网络空间治理前沿(第一卷)
上QQ阅读APP看书,第一时间看更新

三、数额认定方法的选择及适用

通过上文中对网络犯罪案件数额认定困境及其原因的分析,笔者认为,在运用传统方法确实无法精确计算数额的情况下,借助其他方法既具必要性也具合理性,同时也是提高司法效率的应有之义,但是我们仍要坚持“案件事实清楚,证据确实充分”的证明标准,严格规范各种数额认定方法在司法实践中的运用。如上文所述及,上述各个方法各有利弊,仅仅依靠某一种方法都难完全解决司法实践中可能遇到的情形,因此我们需要结合各个方法的优点有限制地规范使用。

(一)将底线证明作为首要选择

在对涉案数额进行精确计量确实存在难以克服的客观障碍前提下,笔者认为应将底线证明方法作为进行数额认定的首要选择。在上文中对几个典型网络犯罪的相关规定的梳理中可以发现,一般情况下,法条中入罪以及情节严重部分情形规定的数额标准都较小,例如“信息50条以上”“淫秽视频文件10个以上的、淫秽音频文件50个以上”“转发次数达到500次以上”等都可以通过底线证明方式解决。在电信网络诈骗中遇到受害人众多无法一一核实被骗金额的情况下,也可以选取部分被害人,只要核实金额到达“底线金额”就可以不再依次向受害人取证。采取“底线证明”方法,易于解决定罪量刑数额标准较小但涉案数据数量庞大的情况下核实数据信息的真实性、重复性难题,比如在侵犯公民个人信息罪的案例中,多数被告人都是以涉案个人信息有重复,不真实为理由提起上诉,但实际信息数量远远超过定罪量刑的标准数量,使用这一方法可以极大提高诉讼效率。而且从实践操作层面看,司法人员很容易凭借一般经验感知到某一情形是否用底线证明就能解决。

但如上所述,“底线证明”无法应用于所有网络犯罪案件场景,因此在适用时需要考虑案件类型是否属于在法条中“底线”数额本身就很大且涉及需要查证信息的真实性和是否重复的情形。如果属于此类情形,则需要考虑其他认定方法的选用。

(二)将抽样取证作为补充手段

对于案件中存在海量数据,为了解决证明涉案数据的真实性和是否重复问题就有必要引入抽样取证方法来确定可以用于定罪量刑的数额。但是,应从立法层面对抽样取证的原则,抽样机构和抽样方法等进行详细的规定。

1. 明确规定使用原则

首先要严格遵循置后使用的原则。应当通过立法明确,只有在涉案金额巨大或者数据信息数量巨大,对相关数额进行精确计算确定客观不可能,相关法律法规也没有对这一特殊情形的专门规定且确定用底线证明方法也难以证明时,才可以置后采用抽样取证的方法何家弘:《司法证明方法与推定规则》,法律出版社2018年版,第263-267页。。其次,严格坚持“全面运用”原则。抽样取证所获得的证据只是全案证据链中的一环,不能单独仅凭抽样取证获得的数据作为定罪量刑的依据。例如浙江省发布的《电信网络诈骗犯罪案件证据收集审查判断工作指引》中就明确规定,要在其他证据已经能充分证明被告人犯罪事实的情况下才可以进行抽样取证。经过抽样取证的证据一定要与其他证据进行综合认定,达到“案件事实清楚,证据确实充分”的条件,才可以作为证据使用何家弘:《论推定规则适用中的证明责任和证明标准》,载《中外法学》2008年第6期,第866页。

2. 严格限定抽样机构

司法实践中,一般由司法人员委托鉴定机构进行相关的抽样鉴定,例如司法鉴定中心、司法鉴定所等以出具司法鉴定报告的形式保证其证据效力,也有案例例如张鑫、陈天明、张朝荣等提供侵入、非法控制计算机信息系统程序、工具罪一审刑事判决书中提到,此案中抽样取证鉴定意见是由受害方腾讯公司提供。被告辩护人辩护意见中也提到由于鉴定意见出具的机构不具有相应的资质,因此不能作为定案依据绍兴市越城区人民法院刑事判决书(2018)浙0602刑初101号。。对此目前相关法律法规中没有相关规定,但可以借鉴两高一部2011年《关于办理侵犯知识产权刑事案件适用法律若干问题的意见》第3条的相关规定“公安机关可以商请同级行政执法部门、有关检验机构协助抽样取证的”,在相关法律法规中,明确可以抽样取证的机构,让更专业的机构负责抽样取证也能更大程度上保证抽样结果的科学性和可信度。

3. 科学选择抽样方法

从统计学的角度来看,抽样主要有简单随机抽样、分层抽样、等距抽样、重点抽样等方法。在上文中提及笔者在“Openlaw”网站中以“侵犯公民个人信息”和“抽样”为关键词,共搜索到226篇裁判文书。虽然大多没有对抽样方法具体的描述,但其中有26篇提及是采取了随机抽样的方法。抽样取证的方法选择应该根据样本属性、抽样目的等因素决定。

笔者认为,采用抽样取证主要是为了解决数据总量过大时,数据信息的真实性问题,如何确保均匀取样以及样品的代表性是需要重点考虑的因素。以侵犯公民个人信息的案件为例,如果被告人在不同时间向不同单位或者个人分别出售、提供了公民个人信息,很有可能不同时间或者面对不同的出售对象,个人信息真实性的比例是不同的,如果样品的代表性不能确保,很有可能导致最终抽样结果不够严谨。在此基础上考虑,分层抽样可以针对不同阶段不同对象对数据信息分成几组,再分别随机抽样,最终确定比率于力超:《抽样调查领域分层结构数据分析方法研究》,载《调研世界》2018年第2期,第55页。,比简单随机抽样的科学性更高,误差更小。

(三)将综合认定作为后援

底线证明和抽样取证都是为了解决网络犯罪案件涉案数据庞大而无法采用传统取证方法一一核实时的不得已选择,但两种方法采用的前提都是相关证据(底线证据、抽样证据)的客观存在,那么若网络犯罪中证据被毁损且难以修复时怎么办?由上文中表格可知,现有司法解释中已经给予这种情况一种解决出路,即明确规定了“综合认定”这一数额认定手段,且详细规定了可以适用的情形高艳东:《网络犯罪定量证明标准的优化路径:从印证论到综合认定》,载《中国刑事法杂志》2019年第1期,第127页。。2016年两高一部《关于办理电信网络诈骗等刑事案件适用法律若干问题的意见》(以下简称:《意见》)中,明确规定在“因犯罪嫌疑人、被告人故意隐匿、毁灭证据等原因,致拨打电话次数、发送信息条数的证据难以收集的”的条件下,“可以根据经查证属实的日拨打人次数、日发送信息条数,结合犯罪嫌疑人、被告人实施犯罪的时间、犯罪嫌疑人、被告人的供述等相关证据,综合予以认定。”以及在“办理电信网络诈骗案件,确因被害人人数众多等客观条件的限制,无法逐一收集被害人陈述的”条件下,“可以结合已收集的被害人陈述,以及经查证属实的银行账户交易记录、第三方支付结算账户交易记录、通话记录、电子数据等证据,综合认定被害人人数及诈骗资金数额等犯罪事实。”上述规定实际上就是确立了一种“综合认定”型的数额认定方法。

“综合认定”可以看作是为了解决在证明标准高、数额认定难的困境下,有罪者难以被认定有罪时,通过司法解释明确规定可以使用的一种“后援性”方案,也是推定规则在网络犯罪证明中适用的尝试杨宁著:《推定规则研究》,法律出版社2018年版,第149页。。这实际也从一个侧面说明,立法者已经开始充分考虑到网络犯罪数量猛增且现有执法水平难以应对的客观现状,而将“综合认定”这一推定性方式引入刑事诉讼证明体系的有限制许可。

为了不降低证明标准,有必要在法条中将综合认定的适用条件具体化明确化,若条件规定模糊或适用面放宽,可能导致在司法实践中“综合认定”的不当适用,从而增加错案风险。但从另一个方面看,在网络犯罪案件中,目前相关司法解释只是针对电信网络诈骗中的某些情形有明确规定,且对相关适用条件规定比较苛刻,无法满足司法实践的需要,例如《意见》中,只明确指出了拨打电话次数和短信条数可以综合认定,而对利用其他通信手段的数额认定没有规定。这就引发了在其他网络犯罪情形中,若遇到相似情形,是否也可考虑适用综合认定的手段的问题。因此,笔者建议立法者可以对其他类型的网络犯罪也进行关于“综合认定”的相关规定,例如在解决侵犯公民个人信息的案件数据重复性问题时,将原有法条改为“确因依靠技术手段无法解决数据信息真实性重复性问题时,可以结合已收集的被害人陈述、被告人供述、电子数据等证据,综合认定涉案数据数额”。此外,建议对综合认定的适用条件严格规定,但对满足条件的具体情形可以模糊表述,例如“因犯罪嫌疑人、被告人故意隐匿、毁灭证据等原因致使涉案数据数额难以确定的,可以结合犯罪嫌疑人、被告人实施犯罪的时间、犯罪嫌疑人、被告人的供述等相关证据,综合予以认定。”此外,也要充分保证被告人反驳的权利张平寿:《刑事司法中的犯罪数额概括化认定研究》,载《政治与法律》2018年第9期,第51页。

综上所述,笔者认为,针对网络犯罪中数额认定难这一困境,将底线证明方法作为首要选择,将规范的抽样取证作为补充手段,将综合认定作为后援可以说是当前一种不得已的解决路径。我们应当看到,网络犯罪数额认定难题,是传统刑法理论观念与网络时代犯罪更加复杂的情形相矛盾产生的必然问题。网络犯罪中的疑难问题多、新问题频发,我们基于传统犯罪所建立起来的法律体系、法律思维实际上已经解决不了层出不穷的新问题、新局面,因此有必要从思维和制度两个层面都实现重构性发展和演进。

从域外立法趋势来看,美国与欧盟在面对颠覆性的网络空间相关法律问题时都主张,不应以旧法律为基础,而是应该制定与现有技术相适应的新法律Redford M. U. S. and EU Legislation on Cybercrime[C]. Intelligence and Security Informatics Conference(EISIC),2011 European,2011,pp.34-37.。欧盟已经建立起跨学科专家团体,负责网络空间信息数据库的工作。此外相关研究人员已经开始研究如何应用先进的计算智能协助分析和调查涉及大数据的刑事案件,研究工作将软计算与混合智能相结合,致力于将计算技术人工智能化,就可以更好地分析大量的非结构性数据Shalaginov,A.,J. W. Johnsen,& K. Franke. Cyber Crime Investigations in the Era of Big Data[C].2017 IEEE International Conference on Big Data(BIGDATA),2017,pp.3672-3676.。技术发展产生的破壁效应或会推动刑事证据规则重新理解与构建,也将为我们未来解决网络犯罪数额认定难问题提供新的思路。