数智时代算法证据的概念证成与审查路径

陈来瑶

doi:10.19979/j.cnki.issn10082689.2025120080

数智时代算法证据的概念证成与审查路径

doi: 10.19979/j.cnki.issn10082689.2025120080

陈来瑶

北京警察学院法律教研部，北京 102202

基金项目: 国家社会科学基金项目“人工智能生成虚假信息的风险图谱与治理路径研究”（编号: 25CKX004）；北京警察学院校局合作重点项目“智慧警务下警察自动化行政法治研究”（编号：2022KXJ22）。

详细信息

作者简介:
陈来瑶（1996—），女，广西玉林人，北京警察学院法律教研部讲师

中图分类号: TP18; D925.2
计量
- 文章访问数: 29
- HTML全文浏览量: 15
- PDF下载量: 1
- 被引次数: 0
出版历程
- 收稿日期: 2025-12-20
- 刊出日期: 2026-12-01

The Conceptual Justification and Review Approaches of Algorithmic Evidence in the Digital-Intelligence Era

Chen Laiyao

Law Teaching and Research Department, Beijing Police College, Beijing 102202, China

摘要

摘要: 在数智治理形态下，算法生成的结论已经成为违法事实认定的一种重要证据形式，对其进行规范化、系统化审查，既关乎个案公平正义，更是提升数智时代社会治理法治化水平的关键。然而，算法证据因自身证据属性与技术特征，难以纳入法律因果关系的审查范畴，也未被现有的法定证据框架所容纳，更无法直接证明自身的真实性，这导致传统证据审查规则无法适用。因此，在保留传统证据审查机制核心价值的基础上，需融入算法技术治理思维；以算法相关性推理及审查机制重构关联性审查规则，以算法可信任机制优化合法性审查规则；同时创新可靠性算法审查机制，以此强化证据真实性审查制度。
- 算法证据 /
- 证据关联性 /
- 技术治理 /
- 规范审查
Abstract: In the new form of digital and intelligent governance, algorithm-generated conclusions constitute an important form of evidence for the identification of illegal facts. The standardized and systematic review of algorithmic evidence is not only essential to the fairness and justice of individual cases, but also crucial to improving the level of the rule of law in social governance in the digital-intelligent era. However, due to its unique evidential attributes and technical features, algorithmic evidence can hardly be incorporated into the review scope of legal causation, fails to fit within the existing statutory evidence framework, and cannot directly prove its own authenticity, rendering traditional rules of evidence review inapplicable. Therefore, on the basis of retaining the core value of the traditional evidence review mechanism, it is necessary to integrate the thinking of algorithmic technology governance: reconstruct the relevance review rules with algorithmic relevance reasoning and review mechanisms, optimize the legality review rules with algorithmic trust mechanisms, and innovate the algorithmic reliability review mechanism to strengthen the evidence authenticity review system.
- algorithmic evidence /
- relevance of evidence /
- technological governance /
- normative review
注释:

1) 1算法结论是指，基于海量数据，经由特定算法模型运算、分析与推演后，针对具体问题所形成的判断结果。当算法结论在具体案件中能够指向特定事实、支撑事实认定时，即具备证据的基本证明价值，可成为算法证据。

2) 2数据来源于中国裁判文书网，网址https://wenshu.court.gov.cn/website/wenshu/181217BMTKHNT2W0/index.html?pageId=8a7df2d40c80e0b02e2d3fc30dd64b14&s21=资金分析报告，数据采集时间为2026年7月18日。

3) 3实践中常采用皮尔逊相关系数（r值）来度量相关变量的关系，即对两个变量之间的关系用r值表示。当r = +1时是必然性值，当r值接近+1数值时可以表现为强盖然性或者强相关关系；当r值靠近0数值时可以表现为或然性或者弱相关关系。

4) 4在贝叶斯定理的推理公式中，先验概率体现为基于现有的证据材料和经验知识推断出案件事实的可能性，后验概率为新证据或者其他证据出现后对事实重新判断的可能性，似然比（LR）则是贝叶斯证据推理的核心量化指标，指待证事实成立时获取该证据的概率与待证事实不成立时获取该证据的概率的比值，是连接先验概率与后验概率的核心中间变量。

5) 5例如，在侦查实践中，公安机关已实际运用算法模型对网络通缉人员进行实时监测，在获取人脸比对结果后，将其作为证据应用于庭审环节。

6) 6《司法鉴定专家库管理办法（试行）》第四条规定，国家库下设技术咨询类分库和决策咨询类分库。技术咨询类分库下设法医类、物证类、声像资料、环境损害司法鉴定4个子库。

7) 7国家市场监督管理总局、国家标准化管理委员会发布的《人工智能深度学习算法评估》（GB/T 45225-2025）于2025年1月24日施行，适用于指导深度学习算法开发方、用户方以及第三方等相关组织对深度学习算法及其训练得到的深度学习模型开展评估工作。

8) 8最高人民检察院发布的第五十五批指导性案例（检例第220号），吴某某等人违规披露重要信息案中，提出办理上市公司违规披露重要信息案件，应当查清上市公司原始生产经营情况，还原真实财务数据，与公开披露的财务数据进行比对，准确认定财务造假并违规披露重要信息的犯罪事实。同时，要注重对行政执法证据的审查与运用。

9) 9《互联网信息服务算法推荐管理规定》第二十四条规定，具有舆论属性或者社会动员能力的算法推荐服务提供者应当在提供服务之日起十个工作日内通过互联网信息服务算法备案系统填报服务提供者的名称、服务形式、应用领域、算法类型、算法自评估报告、拟公示内容等信息，履行备案手续。

HTML全文

表 1 似然比与证明力的关系分级列表

似然比支持程度

1< LR ≤10 有限支持

10< LR ≤100 中等支持

100< LR ≤1000 稍强支持

1000< LR ≤10000 强支持

LR >10000 超强支持

下载: 导出CSV

参考文献(48)

[1]	维克托·迈尔-舍恩伯格, 肯尼思·库克耶. 大数据时代: 生活、工作与思维的大变革[M]. 盛杨燕, 周涛, 译. 杭州: 浙江人民出版社, 2013.
[2]	Jordan M I, Mitchell T M. Machine learning: trends, perspectives, and prospects [J]. Science, 2015, 6245(349): 255-260.
[3]	金观涛. 消失的真实[M]. 北京: 中信出版集团, 2022.
[4]	Mussgnug A M. A philosophy of data[J/OL]. Category Science & Technology (2020-04-15) [2026-01-06]. https://arxiv.org/pdf/2004.09990.
[5]	Burton A G, Chun W H K, Bounegru L, et al. Algorithmic Authenticity[M]. Lüneburg: Meson Press, 2023.
[6]	潘金贵. 数字时代刑事证据运用的风险及其规制: 以算法证据为分析视角[J]. 法治研究, 2024(6): 26-42. doi: 10.3969/j.issn.1674-1455.2024.06.003
[7]	张迪. 刑事诉讼中的算法证据: 概念、机理及其运用[J]. 河南大学学报(社会科学版), 2023, 63(3): 36-42, 153. doi: 10.15991/j.cnki.411028.2023.03.001
[8]	谢登科. 人工智能证据的类型分析与规则建构[J]. 学习与探索, 2025(3): 62-72, 175, 2. doi: 10.20231/j.cnki.xxyts.2025.03.008
[9]	杨继文. 算法证据: 作为证据的算法及其适用规则前瞻[J]. 地方立法研究, 2022, 7(3): 37-51.
[10]	胡铭. 论数字时代刑事证据的三元结构[J]. 中外法学, 2025, 37(1): 45-64. doi: 10.3969/j.issn.1002-4875.2025.01.003
[11]	马明亮, 王士博. 论大数据证据的证明力规则[J]. 证据科学, 2021, 29(6): 645-656. doi: 10.3969/j.issn.1674-1226.2021.06.001
[12]	田野, 张玮. 抓好数字检察“关键变量” 实现高质量发展“最大增量”[N]. 检察日报, 2022-11-20(1).
[13]	元轶. 大数据证据二元实物证据属性及客观校验标准[J]. 山西大学学报(哲学社会科学版), 2021, 44(5): 143-152. doi: 10.13451/j.cnki.shanxi.univ(phil.soc.).2021.05.017
[14]	郭华. 资金分析报告的功能及其证据归属的风险控制: 基于公安机关“金析为证”的思考[J]. 法学, 2025(6): 179-192.
[15]	孙珊. 大数据证明的司法适用与理论检视[J]. 北京科技大学学报(社会科学版), 2025, 41(1): 70-71. doi: 10.19979/j.cnki.issn10082689.2024010112
[16]	陈伶俐. 证据相关性的判断与规则构建[J]. 法律适用(司法案例), 2017(24): 66-71.
[17]	李光奇, 陈博文. 如何确保大数据证据实现预期证明效力[N]. 检察日报, 2022-05-11(3).
[18]	庄伟, 陈禹橦, 张杨杨. 大数据证据在互联网金融犯罪案件中的审查运用[J]. 人民检察, 2022(20): 48-53.
[19]	哈特. 法律的概念[M]. 许家馨, 李冠宜, 译. 北京: 法律出版社, 2006.
[20]	何家弘, 邓昌智, 张桂勇, 等. 大数据侦查给证据法带来的挑战[J]. 人民检察, 2018(1): 54-57.
[21]	爱德华·J. 伊姆温克尔里德. 科学证据的秘密与审查[M]. 王进喜, 译. 北京: 中国人民大学出版社, 2020.
[22]	刘品新. 论大数据证据[J]. 环球法律评论, 2019, 41(1): 21-34.
[23]	崔靖梓. 算法歧视挑战下平等权保护的危机与应对[J]. 法律科学(西北政法大学学报), 2019, 37(3): 29-42. doi: 10.16290/j.cnki.1674-5205.2019.03.013
[24]	袁康. 社会监管理念下金融科技算法黑箱的制度因应[J]. 华中科技大学学报(社会科学版), 2020, 34(1): 102-110. doi: 10.19648/j.cnki.jhustss1980.2020.01.13
[25]	刘金友. 证据法学[M]. 北京: 中国政法大学出版社, 2001.
[26]	王怀勇. 金融科技的算法风险及其法律规制[J]. 政法论丛, 2021(1): 105-116.
[27]	姚尚建. 数字治理中的权力控制与权利破茧[J]. 理论与改革, 2022(3): 130-140, 156. doi: 10.13553/j.cnki.llygg.2022.03.011
[28]	许凯. 大数据监管证券欺诈行为的法制完善[N]. 中国社会科学报, 2019-11-13(5).
[29]	刘东亮, 闫玥蓉. 大数据分析中的相关性和因果关系[J]. 国家检察官学院学报, 2023, 31(2): 23-41.
[30]	黄健. 刑事司法证明中大数据相关关系的局限作用论[J]. 清华法学, 2023, 17(2): 22-39.
[31]	叶翔宇. 刑事诉讼中的预测性证据: 属性、风险与适用规则[J]. 北京科技大学学报(社会科学版), 2026, 42(1): 88-89.
[32]	Diver C S. The optimal precision of administrative rules [J]. The Yale Law Journal, 1983, 93(1): 65-109.
[33]	魏斌, 郑志峰. 刑事案件事实认定的人工智能方法[J]. 刑事技术, 2018, 43(6): 471-476.
[34]	哈特, 托尼·奥诺尔. 法律中的因果关系[M]. 张绍谦, 孙战国, 译. 北京: 中国政法大学出版社, 2005.
[35]	宋粉鲜, 陈世文. 统计学基础[M]. 北京: 现代教育出版社, 2011.
[36]	罗维鹏. 论刑事证据的概率分析[J]. 证据科学, 2023, 31(2): 174-188.
[37]	周蔚. 大数据在事实认定中作用机制分析[J]. 中国政法大学学报, 2015(6): 64-82, 160.
[38]	Broeders A P A. Some observations on the use of probability scales in forensic identification [J]. Forensic Linguistics, 1999, 6(2): 228-241.
[39]	宁馨. 论人脸识别结果的证据种类归属[J]. 证据科学. 2025, 33(1): 103-119.
[40]	万春. 网络犯罪指导性案例实务指引[M]. 北京: 中国检察出版社, 2018.
[41]	林喜芬. 大数据证据在刑事司法中的运用初探[J]. 法学论坛, 2021, 36(3): 27-36.
[42]	Landgrebe J. Certifiable AI[J/OL]. Applied Sciences (2022-12-21)[2025-09-11]. https://doi.org/10.3390/app12031050.2022.12.1050.
[43]	袁康. 可信算法的法律规制[J]. 东方法学, 2021(3): 5-21.
[44]	陈禹橦. 资金数据分析报告证据化符合现实司法需求[N]. 检察日报, 2025-03-22(3).
[45]	栗峥. 印证的证明原理与理论塑造[J]. 中国法学, 2019(1): 264-283.
[46]	Desai D R, Kroll J A. Trust but verify: a guide to algorithms and the law [J]. Harvard Journal of Law & Technology, 2017, 31(1): 1-64.
[47]	Chang Y P, Wang X, Wang J D, et al. A survey on evaluation of large language models [J]. ACM Transactions on Intelligent Systems and Technology, 2024, 15(3): 1-45.
[48]	郭小东. 从“可解释”到“可信任”: 人工智能治理的逻辑重构[J]. 北京工业大学学报(社会科学版), 2025, 25(6): 117-135.