文章总结： 文章探讨刑事诉讼中人工智能证据的可采性困境与应对。作者将AI证据分为感知增强型、分析推理性与内容生成型三类，指出其面临算法黑箱致真实性难查、合法性边界模糊及关联性判断失准等挑战。建议构建分类分级准入机制，完善算法可解释性与数据溯源程序，强化当事人质证权，实现技术赋能与程序正义统一。 综合评分： 90 文章分类： AI安全,政策法规,解决方案

【刑事诉讼中人工智能证据的可采性困境与应对】

电子物证

2026年3月2日 15:00 辽宁

来源：人民法院报，作者：北京理工大学法学院 高宇石

人工智能证据正以效率革命的姿态渗透刑事司法全流程，同时对以真实性、关联性、合法性为核心的传统证据制度构成巨大挑战。随着《人工智能安全治理框架》2.0版将技术内生安全风险细化至算法模型与数据层面，以及《最高人民法院关于规范和加强人工智能司法应用的意见》确立透明可信、辅助审判等核心原则，我国已初步构建人工智能治理的制度矩阵。但是刑事司法领域尚未建立与之匹配的证据审查技术规范与程序机制，这种规制滞后性正在加剧技术应用与程序正义之间的张力。亟须从类型识别、困境剖析与制度建构三个维度进行研究。

一、人工智能证据的类型特征　　人工智能技术在司法领域推进融合。由算法系统自主或半自主生成的信息正逐步进入刑事诉讼证据体系。所谓“人工智能证据”，是指依托机器学习、深度神经网络、自然语言处理等AI技术，对原始数据进行分析、推理、合成或预测后形成的、用于证明案件事实的材料。区别于传统电子数据，人工智能证据的核心特征在于其非直接感知性与算法中介性。简言之，证据内容并非源于人类感官记录或设备被动采集，而是经由算法模型“再加工”甚至“再创造”而成。据此，当前司法实践中的人工智能证据可以大致分为三类：

　　第一类是感知增强型证据。此类证据以智能传感设备为基础，通过AI算法对原始感知数据进行识别、标注或结构化处理。典型如人脸识别系统自动生成的身份比对报告、智能交通监控系统输出的车辆轨迹分析图、无人机搭载AI视觉模块识别的现场异常行为标记等。其识别结果高度依赖训练数据质量与算法精度。

　　第二类是分析推理性证据。该类证据通过对海量结构化或非结构化数据进行建模分析，形成具有解释性或预测性的结论。例如，在经济犯罪案件中，检察机关利用AI资金穿透工具生成的涉案账户资金流向图谱；在毒品犯罪侦查中，基于通信大数据构建的社交关系网络图；又如法院委托第三方机构使用风险评估模型出具的被告人再犯可能性评分。此类证据常因算法黑箱而难以被控辩双方有效质证。

　　第三类是内容生成型证据。以生成式人工智能为代表，AI已能生成文本、语音、图像甚至视频内容。例如，智能语音助手记录并转写的嫌疑人对话摘要、AI根据案情描述模拟生成的作案过程动画、大语言模型辅助撰写的法律意见书或证人陈述草稿等。此类证据最具争议性，其内容可能包含虚构、幻觉或偏见，且难以追溯原始信息源，真实性与可靠性面临严峻挑战。

　　上述三类证据虽然形态各异，但是共通之处在于其生成过程脱离了传统人和物的直接关联，转而依赖算法这一技术中介。这使得其证据属性既不同于书证、物证，也超越了一般电子数据的范畴。

二、人工智能证据可采性的困境　　尽管人工智能证据在提升司法效率、辅助事实查明方面展现出潜力，但其进入刑事诉讼场域后，与现行证据规则和程序原则之间产生了深刻张力，集中体现为真实性认定难、合法性边界模糊、关联性判断失准等多重困境。

　　首先，真实性审查面临算法黑箱障碍。刑事诉讼法第五十条规定，证据必须经过查证属实，才能作为定案的根据。然而，人工智能证据的真实性高度依赖其底层算法逻辑与训练数据质量，而多数商用或内部部署的AI系统具有封闭性和不可解释性。此类黑箱输出使得传统质证、认证机制难以有效运行，动摇了证据裁判原则的根基。

　　其次，合法性判断缺乏明确规范指引。人工智能证据涉及数据采集、模型训练、自动推理等多个环节，其中任一环节若违反法定程序，均可能构成非法证据。例如，公安机关在未取得搜查令的情况下，利用爬虫工具从社交平台批量抓取嫌疑人历史言论用于行为画像，该行为是否属于刑事诉讼法第五十六条所禁止的以非法方法收集证据？在实践中相关司法解释尚未就人工智能介入取证的程序边界作出细化规定，导致合法性审查缺乏统一标准。

　　再次，关联性与证明力评估易受算法偏见干扰。人工智能证据常以统计概率、风险评分或模式匹配形式呈现，其与待证事实之间的逻辑链条往往间接且脆弱。而刑事诉讼法第五十五条强调重证据，重调查研究，不轻信口供，对间接证据的证明力提出更高要求。人工智能证据若缺乏透明的推理路径，极易沦为技术包装下的主观臆断。此外，人工智能证据的专业性与复杂性也加剧了控辩双方的信息不对称。被告人及其辩护人往往既无能力理解算法逻辑，也难以获取训练数据或模型参数，导致质证权、辩论权形同虚设。

　　最后，人工智能证据在可采性层面所面临的困境，本质上是技术逻辑与司法逻辑的冲突。若不及时构建适配其特性的程序规制体系，不仅可能侵蚀证据裁判原则，更可能动摇刑事诉讼中的人权保障底线。

三、构建人工智能证据审查的规范路径　　面对人工智能证据带来的可采性挑战，不能因噎废食，亦不可放任自流。应在坚持以审判为中心、证据裁判、程序正义等基础上，立足我国司法制度实际，构建“分类识别—分层审查—权利保障”三位一体的人工智能证据审查规范体系。

　　第一，确立分类分级的准入审查机制。鉴于人工智能证据类型多样、风险程度不一，应实行差异化审查标准。对于感知增强型证据，重点审查算法模型的准确性、误识率及数据采集的合法性。对于分析推理性证据，应要求提供算法逻辑说明、训练数据来源及验证测试结果。对于内容生成型证据，原则上不得单独作为定案依据，须有其他证据印证，且需严格审查其生成过程是否存在幻觉。可借鉴《最高人民法院关于规范和加强人工智能司法应用的意见》，对高风险人工智能证据设置更严格的准入门槛。

　　第二，完善真实性与合法性的程序化验证规则。建议在现有电子数据审查规则基础上，增设人工智能证据专项审查要素。一是算法可解释性要求，对于影响定罪量刑的关键人工智能证据，应由提供方说明核心算法原理、输入输出逻辑及误差范围。二是数据溯源与完整性保障，通过区块链、可信时间戳等技术固定训练数据来源、模型版本及生成日志，确保全过程可追溯。三是合法性前置审查，明确禁止使用未经法定程序获取的数据训练司法人工智能模型，严禁以技术便利替代搜查、扣押等强制措施的审批程序。必要时，可引入第三方技术机构进行独立验证，提升审查公信力。

　　第三，强化当事人权利保障机制。人工智能证据的使用不得减损被告人的辩护权与质证权。一方面，应细化刑事诉讼法第一百九十七条专家辅助人制度，明确其有权查阅与人工智能证据生成相关的核心参数（涉密除外）、参与算法说明听证，并就技术缺陷提出质疑。另一方面，建立人工智能证据披露义务，控方或法院拟采纳人工智能证据的，应提前向辩方提供技术摘要、验证报告及专家联系方式，保障辩方充分准备质证。对于重大、复杂案件，可探索设立技术争点整理程序，由合议庭先行确定人工智能证据争议焦点，避免庭审流于形式。

　　总之，对人工智能证据的规制，不是要阻挡技术进步，而是要将其纳入法治轨道。通过清晰的规则、透明的程序和充分的权利保障，实现技术赋能司法与程序守护公正的有机统一。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：电子物证 《【刑事诉讼中人工智能证据的可采性困境与应对】》