网络语境中犯罪定量证明分析

袁祥境,谭 明

(1.北京市人民检察院第一分院，北京 100040;2.石河子大学政法学院,新疆石河子 832003)

随着互联网技术的快速发展和各种便携智能设备的出现，网络已经成为现今社会生活、发展必不可缺的部分，人们的工作、生活、学习都已经离不开网络。互联网快速发展的同时，利用互联网的各种犯罪行为也逐渐增多。由于互联网互动性、并行性、隐蔽性好的特点，且相关网络侦查技术还不算成熟，网络一度成为某些不法分子的犯罪途径[1]。虽然随着互联网相关的调查技术不断发展，对网络犯罪打击强度在不断加大。但是，网络犯罪的定量证明仍然是亟待解决的问题。

网络语境中，犯罪行为的虚拟化、使用权化，加大了犯罪行为的定量证明分析难度。同时，网络的多变性和相关技术的不断发展，导致犯罪行为不断变异，对传统犯罪定量证明分析方法产生了冲击[2]。我国刑法在判定犯罪行为时，需要保证犯罪事实质和量的统一。因此，在犯罪构成中，对犯罪行为进行定量分析和证明是我国刑法的重要研究部分，对犯罪进行定量和定性分析也成为了专家学者研究的热点问题。在进行犯罪分析时，对其进行定性分析是量刑阶段必须考量的要素[3]。

传统的犯罪定量证明分析方法因其分析结果准确性较低，已难以适用于对网络犯罪的定量证明分析。网络语境中的犯罪行为种类繁多，传统的犯罪定量标准也不适用于现在的网络语境中犯罪定量证明分析。在实践中，已经不依赖于根据损害价值大小进行定量证明分析，而是使用以数量来代替数额完成对犯罪的定量证明分析。因此，本文研究了一种新的网络语境中犯罪定量证明分析方法。

一、网络语境中犯罪定量证明分析

本文提出的网络语境中犯罪定量证明分析方法首先需要对网络语境中的犯罪行为进行收集，对收集的网络语境进行证明，根据证明结果完成对网络语境中犯罪进行定量证明分析方法的设计。

(一)犯罪行为收集

网络语境中犯罪行为收集，依靠基于关联规则的数据挖掘。现有的互联网技术可以实现用户行为的监控，通过建立犯罪行为中某一环节的关联规则，可以挖掘以其为中心的关系网络，完成对网络语境中犯罪行为的收集[6]。将收集的网络语境犯罪行为，按照不同类型进行简单分类，例如虚假言论、侮辱行为、违法传播等。并根据不同类别行为的定性危害程度和在网络中的存在数量，从高到低进行排序，确定犯罪定量证明的顺序。之后，使用相关算法对网络语境中犯罪进行定量证明。对网络语境中犯罪行为进行定量证明分析，主要是对如图1所示的互联网语境灰黑产业进行定量证明分析。

在收集网络语境中犯罪行为前，需要分析网络语境。因网络世界与现实世界存在本质上的区别，因此需要在分析网络语境时扩大分析搜索范围。通过对网络语境的数据链分析，将相关性高的语境划为收集范围，然后使用相关技术进行犯罪行为收集[4]。

在现实社会生活中，许多犯罪行为已经有法律明确划定的定量限定，但是同样的犯罪举动出现在网络环境中，就会出现一定的争议，而许多的犯罪分子就是借由这种在网络语境中体现的异化现象，而逃避追责[5]。因此，使用网络技术对网络语境中的犯罪行为进行收集，是进行定量证明分析的第一步。

对网络语境中犯罪行为的收集，采用数据挖掘的方法，具体步骤如图2所示。

图2 网络语境中犯罪行为收集流程

在收集网络语境中犯罪行为时，首先要明确定义网络语境中的犯罪行为，使用侦查学、犯罪学以及心理学知识，设定收集目标。同时还可以在已经定案的案件中提取相关犯罪行为和关键词作为参考。参考数据来源于电子取整数据库、公安基础数据库和互联网数据库，从数据资源库中抽取相关数据，对其进行集成、清洗等处理后，通过SQL查询语言进行查询[7]。

由于网络语境中犯罪的独特性，数据调查不仅仅依靠过去的质的定量，而是主要依靠量的判定。尤其是网络中的一些不良信息，除对其传播的内容进行质的判定外，还需对其量即转发量和下属传播范围进行收集，以便后续的定量证明分析。

(二)犯罪行为证明

网络信息传播速度较快，单纯的依靠司法体系中的定量标准难以完成对网络语境中犯罪行为进行定量分析，因此就常见的网络语境中的犯罪行为。按照表1对其危害性进行判定和定量分析[8]。

表1 网络语境犯罪的类型判断

根据数据挖掘的结果，使用聚类算法，完成对网络语境犯罪的定量证明。将数据挖掘的结果集合为一个数据集合，首先按照公式(1)对数据进行归一化处理。然后，按照公式(2)计算各数据间的距离[9]。

(1)

(2)

公式(1)中，x′为归一化处理后的数据集合，xmax和xmin分别为原挖掘数据集合的最大和最小数据[10]。公式(2)中，xi、xj分别为归一化处理后的数据挖掘集合中两个不同的数据点。将计算出的数据点间距离按照降序进行排列，根据需要定量分析的网络语境中犯罪行为的种类数量，选取降序排列前几的数据点作为聚类的中心数据点[11]。再次计算其余数据点与聚类中心的距离，将距离较近的数据点分到相同簇中。对于无法进行分簇的数据，计算数据间的隶属度，根据相同簇间数据隶属度和为1的原理，完成对挖掘网络语境犯罪数据的聚类。

以聚类结果为定量证明参考样本，在实际对网络语境中犯罪行为进行定量证明分析时，进行聚类，则可以根据聚类算法结果，确定该可疑行为是否为网络语境犯罪行为[12]。但是，网络语境中犯罪会存在多种不法行为并存的现象

在完成对网络语境犯罪行为的定量证明后，对证明结果进行分析。

(三)定量证明分析

对经过聚类证明为网络语境中的犯罪行为使用决策树算法进行定量分析。利用自顶向下递归的方式逐个完成归纳的方式构造判定决策树。选取数据挖掘的参考网络语境犯罪案例为样本集，创建决策树节点。在决策树上的每一个节点都使用最高信息增益属性，为当前节点属性。通过对属性的划分，得到最简树[13]。

设W为w个样本数据的集合，有k个不同分类属性，分别定义k个不同类G，则对给定的一个数据分类的期望如下：

(3)

公式(3)中，Pi为样本i属于第i类的概率，用整体抽样法估计。建立决策树，根据期望作为决策树分支条件，每一样本数据集经决策树后，标记为决策树上的树叶。在对网络语种犯罪进行定量证明分析时，将数据挖掘收集的犯罪行为，经过聚类算法完成定量证明后，使用决策树进行分析。根据决策树期望值，对网络语境中犯罪行为进行定量分析。

当期望值处于[0.1,0.4]区间时，说明网络语境中犯罪行为有可能会涉及到金钱。对这一类的行为，除根据其情节恶劣情况按照相关法律判定外，还要根据涉嫌的金额数量进行判定。具体的犯罪数额表现为网络语境犯罪行为所得金额、销售数额、因不法行为造成的各种损失等[14]。但是，值得注意的是，损失包括具象的经济损失和抽象的损失，但是只以造成的经济损失为犯罪定量证明分析依据，会影响判断结果。

当期望值处于[0.4,0.7]区间时，网络语境中犯罪的有害行为波及较广，但伤害程度中度。刑法中明文规定的犯罪结果都是概括性的，但是网络语境犯罪的犯罪结果传播范围广，对于某些情节在定性阶段就已经判断为严重后果的犯罪行为，可据其对受害方造成的影响程度进行定量分析[15]。如果在定性阶段无法判定，则设定量化标准，对犯罪结果进行量化后，再定量分析。

当期望值处于[0.7,1.0]时，这一部分网络语境犯罪行为情节较轻，是属于治安处理范畴，报属地公安机关处理后，可生成对应的定量分析处理结果。至此，完成了对网络语境中犯罪定量证明分析方法的设计。

二、测试实验与结果分析

为了验证本文提出的网络语境中犯罪定量证明分析方法的有效性，设计如下对比实验。将所提方法与文献中传统的网络犯罪定量证明分析方法进行对比。

(一)测试内容

测试对象为从全国犯罪数据库中随机抽取的100个网络犯罪案例。将本文提出的网络语境中犯罪定量证明分析方法设为实验组，传统的分析方法设为对照组，控制其它实验变量不变，按照以下实验步骤完成实验。

使用计算机作为实验模拟平台，按表2中的参数规定设计实验环境，将100个犯罪案例随机均分为两组，实验组和对照组分析方法分别依次随机从两组中抽取犯罪案例进行分析。

表2 实验环境

分别利用实验组和对照组分析方法在两台配置完全相同的计算机上完成实验，并在同一时间内从犯罪案例数据库中抽取实验分析对象。将两组分析方法分析的网络犯罪数据与案例中真正的网络犯罪数量进行对比，对比两组分析方法的犯罪分析准确率，完成实验验证。 犯罪行为分析准确率计算过程如下：

(4)

(二)测试结果

为方便分析数据结果，以5个案例为一组，绘制两组分析方法的分析正确率对比图，如图3所示。

图3 两组方法分析对比结果

由于真实数据的随机性，数据间无明显规律，并且由于实验条件限制，两组真实值间无统计学关系。分析图3可知，实验组分析结果正确率曲线波动较小，对照组分析结果正确率曲线波动极大。对实验组曲线进行分析，实验组分析方法的分析正确率曲线明显高于对照组分析方法的分析正确率曲线，说明相比传统分析方法，网络语境中犯罪定量证明分析方法能够有效提升分析的正确率，更加具有优越性，适合用于网络语境中的犯罪定量证明分析，能够满足打击日益严峻的网络犯罪的需求。

三、结论

网络技术的快速发展在推动人类文明进步的同时，其极好的隐蔽性和可远程控制性也助长了网络犯罪的不良之风。常见的网络犯罪行为主要是网络诈骗，传播不法音像制品，教唆未成年人传播、编造影响社会治安稳定、国家形象的虚假恐怖信息等。网络语境中的犯罪现象层出不穷，对社会治安、和平稳定发展都产生了一定的负面影响。由于网络语境中的犯罪行为在网络中的独特属性以及相关法律未明确的定量标准，使得我们对网络语境中犯罪定量证明分析的难度加大。为此，本文研究的这种网络语境中犯罪定量证明分析方法，通过对比实验验证了该方法的有效性，表明该方法定量证明分析结果的正确率明显高于传统方法。