预测,并讨论了不同初始条件下算法的性能。本文还将所提出的算法与基于最小二乘法的经典线性回归方法进行比较。拟合的结果表明TPML-WMA模型的预测性能较线性回归模型有了很大提升。

网络语境中犯罪定量证明分析

针对传统的犯罪定量证明分析方法在应用时存在分析正确率低的问题,提出一种新的网络语境中犯罪定量证明分析方法。考虑到网络语境中犯罪的独特特点,使用基于关联规则数据挖掘方法收集网络语境中的犯罪行为并生成数据集合。对收集到的网络语境中可疑犯罪行为数据进行处理后,使用聚类算法对犯罪进行证明,再利用聚类算法将确定的犯罪行为归为一簇,分别从犯罪结果、情节、数额三个方面,利用决策树原理结合办案人员的经验和相关法律规定,对网络语境中的犯罪行为进行定量证明分析。通过与传统的分析方法进行对比,证明了网络语境中犯罪定量证明分析方法具有更高的分析准确率,应用优势更加明显。