从附属到独立：数据的刑法保护模式构建.pdf

50No.22023Sum 31Vol.6Journal of Public Security Science2023年第2 期公安学研究总第31期第6 卷从附属到独立：数据的刑法保护模式构建种政【摘要】数据是集合了非排他性的有体物、潜在的法益可能性和公共利益性的独特法律客体。目前我国刑法是通过计算机信息系统犯罪、特殊信息犯罪、网络犯罪和侵财犯罪对数据进行保护的，这是一种附属性保护模式。由于存在数据法益独立价值未受尊重、犯罪构成要件漏洞、与前置法不衔接、司法适用不适应等问题，该保护模式与数据的独立属性相悖。为更好地对数据进行刑法保护，需要构建独立保护模式。构建的总体原则是要尊重数据的独立属性，围绕独立的数据法益严密法网，遵循比例原则，融入数据分类分级制度。首先要从社会现实与法律规范中提炼出独立的数据法益：数据本体法益，即数据的高质性和可用性；数据权利法益，即个人数据自决权和企业数据收益权；数据安全法益，即数据保密性、数据主权、数据利用的正当性和数据安全保障能力。然后围绕数据法益，平衡数据利用与数据安全，增设新罪名群。【关键词】数据法益；数据安全；刑法保护；附属；独立【中图分类号】D914.04【文献标志码】A【文章编号】2096-5176(2023)02-50-21【基金项目】国家社会科学基金重大项目“网络信息安全监管法治体系构建研究”（2 1&ZD193）【作者简介】种政（19 9 1一），男，中国人民公安大学法学院2 0 19 级博士研究生（北京100038)引言在数字时代，数据成为极为重要的生产资源，数据的独立价值凸显。2 0 19 年中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定、2 0 2 0年中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见、2 0 2 1年国民经济和社会发展第十四个五年规划和2 0 35年远景目标纲要等政策性文件，都将数据作为驱动经济社上述文件提出，要“加快培育数据要素市场推进政府数据开放共享提升社会数据资源价值加强数据资源整合和安全保护.”；“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”以及“迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。参见关于构建更加完善的要素市场化配置体制机制的意见，2 0 2 0 年4月9 日，http：/ 0 19 年11月5日，http：/w w w.g o v.c n/z h e n g c e/2 0 19-11/0 5/c o n t e n t _ 5449 0 2 3.h t m？i v k _ s a=1024320u；国民经济和社会发展第十四个五年规划和2 0 35年远景目标纲要，2 0 2 1年3月13日，http：/w w w.g o v.c n/x i n w e n/2021-03/13/content_5592681.htm？i v k _ s a=10 2 319 7 a，访问日期：2 0 2 2 年5月6 日。51从附属到独立：数据的刑法保护模式构建会发展的生产要素和重要的成长点。由于数据产量巨大以及数据要素市场的活跃，数据收集、流通、利用等活动赋能社会发展与进步，我国已然成为数据生产大国和数字经济大国。但与此同时，数据破坏、数据伪造、数据泄露、数据滥用等活动频发，数据安全形势严峻，正常的数据流通利用活动遭到破坏，严重影响了数字经济的健康发展，对公民人身财产安全、社会秩序、国家安全形成了威胁。数据安全呕须法律保护。作为手段最为严厉的法律，刑法在保护社会重要利益、惩罚严重越轨行为上一直发挥着重要的、兜底的作用。在新兴领域我国立法一直有“刑法先行”的做法，如2 0 0 9 年刑法修正案（七）新增了保护个人信息的罪名，先于行政法立法和民法立法将公民个人信息纳人保护范围。然而关于数据保护，刑法却略显“滞后”，仍然依靠非法获取计算机信息系统数据罪、侵犯公民个人信息罪、侵财犯罪等现有罪名来调整数字时代的数据安全问题。当前的立法体例已经难以应对数据时代勃兴变化的诸多情形和日益复杂的数据应用场景，在这一背景下，刑法对数据的保护应展开自我变革，以适应数据技术的发展，保障数据发挥应有的积极作用。一、数据的独特性“一个事物的性质与关系，都叫做事物的属性一个事物与另一个事物的相同或相异，也就是一个事物的属性与另一事物的属性的相同或相异。”数据属性是数据区隔于其他要素的基本特征。数据具有实质意义上的独特性，这并非语词概念上的界分条件，而是数据区别于传统法律客体的特质，也是数据获得刑法保护的前提与基础。具体而言，数据的独特性表现在非排他性的有体物、潜在的法益可能性和公共利益性三个方面。(一)非排他性的有体物数据是记录信息的客观形式，也是信息的符号表达与物理载体。数据存在于符号与物理层面，而信息则是数据在内容上的表达。在符号上，数据表现为1和0 的二进制数字信号；而在物理上，数据以特殊电子物质结构存在，即不同数量级的电子被放在电荷阱中，或以不同强弱程度的电磁波、光脉冲的形式存在，用以表示1和0 的二进制信号。信息则是无形的内容，其必须存在于一定的形式中，并且可以从不同形式中被人重新获取，这些表达信息的形式就是数据。相同的信息可以通过不同的数据形式来表达，因此，数据属于一种物质资源。作为物质资源的数据，存储在个人计算机系统、大型服务器等存储硬件中，既可以被复制和传输，也可以被分析和利用。由于数字信号的抗干扰性强、信噪比高，数据在复制、传输的过程中基本可以做到稳定不变。数据的活动机制与信息“2021年我国数据要素市场规模达8 15亿元，预计“十四五期间市场规模复合增速将超过2 5%，整体将进人群体性突破的快速发展阶段。2 0 17 年到2 0 2 1年，我国数据产量从2.3zB增长至6.6 zB，全球占比9.9%，位居世界第二。大数据产业规模快速增长，从2 0 17 年的47 0 0 亿元增长至2 0 2 1年的1.3万亿元。我国数字经济规模从2 7.2 万亿增至45.5万亿元，总量稳居世界第二，年均复合增长率达13.6%，占国内生产总值比重从32.9%提升至39.8%，成为推动经济增长的主要引擎之一.”参参见国家互联网信息办公室：数字中国发展报告（2 0 2 1年），第2 页。金岳霖主编：形式逻辑，北京：人民出版社，19 7 9 年，第8 页。52从附属到独立：数据的刑法保护模式构建不同，获取、处理、利用、删除等数据行为，必然引发数据的符号代码和物理结构变动，但对信息进行上述行为，则不一定导致信息基于符号层面代码的变动。因此，只获取信息，并不等同于获取了作为信息载体的数据。一般来说，法律关系中的客体具有三个特征：一是客体对人有价值，可能产生利益以及利益冲突，是“有用之物”；二是客体可以被主体控制和利用，是“为我之物”；三是客体可以独立于主体，是“自在之物”。从这个意义上看，数据具有民法上“物”的特征，其可以成为被人所支配且满足人类社会生活需要的“物”。同时，数据具有价值则是“有用之物”，是汇聚起来能够满足社会生产生活需要的“物”。此外，数据具有可控性，可以被人支配。在物理层面，数据以不同的电子排列存在，需要占据物理意义上的存储空间，可以转移流动，与电气等无形有体资源近似。数据源于人和社会，但其不是人的一部分。可见，数据符合法律客体的特征，也符合民法上“物”的判断标准。与此同时，数据来源不会枯竭，只要人类活动、自然现象存在，数据就会一直产生，加之人类对数据的处理活动会产生大量的衍生数据，数据总量呈现出指数级的增长。数据具有可复制性，复制数据与原始数据在外观上没有任何区别。数据的使用和流通具有明显的非耗损性，数据处理加工的参与方越多，发掘的数据价值越大。数据具有非排他性，相同的数据可以被不同主体占有、使用且不侵犯相互利益。数据的客观形式及特点决定了其既具有有体物特征，又具有权益的非排他性，这意味着在思考数据的法律关系、数据的法律规制时，不能采取非此即彼的排他性思维。(二)潜在的法益可能性在前数字时代，数据是单条或数条明确信息的载体，是量级较小且结构化的数据集合。此时的数据是“小数据”，与信息是一一对应、互为表里的关系，因无法离开内容层面的信息单独存在，它无法获得独立的意义与价值。2 1世纪以来，随着网络、大数据、云计算、人工智能等信息技术飞速发展，数据与信息实现了内涵分离，数据的意义得以凸显。宏观层面的大数据中蕴含着待分析、待发掘、待构建的可能性以及相关性成为数据的核心价值。首先，数据存储技术不断进步，海量的电子数据能够以极低成本永久存储。其次，计算机、手机等设备终端不断更新换代，智能传感器遍布世界，社交网络兴起，人的一言一行、机器每分每秒的运作、自然环境的变化都可以被自动记录和存储下来。最后，借助大数据技术、人工智能深度学习等技术，人们不必再通过抽样归纳、抽样一推理等方式减少数据分析工作量，直接对海量大数据进行全数据样本分析成为现实。大数据与人工智能发展也相辅相成。终端实时记录客观世界和人类精神世界的状态，通过网络汇聚到云端，云计算分析、计算海量数据，从中挖掘出信息。人类可以通过大数据分析、发现和验证万事万物的相关性，甚至预测未来。人工智能深度学习也称无监督特征学习，算法无需人为提取张文显：法哲学范畴研究，北京：中国政法大学出版社，2 0 0 1年，第10 7 页。王泽鉴：民法概要，北京：北京大学出版社，2 0 11年，第57 页。参见张贵红：论数据的本质及其与信息的关系，哲学分析2 0 18 年第2 期。由于人通过智能设备和网络进行言语、偏好、情绪、思想表达等，智能终端可以记录人的精神世界53从附属到独立：数据的刑法保护模式构建数据特征，而是自动从数据中学习特征。“喂给”算法的数据量越大、质越高，深度学习提取的特征就越精准。自动驾驶技术就是人工智能算法深度学习的产物，数据科学家通过向算法输人大量的真实驾驶数据，让算法自我学习、自我训练，学会根据不同路况、突发情况等选择正确的行驶方案。可见，数据的价值源于人类社会对其分析利用活动，这决定了数据法益表现为潜在的法益可能性。作为待分析、待挖掘的价值内容不确定的物质资源，数据在不同法律关系中最终呈现出不同的法益类型。虽然信息内容对应的法益是确定的，但由于数据需要进行分析和挖掘才能析出信息，因此数据所蕴含的信息是不确定的，对应的法益也是多样的、未知的，是抽象的法益可能性，其对应于主体对数据进行解析的目的、方法和场景。在实践中，数据最终可以具化出的传统法益包括财产性利益、知识产权、个人隐私等，它们都是数据分析出的不同信息内容在不同场景下所具备的法益类型。因此，相对于传统类型的法益，数据法益是一种潜在的法益可能性。保护数据法益是对数据蕴含的法益可能性转化为具体价值能力的保护，也是对法益可能性后续具化的传统法益所展开的提前保护。(三)公共利益性从数据来源上看，数据源于数据收集者对公众行为、社会活动、自然现象的记录。基于此，数据带有天然的公共属性，数据收集者基于垄断而展开的数据处理行为不具有正当性，共享是数据活动的应有之义。从赋能机制上看，数据的价值源于数据的汇集与分析以及在此之后的流通与利用。相较于数据垄断，数据的开放共享更有利于数据价值的释放和最大化。数据开放是利用数据资源释放数据利益的必由之路。过分强调数据的私人属性和绝对权属，与数据价值的本质背道而驰。从数据安全的角度来看，数据流通所带来的利益往往归属于个体，但是安全风险却扩散到社会，由公众和政府承担。数据的产生、流通、共享和利用决定了数据具有公共利益性。综上所述，数据具有有体物的一般特征、权益非排他性、潜在的法益可能性以及公共利益性，这使得数据在法律属性上区别于特定的信息内容，也区别于一般的物。若采取保护具体信息内容、财物、绝对权等方式来保护数据和规制数据行为，则与数据所具有的特定属性相悖，势必造成法律规范与社会实践的脱嵌。如何对数据这种独立的、新型的、价值巨大