AI换脸犯罪的刑法规制研究/林智明(2)
一、“AI换脸”技术社会危害性的现象学观察
事实上，刑法具有谦抑与积极两种品格，两者的分水岭在于社会行为是否具有社会危害性，达到应受刑事处罚的犯罪行为的程度。[ 参见张明楷：《网络时代的刑法理念——一刑法的谦抑性为中心》，《人民检察》2014年第9期；王俊：《积极刑法观的反思与批判》，《法学》2022年第2期。]若果社会行为不具有社会危害性或社会危害轻微，依法不属于刑法加以调整的对象，此时刑法应保持足够的谦抑态度，坚持不动用刑事手段干预民事经济纠纷的守则，不乱动刑罚对社会进行普遍的评价啊。一旦国家立法作出了归属犯罪行为的肯定性评价，就应制定国家刑事立法制度，积极加以定性定罚，用罪刑法定的方法加以规范调整。“AI换脸”技术以非法获取个人信息伪造虚假视频音频图片始，经过各类网络平台传播，并未牟利目的开展了产业化发展，最后以犯罪刑罚宣告落幕，处处充满社会危害性及相关刑事风险，是一棵“从头烂到根”的枯树，国家与社会应动手刑法与刑罚武器予以坚决的打击与彻底的铲除。我们可从社会现象以及真实案例的多个应用场景中发现“AI换脸”技术社会危害性的蛛丝马迹。
现象一：在全国首例人工智能犯罪案中，[ 参见：《全国首例利用AI侵犯公民信息犯罪案告破，黑客破解验证码快至毫秒》，维信公众后“首都网警”，2017年10月5日。]李某等黑客团伙利用超级SQL注入工具，批量扫描网站程序漏洞，非法获取网站后台用户注册数据，以每10万条50至100元卖给线下晒密人员。后者利用撞库软件进行批量撞库匹配，获得用户的账号密码利用用户头像进行成功诈骗。非法窃取与获得用户照片等信息为犯罪提供条件与帮助显然具有社会危害性。根据Deepfake、ZAO等AI换脸技术，其利用“深度学习”算法开展工作的。该算法构造了“生成与对抗网络”，生成神经网络负责将源数据合成为虚假数据，对抗网络则对虚假数据与真实数据进行覆盖对比。如果两者的对比超过了允许的误差范围，则系统返回生成网络继续学习，知道伪造的虚假数据与真实数据无限接近。因此，“AI换脸”技术拥有了无限学习监督能力与自我生成能力，其可以提高虚假数据的逼真程度，将虚假人脸图像覆盖与替代原人物面部。[ 参见暴雨轩、芦天亮、杜彦辉：《深度伪造技术检测综述》，《计算机科学》2020年第9期。]此种技术为实现深度伪造实现AI人脸变换需要大量个人信息。一般是通过用户在网站、APP上传的个人注册信息以及照片集为基础素材的。故其实际应用往往多与非法获取用户注册账号与密码等非法行为联系在一起，以非法获得、窃取或盗取用户照片伪造虚假照片为基础，客观上制造了人脸数据这个利益可观的地下灰色产业链。在这个意义上，“AI换脸”技术没有多少社会正面价值，从一开始，这项技术就戴上了非法窃取的外衣。
总共13页
[1] 2
[3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] 上一页 下一页