“深度偽造”的擴張化刑事治理風險及其限度

熊 波

“深度偽造”(Deep Fake)是人工智能算法在神經(jīng)網(wǎng)絡識別和視聽數(shù)據(jù)生成轉化中的處理技術。隨著美國Reddit網(wǎng)站上合成色情視頻和前總統(tǒng)奧巴馬咒罵現(xiàn)任總統(tǒng)特朗普的政客攻擊合成視頻的出現(xiàn)，“深度偽造”一詞備受國外法學界關注。同樣，在我國，法學界對于近期發(fā)生的中國AI一鍵換臉App“ZAO”、知名視頻網(wǎng)站bilibili流傳的楊冪、吳彥祖AI換臉術等合成視頻點擊量飆升以及“中國人臉識別第一案”等事件產(chǎn)生擔憂，進而認為在刑法層面，換臉視頻行為人構成傳播虛假信息、誹謗、盜竊、尋釁滋事、傳播淫穢物品等五大類的犯罪(1)王祿生：《論“深度偽造”智能技術的一體化規(guī)制》，《東方法學》2019年第6期。。甚至有部分學者引入抽象化情感困擾，并將其作為“深度偽造”刑法規(guī)制的主要依據(jù)(2)See Robert Chesney & Danielle Keats Citron，21st Century-Style Truth Decay: Deep Fakes and the Challenge for Privacy, Free Expression，and National Security, Maryland Law Review, vol.78, no. 4, 2019, pp. 882-891.。但“深度偽造”涉及的算法自動識別和決策功能運作，不同于網(wǎng)絡媒介中虛假信息的傳統(tǒng)傳播技術。本文認為，對于“深度偽造”的刑法規(guī)制，我們不能一概而論，而需要在剖析“深度偽造”算法運作技術及其蘊含的擴張化刑事治理風險的基礎上，強化刑法規(guī)制的限制性理念，設置規(guī)制限度的具體模式，以理性對待“深度偽造”犯罪現(xiàn)象。

一、“深度偽造”的技術本質與擴張化刑事治理風險

(一)“深度偽造”的技術運作及其法益的嚴重危害

要解決“深度偽造”擴張化刑事治理風險的問題，我們必須首先回答“深度偽造”的虛假信息是如何運用人工智能算法進行編造、傳播的。

從字面上看，“深度偽造”體現(xiàn)了算法的深度學習和信息偽造的雙層次技術結合。平常我們所理解的算法學習主要是依靠事前的代碼或指令的輸入和數(shù)據(jù)輸出的單層次過程實現(xiàn)的。但與此不同的是，“深度偽造”虛假信息的編造和傳播，不僅需要依靠視聽數(shù)據(jù)輸入、輸出的單層次過程，還需要依靠內(nèi)部算法數(shù)據(jù)的反復性制造和檢測過程。而這種過程完全由生成對抗神經(jīng)網(wǎng)絡(Generative Adversarial Networks，簡稱“GANs”)予以實現(xiàn)。GANs的基礎工作主要依靠人工智能算法對不同數(shù)組的圖像、語音、空間、物體等視聽數(shù)據(jù)進行不同比例的交互，然后不斷地訓練和驗證，以實現(xiàn)自我對抗、自我優(yōu)化的過程。只有依靠GANs，“深度偽造”的虛假信息才能看起來像真實發(fā)生過的事件一樣(3)See Alexa Koenig, Half the Truth Is Often a Great Lie：Deep Fakes, Open Source Information, and International Criminal Law, AJIL Unbound, vol.113, no.1, 2019, pp. 250-255.。

而GANs內(nèi)部算法數(shù)據(jù)的反復性制造和檢測，又需要依靠兩組神經(jīng)網(wǎng)絡予以實現(xiàn)：生成式神經(jīng)網(wǎng)絡和鑒別式神經(jīng)網(wǎng)絡。兩組神經(jīng)網(wǎng)絡互相配合、不斷銜接，從而偽造出看起來極其真實的虛假信息。具言之，在算法學習的運作過程中，生成式神經(jīng)網(wǎng)絡和鑒別式神經(jīng)網(wǎng)絡分別就像是算法生產(chǎn)工廠中的“生成器”(Generator)和“鑒別器”(Discriminator)?！吧善鳌敝饕菍⑤斎氲木唧w信息數(shù)據(jù)轉化為0-1的序列數(shù)字，按指令將需要替換上的數(shù)字信息與算法網(wǎng)絡上已經(jīng)存在的基礎信息數(shù)據(jù)進行對比，然后通過替換、覆蓋等方式實現(xiàn)對應的序列數(shù)字的生成偽造過程。

但畢竟“生成器”主要是承擔數(shù)據(jù)的轉化、替換和覆蓋等工作，因而，僅依靠生成過程，我們還很難得到與真實的圖像、視頻和空間一模一樣的信息數(shù)據(jù)。此時，我們就需要依靠“鑒別器”完成前述的訓練和驗證等自我對抗、自我優(yōu)化的過程。鑒別器的主要功能就在于“鑒別”——檢測信息數(shù)據(jù)的真實性。在理想狀態(tài)下，鑒別器可以依據(jù)人工智能系統(tǒng)中足夠多且高質量的算法數(shù)據(jù)，完成查找生成信息數(shù)據(jù)的真實性缺陷的對抗工作，并將真實性缺陷的序列數(shù)字反饋給“生成器”。生成式神經(jīng)網(wǎng)絡再次操作深度的循環(huán)覆蓋、替換過程，以不斷消除“鑒別器”反饋的缺陷信息，直至生成高度真實性的虛假信息(4)See Robert Chesney&Danielle Keats Citron, 21st Century-Style Truth Decay：Deep Fakes and the Challenge for Privacy, Free Expression, and National Security, Maryland Law Review, vol.78, no. 4, 2019, pp. 882-891.。最后，依靠算法系統(tǒng)單層次、單線程的深度學習，完成“深度偽造”虛假信息的推薦和轉發(fā)過程。至此，“深度偽造”虛假信息的制造、轉發(fā)等算法傳播過程得以完成，全過程并不需要人為手動的參與，算法能夠自主完成。

“深度偽造”虛假信息的類型主要涉及圖片、視頻、語音、空間、物品等信息數(shù)據(jù)，其技術危害在于網(wǎng)絡虛假信息的GANs算法傳播。“深度偽造”可以通過算法的快速傳播和擴散，危害國家安全、破壞社會穩(wěn)定、擾亂社會秩序、侵犯他人合法權益，從而對社會穩(wěn)定造成嚴重不良影響。

為應對“深度偽造”的人工智能法律風險，2019年11月18日，國家互聯(lián)網(wǎng)信息辦公室、文化和旅游部、國家廣播電視總局專門針對“深度偽造”等行為，發(fā)布了《網(wǎng)絡音視頻信息服務管理規(guī)定》(以下簡稱《規(guī)定》)。制定者表示：對于利用“深度偽造”嚴重侵害刑法法益的行為，司法機關完全可以按照《規(guī)定》第18條追究刑事責任。因此，“深度偽造”導致的危害結果和刑法規(guī)制是密切相關的。

(二)“深度偽造”蘊含的擴張化刑事治理風險類型

“深度偽造”行為在人工智能算法的自動識別和決策的運作原理下，是否達到侵害刑法法益的程度，還有待司法機關進一步認定。因而，不基于“深度偽造”的人工智能技術的運作原理區(qū)分法益侵害的程度，而是一概而論，這毫無疑問是一種擴張化刑事治理風險。

1.“深度偽造”的虛假信息直接等同于刑法中的“違法犯罪信息”

對于如何界定刑法中“違法犯罪信息”的內(nèi)涵，現(xiàn)行法律、法規(guī)并未直接給出具體的答案。不過，《網(wǎng)絡安全法》第12條明確列舉了九大類不得利用信息網(wǎng)絡從事違法犯罪活動的具體類型(5)《網(wǎng)絡安全法》第12條第2款規(guī)定：“任何個人和組織使用網(wǎng)絡應當遵守憲法法律，遵守公共秩序，尊重社會公德，不得危害網(wǎng)絡安全，不得利用網(wǎng)絡從事危害國家安全、榮譽和利益，煽動顛覆國家政權、推翻社會主義制度，煽動分裂國家、破壞國家統(tǒng)一，宣揚恐怖主義、極端主義，宣揚民族仇恨、民族歧視，傳播暴力、淫穢色情信息，編造、傳播虛假信息擾亂經(jīng)濟秩序和社會秩序，以及侵害他人名譽、隱私、知識產(chǎn)權和其他合法權益等活動?！?。該條涵蓋的違法犯罪活動類型，散見于《民法總則》《治安管理處罰法》《刑法》《全國人民代表大會常務委員會關于加強網(wǎng)絡信息保護的決定》《全國人民代表大會常務委員會關于維護互聯(lián)網(wǎng)安全的決定》《信息網(wǎng)絡傳播權保護條例》《互聯(lián)網(wǎng)信息服務管理辦法》等法律、法規(guī)之中。

有部分學者據(jù)此認為，刑法中的“違法犯罪信息”，直接等同于《網(wǎng)絡安全法》第12條或其他行政法規(guī)所涵蓋的具體類型(6)敬力嘉：《論企業(yè)信息權的刑法保護》，《北方法學》2019年第5期。。但問題在于：“深度偽造”的虛假音頻、視頻、圖片等視聽數(shù)據(jù)一旦散布在網(wǎng)上，此時，“深度偽造”行為在人工智能算法的自動識別和決策功能的技術運作原理下，很容易達到入罪標準，“深度偽造”的虛假信息便直接等同于刑法中的“違法犯罪信息”，那么，“民行”規(guī)范中的一般違法的虛假信息范圍在哪，便是一個疑問。

通常而言，由于“算法黑箱”的存在，“深度偽造”的視聽數(shù)據(jù)相較于后者，更易受到廣大網(wǎng)民的喜愛，但網(wǎng)民又無法熟知算法系統(tǒng)的代碼編程。此時，網(wǎng)民出于娛樂和滿足好奇心的目的，就極易輕信而轉發(fā)、瀏覽或評論“深度偽造”的虛假信息(7)See Jessica Silbey and Woodrow Hartzog, The Upside of Deep Fakes, Maryland Law Review, vol.78, no.4, 2019, pp. 960-966.。而按照現(xiàn)行《刑法》以及相關司法解釋的具體規(guī)定(8)參見《關于辦理利用信息網(wǎng)絡實施誹謗等刑事案件適用法律若干問題的解釋》第2、第5條；《關于辦理非法利用信息網(wǎng)絡、幫助信息網(wǎng)絡犯罪活動等刑事案件適用法律若干問題的解釋》第3、第10條。，誹謗罪，編造、傳播虛假信息罪，尋釁滋事罪等罪名的入罪標準均包含虛假信息的點擊、瀏覽、轉發(fā)的“5000次”“500次”等次數(shù)性。那么此時，在人工智能算法的特性下，“深度偽造”的編造、傳播行為將極有可能直接構成誹謗罪，編造、傳播虛假信息罪，尋釁滋事罪等罪名。換言之，在單純的點擊、瀏覽、轉發(fā)的次數(shù)性規(guī)定下，民法、行政法體系對于“深度偽造”行為將毫無用武之地。

雖然被眾人點擊、瀏覽和轉發(fā)的一鍵換臉視頻或者不同場景的摳圖視頻等視聽數(shù)據(jù)極具真實性，但大家也僅是一笑而過，亦或是僅在瀏覽時感覺心理恐慌，而并未導致現(xiàn)實社會秩序混亂或者網(wǎng)絡經(jīng)濟收益損失。此時，我們難以言說“深度偽造”具有刑法法益的侵害性。在人工智能算法自動決策的特性下，“深度偽造”單純的傳播次數(shù)是極容易實現(xiàn)的。此時，“深度偽造”的傳播次數(shù)顯然無法和“高某尋釁滋事案”的網(wǎng)上偽造虛假災情信息所導致的國家政府部門迅速聯(lián)動派專人趕赴現(xiàn)場調查核實情況的秩序妨害以及相關大型公司經(jīng)營的嚴重負面影響等危害結果相提并論(9)參見山西省呂梁市中級人民法院(2015)呂刑終字第93號刑事裁定書。。如此一來，“深度偽造”的虛假信息便很容易直接等同于刑法規(guī)范中的違法犯罪信息，但這顯然是一種擴張化刑事治理風險。

2.相關司法解釋并未將算法系統(tǒng)的自動化點擊、轉發(fā)的次數(shù)排除在外

退一步而言，縱使是相關司法解釋或者實務操作將純粹的次數(shù)性規(guī)定作為入罪標準的基本前提之一，我們也不能忽略“深度偽造”算法系統(tǒng)中的自動轉發(fā)和點擊的次數(shù)。很顯然，相關司法解釋并未明確人工智能算法系統(tǒng)的自動化點擊、轉發(fā)的刑法評價。對此，就有學者認為：“弱人工智能時代網(wǎng)絡空間的智能化機器人是由人進行操縱，雖然實施‘轉發(fā)行為’的機器人不具有可罰性，但本文并不否定自然人利用智能化機器人轉發(fā)、點贊、評論的行為的可罰性?！?10)劉期湘：《人工智能時代網(wǎng)絡誹謗“積量構罪”的教義學分析》，《東方法學》2019年第5期?？梢钥闯?，該學者是通過否定人工智能體的主體地位，肯定智能機器的自動化轉發(fā)、點擊、評論等相關行為的刑事可罰性可以直接歸于自然人。但筆者認為，刑法之所以將“深度偽造”的虛假信息視為違法犯罪信息，是因為經(jīng)過GANs自動化決策后的虛假信息極具真實性，一旦被多人瀏覽觀看、評價轉發(fā)，將極易導致受害者的人身或財產(chǎn)遭受嚴重損害，或者現(xiàn)實社會公共秩序遭受嚴重混亂?！吧疃葌卧臁彼惴ㄏ到y(tǒng)的自動化點擊、轉發(fā)的次數(shù)僅是人工智能算法的自動決策的外在表現(xiàn)形式。當前，人工智能技術還處于發(fā)展階段，基于商業(yè)秘密的保護和人工智能技術的專業(yè)限制等目的，算法系統(tǒng)中源代碼的運作邏輯和自然語言的轉化，一般難以被民眾所熟知(11)馬靖云：《智慧司法的難題及其破解》，《華東政法大學學報》2019年第4期。。如此一來，“算法黑箱”便由此形成。而在“算法黑箱”下，GANs的自動化點擊、轉發(fā)的次數(shù)，是在封閉式算法系統(tǒng)中進行的，并不具有可直觀性和可感觀性。因而，“深度偽造”行為即使達到了入罪標準的規(guī)定，無論如何也不會加劇公民的人身、財產(chǎn)權益的損失，或者現(xiàn)實社會公共秩序的混亂。因此，刑法也不應該將自動化的傳播次數(shù)等同于手動瀏覽、轉發(fā)所引發(fā)的情節(jié)嚴重的次數(shù)性規(guī)定。而當前司法解釋將單純的點擊、瀏覽、轉發(fā)的傳播次數(shù)作為入罪標準，并未將算法系統(tǒng)自動化傳播次數(shù)排除在外，這不免是一種擴張化刑事治理風險。

3.“深度偽造”的明知認定極具包容性，容易擴大主觀故意的認定

依據(jù)“兩高”發(fā)布的《關于辦理利用信息網(wǎng)絡實施誹謗等刑事案件適用法律若干問題的解釋》(以下簡稱《網(wǎng)絡誹謗刑事解釋》)第1條第2款的規(guī)定，即使行為人未捏造虛假信息，但只要其明知是他人編造的虛假信息，而在信息網(wǎng)絡上散布的，也可以構成誹謗罪。而對于如何理解網(wǎng)絡虛假信息轉發(fā)的明知，司法解釋并未做進一步細化。通常認為,刑法規(guī)制的“深度偽造”是行為人有意混淆或歪曲事實而實施的行為(12)See Emily Barney，Visual Literacy & Fake News，CALL Bulletin, vol.250, no.1, 2019, pp. 19-26.，但僅憑此，我們是否可以直接認定行為人的犯罪故意呢？對此，有學者認為，應當將傳播網(wǎng)絡虛假信息行為的明知界定為一種“概括性認知”，即在轉發(fā)者對“深度偽造”的虛假信息產(chǎn)生一定懷疑時，只要行為人沒有親自驗證信息的真?zhèn)涡?，便可以直接認定其具有犯罪故意的概括性認識(13)孫萬懷、盧恒飛：《刑法應當理性應對網(wǎng)絡謠言——對網(wǎng)絡造謠司法解釋的實證評估》，《法學》2013年第11期。。也有學者認為行為人惡意的規(guī)范本質在于故意，包括直接故意和間接故意在內(nèi)的故意(14)陳偉、霍俊閣：《論惡意轉發(fā)網(wǎng)絡虛假信息的司法認定》，《重慶大學學報(社會科學版)》2017年第5期。。由此可以看出，大部分學者并未限定虛假信息轉發(fā)者的主觀明知。

但上述理解僅適合于手動轉發(fā)者能夠辨別虛假信息危害結果的情形，而同樣是囿于“深度偽造”的“算法黑箱”的客觀存在，在GANs的兩組神經(jīng)網(wǎng)絡進行深度學習時，公民對于算法數(shù)據(jù)的運作規(guī)則如何具體影響現(xiàn)實結果是不得而知或者一知半解的。此時，算法的自動化決策就容易影響個人主觀的獨立判斷(15)參見馬靖云《智慧司法的難題及其破解》，《華東政法大學學報》2019年第4期。，“機器學習算法的不透明性挑戰(zhàn)了法律的可預測性和確定性”(16)陶盈：《機器學習的法律審視》，《法學雜志》2018年第9期。。因而，直接將“算法黑箱”運作中“深度偽造”信息一鍵式轉發(fā)行為的主觀明知等同于手動轉發(fā)的明知的做法，明顯也是一種刑事治理風險擴張化的表現(xiàn)。這容易將持有懷疑、中立態(tài)度的轉發(fā)行為也視為犯罪行為(17)See Robert Chesney & Danielle Keats Citron，21st Century-Style Truth Decay: Deep Fakes and the Challenge for Privacy, Free Expression, and National Security, Maryland Law Review, vol.78, no. 4, 2019, pp. 882-891.。

4.GANs抓取視聽數(shù)據(jù)的行為一律構成非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪

“深度偽造”過程中的生成式神經(jīng)網(wǎng)絡和對抗式神經(jīng)網(wǎng)絡的數(shù)據(jù)輸入和信息驗證是在大量信息數(shù)據(jù)的訓練基礎上進行的，因而，GANs自動抓取計算機信息系統(tǒng)中儲存、處理的視聽數(shù)據(jù)是一種必然經(jīng)歷的過程(18)See Alexa Koenig, Half the Truth Is Often a Great Lie: Deep Fakes, Open Source Information, and International Criminal Law, AJIL Unbound, vol.113, no.1, 2019, no.1, pp. 250-255.。甚至在某種情況下，算法系統(tǒng)會通過識別分析，自動檢驗并通過計算機信息系統(tǒng)中的漏洞獲取其他算法系統(tǒng)中的大量數(shù)據(jù)。此時，按照《刑法》第285條之二的非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪中數(shù)據(jù)類型認定的理論觀點和實務操作模式，只要是GANs自動抓取計算機信息系統(tǒng)中的存儲、處理和傳輸?shù)臄?shù)據(jù)，不管其獲取的數(shù)據(jù)是否具有身份認證屬性，均可構成非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪(19)楊楠：《個人數(shù)位足跡刑法規(guī)制的功能性偏誤與修正》，《安徽大學學報(哲學社會科學版)》2019年第4期。。

諸如，在最高人民檢察院發(fā)布的第36號指導性案例中，針對行為人通過自己掌握的賬號、密碼以及Token令牌(計算機身份認證令牌)，突破查看權限下載非工作范圍內(nèi)的電子數(shù)據(jù)的情形，法院并未對電子數(shù)據(jù)的類型進行區(qū)分，而是一概而論地判定行為人構成非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪(20)參見最高人民檢察院法律政策研究室編：《網(wǎng)絡犯罪指導性案例實務指引》，北京：中國檢察出版社，2018年，第12～14頁。。

但是，按照“兩高”發(fā)布的《關于辦理危害計算機信息系統(tǒng)安全刑事案件應用法律若干問題的解釋》(以下簡稱《計算機刑事案件解釋》)第1條的規(guī)定，“兩高”對計算機信息系統(tǒng)中的存儲、處理和傳輸?shù)臄?shù)據(jù)情形是進行了限定的，其僅局限于“身份認證信息”。換言之，非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪中的“數(shù)據(jù)”并不包括算法系統(tǒng)中非身份認證的信息，諸如，計算機信息系統(tǒng)中儲存的“深度偽造”信息。但是，當前司法實務操作對于GANs自動抓取視聽數(shù)據(jù)的行為是不進行區(qū)分認定的，這極易導致GANs自動抓取此前“深度偽造”信息等非身份認證信息的行為也被實務界視為構成非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪。這也是一種擴張化的刑事治理風險。

二、“深度偽造”的刑法規(guī)制應確立限制性理念

首先，應當明確，面對人工智能深度學習產(chǎn)生的新型社會現(xiàn)象，我們不能動輒采用立法體例更新的方式，去對待人工智能犯罪現(xiàn)象(21)熊波：《人工智能刑事風險的樣態(tài)評價與規(guī)制理念》，《探索與爭鳴》2019年第5期。?！吧疃葌卧臁毙袨椴⒉簧婕皹嫵梢愋偷臄U增，也不涉及具體法益類型的更新，現(xiàn)行刑法可以涵蓋“深度偽造”的一切技術危害。因而，“深度偽造”的限制性理念首先應限制我們動輒啟動寶貴的立法資源，防止象征性立法現(xiàn)象出現(xiàn)在刑法立法當中。因此，本文所提出的限制性理念指的是刑事司法的限制性理念。

限制性理念的確立基于如下幾個方面的現(xiàn)實因素考量：

1.符合憲法規(guī)定的言論自由權和批評建議權的限度要求

我國《憲法》第25條明確規(guī)定了中華人民共和國公民享有言論自由權，第41條規(guī)定我國公民對任何國家機關和國家工作人員，具有批評權和建議權。從“深度偽造”的現(xiàn)有技術運用來看，有一部分主要是運用在國家工作人員身上，而這是督促國家工作人員認真履行好職責的一種積極現(xiàn)象。人工智能技術可以調動一切科技方式促使公民參與國家治理。

“深度偽造”利用人工智能等新興技術防止個人與政府官員的關系疏遠導致的個人之間的政治、社會和經(jīng)濟不平等，并鼓勵人們在接收有欠妥當?shù)男畔r，喚醒批判性思維(22)See Jessica Silbey and Woodrow Hartzog, The Upside of Deep Fakes, Maryland Law Review, vol.78, no.4, 2019, pp. 960-966.。因此，基于憲法賦予公民的言論自由權和批評建議權，編造者和轉發(fā)者散布的“深度偽造”信息盡管看起來非常真實，但是虛假事實只是部分虛假，或者雖然全部虛假但屬于行為人根據(jù)一定事實做出的推定時，司法者不應當認定該類信息為誹謗信息(23)張明楷：《網(wǎng)絡誹謗的爭議問題探究》，《中國法學》2015年第3期。。因為，對于行為人利用“深度偽造”誹謗官員政務作風的情形，政府官員完全可以通過官方媒體作出澄清的方式制止謠言，而無須利用刑法規(guī)制來遏制憲法賦予公民的權利表達(24)鄭海平：《網(wǎng)絡誹謗刑法規(guī)制的合憲性調控》，《華東政法大學學報》2019年第3期。。

當然，我國《憲法》同時還規(guī)定公民在對官員提出批評和建議時，不得捏造或者歪曲事實；或者在行使言論自由權的同時，禁止用任何方法對其他公民進行侮辱、誹謗。這就表明，《憲法》并不是反對刑法對“深度偽造”嚴重法益侵害的行為進行規(guī)制。但是，刑法規(guī)制也只有在符合憲法確立的言論自由權和批評建議權的基礎上才能展開。

2.契合刑法規(guī)制的比例性原則的限度要求

當前，“深度偽造”的刑法規(guī)制忽視限制性理念，導致出現(xiàn)四類擴張化刑事治理風險。這主要是因為理論界和實務界受到國家對信息數(shù)據(jù)的強化保護理念的影響。在某種程度上，理論界和實務界拋棄了刑法規(guī)制的比例性原則，將刑法作為民法和行政法的前置保護法，這顯然是刑法治理本末倒置的表現(xiàn)。

雖然，“深度偽造”的算法學習過程是建立在大量視聽資料的信息數(shù)據(jù)基礎之上的，并且GANs高度化、自動化識別和決策后的虛假信息具有仿真性、普適性和難以識別性，但是，我們也不可忽視“深度偽造”的技術危害僅在于制造和傳播虛假信息數(shù)據(jù)。而傳播虛假信息數(shù)據(jù)所隱含的潛在危害，肯定無法與《刑法》第253條之一侵犯公民個人信息罪中公民個人真實信息傳播所導致的潛在危害相提并論。

并且，針對“深度偽造”虛假信息的特質及其產(chǎn)生的社會風險，當前人工智能學界已經(jīng)研發(fā)出溯源防偽和反向破解的驗證、標記技術。其中，溯源防偽利用區(qū)塊鏈的分布式賬本的永久記錄數(shù)據(jù)理念，對基礎信息數(shù)據(jù)進行真實性標記，以此區(qū)分“深度偽造”后的虛假信息；而反向破解則巧妙利用反對抗式神經(jīng)網(wǎng)絡，“以子之矛，攻子之盾”，檢測算法偽造、疊加、模糊化之處，以實現(xiàn)人工智能的自動標記功能。在這一方面，美國國家標準與技術研究所和美國國防高級計劃局的研究人員已經(jīng)發(fā)現(xiàn)，即使是經(jīng)過“深度偽造”后的換臉視頻，也可以通過人工智能檢測技術，發(fā)現(xiàn)視頻中人物眨眼次數(shù)較少、且極不自然的虛假臉部神態(tài)，而且識別準確率高達99%(25)王祿生：《論“深度偽造”智能技術的一體化規(guī)制》，《東方法學》2019年第6期。。谷歌新聞計劃(GNI)中的“辟謠實驗室”(Disinfo Lab)就是為了檢驗“深度偽造”的虛假視聽信息數(shù)據(jù)而創(chuàng)建的(26)Holly Kathleen Hall, Deepfake Videos: When Seeing Isn’t Believing, Catholic University Journal of Law and Technology, vol.27, no.1, 2018, pp. 51-76.。

基于此，在高度智能化社會中，刑法規(guī)制并非完全是高效且合理的社會治理方式。相對寬緩的民事、行政責任或智能技術預防措施的適用，可以降低刑事責任的承擔風險，消除人工智能技術的“噤若寒蟬”效應?！吧疃葌卧臁钡囊惑w化規(guī)制能夠促進民法、行政法和刑法的體系銜接，防止刑法壟斷式規(guī)制現(xiàn)象的發(fā)生，以契合刑法比例性原則的限度要求。

3.“深度偽造”的算法學習存在顯著的技術弊端

雖然，“深度偽造”可以快速并自動化實現(xiàn)虛假信息的制造、轉發(fā)過程。但是，我們不可忽視的是，深度學習的識別和決策過程始終是建立在高質量、大規(guī)模的信息數(shù)據(jù)基礎之上的。因此，“個人的深度偽造是否會引起嚴重的情緒困擾、名譽損害，將在很大程度上取決于基礎數(shù)據(jù)的質量以及它對觀眾的影響”(27)Douglas Harris，Deepfakes：False Pornography Is Here and the Law Cannot Protect You，Duke Law & Technology Review，vol.17，no.1，2019, pp. 99-128.。即使行為人利用GANs的文本圖像聯(lián)合超分辨率與去模糊方法，可以高清復原模糊圖像(28)陳賽健、朱遠平：《基于生成對抗網(wǎng)絡的文本圖像聯(lián)合超分辨率與去模糊方法》，《計算機應用》2020年第3期。，但囿于時間、地點的明顯差異，普通觀眾也能夠很明顯地發(fā)現(xiàn)動作和立體場景不協(xié)調的故障，從而推導出事件不成立(29)Douglas Harris， Deepfakes：False Pornography Is Here and the Law Cannot Protect You， Duke Law & Technology Review, vol.17, no.1, 2019, pp.99-128.。諸如，近期比較具有代表意義的開國大典的高清復原視頻即是如此，我們很容易發(fā)現(xiàn)這就是經(jīng)過人工智能算法深度渲染過的。

并且，隨著我國相關法律法規(guī)對公民個人信息保護力度以及網(wǎng)絡平臺技術治理手段的加強，GANs自動抓取圖像、音頻等視聽基礎數(shù)據(jù)將變得越來越難。此外，在溯源防偽和反向破解的驗證、標記技術的情況下，“深度偽造”固有且顯著的技術弊端也會很快被放大。因此，“深度偽造”很難再對現(xiàn)實社會秩序和經(jīng)濟利益等刑法法益造成嚴重的侵害。這更加表明“深度偽造”的刑法規(guī)制需要依據(jù)算法學習存在的技術弊端，確立限制性理念，并依據(jù)弊端存在的現(xiàn)實程度判定刑法規(guī)制的具體限度。

4.最大化促進數(shù)據(jù)共享和信息資源配置

在分散化、碎片化的行業(yè)數(shù)據(jù)和領域數(shù)據(jù)連接而成的“塊數(shù)據(jù)”中，圖像數(shù)據(jù)(包括授權的個人信息)、視頻數(shù)據(jù)、語音數(shù)據(jù)、空間數(shù)據(jù)的分析和處理，能夠通過注入人工智能技術，形成新的商業(yè)模式。例如，“Inrix公司在交通信息領域，面向GPS生產(chǎn)商、交通規(guī)劃部門以及FedEX(聯(lián)邦快遞)和UPS(聯(lián)合包裹)等物流公司，出售完整的圖像數(shù)據(jù)庫”(30)大數(shù)據(jù)戰(zhàn)略重點實驗室：《塊數(shù)據(jù)：大數(shù)據(jù)時代真正到來的的標志》，北京：中信出版社，2015年，第46頁。。2012年谷歌推出了知識圖譜，使得算法學習可以深度挖掘搜索詞潛在的知識關系(31)大數(shù)據(jù)戰(zhàn)略重點實驗室：《塊數(shù)據(jù)4.0：人工智能時代的激活數(shù)據(jù)學》，北京：中信出版社，2018年，第96頁。。這一經(jīng)濟模式形成了數(shù)據(jù)共享。

數(shù)據(jù)共享新模式為GANs的算法決策提供了基礎條件，最大限度地優(yōu)化了信息資源配置。隨著“Deep Nude”“ZAO”等類似的“深度偽造”技術軟件的相繼出現(xiàn)及其技術使用的普適性強化，普通民眾一鍵生成合成視頻將變得很常見。在網(wǎng)站數(shù)據(jù)共享的新型模式下，只要普通民眾注冊、登入相應的數(shù)據(jù)共享網(wǎng)站，即可獲得大量的基礎視聽信息數(shù)據(jù)。這便為普通民眾的短視頻、微電影的日常影視創(chuàng)作提供了基礎素材。如果刑法過度規(guī)制“深度偽造”，將會消解數(shù)據(jù)共享帶來的信息資源的配置效果。從這一方面來說，確立“深度偽造”刑法規(guī)制的限制性理念也是極為必要的。

三、“深度偽造”刑法規(guī)制限度模式的具體展開

當前，限制性理念需要較好地運用在具體實務當中，還有待學界將限制性理念進一步細化為具體操作規(guī)則。況且，“深度偽造只有在規(guī)范化、常規(guī)化、制度化的情況下，才有可能使偽造者熟知操縱的行為標準”(32)Jessica Silbey and Woodrow Hartzog, The Upside of Deep Fakes, Maryland Law Review, vol.78, no.4, 2019, pp. 960-966.。

(一)以法益關聯(lián)性區(qū)分看待“深度偽造”的違法犯罪信息

“深度偽造”虛假信息嚴重侵害刑法法益具體體現(xiàn)在兩個方面：其一，行為人利用“深度偽造”得到的虛假信息本身就屬于刑法法益所評價的危害對象。諸如，行為人利用虛假信息進行危害國家安全犯罪、恐怖活動犯罪、財產(chǎn)利益犯罪以及部分人工智能系統(tǒng)和基礎信息數(shù)據(jù)的侵入和獲取類犯罪、傳播等手段的淫穢物品犯罪。其二，行為人利用“深度偽造”虛假信息時行為可能涉及的犯罪。諸如，誹謗罪，尋釁滋事罪，編造、故意傳播虛假信息罪，部分危害行為還可涉及非法利用信息網(wǎng)絡罪等信息網(wǎng)絡類犯罪。毋庸置疑，前述第一種虛假信息本身就屬于刑法中的違法犯罪信息。此時，“深度偽造”無可厚非構成相應的犯罪。但是，對于前述第二種“深度偽造”行為涉及的法益侵害，行為本身有可能僅屬于民法或者行政法規(guī)制的范疇，此時，其是否涉及刑法法益的侵害，本來就具有爭議(33)See Douglas Harris, Deepfakes: False Pornography Is Here and the Law Cannot Protect You, Duke Law & Technology Review, vol.17, no.1, 2019, pp. 99-128.。

對于第二種“深度偽造”行為不僅在刑法上有相關規(guī)定，在《網(wǎng)絡安全法》《民法通則》《侵權責任法》《治安管理處罰法》等法律法規(guī)中同樣存在。以《刑法》第246條的誹謗罪以例，“捏造事實誹謗他人”不僅是犯罪行為的構成要件，其還是《民法通則》第101條名譽權侵害行為的構成要件。此時，《刑法》第246條嚴重情節(jié)就成了兩者的區(qū)分標準。

“深度偽造”虛假信息的刑法規(guī)制主要旨在保護重要的人身權利。因而，“兩高”發(fā)布的《網(wǎng)絡誹謗刑事解釋》第2條第2項才會將被害人或者其近親屬精神失常、自殘、自殺等嚴重后果視為誹謗罪的嚴重情節(jié)；雖然第1項的實際被點擊、瀏覽次數(shù)達到五千次以上，或者被轉發(fā)次數(shù)達到五百次以上的純粹、客觀的點擊、瀏覽、轉發(fā)的次數(shù)規(guī)定，包含了抽象化心理恐慌和精神壓力。但這顯然無法和該解釋第2項的入罪標準相提并論。況且，在刑事證據(jù)認定的過程中，司法機關無法評判抽象化心理恐慌和精神壓力的具體危害程度。因此，抽象化心理恐慌和精神壓力完全不需要、也無法通過刑法予以保護。

同理，按照《網(wǎng)絡誹謗刑事解釋》第5條第2款的規(guī)定，編造、故意傳播虛假恐怖信息的，還可能構成尋釁滋事罪。依據(jù)最高人民法院《關于審理編造、故意傳播虛假恐怖信息刑事案件適用法律若干問題的解釋》第2條的嚴重擾亂社會秩序的規(guī)定，不管虛假信息是在網(wǎng)絡媒體還是在現(xiàn)實社會中傳播，其均是以現(xiàn)實場所秩序的嚴重混亂，單位和公民的工作、生活秩序的嚴重混亂以及政府職能部門的緊急應對措施為入罪標準，而并不包括司法實務所認為的抽象化公眾的恐慌程度或者是網(wǎng)絡公共場所秩序的單純混亂。

據(jù)此，我們可以得出基本結論：“深度偽造”的虛假信息并不能直接等同于刑法規(guī)范中的違法犯罪信息。司法者應當依據(jù)法益的關聯(lián)性來區(qū)分看待“深度偽造”的違法犯罪信息。那么，我們該如何判斷“深度偽造”的虛假信息是否具有刑法法益關聯(lián)性呢？對此，筆者認為可以依據(jù)如下標準進行：

第一，純粹、客觀的點擊、瀏覽、轉發(fā)的次數(shù)，抽象化公眾的恐慌程度以及單純的網(wǎng)絡公共場所秩序的混亂這三類法益不是刑法法益的保護類型，因為上述三類法益不具有刑法法益的關聯(lián)性。針對“深度偽造”虛假信息造成上述三類法益侵害的情形，實務部門可以根據(jù)《侵權責任法》和《治安管理處罰法》的相關規(guī)定，認定行為人的民事責任或者行政責任。

應當肯定，“深度偽造”的算法系統(tǒng)空間屬于公共秩序，但刑法不單純對其進行保護。換言之，刑法承認算法系統(tǒng)空間屬于公共秩序，并不等于承認其屬于刑法法益的保護類型，而是因為算法系統(tǒng)空間的刑法法益評價必須要以現(xiàn)實公共秩序的嚴重影響為基礎(34)參見陳偉、熊波《網(wǎng)絡犯罪的特質性與立法技術——基于“雙層社會”形態(tài)的考察》，《大連理工大學學報(社會科學版)》2020年第2期。。算法系統(tǒng)空間的抽象危害是可逆的，該種危害通過收回、刪除并在一定范圍內(nèi)是可以消除影響的，其與現(xiàn)實公共秩序的嚴重混亂無法等量齊觀(35)陳勁陽：《徘徊在歧義與正義之間的刑法釋義——網(wǎng)絡尋釁滋事罪司法解釋妥當性反思》，《法制與社會發(fā)展》2016年第6期。。尤其是在“算法黑箱”的基礎上，抽象化公眾的恐慌程度更不存在。只有明確這一點，虛假信息導致的純粹、客觀的點擊、瀏覽、轉發(fā)的次數(shù)，抽象化公眾的恐慌程度以及單純的網(wǎng)絡公共場所秩序的混亂這三類法益才不是刑法法益的保護類型。因此，上述三類法益關涉的“深度偽造”虛假信息也不屬于刑法中的違法犯罪信息。

第二，《刑法》第286條之一的拒不履行信息網(wǎng)絡安全管理義務罪與第287條之一的非法利用信息網(wǎng)絡罪的違法犯罪信息，均不包括上述“深度偽造”的虛假信息。縱使，《關于辦理非法利用信息網(wǎng)絡、幫助信息網(wǎng)絡犯罪活動等刑事案件適用法律若干問題的解釋》第7條直接肯定了違法犯罪行為包含刑法分則規(guī)定的行為類型但尚未構成犯罪的違法行為，但刑法中的違法犯罪信息對象應當僅局限于前述第一類“深度偽造”的虛假信息類型。

(二)去除“深度偽造”算法系統(tǒng)自動化點擊、轉發(fā)的傳播次數(shù)

純粹、客觀的點擊、瀏覽、轉發(fā)的傳播次數(shù)不應當單純作為情節(jié)嚴重的入罪標準。但是，不可否認的是，“深度偽造”的自動化轉發(fā)，會使得更多的國民有機會接觸此類誹謗、擾亂網(wǎng)絡空間秩序的虛假信息，進而會引發(fā)他人現(xiàn)實生活和工作的極大困擾，或者現(xiàn)實社會秩序嚴重混亂的不確定性危險。諸如，在印度作者Rana Ayyub的“深度偽造”合成色情視頻案中，合成色情視頻在Facebook、Twitter和WhatsApp上被成千上萬人的轉播。隨之而來，Rana Ayyub遭受了大量的強奸威脅，工作也受到了嚴重的影響(36)See Keats C. Danielle, Sexual Privacy, Yale Law Journal, vol.128, no.7, 2019, pp.1870-1961.。

如此一來，傳播次數(shù)雖不可以作為情節(jié)嚴重的單純?nèi)胱飿藴剩梢宰鳛楝F(xiàn)實社會秩序和現(xiàn)實個人利益可能遭受到侵害的基礎條件之一。換言之，公民個人的現(xiàn)實生活受到極大影響或者公共場所秩序遭受到嚴重慌亂的情形，應當作為傳播次數(shù)入罪的附加條件。諸如，雖然受害人或者近親屬并未遭受“自殺、自殘、精神崩潰”的現(xiàn)實結果，但在滿足司法解釋規(guī)定的“點擊、瀏覽5000次以上次數(shù)或者被轉發(fā)500次”的基礎上，受害人或者近親屬遭受侵害威脅和現(xiàn)實生活和工作騷擾的，也可以作為“深度偽造”行為情節(jié)嚴重的判定標準。而將傳播次數(shù)作為情節(jié)嚴重入罪標準的基礎條件，有利于限制刑事處罰的擴張。

但是，如此一來，我們就又必須要考慮到“深度偽造”算法系統(tǒng)的自動化點擊、轉發(fā)的次數(shù)僅是人工智能算法自動決策的外在表現(xiàn)形式。該種表現(xiàn)形式產(chǎn)生的傳播次數(shù)具體包括：第一，GANs制造或生成虛假信息過程中的自動化點擊、轉發(fā)等形式的傳播次數(shù)；第二，溯源防偽和反向破解(反生成對抗式神經(jīng)網(wǎng)絡)的驗證、標記技術運作過程中不斷點擊、驗證去模糊化、重疊化的區(qū)域所產(chǎn)生的傳播次數(shù)。在“算法黑箱”下，上述兩種傳播次數(shù)明顯不同于網(wǎng)民手動瀏覽或者轉發(fā)的次數(shù)。并且，“深度偽造”行為在短時間內(nèi)即可達到成千上萬的傳播次數(shù)。此時，“深度偽造”也根本不可能導致現(xiàn)實社會秩序或個人生活、工作遭受重大的侵害威脅。因此，刑法應當將“深度偽造”算法系統(tǒng)自動化點擊、轉發(fā)的傳播次數(shù)排除在入罪標準之外。

(三)將“深度偽造”的主觀明知的情形限制為直接故意

“深度偽造”虛假信息的肉眼辨別難度較大，再加上“算法黑箱”和溯源防偽和反向破解的驗證、標記的強技術性，一般而言，網(wǎng)民出于對新鮮事物的好奇心和科技信息的熱愛，會不由自主地轉發(fā)“深度偽造”的虛假信息。其中，大多數(shù)網(wǎng)民是基于半信半疑的主觀心態(tài)去轉發(fā)的。此時，刑法如果將該種間接故意的主觀心態(tài)納入“深度偽造”的規(guī)制之中，很顯然，絕大多數(shù)的網(wǎng)民在轉發(fā)此類虛假信息時，均有可能涉嫌犯罪。因此，在虛擬的網(wǎng)絡空間中，我們應該將《網(wǎng)絡誹謗刑事解釋》第1條第2款轉發(fā)者的明知規(guī)定，限定為直接故意的明知情形。但問題在于：如何認定直接故意的明知？這依然是個難題。

美國聯(lián)邦最高法院在認定誹謗行為的明知時，將其限定于惡意，其被定義為：“行為人知道它是假的或者不管它是假的還是真的，都要不計后果地制造或轉發(fā)出來的?！?37)New York Times v. Sullivan, 376 U.S. 280 (1964).雖然從表面上看，該定義確實起到了限縮明知認定范圍的作用，但這顯然是對現(xiàn)實物理空間中誹謗行為主觀惡意的認定，其容易將半信半疑的間接故意的放任主觀罪過納入刑法規(guī)制之中，有欠妥當，該種定義不應適用在“深度偽造”的明知認定情形中。

基于“深度偽造”虛假信息的特性考慮，筆者認為，“深度偽造”的直接故意明知的司法認定必須附加“以非法目的……”或者“意圖……”等主觀構成要件要素，將其作為相關罪名的不成文構成要件要素，并且，該種要素僅局限于轉發(fā)者。諸如，在《刑法》第243條的誣告陷害罪中，“意圖使他人受刑事追究”就作為了行為人直接故意明知的希望要素；再如，在第363條的傳播淫穢物品牟利罪中，行為人被認定犯罪必須附加“以牟利為目的”這一前提。

至于如何進一步認定轉發(fā)者是否具有非法主觀目的或非法意圖，筆者認為，可以再結合如下三個標準進行確定：

第一，不具備人工智能專業(yè)知識的行為人希望通過轉發(fā)“深度偽造”視聽資料，強迫、威脅、騷擾、恐嚇、貶低、羞辱受害者或給受害者造成重大經(jīng)濟損失(38)North Carolina’s general statute § 14-190.5A.。第二，行為人在初次轉發(fā)后，即被網(wǎng)絡平臺管理者或者負責網(wǎng)絡安全的相關政府職能部門警告。但此后，行為人仍無任何合理理由，肆意任其轉發(fā)的虛假信息擴散的。“秦火火尋釁滋事案”便是典例(39)趙遠：《“秦火火”網(wǎng)絡造謠案的法理問題研析》，《法學》2014年第7期。。第三，具有人工智能專業(yè)技巧和相關領域知識的行為人轉發(fā)“深度偽造”的視聽數(shù)據(jù)。

(四)GANs自動抓取非身份認證信息數(shù)據(jù)的行為應作無罪化處理

理論界和實務界并未區(qū)分認定《刑法》第285條之二的非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪中的存儲、處理或者傳輸?shù)臄?shù)據(jù)類型，這極易導致GANs通過識別分析并檢驗，獲取其他算法系統(tǒng)中的大量視聽數(shù)據(jù)的情形，也會被司法者認為構成非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪。但筆者認為，刑法并不專門保護與個人信息屬性無任何關聯(lián)性的數(shù)據(jù)(40)需要注意的是，公民個人信息屬性的關聯(lián)性區(qū)別于可識別性。，換言之，真正意義上的“數(shù)據(jù)刑法學”是不存在的。這與《民法典》第127條對數(shù)據(jù)的專門性保護是恰恰相反的，這也體現(xiàn)了刑法規(guī)制的比例性原則。

這一觀點的依據(jù)可以從《計算機刑事案件解釋》第1條的具體規(guī)定中找尋。該條確立了非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪保護的數(shù)據(jù)類型，具言之：其一， “支付結算、證券交易、期貨交易等網(wǎng)絡金融服務的身份認證信息”的數(shù)據(jù)類型，其屬于刑法重點保護的個人敏感的金融信息數(shù)據(jù)。其二，個人信息數(shù)據(jù)庫管理的企業(yè)身份登入等信息數(shù)據(jù)。雖然該類數(shù)據(jù)本身不屬于公民個人的生理和物理信息，但卻具有身份認證屬性，并直接關乎著公民的財產(chǎn)保護，屬于企業(yè)的敏感信息數(shù)據(jù)。該信息數(shù)據(jù)可涵蓋在《計算機刑事案件解釋》第1條第2項個人敏感的金融信息除外的身份認證信息的兜底性規(guī)定之中。盡管該項是數(shù)據(jù)類型的兜底性解釋，但這也僅是對上述兩種“身份認證信息”數(shù)據(jù)的兜底，而并不包括企業(yè)操控的計算機信息系統(tǒng)中的任何數(shù)據(jù)類型。諸如，企業(yè)運營額的分析報告、項目的運營規(guī)劃、原創(chuàng)性的電子書籍等不具有身份信息關聯(lián)性的數(shù)據(jù)類型。

這與侵犯公民個人信息罪的構成要件是相得益彰的。依據(jù)《刑法》第253條之一的規(guī)定，侵犯行為僅指非法出售或者提供個人信息數(shù)據(jù)，以及竊取、非法獲取個人信息的行為，而不包括個人信息數(shù)據(jù)庫管理的企業(yè)身份登入的信息數(shù)據(jù)的非法獲取等行為。但這并不意味著刑法并不規(guī)制此類信息數(shù)據(jù)的獲取行為，而是刑法考慮到該信息數(shù)據(jù)屬于計算機信息系統(tǒng)數(shù)據(jù)的一種類型。雖然，個人信息數(shù)據(jù)庫管理的企業(yè)身份登入的信息數(shù)據(jù)不具有個人信息屬性，但其具有身份認證的信息屬性。因而，《刑法》將個人信息數(shù)據(jù)庫管理的企業(yè)身份登入的信息數(shù)據(jù)的非法獲取等行為交于第285條之二的非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪予以處理。在這種情況下，非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪中的存儲、處理或者傳輸?shù)臄?shù)據(jù)，自然而然就僅限于身份認證信息。

但必須強調的是，刑法不專門保護企業(yè)的非身份屬性的關聯(lián)性數(shù)據(jù)，并不意味著對企業(yè)具有交易價值較大的或者具有商業(yè)秘密的數(shù)據(jù)也不予以保護。這是因為，刑法將上述數(shù)據(jù)交于其他罪名予以保護。諸如，竊取計算機信息系統(tǒng)中的虛擬電子貨幣數(shù)據(jù)的行為，可以構成盜竊罪；竊取企業(yè)運營額的分析報告、項目的運營規(guī)劃以及原創(chuàng)性的電子書籍的行為，可以視情況分別構成侵犯商業(yè)秘密罪或者侵犯著作權罪。但就“深度偽造”的虛假信息的制造和轉發(fā)行為而言，GANs自動抓取虛假信息的行為既不涉及原創(chuàng)性思想內(nèi)容的抄襲(41)See Andrea K. Toth, Algorithmic Copyright Enforcement and AI: Issues and Potential Solutions, through the Lens of Text and Data Mining, Masaryk University Journal of Law and Technology, vol.13, no.2, 2019, pp. 361-388.，也沒有將企業(yè)信息系統(tǒng)存儲的數(shù)據(jù)進行獲利，也沒有竊取企業(yè)具有較大交易價值的數(shù)據(jù)進而排斥企業(yè)對數(shù)據(jù)類型的所有權。因此，一般情況下，GANs自動抓取非身份認證信息數(shù)據(jù)的行為理應作無罪化處理。

四、結 語

真正值得刑法規(guī)制的“深度偽造”只有兩種類型：第一，“深度偽造”的虛假信息本身就屬于刑法法益所評價的危害對象。諸如，危害國家安全，宣傳恐怖活動、民族歧視、色情信息等，這類信息數(shù)據(jù)屬于直接可感觀性的危害信息。第二，僅存留于網(wǎng)絡公共空間中的“深度偽造”的虛假信息，其本身并不具有侵害刑法法益的關聯(lián)性。但是抽象化的心理恐慌延伸至現(xiàn)實社會中，導致現(xiàn)實社會秩序嚴重混亂或者個人人身、財產(chǎn)利益遭受重大侵害時，“深度偽造”則具有刑法規(guī)制的必要性。考慮到合憲性調控、刑法的比例性原則、算法學習的顯著技術弊端以及數(shù)據(jù)共享的新型模式等現(xiàn)實因素，“深度偽造”的刑法規(guī)制應當保持理性并恪守相應的限度。