生成式人工智能网络财产犯罪的责任认定研究——基于“技术特征—归责困境”的二元分析视角.pdfVIP

科技评论|REVIEW

生成式人工智能网络财产犯罪的责任认定研究

——基于“技术特征—归责困境”的二元分析视角

文/张美桃

摘要：生成式人工智能技术的不断迭代，使传统财产犯罪逐渐转向线上新形态犯罪，如利用人工智能换脸、合

成视频进行诈骗、敲诈勒索等。这些犯罪行为具有高度隐蔽性和智能化特征，犯罪主体的隐匿性及涉案

金额的巨大化增加了生成式人工智能网络财产犯罪的责任认定难度。该类犯罪的责任认定困境主要表现

为两方面：一是犯罪主体隐蔽化导致的责任分配难题；二是犯罪智能化带来的“明知”主观要件证明困

境。本文聚焦于生成式人工智能在网络财产犯罪中的责任认定问题，基于“技术特征-归责困境”的二

元分析视角，探讨生成式人工智能网络财产犯罪的特征、认定难点及责任认定体系的完善路径。

关键词：生成式人工智能网络财产犯罪责任认定

生成式人工智能（artificialintelligencegenerated利用AIGC进行诈骗的案件反映了AIGC涉及网络财产犯罪

content，AIGC）在日常生活中的应用日益普及，其生成的普遍性特点，即犯罪主体隐蔽化和涉案金额巨大化[1]。

内容广泛应用于多个领域。然而，AIGC亦可成为网络财产相较于传统诈骗案件，利用AIGC设置诈骗陷阱的行为人，

犯罪的工具。人工智能AI犯罪不仅包括人工智能作为主体除内容生产者应承担相应法律责任外，对技术支持者和服

实施的犯罪，也包括行为人借助人工智能服务平台进行的务提供者的刑事责任划分存在一定模糊性。

犯罪。无论是“主体说”还是“工具说”，AIGC在网络平当前，AIGC技术的发展已达到深度思考与算法优化的

台中的犯罪现象层出不穷。随着AIGC技术的迭代发展，水平，其更新迭代增加了网络财产犯罪侦破的难度，带来

越来越多的传统财产犯罪转为线上新形态犯罪，如AI换了传统犯罪新形态下责任认定的挑战。AIGC常见的犯罪手

脸、AI合成视频等，构建了新型网络犯罪的温床，法包括利用深度伪造实施的诈骗，以及通过“幻觉”一站

即AIGC带来了新型诈骗、盗窃及敲诈勒索等财产类犯罪。式提供的犯罪程序和方法，这些手法在一定程度上可实现

犯罪分子利用AIGC的隐蔽性藏匿于网络背后，增加了侦查犯罪的自动化。面对AIGC带来的法律风险，部分学者主张

和罪责认定的难度，其中最具代表性的便是AI生成虚假内将其划分为不同层级的AIGC，根据其功能分层进行限制与

容导致的诈骗案。据媒体报道，2022年至2024年年初，中监管。笔者认为，分层管理虽是打击非法使用AIGC进行网

国共发生“AI换脸”类诈骗案近百起，累计造成经济损失络财产犯罪的有效手段，但该方法主要针对技术提供者与

高达2亿元。基于“普遍性寓于特殊性之中”的原理，这类服务者，对已借助AIGC技术实施犯罪的内容生产者难以实

现源头规制。一方面，AIGC在技术层面发生了跃迁，从以

往的生成、传播、分发等单一线性应用转变为兼具基础模

型应用和多功能应用的角色；另一方面，除厘清AIGC对网

络财产犯罪的共犯归责问题外，对于以ChatGPT为代表的

智能问答类AIGC算法技术提供者的监管责任，以及合法

性AI应用因模型越狱导致的网络财产犯罪主体罪责认定问

题，仍需进