中国人民大学法学院第五期电子证据与人工智能办案高级研修班于10月31日举办法律职业共同体圆桌论坛，邀请来自高校、科研院所、鉴定机构、企业及律所的多位专家学者，围绕电子数据鉴定的应用与发展、资金数据分析实务、AI工具的优势与隐患三大主题展开深入研讨。
本次论坛由北京星来律师事务所王珺主任主持，中国人民大学法学院刘品新教授、司法鉴定科学研究院正高级工程师、研究员郭弘，中国科学院软件所计算机博士邓昌智，北京云证国际数据安全科技有限公司司法鉴定中心主任高显嵩，北京国盾信息中心司法鉴定所鉴定人张佩军，南开大学法学院副教授朱桐辉，北京星来律师事务所合伙人张洪铭，山东卓朗检测股份有限公司董事长王传绪参与。
首先，在电子数据鉴定的应用与发展问题上，张佩军老师结合自己受理的委托指出，AI的发展大大降低了造假的成本。他回忆，自己接手的第一起微信记录造假案中，造假人找人伪造花了五万元，“现在可能两块钱的token就能把这个事情解决了”。从短信造假到微信造假的趋势看，未来对证据真实性鉴定的需求会越来越多。“对于AI，我们不要去排斥它，应该持续拥抱它，但也不能完全依赖，把自己的技术给放弃”。张老师认为AI就像取证软件一样，只是工具，鉴定人处理的是专业技术性问题，“一定要知其然，还要知其所以然”，人才是解决问题的根本。高显嵩老师补充说，不同案件中电子数据的种类和样式千差万别，AI的普及反而要求鉴定人掌握更多知识；鉴定人必须逐步验证AI的每一步操作，当被问到为什么得出某个结论时，绝不能回答“这是AI得出的结果”。
随后，学员向老师提问道，当事人换手机时通过电脑中转迁移了微信记录，提交法院后一旦鉴定，会不会直接被认定为伪造？律师又该如何避免承担无谓的风险？张老师以当天授课的案例为例，案件中要鉴定的聊天记录是2017年的，而存储它的手机型号当时尚未上市，记录必然来自迁移。此时鉴定更关注当事人的陈述，比如何时备份到电脑、何时还原到新手机，再调取备份电脑、云端账号等中间节点，分析痕迹与陈述是否吻合。“真实性鉴定就是还原电子数据的产生过程，什么时候产生的，转移到了哪里，最后是什么形态。”他同时指出，电子数据的复制件只要能证明与原件一致，就具有同等证明力；但如果只交来一份孤立的文档要求鉴定是否被修改，是不具备鉴定条件的。高老师也提示，判断真伪必须结合设备连接电脑、导出数据的时间等其他痕迹综合分析。朱桐辉老师从法律人的视角提出，要区分法律上对证据真实的审查与鉴定中对真实的鉴定。他介绍，真实性鉴定实际上有两种“替代”路径：一是看数据结构是否符合真实规律，例如真实聊天记录的时间带有毫秒数、编号呈随机分布，而伪造记录往往全为零或依次递增；二是看是否发现增删改的痕迹。他以华南虎照事件为例说明，与其纠结照片是否经过处理，不如调查当事人的通话记录和资金往来，“鉴定有时候没解决的问题，其他证据能证明”。
另一位学员提问道，执法中很难攻破平台数据库，平台自行提供的数据如何判断真伪？张老师分享了自己十余年前的一起电子病历鉴定，为取得足够检材，鉴定人员调取了医院几十GB的数据库备份，耗时一个月才还原出病历的修改过程。但上级医师本就享有修改权，这些修改是否违法，并非鉴定所能认定。“孤立的个体，没有关联数据，真实性鉴定基本上很难。”高老师建议，与其投入大量精力质疑大型平台、运营商、银行提供数据的来源，不如结合其他数据去发现更重要的问题；若要证明平台的违法行为，则应由执法机关现场勘验，在多方见证下登录系统，固定相关时段的操作日志、风控系统记录等，而不能仅凭平台自行提交。朱桐辉老师则指出，这本质上是一个法律问题：执法机关应依法明确并争取调取底层数据的权限；对方应当提供而拒不提供的，可参照民事诉讼中的规则作出不利推定。
对于学员提出的如何快速筛查海量微信记录的问题，嘉宾们建议，不宜让工具直接批量操作微信客户端，以免触发平台风控，可先利用备份导出功能导出数据再借助AI分析定位；若需作为证据提交司法机关，则应依法委托鉴定。
---***---
第二个环节是关于资金数据分析实务方面，邓昌智老师结合自己跟进的一起特大案件，分享了运用大模型分析海量资金流水的实践经验，剖析了AI在资金分析中的优势与弊端，并就资金穿透、实际控制关系认定、委托鉴定渠道、数据安全等问题回应了学员提问。
首先，邓老师介绍了自己跟进的这起案件的来龙去脉。案件涉案金额巨大、数据量庞大，当事人一方无法从检察机关取得电子数据，银行也导不出电子版流水。几经周折，银行方面最终打印出了16万页纸质流水，当事人又将其逐页扫描成PDF，交到了邓老师手上。当事人之所以执着于此，是因为判决认定的金额达30多亿元，而公安机关侦查得出的结果为20多亿元，即便刑满释放，他仍将背负巨额债务，因此希望通过资金电子数据查清涉案资金的真实规模。然而扫描件的识别是一道难关。前一两年，邓老师尝试了当时效果最好的OCR工具，但扫描件存在缺页、遮挡、盖有公章等情况，识别效果很不理想。大模型出现后，团队搭建了一套配备四张A100显卡的本地环境，开始新的尝试。值得注意的是，邓老师并没有把案件数据上传到外部的AI平台，而是让AI编写程序，再由内网部署的大模型执行。这批数据约有两百个文件，程序先把每个文件拆分切片，再进行识别，并按照资金电子数据审查的思路进行处理，随后完成矫正、清洗和入库。“整个过程用AI处理完，大概整整用了两天时间”，16万页PDF被识别、清洗、整理后导入数据库，形成数以百万计的资金流水记录。“原来苦苦追寻一两年的结果，现在两天时间就搞完了，我很开心。”在此过程中，团队经过了几轮迭代，针对扫描遗漏的缺页、被遮挡的内容，邓老师让大模型及时发现并补全，再按照交易时序、发生额和余额对数值进行校正。初步结果显示，涉案交易资金约150亿元，最终获利约20多亿元，与公安机关的侦查结果基本吻合。下一步，团队还将与第三方支付数据进行比对校验。邓老师说，律师在实务中经常遇到资金流水只有扫描件的情况，在确保数据安全的前提下，借助这样的环境可以先做一个初步判定。
对于大模型在资金分析中究竟是“替代”还是“工具”，邓老师的态度十分明确，“我觉得应该只是作为一个工具。”他肯定了大模型在两方面的突出价值。一是非结构化资金数据的快速解析和文字字段的抽取。过去依靠规则抽取，常常抽得不完整；二是资金用途分类。传统的分类方式是有限的，尤其在非法集资类案件中更显不足，而大模型能较好地解决这些问题。但他同时列举了大模型在资金分析中的多个弊端，一是结果不稳定，对于较复杂的资金追踪，第一次跑和第三次跑，结果可能不一样；二是不擅长数值计算，这由大模型的原理决定，在金额核算上一定要做人工审核，比如“丢了一个小数点”，错误就很大，后果比较严重；三是上下文遗忘，资金流水非常长，全部放进上下文会产生中间遗忘，把前面的数据忘了，只计算还记得的部分；四是无法判断资金的法律性质，AI只能给出提示。邓老师表示，他在其他领域也做过不少大模型应用，在空间和数值计算上仍存在误差，用到鉴定数据中，必须由人工作进一步审核。
随后，有学员问“今日课程演示中的清洗、流向计算等功能，是开发了专门工具，还是完全由AI实现”。邓老师介绍，团队已有一套从检材固证、清洗、分析到出具报告的完整软件系统；大模型主要完成清洗、流向梳理等环节的工作。目前团队还做了资金分析的流程编排，把许多小工具放到平台上，供资金分析鉴定调用，“结合AI的话，这个效果要更好一点”。他透露，该平台目前已用于辅助公安机关开展鉴定和侦查。有学员进一步追问，让AI生成程序读取16万页PDF，是否需要联网，数据有无泄露风险。邓老师解释，他并没有把数据交给外部AI，只提供了一个样本，告诉AI数据长什么样，让它编写程序，再调用内网部署的大模型完成切片和识别。程序生成大约用了一天，过程中又针对缺页、颠倒、遮挡等情况作了补充修正，最终还生成了一个可以展示原始数据和分析统计结果、并能出具报告的系统。“数据不要丢到外面，让它去写程序就好。”此外，还有学员关心，若某人利用影响力促成业务，款项却全部由另一家公司收取，能否通过资金分析证明二者之间的控制关系。邓老师表示，公司实控关系涉及经营权、实际财权、资金控制、利益分配和资金流向等多个方面，名义上的股东可能是A，实际获利人却可能是B，“通过资金流水是可以去发现的，可以穿透的，因为最后的资金关系才能体现实际利益关系”。不过他提醒，鉴定报告并不会直接写“某人是实际控制人”，而是表述为“大部分资金流向了其控制或持有的账户”。他举例，近期一起涉及职务的案件中，当事人名下有多家公司，资金最终流入其妻子、儿子、岳父等关系人账户，报告也只描述资金流向事实。只要资金在账户之间流转，问题不大；难点在于现金取出后再存入其他账户形成的隔离，或通过其他公司的正常贸易完成转移，此时只能说明相关性，还不足以构成全面的证据。
针对学员提问“在资金流向不明、转账时间也不清楚的情况下，如何用提示词让AI分析出甲、乙、丙、丁之间的资金路径”，邓老师回答道，关键在于想做到多细：如果只关心几个账户，就把这几个账号告诉AI，让它生成这些账户之间的资金关系图；如果想把一个或多个表格里的所有脉络都理清，就让它生成完整的资金流向网络图。“当然，AI生成的，你要去核实。”
---***---
第三环节是关于“AI工具的优势与忧患”的讨论。首先，张洪铭律师表示，自己对AI的认识也是逐步深化的，现在会把AI当成朋友，多跟它交流。“关于AI可能有哪些风险，在交流过程中它自己也会告诉你。”张律师今天分享的防泄密、防幻觉等内容，很多正是在与AI对话中得到、再经自己归纳总结的。在张律师看来，AI目前最大的作用是提高工作效率，把基础性、事务性的工作交给它完成。比如经济犯罪案件中大量资金数据的整理、关键转账记录的挑选，以及微信聊天记录的关键词检索，AI都能胜任。张律师曾亲自试验让AI从电脑上的微信登录记录中找出聊天记录，并按设定的表头整理成Excel表格，此后既可以用熟悉的办公软件自行检索，也可以让AI直接给出结果再人工核验。但张律师也明确划出边界，如果希望AI直接拿出给当事人的方案，或者提交给法院、检察院的法律意见，“我个人感觉现在它还是做不到的”。作为刑事律师，其最大的担忧在于过度依赖，“如果全身心地去信任AI，这个一定会吃亏的”。
刘品新教授认为，这几天的课程已经从各个角度展示了AI的优势。它是很好的帮手，能替代很多助理，能启发专家思维，还能教文科生学会理工科的东西。“原来没有AI的时候，高老师他们做什么我们是不知道的，现在其实可以反过来判断他们做得对不对。”他指出，真正的风险在于法律责任，包括会不会泄密，会不会触及律师执业规范乃至刑法，会不会违反与当事人的合同。他打了个比方，AI就像一个有力气、不怕累、还有智商的强大助理，让他加入团队时的风险是一样的，关键在于“忠诚度”能否保证。但他强调，今天已经不得不使用AI，“最大的风险就是没有AI的风险”。此外，刘教授分享了团队的经验，他表示在没有AI之前，团队是先在办案中运用电子取证、电子审查形成技能，再反过来用于法学研究，由于案件数据远比论文、判决书复杂，用于研究时效率极高。如今面对AI，办案中仍有诸多未知因素，就应把路倒过来走：先在写论文、写书、写专家意见、写鉴定意见审查书等风险较小的场景中把AI“打通关”。
对于办案中如何保障安全，刘教授提出了以下方法。一是最彻底的单机使用，掌握技能后在不联网的AI工作站上处理案件数据，五万至十万元的配置即可满足需要；二是用法律思维合规，把AI假想成案外专家，按照律师办案规范判断能否向其提供材料，并先用影响最小的材料小范围试验，现阶段境外模型的风险尤其要小心；三是用合同约定，在民事或不太敏感的刑事案件中，与委托人事先约定可否借助AI；四是由行业协会出台AI办案指引。他介绍，团队曾为全国律协起草电子证据业务指引，如今也希望推动形成AI办案指引，至少要规避最高人民法院有关意见中禁止律师将AI生成的虚假判决、虚假证据提交法庭等要求。关于如何防范AI编造问题，刘教授给出的办法是多方验证。要求AI的每一处引用都加脚注，注明出自哪个文献、哪一页；办案中要求其标明判决书来自哪个权威来源，并一并调出一审、二审及相关执行文书，“通过三重验证就完全可以解决”。
学员提出，能否由律协或大律所与大型厂商签订协议，限制数据用途？此外，把数据放到公有云与把数据交给AI有何本质区别？刘教授回应，有人主张使用AI的一个理由是，许多律师早已用扫描类App扫案卷，数据其实早就出去了，用AI反而出去得更少。至于签协议，他认为目前国内真正有效的法律垂类大模型不多，政法机关内部的产品不对律师开放，而大型通信企业的产品并不成熟，也不太愿意为法律这样的小众领域专门提供服务，这条路不一定走得通。他提到，国内已有大律所在尝试自建系统，但面临技术不够成熟、所谓私有云并非真正私有等问题，国外不少大所已经开始做，国内能形成推广的目前还没有看到。随后，高老师从技术上作了区分，调用在线大模型的API，数据一旦离开自己的计算机就不再受控制，虽然概率很低，但厂商若想利用这些数据是可以实现的；而租用云服务器，管理权限、登录账号密码都在用户手里，云厂商正常情况下无法直接查看，除非破解密码或预留后门，而那本身就是违法行为。
刘教授随后谈到，当前律师不仅要懂电子证据，更要向人工智能电子证据转型迭代，一条快捷的路径就是拿证。在律师身份之外，成为专家辅助人，进而成为鉴定人。“三个身份里面能够有两个，甚至有三个的话，就能使自己的知识更新迭代，走向时代的前面。”他介绍，团队中已有多名成员同时具备律师和鉴定资格，自己也常以专家辅助人身份出庭，这既加快了知识更新，也扩大了专业影响力。他也邀请学员为人大电子证据人工智能高级研修班建言献策。
最后，朱老师作了本环节的总结发言，他的第一点提醒来自一次亲身教训。他指导的一名学生，论文选题框架、初稿、定稿都经过他审阅，送审后却只得了C，硬伤是引用了一个根本不存在的司法解释。追问之下才发现，学生在定稿后又用AI降重，AI为了完成降重任务，“生成”了一条司法解释。“这对我使用人工智能是一个巨大的心理阴影。”他提醒，最后一关一定是人工核对，而且不要误以为定稿就已经把住了最后一关，律师团队的助理使用AI时同样要警惕。第二点，AI时代反而是会用脑子的人胜出。他举例，一款每天打卡报平安的小程序，名字虽然没起好，创意却很好，过去要请程序员写代码，现在文科生借助AI就能实现，“文科生也可以赚理科生的钱”。第三点，不能让思维懒惰。朱老师强调类型化、分层化和差异化思维的重要性。讨论真实性时，要区分法律上的审查真实与鉴定中的真实、形式真实与实质真实；哈希值不同，并不必然意味着文件不真实。对于破坏性程序鉴定标准之争，他认为旧规范也并非一无是处，其有效的检验部分仍可参照，律师若主张适用新标准，需要的是强有力的论证，而非指望“一招制敌”。第四点，可以用AI，但一定要懂原理。比如用AI分析聊天记录真伪，至少要了解微信使用SQLite数据库、不同数据表之间如何关联、短信记录有哪些字段，懂原理才能提出好问题。
他还以一起DMA外挂案件的审查为例说明，并非所有外挂都会侵入或破坏计算机系统。团队对照公安行业标准审查鉴定意见时发现，其动态分析只是把游戏演示了一遍，缺少标准要求的数据包分析；静态分析中，虽然代码里打开了获取数据的通道，却没有真正获取数据的函数和指令。“其实是律师先看出来的”，只要有勇气一层一层跟代码，就能找到鉴定的软肋。“我们文科生其实能看懂计算机的那些东西，要先搞清楚原理。”
本次论坛自晚间六时开始，持续至九时许。现场座无虚席，互动热烈。三个环节的讨论让与会嘉宾和学员形成了同一个共识：“AI是工具，不是替代；善用AI，方能化风险为专业优势。”无论是鉴定人、律师还是研究人员，都应主动拥抱技术，同时坚持人工核验，弄懂技术原理，把最终的判断和责任留在人的手中。本次沙龙既有标准制定的幕后解读，也有一线办案的真实经验，还有法律思维的方法提炼，为法律人在人工智能时代审查、运用电子证据提供了有益参考，也为电子证据领域的跨界人才培养带来了新的思考。
文本：陈婕
摄影：卢守康