电信网络诈骗案件定性的一般原则

司法实践中存在电信网络诈骗案件定性过于宽泛的倾向,没有厘清电信网络盗窃、普通诈骗与电信网络诈骗之间的界限。电信网络诈骗首先应当构成诈骗罪,不能片面关注技术手段相关情节而忽视诈骗罪的基础属性。把所有使用电信网络技术手段的诈骗都认定为电信网络诈骗,是对司法解释的误读,也不符合从重处罚的一般原理。面向不特定多数人实施是电信网络诈骗的本质属性,应当依据技术手段的作用大小、被害群体是否具有特定性等相关情节和报应及预防的必要性等因素综合评估案件的社会危害性,最终实现电信网络诈骗的准确定性。

盗窃游戏物品与网络犯罪

随着我国网络游戏的发展,盗窃网络游戏物品的现象日趋严重,如何认定游戏物品的财产价值和盗窃游戏物品的行为是否构成犯罪,都是值得深入研究的,这不仅关系到目前如何保护我国游戏玩家和运营商的利益,也为我国未来相关立法作好理论准备。

我国网络盗窃犯罪的立法现状及建议

电子商务的蓬勃发展,使盗窃电子货币、虚拟财产、重要商业信息数据的网络盗窃犯罪越演越烈。我国网络盗窃犯罪立法的滞后、分散、量刑与犯罪后果不匹配等一系列问题,导致现有法律对网络盗窃犯罪的打击和惩戒力度有限,既将司法置于尴尬境地,也间接导致了网络盗窃犯罪行为的高发。加强和完善网络盗窃犯罪立法,应着重从提高立法层级、将网络盗窃犯罪明确入刑、拓展其犯罪主体范围、明晰虚拟财产的法律地位等方面入手。

关于“使用盗窃”行为在网络背景下入罪化的思考

"使用盗窃"行为在传统的刑事立法、司法和刑法理论中,处于争议地带。尽管在大陆法系国家"使用盗窃"多有立法例,但是中国刑事立法和司法对此加以回避。而网络日益普遍的现实,以及网络空间中违法犯罪的高发态势,导致将网络空间中危害巨大的"非法使用网络资源"的"使用盗窃"行为,加以入罪化,已经迫在眉睫。

网银犯罪活动的现状分析及防范对策

在网络银行业务日渐发展的同时,其安全性问题已经成为制约网银发展的主要因素。自2005年起,关于网络银行的安全问题严重性的报道和争执就有愈演愈烈的趋势。近几年,发生多起倍受关注的网银安全事件发生。多名网银客户发生网上资金被盗事件,涉及20多个省份。本文针对网络银行犯罪活动的现状进行了成因分析,从计算机技术角度提出了若干防范策略。最后,文章提出了制止网银犯罪的其他策略与方法,指出打击网银犯罪将是一个长期和艰巨的任务,有待各方面的力量集中统一起来。

当前电信网络诈骗犯罪涉及罪名判定

电信网络诈骗犯罪与现场实施的诈骗相比,突破了时间、空间限制,更具有隐蔽性。该行为所涉及的犯罪对象、犯罪行为、犯罪方法非常复杂,因此,在司法实践中对其可能涉及的罪名存在争议。文章主要针对当前电信网络诈骗犯罪涉及的主要罪名进行梳理和判定,为电信网络诈骗犯罪的侦办和惩治提供借鉴和参考。

论网络虚拟财产的刑法保护路径——基于刑事司法案例的分析

目前,在刑事司法实践中,对网络虚拟财产的保护有两种进路:一是以适用盗窃罪来进行规制,二是以适用非法获取计算机信息系统数据罪来加以保护,两者区分的关键在于对网络虚拟财产法律属性的判断。网络虚拟财产交织于网络空间和现实世界,是客观存在的,有明确的价值来源以及价值认定方式,应属于刑法意义上的财物。对于盗窃网络虚拟财产的犯罪行为宜适用盗窃罪,而不是非法获取计算机信息系统数据罪。此外,账号类虚拟财产因具有财产和个人信息识别双重特征,应根据行为人的行为目的区别对待。

基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用

针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪数量进行预测。应用美国芝加哥市2015年-2017年盗窃犯罪数据以及总人口数、房价中位数、本科率等11个影响因子数据,对改进前后的模型进行了预测对比实验。结果表明,改进后的PSO-BP神经网络模型成功克服了BP模型的缺陷,相对误差由4.68%降低到1.635%。

论盗窃网络虚拟财产的刑法规制

通过对网络虚拟财产的类型划分,仅货币型网络虚拟财产可能具有一定的财产属性。网络虚拟财产难以被界定为“财物”,只可能属于“财产性利益”的范畴。侵犯网络虚拟财产,所实际侵害的系网络用户所享有的债权;而窃取网络虚拟财产的行为,并不具有“打破-建立占有”的盗窃实质。因此,侵害网络虚拟财产不应以财产犯罪定罪处罚,而仅可能成立计算机犯罪。

网络盗窃犯罪的发展新趋势及侦查革新

近年来,网络盗窃犯罪手段不断更新,团伙化、职业化、产业化、专业化趋势明显,与上下游犯罪一起形成了完整的黑色产业链。实践中面临案件发现难、线索调查难、证据收集难等严峻挑战。创新侦查模式,强化数据导侦的能力,加强对上下游犯罪的打击力度,建立高效的侦查协作机制,有助于公安机关不断提升打击此类犯罪的效能。

侵犯网络账号的行为定性与刑法规制

侵犯网络账号的行为定性在理论和实践上存在反复。网络账号的定性固然重要,但不能让网络账号的法律属性承担过多的区分罪与非罪的功能,仍然应当结合具体犯罪构成要件进行认定。刑法应从属于民法,虚拟财产可以成为物权的客体而被认定为无体物,成为刑法保护的对象。虚拟财产具有数据属性、物品类财产属性、网络账号类财产属性、信息属性,且彼此存在竞合。针对司法实践中"出信""洗信"行为应当具体分析而不能作"一刀切"。

网络侵财犯罪刑法规制与定性的基本问题

财产性网络账户通常是网络侵财犯罪行为围绕的中心与觊觎的目标,对其法律性质的理解不宜坚持债权视角。财产性网络账户所记载内容本身即为财物,表现为数字化形态。依据账户记录变动原因之不同,网络侵财犯罪可分为两种类型,即被害人非自愿变动账户记录型与被害人自愿变动账户记录型。在被害人自愿变动账户记录的场合,被害人是受骗人,行为人构成隐瞒真相型诈骗,隐瞒真相包括隐瞒交付物本身;在被害人非自愿变动账户记录的场合,行为人非法获取他人网络账号、密码并冒充本人使用的,依然存在受骗人,但可能被害人与受骗人并非同一人,受骗人也可能是"机器人"。

基于LSTM网络的盗窃犯罪时间序列预测研究

【目的】研究日盗窃犯罪数量的预测问题。【方法】基于LSTM网络,利用中国北方某大型城市2005年1月1日至2007年2月24日以及2009年1月1日至2011年1月7日的每日实际盗窃犯罪数据,设置三个算例分别进行时间序列预测研究及验证,并与ARIMA、支持向量回归、随机森林以及XGBoost方法的预测结果进行对比。【结果】LSTM网络模型能够较好地预测日盗窃犯罪数量的变化趋势,三个算例中的百分比均方根误差分别为18.4%、11.7%、41.9%,性能均优于ARIMA、支持向量回归、随机森林以及XGBoost模型。【局限】对日盗窃犯罪数量波动较大时段的预测需要开展进一步研究。【结论】本文的研究结果预期可以为社区安全防范措施的调整、巡逻警力测算与部署等具体业务工作提供决策支持。

融合图自编码器与GRU的城市盗窃犯罪时空分布预测模型

犯罪预测是进行犯罪预防的前提,高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前,关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型,忽略了犯罪的时空依赖关系,往往难以获得准确的预测结果。本文提出一个基于深度学习技术的犯罪时空预测模型—GAERNN:(1)利用GAE模型捕获犯罪案件的空间分布特征;(2)将带有空间依赖关系的特征经序列化处理后作为GRU模型的输入,进一步提取犯罪序列的时间特征;(3)经全连接层处理获得犯罪时空预测结果,并选取MLP、GCN等基准模型进行对比实验,结合RMSE、MSE等多个指标对模型预测结果进行评估。实验结果表明:对于各模型预测结果可视化分析,GAERNN模型预测的可视化结果与实际数据分布最相符合;在各模型误差分析方面,相比预测性能较差的MLP,GAERNN模型各月份的RMSE分别降低了1.02、3.58、1.29以及0.45;在子模块有效性评估方面,相比其变体模型GAE-LSTM,GAERNN模型在各月份的MAPE分别降低了2.15%、10.07%、1.92%以及2.54%,说明GAERNN模型能显著提高盗窃犯罪时空预测精度,可用于城市盗窃犯罪的积极预防和有效治理。