智慧司法视阈下未成年人网络犯罪的危险性评估

贾云飞

（新疆大学法学院，新疆乌鲁木齐 830046）

一、问题的提出

随着互联网产业的快速发展，未成年人的成长环境已进入数字化、网络化、智能化深入发展的时代，这使得他们既成为数字红利的受益者，又可能成为网络犯罪的加害者或受害者。根据最高人民检察院公布的数据，近年来，未成年人利用网络实施犯罪不断上升，仅2018年至2021年，起诉此类犯罪就从1127人上升至2853人，年均上升36.3%。①王亦君、先藕洁：《最高检：未成年人遭受网络侵害问题突出》，载《中国青年报》2022 年10 月28 日。未成年人网络犯罪不仅给个体和社会带来了巨大的经济损失，还对未成年人的身心健康、教育成长和社会适应能力造成了严重影响。

未成年人网络犯罪作为一种新型犯罪形态，与传统犯罪有着明显的不同。它在技术手段上更为隐蔽，对受害者和社会的危害程度也可能更大。因此，及早发现、评估和应对未成年人网络犯罪行为显得尤为重要。然而，目前对未成年人网络犯罪危险性的评估研究还相对薄弱，缺乏科学性的方法和系统性的探讨，导致未成年人网络犯罪的预防和打击工作受到制约。

在此背景下，智慧司法的兴起为解决未成年人网络犯罪问题提供了新的机遇。智慧司法以人工智能、大数据分析等技术手段为基础，能够更加快速准确地识别和分析网络犯罪行为，为司法决策提供科学依据。然而，要实现智慧司法在未成年人网络犯罪领域的有效应用，必须首先充分了解未成年人网络犯罪的危险性，以明确犯罪行为的性质、特点和风险。本文将通过整合相关理论和分析相关案例，深入探讨未成年人网络犯罪的原因、方式和影响，从而揭示其危害程度和潜在风险。在此基础上，引入人工智能评估方法，并细化该方法在未成年人网络犯罪具体罪行中的应用场景，以实现对未成年人网络犯罪危险性的准确评估和预测。

二、未成年人网络犯罪的危险性评估现有问题

由于心理尚未成熟、较易受到环境影响，未成年人网络犯罪具有自身的危险特殊性，对个体和社会可能造成一系列影响，应当针对这种影响采取区别于成年人且温和的教育措施。为了有效预防犯罪，应当对未成年人网络犯罪的危险性予以评估。然而，现有的危险性评估方法在评估过程中存在数据获取困难、指标使用困难等局限性，在实际应用中也遇到了一系列挑战。

（一）未成年人网络犯罪的危险特殊性

针对未成年人犯罪，首先应当意识到其危险特殊性。由于犯罪者年龄普遍较小，其心智尚未成熟，许多犯罪系冲动或无意识行为，犯罪本身的社会危害性较低，但对社会的影响相当恶劣。因此，需要结合其危险特殊性，对其进行特殊立法，保护受害者权益的同时，将预防犯罪作为首要工作。

1.未成年人网络犯罪的心理因素和动机

研究表明，与同龄人相比，不成熟的年轻人在从事可能导致不良后果的违法行为时，不仅不感到内疚，而且还感到自豪。①Bryan-Hancock,Claire,SharonCasey.Young People and the Justice System: Consideration of Maturity in Criminal Responsibility[J].Psychiatry,Psychology and Law ,2011,18(1):69-78.青春期阶段的未成年人常常面临着心理上的复杂和矛盾，一边追求“自我认同感”，一边需要满足家庭和社会的期待。因此，与其面对现实生活的压力和烦恼，部分未成年人更倾向于沉溺在网络虚拟世界当中。虚拟世界为他们提供了一种心理满足感和自我认同感，但也容易让他们受到虚拟环境的诱惑，从而产生网络犯罪行为。②刘磊:《未成年人网瘾及网络犯罪成因的犯罪学理论阐释》,载《青少年犯罪问题》2014 年第4 期。

未成年人参与网络犯罪的动机多种多样，大致分为两类——个体动机和社会动机。一方面，未成年人可能会通过网络犯罪来达到自身追求刺激、满足某种欲望的心理需求，从中获得快感和成就感。另一方面，未成年人渴望在虚拟社交世界中建立自己的身份、寻求通过网络犯罪手段来满足物质欲望、受到不良网络社交圈子的影响以及受害人或者社交关系中的冲突等都可能促使他们采取网络攻击行动予以回应或报复。

2.未成年人网络犯罪的个体和社会影响

在动机的驱使之下，部分未成年人通过网络实施犯罪行为，在侵害受害者的合法利益之余，也会制约自身的正常发展，同时还会对社会造成广泛而深刻的负面影响。

从个体影响上来说，网络犯罪会对未成年犯罪者和受害者的心理健康造成严重影响，阻碍未成年人的教育和成长，对其他未成年人造成直接的人身安全威胁，其中最为突出的例子是网络霸凌和网络暴力，受害者常常难以在这两种情形下避免自己不遭受身心迫害以及作出其他极端行为。

从社会影响上来说，未成年人网络犯罪会对社会安全与秩序构成直接威胁，不断挑战社会安全与秩序的底线。在致使受害者和社会遭受严重经济损失的同时，也会触发公众对社会的信任危机，导致社会功能紊乱。

3.未成年人网络犯罪法律的特殊性

尽管未成年人网络犯罪存在负面影响，不能因此而完全阻止未成年人使用网络。这种完全的保护主义方式是消极的反对媒介的教育，虽然让未成年人远离了媒介的污染，但同时也错过了媒介的滋养。③葛进平：《浙江农村青少年——大众传媒接触及影响实证研究》，浙江大学出版社2007 年版，第209 页。针对未成年人网络犯罪，需要制定特殊的预防和惩治规则，采用特殊的犯罪责任和法律界定方式，并遵循独有的原则与功能。

根据我国法律规定，这种特殊性具体表现为未成年人在法律上被认定为是无行为能力人或者是限制行为能力人而不具备刑事责任。①此处限制行为能力人不包括《刑法》第十七条规定的已满十四周岁不满十六周岁的人，犯故意杀人、故意伤害致人重伤或者死亡、强奸、抢劫、贩卖毒品、放火、爆炸、投放危险物质罪的以及已满十二周岁不满十四周岁的人，犯故意杀人、故意伤害罪，致人死亡或者以特别残忍手段致人重伤造成严重残疾，情节恶劣，经最高人民检察院核准追诉的十一种应当负刑事责任的情形。在界定网络犯罪行为时，应严格区分未成年人与成年人的构罪标准，而非一味地将成年人的标准进行简单移植。未成年人作为社会中的弱势群体，理应受到特殊保护。在实践中处理未成年人网络犯罪时，应根据《未成年人保护法》的相关规定，②坚决落实对未成年犯罪人实行的“教育、感化、挽救”方针，坚持教育为主、惩罚为辅的原则。采取有别于成年人的、更加温和且具有教育性的措施，避免过度惩罚给未成年人的身心造成严重影响。

（二）危险性评估：与未成年人网络犯罪的适配性与局限性

为了更好地预防和干预未成年人参与网络犯罪，需要采取多样化的事前防止措施，其中一种重要的手段就是危险性评估。危险性评估是一种系统性的方法，用于评估个体或群体在未来可能发生某种危险或有害事件的概率或程度。③Berk, Richard, et al. “Fairness in criminal justice risk assessments: The state of the art.” Sociological Methods & Research 50.1 (2021): 3-44.这种方法通常依赖于各种信息和数据，包括个体的历史记录、行为、特征、环境因素等，以便帮助决策者或专业人员了解和识别潜在的风险，从而采取适当的预防和干预措施。危险性评估通常用于多个领域，包括犯罪、医学、社会工作和心理健康等。在犯罪中，危险性评估用于预测个体或团体参与犯罪行为的可能性。然而，现有的评估方法在面临未成年人网络犯罪时仍旧存在一些局限性和不足之处，需要更全面和创新的方法来评估未成年人的网络犯罪危险性。

目前，现有基于传统犯罪风险的静态评估工具主要通过分析未成年人个体的主客观信息来预测未来的犯罪风险。但是，对于未成年人网络犯罪而言，一方面网络犯罪技术的快速演变导致过往的犯罪数据无法准确反映未来的危险，另一方面未成年人在网络这个虚拟世界中的行为也有可能异于其在现实生活中的行为，导致静态评估难以准确预测他们的网络犯罪风险。具体而言，其局限性包括以下几个方面：

1.缺乏准确度和可靠性

在未成年人网络犯罪中，评估对象为了获得对自身有利的评估结果，可能会采取隐瞒或欺骗手段误导评估人员，影响评估结果的可靠性。④申纯：《人工智能时代人身危险性评估发展的新机遇及实现路径》，载《求索》2021 年第6 期。

2.评估结果的主观性

由于评估人员在未成年人网络犯罪的理解和认知上存在差异，以及在一般情形下办案人员出于避免被追责的考虑而作出逮捕决定⑤申纯：《人工智能时代人身危险性评估发展的新机遇及实现路径》，载《求索》2021 年第6 期。等因素，使得危险性评估过程受到人为因素影响而带有主观色彩，由此得出的评估结果的公正性也将遭受质疑。

3.缺乏有效的干预措施

评估过程的意义不仅在于准确预测未成年人的网络犯罪危险性，更在于有效的干预措施。未成年人网络犯罪者通常需要心理健康支持，以帮助他们处理心理问题，如网络成瘾、自我认同问题等。现有的许多评估工具未提供与心理健康专业人员的联系或干预计划，无法围绕评估结果中的具体问题和风险因素对未成年人网络犯罪的干预工作提供个性化和精准化的指导。

（三）现有评估方法实际应用中的挑战和问题

除了方法本身的局限性，现有的评估方法在实际应用中也遇到一系列挑战和问题。

1.数据收集和信息获取困难

一方面，现有评估方法由于自身局限性难以获取有关未成年人网络犯罪的数据，且数据本身存在不完整和不准确的情况，如部分未成年人网络犯罪行为未被发现或举报、未成年人或未成年人监护人提供虚假信息，导致相关数据缺失或真伪难辨，从而影响评估的准确性和可靠性。另一方面，现有评估方法搜集和使用未成年人的个人信息和行为轨迹涉及到个人隐私权的问题。当下使用的评估方法虽并非超越法律许可的范围，但如果想要进一步提高评估的预测准确性，就需要掌握更多有关未成年人的个人信息和行为轨迹等信息，很可能违背“比例原则”，①高通：《逮捕社会危险性量化评估研究——以自动化决策与算法规制为视角》，载《北方法学》2021 年第6 期。侵犯未成年人的个人隐私。

2.评估工具和指标适用困难

首先，评估工具的选择和适应性。在实际应用中，由于有些工具是基于成年人犯罪行为开发的，其能否应用于未成年人网络犯罪需要慎重考虑；或需要在此基础上进行相应的修改和优化，以补强评估工具的针对性和适应性。其次，指标的权重和准确性难以保证。评估方法中的指标需要能够准确反映未成年人网络犯罪的风险因素，且各个指标之间的权重关系也需要合理确定。然而，由于未成年人网络犯罪行为的复杂性和多样性，现有评估方法在确立准确指标权重问题上仍然缺乏相应措施。再次，评估方法和评估标准缺乏统一标准。目前，我国针对未成年人网络犯罪的评估方法和标准缺乏统一规范，造成评估方法存在一定主观性，评估标准则因地区和机构而异的现象发生，导致评估方法的普适性不足。

3.评估结果的解释和应用困难

除了评估结果的主观性，对于评估结果的解读和解释亦受到应用者自身经验和主观判断的影响，往往具有主观性。不同应用者对同一未成年人网络犯罪的评估结果可能得出不同结论，导致评估应用的偏差和不公正。

综上所述，为了解决这些挑战，引入智慧司法视阈来评估危险性是一种前瞻性的方法。智慧司法，也称为智能司法或智慧法律，是指利用先进的技术和数据分析方法来改进和优化法律体系和司法流程的方法和理念。智慧司法利用人工智能、大数据分析、自然语言处理、机器学习等现代技术，可以更快速、准确地完成对未成年人网络犯罪的危险性评估。

三、智慧司法视阈下的危险性评估方法运用

在智慧司法视阈下，危险性评估方法将得到人工智能等技术的辅助，不仅可以通过加强信息整合与数据分析、提高决策科学性与预测精准度来克服传统方法的局限性，还可以更好地满足未成年人网络犯罪防控的需求。②由于篇幅有限，本文后续的讨论聚焦于智慧司法中最具有典型性的人工智能技术，将“智慧司法”“人工智能”“人工智能评估方法”等概念作等同化处理。然而，人工智能评估方法不可避免地会受到数据偏见和准确性的影响，同时还会带来未成年人隐私权保护方面的严重问题，需要针对这一系列风险提出应对措施。

（一）引入人工智能评估方法的理论基础

人工智能作为一种强大的信息处理和分析工具，能够凭借自身技术优势深度分析大量数据，从中发现事物之间的潜在关联，适宜应用于未成年人网络犯罪的危险性评估当中。

1.人工智能评估方法概述

人工智能评估方法是利用人工智能技术分析大量数据，以预测未来事件风险和行为的风险评估手段。其原理是通过对已有的历史数据进行学习和分析，整合并分析出对未来事件具有重大影响的主要因素和关联关系，进而对未来事件作出相应的预测和评估。目前，人工智能评估方法已广泛应用于国家安全、社会安全和网络安全等领域。

在司法领域，人工智能风险评估方法已经在部分案件的判决中得到体现，典型案例如Loomis v.Wisconsin案。在该案件中，智能算法系统COMPAS通过风险评估，将被告Loomis归入再犯风险高且对社会构成高风险的范畴。然而，由于智能算法系统使用的算法模型被视列为商业秘密，评估公司只能将评估结果提交给法院。初审法院于判决量刑阶段参考了COMPAS的评估结果，并对被告Loomis作出了六年有期徒刑和五年社区监督的判决。Loomis不服判决结果提出上诉，认为初审法院在裁判过程中过于依赖人工智能评估结果，侵犯了他的正当程序权利。威斯康星州法院对此进行了裁决，认为COMPAS的评估结果并不是初审法院拒绝被告Loomis假释的唯一理由，因此初审法院的决定并未侵犯Loomis的正当程序权利。①See Review, Harvard Law. Criminal Law - Sentencing Guidelines - Wisconsin Supreme Court Requires Warning before Use of Algorithmic Risk Assessments in Sen- tencing - State V. Loomis. Harvard Law Review 130 (2017).转引自李立丰、齐弋博：《智能量刑算法决策与刑事自由裁量权的差异与融合》，载科技与法律（中英文）2022 年第1 期。可见，尽管COMPAS的评估结果在判决中起到了一定的作用，但并不是唯一决定性的因素，只是被视为辅助信息，同时综合考虑了其他证据和因素。

因此，人工智能评估方法的引入并非“全盘应用”。欲厘清合理应用的边界，需要深入分析人工智能评估方法的技术基础和相关的法律理论，并与未成年人网络犯罪的具体场景加以结合，探究人工智能评估方法对于未成年人网络犯罪危险性评估的可行性。

2.技术可行性：人工智能评估方法的技术基础

在引入人工智能评估方法时保证技术的适配性是关键。机器学习、深度学习、自然语言处理和图像识别等技术共同构成了人工智能评估方法的“动力引擎”，为其在未成年人网络犯罪危险性评估中的应用提供了技术性保障。人工智能评估方法在“动力引擎”的驱动下，不仅能够从大量未成年人网络犯罪案例数据中学习网络犯罪行为的特征和规律，深入发掘未成年人网络行为背后蕴藏的深层次关联，在提高评估精准性、效率性的同时实现对未成年人潜在犯罪风险的预测，还能够帮助评估者分析未成年人在社交平台发布的言论内容，有效识别其中潜在的网络犯罪倾向和违法犯罪行为。这说明，当下将人工智能评估方法引入未成年人网络犯罪危险性的评估中在技术上是能够得到支持的。

3.法律可行性：人工智能评估方法的法律支持

除了技术的适配性，在引入人工智能评估方法时，必须确保其在刑事司法中的法律认可和适用性。对于人工智能在刑事司法领域的应用，我国采取“发展为主”的应用模式。②熊秋红：《人工智能与刑事司法:从各执一词到多元平衡》，载《检察日报》2023 年第12 期。国务院《新一代人工智能发展规划》（国发〔2017〕35号）强调了从司法管理角度的“智慧法院”建设，促进人工智能在法庭工作中的应用，包括证据收集、案例分析和法律文件处理等。这一规划强调了在人工智能发展中应加强前瞻预防和约束引导，以确保其安全和可控性。在刑事司法领域，智能辅助办案系统的定位是为公检法机构提供协作与监督工具，规范线下办案活动，并为司法人员提供决策支持，但不会替代其独立判断。此外，在国家总体工作部署和基本政策层面，对刑事司法领域的人工智能，并没有禁区设置措施的安排。③黄京平：《刑事司法人工智能的负面清单》，载《探索与争鸣》2017 年第10 期。这也就意味着，可以将人工智能评估方法应用到不同的刑事司法具体领域，其中当然也包括未成年人网络犯罪的危险性评估。

（二）人工智能在未成年人网络犯罪危险性评估中的优势与作用

未成年人网络犯罪危险性评估是通过对未成年人的行为、特征和家庭背景进行分析，尽可能准确预测其未来参与网络犯罪的可能性。人工智能在这一领域中发挥着重要的作用，不仅具有优势，还能弥补传统评估方法的局限性。

1.人工智能评估方法的优势

首先，促进数据整合和分析。人工智能可以通过科学的方法整合与分析分散存储在不同的司法部门之间的大量数据，从多个维度全面了解未成年人的背景和行为轨迹和潜在风险因素，建立完善的未成年人网络犯罪行为档案。其次，构建风险预警系统。人工智能可以根据对风险因素的分析，建立风险预警模型，有效预测未成年人网络犯罪的危险性，并在发现异常行为与潜在风险时给出及时反馈，实现提前预警，帮助相关部门和家长采取干预措施。再次，应用自动化评估工具。人工智能可以利用机器学习和深度学习算法，通过对未成年人网络犯罪数据进行训练和学习，得出特定模型，从而在未成年人网络犯罪危险性评估中建立自动化评估工具。最后，提供个性化干预措施。人工智能可以基于评估结果和未成年犯罪者的自身情况制定并提供个性化的干预措施，指导未成年人回归正轨，降低其再犯罪风险。

2.人工智能对传统评估方法局限性的突破

欲分析人工智能评估方法在未成年人网络犯罪危险性评估中的实际作用，需要与传统评估方法作深入比较，验证其是否弥补了传统方法的局限性。

传统评估方法的评估过程较为独立，基于专业人员的经验和判断作出的评估结果易受主观因素和个体偏见的影响，也受限于人工处理和有限的数据样本。目前我国的人身危险性评估主要依赖于心理专家出具的心理测评报告、心理测评量表系统出具的报告和社会调查报告这三种载体。然而，由于三者在评估方法、原理和标准上的区别，其各自形成的信息可能会出现冲突。①李棒：《论人工智能技术在涉罪未成年人人身危险性评估中的应用》，载《预防青少年犯罪研究》2018 年第6 期。相比之下，人工智能评估方法基于自身的数据处理和分析优势，能够对上述三种载体所产生的大量信息进行整合和统筹，使各类信息各得其所，化解矛盾之处。②同前注。通过借助机器学习和深度学习等技术，识别和学习数据中的潜在模式和规律，无偏见、无感情地运作，排除影响人类法官司法裁决的干扰，③David J.Walton,Litigation and Trial Practice in the Era of Big Data,Litigation,2015,41,pp.55-58.由此得到的评估结果更趋于客观和准确，能够更准确地预测未成年人网络犯罪危险性。

（三）人工智能评估方法的风险和应对

尽管较之传统方法，人工智能评估方法已经能够大幅提升危险性评估的科学性和效率，其依然可能导致一系列的风险，需要在不同阶段对其予以规避。

首先就是数据偏见问题。数据偏见是指数据样本中存在的倾向性或不平衡性，可能导致评估结果的片面性和不准确性。在司法领域，人工智能系统通常会深入学习和挖掘先前司法裁判的数据，并以此为基础进行预测。④李婷：《人工智能时代的司法公正：价值效用与风险防范》，载《江苏社会科学》2023 年第1 期。然而，这些数据可能包含法官的主观偏见，⑤S.G.Mayson,“Biasin,Bias Out”, The Yale Law Journal,2019,128(8),pp.2122-2473.并在人工智能的评估中反映出来。为了保证评估结果不受偏见影响，需要对数据源进行严格的筛选和清洗，确保数据采样的广泛性和充分性，尽量覆盖不同群体和场景的数据，以获得更全面和客观的分析结果。

其次是数据准确性问题。尽管有大数据学者认为，“当我们拥有大量甚至是海量数据的时候，就不需要担心某个数据点对整套分析的不利影响。”⑥[英]维克托·迈尔-舍恩伯格、库克耶：《大数据时代》，盛杨燕、周涛译，浙江人民出版社2013 年版，第55 页。然而，未成年人社会调查报告制度和心理评估量表系统在我国的运行时间不够长，数据积累的体量也不够大、质量也不够高，当这些有限的群体数据与人工智能相结合时，数据的准确性将直接影响到所建算法模型的有效性。⑦李棒：《论人工智能技术在涉罪未成年人人身危险性评估中的应用》，载《预防青少年犯罪研究》2018 年第6 期。因此，在采集和挖掘数据时，必须准确有效的对数据进行统计、分析和清洗，⑧朱体正：《人工智能辅助刑事裁判的不确定性风险及其防范——美国威斯康星州诉卢米斯案的启示》，载《浙江社会科学》2018年第6期。可以借助多源数据融合和交叉验证等方法，以增加数据的多样性和稳定性。

此外，人工智能评估方法还可能导致被评估未成年人的隐私权受损。近年来，我国立法尤其关注未成年人的个人信息保护问题，《未成年人网络保护条例》以专章对未成年人个人信息强化保护，《儿童个人信息网络保护规定》指定专人负责未成年人个人信息保护工作，《关于未成年人犯罪记录封存的实施办法》则细化了对未成年犯罪嫌疑人信息的保护。评估人员在应用人工智能评估方法进行数据分析时，可能需要与其他机构共享数据，如果数据共享没有受到严格监管，可能导致数据被未经授权地传播给第三方；而如果人工智能系统内存储未成年人的敏感信息的数据库存在漏洞，则会被黑客或恶意攻击者获得数据，严重损害未成年人的隐私权。因此，在应用人工智能评估方法时，必须确保个人身份信息、社交媒体活动、网络行为等敏感信息的采集、存储和处理合法合规；并进一步明确未成年人犯罪数据使用、保存、共享的法律规范，避免数据泄露和滥用。在评估前，必须向被评估者或其监护人清楚地说明评估的目的、方法和可能涉及的风险，获得其明确同意。只有在取得合法授权的情况下，才能进行评估工作。总的来说，人工智能评估方法的应用需要遵循技术中立和价值无涉原则，充分考虑技术伦理，并结合未成年人网络犯罪的实际情况进行制定。①李婷：《人工智能时代的司法公正：价值效用与风险防范》，载《江苏社会科学》2023 年第1 期。

四、智慧司法视阈下未成年人网络犯罪危险性评估的证成

危险性评估方法在人工智能技术的赋能下，不仅能够精准评估未成年人网络犯罪人身危险性，还能够为事后干预提供个性化策略。结合未成年人网络犯罪的具体场景，可以廓清人工智能评估方法在其中的具体应用界限。

（一）以网络财产犯罪为例

1.人工智能评估方法在未成年人网络财产犯罪危险性评估中的应用前景

大数据时代，网络财产性利益已走进司法保护的视野，司法突破立法之举的现象频繁发生。网络财产犯罪作为利用网络以直接或间接的形式非法侵占他人的财产或网络财产性利益的犯罪行为，②尉明霞：《我国网络财产犯罪探究》，载《时代金融》2018 年第8 期。导致未成年人在实施此类犯罪时，较之传统线下财产犯罪往往取证难度更大、隐蔽性更强，需引起社会高度重视。

人工智能评估方法的应用，能够为未成年人网络财产犯罪的危险性评估提供强有力技术支撑。人工智能基于当下和过往的未成年人网络数据构建未成年人网络财产犯罪危险性评估模型，根据模型给出的人身危险性系数值帮助办案人员预估未来可能会发生的网络财产犯罪事件，及时向有关部门和个人发出预警信息。如名为AI+的一种基于知识图谱和数据挖掘的网络财产犯罪预测方法，能够根据不同个体元素之间的内在联系，构建出复杂的犯罪风险评估模型，并给出对应的预防策略。③刘钊、林晞楠、李昂霖：《人工智能在犯罪预防中的应用及前景分析》，载《中国人民公安大学学报(社会科学版)》2018 年第4 期。

2.案例分析——以“帮助信息网络犯罪活动罪”为例

2021年4月28日，未成年被告人廖某某与线上犯罪分子交易，将自己的银行卡、手机银行和电话卡等物品以2000元价格出售给对方。案发后，廖某某投案自首。经人民法院审理，廖某某在明知他人利用信息网络实施犯罪的情况下，依旧为其犯罪提供支付结算帮助，情节严重，廖某某的行为构成帮信罪。结合廖某某自愿到案，如实供述罪行，符合自首的构成要件，其犯罪时不满18周岁，且自愿认罪认罚等情形，人民法院决定对其从轻处罚，以帮信罪对廖某某判处有期徒刑半年，并处4000元罚金。④安娜：《市中级人民法院发布8 例未成年人司法保护典型案例》，载《呼和浩特晚报》2022 年6 月1 号。

将人工智能评估方法运用于该案中，可以为危险性评估提供更精确、客观和全面的信息，以协助法院做出更具判断力和公正性的判决。具体而言，人工智能评估方法可以深入分析廖某某的年龄和心理状况，帮助法院更好地理解其在犯罪活动中的行为动机和是否容易被犯罪分子操控，还可以根据廖某某当下和过往的数据，为其建立个性化的网络财产犯罪危险性评估模型，根据给出的危险性系数反映其可能对社会造成的潜在危害，辅助办案人员评估廖某某的人身危险性，并判断是否对其给予从轻处罚或是否需要采取额外的监管措施。

（二）以网络科技犯罪为例

1.人工智能评估方法在未成年人网络科技犯罪危险性评估中的应用前景

当下网络科技犯罪案件数量逐年增多，危害日益严重。网络科技犯罪①本文仅对纯正的网络科技犯罪作探讨。作为一种利用网络技术实施的犯罪行为，具有明显的链条化、智能化、迭代化和隐蔽化特征，②海淀检察院：《海淀区检察院发布〈网络安全保护检察白皮书（2016-2021）〉》，https://mp.weixin.qq.com/s/UzOEqZwr4puz88eGCuWn6w，2023 年9 月18 日访问。给网络犯罪治理带来了巨大挑战。未成年人作为网络世界的主力军，缺乏辨识能力，容易受人蛊惑误入歧途。因此，为有效预防未成年人利用网络技术实施犯罪，亟须对其危险性进行评估。

人工智能评估方法尤其适用于此类犯罪的危险性评估。未成年人网络科技犯罪的快速增加使执法机关需要更高效的工具来应对，人工智能能够以卓越的速度处理大规模、复杂的数据，快速识别犯罪嫌疑人及潜在犯罪嫌疑人的危险性，协助执法机关更及时地干预和处理问题。此外，人工智能评估方法能够自动化处理数据分析和评估，减轻执法人员负担。通过分析大规模的危险性相关数据，执法和司法机关可以总结出未成年人网络科技犯罪的共性危险模式，从而制定更加精准和有效的政策和预防措施。

2.案例分析——以“破坏计算机信息系统罪”为例

2017年6月至2018年4月，未成年被告人汤某使用电脑搭建DDOS平台，根据订单需求对目标网站进行网络攻击，并从中获利。法院经审理认为，被告人汤某破坏计算机信息系统功能造成严重后果，其行为构成破坏计算机信息系统罪。鉴于汤某犯罪时系未成年人，依法应当减轻或者从轻处罚，最终以破坏计算机信息系统罪对汤某判处有期徒刑两年，缓刑三年。③无线徐州：《DDOS 非法攻击网站一未成年黑客获刑》，https://new.qq.com/rain/a/20200513A0C7UJ00?pc，2023 年9 月19 日访问。

在该案中，利用人工智能评估方法对汤某的犯罪过程进行溯源分析，形成犯罪信息链条，通过借助大数据体系和数据链条宏观管理的优势，从中筛选并量化汤某所造成攻击影响的相关数据，从而确定汤某犯罪行为造成的经济、名誉损失，最终对汤某的犯罪危险性进行全面、精确的评估。

（三）人工智能评估方法在两类犯罪中的应用限制

尽管具有技术带来的效率优势，在未成年人网络犯罪危险性评估中，特别是在处理帮信罪和破坏计算机信息系统罪时，人工智能评估方法的应用仍面临一系列挑战和限制。

首先，帮信罪案例中，在“主观明知”的界定上存在争议。有观点认为明知的含义只能是明确知道，不能为了降低证据证明的难度就与刑法解释的基本原理相悖，任意扩大明知的认定范围；④孙运梁：《帮助信息网络犯罪活动罪的核心问题研究》，载《政法论坛》2019 年第2 期。也有观点认为，成立明知要求行为人的主观认识应达到盖然性的程度，同时也不能放松对主观要件的证明。⑤秦雪娜：《立足故意要件定位 明晰帮信罪“主观明知”》，载《检察日报-理论版》2023 年2 月17 日。但在实践中，大多数帮信罪案件的犯罪故意都属于间接故意，对主观故意的认定则要结合行为人对自身行为的认知程度判断其是否成立主观故意犯罪。⑥同前注。此种主观性的认定对于人工智能评估方法提出了挑战，因为它们通常更适用于客观数据分析而非主观故意的评估。

其次，在帮信罪案例中，支付结算金额、违法所得的认定仍然争议不断。这部分问题源于相关法律的立法定位模糊。帮信罪的矛盾点在于该罪的主体并不直接参与犯罪，因此需要对支付结算行为以及违法所得的认定进行更加清晰的法律规定。在与其他罪名交叉竞合问题的处理上，以帮信罪与掩饰隐瞒犯罪所得罪为例，司法实践中对于实施结转网络帮助行为的认定在行为定性方面也存在争议，主要表现为客观行为区分说和既未遂区分说，但均有不足之处。解决这类问题应综合考虑行为方式和证据查证情况进行认定，⑦张艳：《支付结算型帮助信息网络犯罪活动罪认定中的争议问题》，载《中国检察官》2022 年第8 期。这无疑增加了人工智能评估方法的开发和使用难度。

再次，在破坏计算机信息系统罪案例中，对“实施计算机信息系统犯罪行为”的认定存在较大争议。如刑法第286条①违反国家规定，对计算机信息系统功能进行删除、修改、增加、干扰，造成计算机信息系统不能正常运行，后果严重的，处五年以下有期徒刑或者拘役;后果特别严重的，处五年以上有期徒刑。 违反国家规定，对计算机信息系统中存储、处理或者传输的数据和应用程序进行删除、修改、增加的操作，后果严重的，依照前款的规定处罚。 故意制作、传播计算机病毒等破坏性程序，影响计算机系统正常运行，后果严重的，依照第一款的规定处罚。 单位犯前三款罪的，对单位判处罚金，并对其直接负责的主管人员和其他直接责任人员，依照第一款的规定处罚。第二款对于缺乏破坏和影响计算机信息系统正常运行这一定罪要件的行为能否成立破坏计算机信息系统罪，在学界与实务界均存在分歧。有观点认为该款的保护法益包括他人对数据和应用程序的占有、处分和使用等权利，以及数据和应用程序的完整性、真实性和可利用性，还强调要对应用程序这一行为对象的范围进行限制，从而确定该款的成立范围；②张明楷：《破坏计算机信息系统罪的认定》，载《中国法院报》2022 年3 月3 日。也有观点认为，构成该款行为不仅需要操作数据和程序的行为对正常的公共管理和生产经营秩序造成影响，同时还需满足两高发布的《办理危害计算机系统案件解释》中确定的“后果严重”的标准。③赵宁：《司法实践中认定破坏计算机信息系统罪疑难问题研究》，载《上海公安学院学报》2021 年第4 期。因此，在实际应用人工智能评估方法时，需要考虑如何处理这些不同法律标准，以确保评估的准确性和公正性。此外，人工智能评估方法在处理这类争议问题时也需要更高程度的数据解释性，以便于执法和司法人员理解评估的依据和结果。

除了具体罪名认定的限制，人工智能技术本身也具有局限性。目前的人工智能还处于弱人工智能时代，在自动化决策的应用上还处于较为浅显的层面，其算法的解释、应用等等在司法过程中仍旧存在不少的问题。因此，如何在数据偏见和不确定、未成年人隐私权保护与两类罪名的认定争议之间寻求一种平衡，是实现人工智能评估方法高度契合未成年人网络犯罪危险性评估应用的关键。人工智能评估方法在未成年人网络犯罪危险性评估的场景化应用中应该具体问题具体分析。对于不同的问题和场景，在匹配与之对应的评估方法和评估模型时不能一概而论，而要根据具体情况进行灵活选择和调整。在未来的发展基调中，人工智能评估方法应在科技向善的指导下，将最有利于未成年人原则贯穿于未成年人网络犯罪危险性评估应用的全过程，保障和促进未成年人的权益，为未成年人在网络大环境下的健康成长保驾护航。

五、结论

由于未成年人网络犯罪的特殊性，为维护未成年犯罪者和受害人的合法权益，亟需寻找有效的手段进行预防和干预，如危险性评估方法。然而，传统的评估方法存在主观性强、预测能力有限、缺乏个性化等问题，无法满足实际需求。为解决这些问题，引入人工智能评估方法是一种前瞻性的选择。人工智能评估方法可以借助数据整合与分析、构建风险预警系统、自动化评估、个性化干预等优势有效规避传统问题，但也会存在数据偏见、数据泄露、隐私和伦理等方面的风险，因此需要进一步提高数据收集和模型训练的科学性以及可行性，以更好地满足未成年人网络犯罪防控的需要。在具体应用时，应结合不同的未成年人犯罪类型对其加以细化，针对网络财产犯罪应通过借助危险性评估模型得出的未成年人人身危险性系数，在系数值的范围内帮助办案人员有效降低未成年人网络财产犯罪的发生率。针对网络科技犯罪则应利用人工智能评估方法在数据处理上高效便捷和自动化处理的优势，辅助相关机构总结出具有未成年人人身专属性的网络科技犯罪的共性危险模式，进一步提高在政策和预防措施制定方面的精准性和有效性。

诚然，本文只是对未成年人网络犯罪的危险性评估进行了一种技术维度的创新设想，依然无法完全满足未成年人网络犯罪防控的特殊需求。伴随着互联网逐渐走向Web3.0时代，更需要保持敏锐的洞察力和创新思维，不断探索和适应未来的智慧司法环境，最终实现人工智能对未成年人全方位保护的强力赋能，维护网络安全秩序。