【编者按】2025年3月9日，由中国政法大学刑事司法学院主办，盈科律师事务所承办的“刑辩二十人论坛·第十二站”在中国政法大学盛大举办。论坛专题聚焦“网络犯罪的技术型辩护”。王亚林作为刑辩二十人论坛发起人开幕致辞，并做主题发言。他在开幕致辞中指出，当前，网络犯罪已从传统犯罪的“线上化”演变为技术赋能的“新型化”。电子数据海量涌现、AI技术深度介入、犯罪手段迭代升级，这些不仅对司法认定提出挑战，更对刑辩律师的专业能力提出了更高要求——技术壁垒需要以技术突破，专业难题需要以专业回应。技术型辩护不是“技术炫耀”，而是回归刑辩本质的守正创新。它要求我们既要有拆解代码的严谨，也要有关怀人性的温度；既要掌握数据算法的逻辑，更要坚守法律价值的底线。唯有如此，技术才能真正成为捍卫权利的利器，而不是疏离正义的屏障。

       王亚林还以“AI背景下刑事证明的风险应对”为题发表主题演讲，以下根据现场发言整理成文，以飨读者。
  
       电子数据和大数据辅助证明在网络犯罪中占有非常重要的地位。电子证据在普通法系的证据种类中属于书证，书证就应当坚持最佳证据规则；大数据辅助证据在实践中往往会被当作可以作为证据的专门性报告，似乎要适用鉴定意见的举证和质证规则。然而，仅此远不足以规避AI背景下刑事证明的风险。

       一、关于证据属性的中国表达

       有三性说、两力说。老三性说包括：客观性、关联性、合法性；新三性说包括：真实性、关联性、合法性。证据能力与证明力说，据《证据能力词源考》（作者邵奇聪，北京大学法学院博士研究生）认为来自日本。

       一些民事诉讼法学者编写的教材既将“三性”作为我国的诉讼证据属性，又阐述证据能力和证明力，即将三性说和两力说并列。

       关联性与可采性说。普通法系国家对诉讼证据属性的表述是关联性和可采性。

     《最高人民法院关于进一步加强刑事审判工作的决定》（法发〔2007〕28号）第三十一条规定：“认真审查证据的客观性、合法性、关联性。”

       最高人民检察院（以下简称最高检）与公安部联合颁布的《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》（法发〔2016〕22号）第二条规定：“人民检察院、人民法院应当围绕真实性、合法性、关联性审查判断电子数据。”

     《人民检察院公诉人出庭举证质证工作指引》第九条第2款（十）规定，公诉人制作举证质证提纲时应当注意“证据是否具有证据能力及其证明力的其他问题”。

     《律师办理刑事案件规范》第九十五条第2款规定：“辩护律师应当围绕证据的真实性、合法性、关联性，就证据资格、证明力以及证明目的、证明标准、证明体系等发表质证意见。”

     所以，目前较常用的是“新三性说”和“两力说”，当然关联性与可采性说也可以大行其道。

       二、AI背景下刑事证明的风险

    （一）对人工智能的过度依赖和人工智能的局限性可能导致错案出现

       大数据证据、电子证据一般都是间接证据，需要进行事实推定以证明案件事实。对人工智能的过度依赖和人工智能的局限性会导致错案出现。

       我们都知道2023年美国纽约州律师向法院提供6个来自ChatGPT的虚假案例的故事。前不久的一项研究表明，人工智能会“一本正经”地说谎。

       "大数据辅助证明"有助于提升事实认定的科学性与准确性。大数据辅助证明以整体主义为指引，在证据推理环节通过大数据技术整合经验，对个案中的推论命题和要件事实形成类型化指引，具有科学性和准确性。

       有学者根据大数据的证据能力把大数据证据分为白箱算法（间接证据）、灰箱算法（弹劾证据、补强证据）、黑箱算法（侦查手段）。《人民检察》一篇文章提出“证据标准”的概念，主张根据刑事诉讼的不同阶段或不同案件的特点，对刑事案件证据标准进行差异化规定。

       但如果对大数据智能产生非理性崇拜，会异化为新的神明裁判方式，就如鉴定结论改为鉴定意见后，至今仍未走下证明的神坛。

       现阶段，人工智能尚未达到真正意义的强人工智能水平，包括生成式人工智能的长文本生成能力仍具有很大的局限性。另外，人工智能在事实认定上无法运用自由心证来形成内心确信。

    （二）冲击无罪推定和控辩平衡原则进而压缩和限制辩护权利

       大数据侦查和司法证明冲击了无罪推定和控辩平衡原则；大数据侦查的算法黑箱和算法歧视导致有效辩护的可能性降低。
 
       随着大数据在侦查活动中的广泛应用，这一技术优势大大增强了控方的犯罪追诉能力，令辩方无论是在数据收集能力还是数据处理能力上都难以与控方相匹敌。在证据能力审查上，律师难以进行相关性和科学可靠性的检验；在证明力评价层面，律师难以从大数据应用的信息连接点选择、算法歧视可能性、逻辑架构合理性、算法结论稳健性等方面去进行分析。

       有必要从辩护理念、权利保障以及技术反思等三方面着手，在“数字无罪”理念指导下完善并加强对辩护律师知情权、阅卷权和调查取证权等诉讼权利的保障，在技术反思的基础上明确大数据技术对侦查机关的辅助作用，并推进智能技术与刑事辩护的有机融合，以实现控辩关系向平等对抗的理想状态转变。

       三、AI背景下刑事证明的风险应对

     （一）立法和司法解释层面：

       1.将阅卷权提前到侦查阶段

       否则辩方将无法及时发现和纠正取证过程中的暗箱操作和偏见。

       2. 确立控方必要告知义务

       算法在刑事证明中的应用日益广泛，算法解释告知义务不可或缺。以某利用大数据算法分析犯罪嫌疑人活动轨迹的案件为例，若控方不履行算法解释告知义务，辩方将难以了解算法的可靠性和准确性，从而无法有效质证。

       3. 明确控方技术协助义务

       源代码是算法的核心，其解释对于理解算法证据至关重要。当控方使用基于特定源代码的算法证据时，应强制其对源代码进行解释。如某案件中，控方依据复杂算法得出犯罪结论，但拒绝解释源代码，导致辩方无法判断算法的公正性和准确性。明确此协助责任，可保障辩方的知情权和质证权。

       告知－知情－异议：控方在算法证据开示、源代码解释等方面的技术协助义务应法定化，并确定辩护人的异议权利。

       4. 控辩平等对抗，排除合理怀疑

       明确大数据侦查中侦查机关的主导地位，并强化其对辩护意见的反馈。

    （二）律师实务层面：

       电子数据存在易被篡改、依赖技术黑箱、可能包含算法偏见等问题。如：

       篡改风险：聊天记录可能被PS修改，服务器日志可能被删除。

       技术黑箱：AI的结论如何得出？可能连开发者都说不清。

       算法偏见：比如人脸识别系统对某些肤色人群的误判率更高

       1. 了解和运用AI技术，提升取证和分析证据的能力

       基本概念和原理需要清楚，如源代码，它是电脑的“操作指南”；哈希值，它是数据的防伪指纹；区块链，它是全网监督的防篡改账本。AI训练，则是让AI像学生一样刷题，直到变成学霸。

       2. 专家辅助证人参与，全面质证

​       质疑算法逻辑和技术可靠性。辩护人不是万能的，在类似案件中，可以请专家辅助证人参与证据的审查和出庭质证。