EN
首页 > 当期文章
当期文章 更多+
推荐文章 更多+

虚假诉讼识别的量化研究——以民间借贷纠纷为例

法学、哲学研究



摘 要: 虚假诉讼频繁发生严重损害司法公正和社会诚信体系。现有的虚假诉讼识别依赖法官经验,存在随意性和不充分性。基于这种局限,文章提出一种基于法律模型的量化分析方法。该方法通过机器学习中的分类理论识别民间借贷案件中的虚假诉讼;借助回归理论预测不同司法要素组合下虚假诉讼的可能性,实现预防性识别,减少对法官个人经验的依赖。除此之外,还需要建立完善相应的配套机制,分别为保障量化分析识别预警模型使用的程序构造配套机制、促使公权力机关使用的考核配套机制、补齐虚假诉讼受害人权益救济配套机制。

关键词: 虚假诉讼识别;量化分析;预警模型

一、前言

司法是维护社会公平正义的基石,对社会信用体系具有决定性影响① 哈斯巴根:《民事诉讼视域下宁夏法院司法公信建设的困境与对策》,《北方民族大学学报(哲学社会科学版)》2023 年第 3 期。。然而,虚假诉讼的泛滥不仅侵蚀司法权威,也对社会诚信构成严重威胁。德沃金曾警告,“法院不能让自己被利用作为不公平和不公正的工具”② 罗纳德·德沃金:《认真对待权利》,信春鹰、吴玉章译,上海三联书店2008 年版,第44 页。。因此,应对虚假诉讼成为司法诚信研究的重要问题③ 崔永东:《信用司法的理论探究与制度进路》,《政法论丛》2021 年第3 期。,也是司法实践亟待解决的难题。在众多虚假诉讼中,民间借贷纠纷尤为严重,其高发态势破坏金融秩序,影响社会稳定,迫切需要有效治理。准确识别虚假诉讼是治理的前提,若能在一审阶段成功识别,可防止司法秩序受损,避免资源浪费。《民事诉讼法》及《刑法》的相关条款为识别虚假诉讼提供了法律依据,但由于缺乏精确识别手段,这些措施难以充分发挥作用。实践中,法官对虚假诉讼的识别常依赖个人经验,导致识别工作的随意性和不充分性。为提高识别效率,有学者建议允许权益受损的案外人参加诉讼,增强案件透明度① 熊跃敏、梁喆旎:《虚假诉讼的识别与规制——以裁判文书为中心的考察》,《国家检察官学院学报》2018 年第3 期。;有学者建议采用特殊证明机制揭露虚假诉讼事实② 李文革、郎艳辉:《虚假诉讼事实的发现难题及其应对》,《武汉理工大学学报(社会科学版)》2014 年第6 期。,还有学者建议加强对虚假调解的识别,将调解书纳入检察监督范围③ 李浩:《虚假诉讼与对调解书的检察监督》,《法学家》2014 年第6 期。,提升司法监督的全面性。牛颖秀提出的结合条件控制与程序控制的二元识别模式,为提升虚假诉讼识别效率提供了创新思路④ 牛颖秀:《民事虚假诉讼识别的二元控制模式研究》,《北京社会科学》2019 年第1 期。。

尽管现有的虚假诉讼识别方法理论上与司法实践相契合,实际效果却不尽人意。主要问题在于:传统方法依赖固定条件,难以应对司法要素相互作用的复杂性,导致对不同司法结果的识别不足⑤ 马靖云:《智慧司法的难题及其破解》,《华东政法大学学报》2019 年第4 期。。本文提出构建基于量化分析的民间借贷虚假诉讼识别预警法律模型,旨在为法官提供精确的量化结论。但量化结论本身并不足以激发法官的责任感,因此,还需建立配套机制:包括保障预警模型运行的程序构造、促使公权力机关使用的考核机制、以及为虚假诉讼受害人提供救济的配套机制。这些措施旨在为法官提供结构化支持,帮助他们做出更准确、公正的裁决,确保司法过程的公正性。

二、民间借贷虚假诉讼量化分析的必要性

传统识别方法基于条件控制模式,即由最高人民法院发布的司法工作文件⑥ 《关于在民事诉讼中防范与惩治虚假诉讼工作指引(一)》《关于深入开展虚假诉讼整治工作的意见》《关于防范和制裁虚假诉讼的指导意见》《关于审理民间借贷案件适用法律若干问题的规定》。,规定识别的条件(常见类型)和标准(要素和特征),旨在指导法官在审判实践中提高警觉。而量化分析则是一种更为现代的方法,它通过实证研究建立法律模型,利用这些模型预测并评估案例是否为虚假诉讼,或者其为虚假诉讼的可能性大小。这种方法通过数据驱动的分析,为法官提供一种更科学和客观的工具,以识别和处理虚假诉讼案件。

(一)传统识别方法的局限

首先,传统识别方法具有主观性与随意性。识别依赖法官个人判断,导致不同法院和法官间处理差异大,影响司法统一和公平。负责任的法官可能有效识别,而责任心不强或经验不足的法官可能放任虚假诉讼,甚至因金钱或人情关系作出不公裁决,损害公正性和公众信任。有研究者认为目前缺乏有效的措施,使法院在案件进入庭审阶段前初步判断是否涉嫌虚假诉讼并及时预警⑦ 尹珂:《民间借贷类虚假诉讼规制的困境与完善》,中南财经政法大学2022 年硕士学位论文,第2 页。。现行法律并未明确规定未能认真识别虚假诉讼的不利后果,仅在一些司法解释性文件中有相关指导,如最高人民法院、最高人民检察院、公安部、司法部《关于进一步加强虚假诉讼犯罪惩治工作的意见》等,这些文件虽然提供一定的操作指引,但未能从根本上解决识别机制的随意性问题。

其次,传统识别方法的准确性较低。因为传统的识别方法主要依赖于经验判断,欠缺系统的科学支持。并且虚假诉讼的手段又具有隐蔽性和多样性,规范性文件难以详尽列举所有可能的虚假诉讼情形,所以传统识别方法的准确性较低。在审理过程中,不同案件的司法要素组合方式复杂多变,仅凭经验很难准确识别。这种粗放的识别方式不仅影响识别的准确性,也削弱法官识别虚假诉讼的责任心。一旦发生错案,法官在未来的识别工作中可能失去信心。此外,如果法官未能主动识别虚假诉讼,利益受损的案外人仍可通过再审或第三人撤销之诉等救济手段来维护自己的权益。因此被动比主动似乎更合理,反映出现代法律精神中权利本位的原则① 沈仲衡:《价值衡量法律思维方法论》,暨南大学出版社2014 年版,第64 页。,即保护诉权是司法机关的重要职责。

最后,传统识别方法对新情况的适应性较差。随着经济社会的发展,虚假诉讼的条件和标准也在不断变化,这使得传统的识别方法难以适应新的挑战。尤其是随着诉讼制度的完善,一些过去常见的虚假诉讼类型已经减少,例如涉及驰名商标认定和规避商品房限购政策的案件;而随着市场环境的变化,新的虚假诉讼类型可能出现,例如利用第三人撤销之诉、执行异议之诉等合法救济的手段来行使新的虚假诉讼。这些变化需要最高司法机关反复研究后,出台相应的解释性文件以更新控制条件和标准,不如智慧系统的升级那样迅速和便捷,从而影响识别的效率。

(二)量化分析识别的优势

首先,量化分析识别契合虚假诉讼防控的应用场景。法律模型是法学专家与技术人员合作的成果,将法律领域中的价值观和道德问题转化为可由技术处理的问题,该模型作为一种人工智能工具,被应用于大数据法律监督中,通过从个案办理或数据异常中发现规律性、共性问题,总结归纳特征要素,并转化为机器可以识别的语言或算法② 翁跃强、申云天:《数字检察工作中的十个关系》,《人民检察》2023 年第1 期。,蕴含统计规律,具有简约型、普遍性、契合性、预测性特征③ 爱德华·O·威尔逊:《论契合:知识的统合》,田洺译,生活·读书·新知三联书店2002 年版,第283 页。。基于法律模型的大数据法律监督的一般规律为:解析个案、梳理要素,构建模型、输出线索,问题核实、类案监督,一地突破、全域共享④ 贾宇:《论数字检察》,《中国法学》2023 年第1 期。。双方串通的虚假诉讼展现出普遍的特征要素,为构建法律模型提供了基础,也为人工智能在治理虚假诉讼方面的应用开辟了道路。例如,浙江省绍兴市人民检察院开发的智慧民事检察监督平台⑤ 姜昕等:《大数据赋能虚假诉讼检察监督的基础、应用与拓展》,《人民检察》2022 年第19 期。,以及江苏省各级法院部署的“套路贷”虚假诉讼智能预警系统⑥ 沈明磊、张龑:《司法大数据的功能——以“套路贷”虚假诉讼智能预警系统的应用为视角》,《法治现代化研究》2022 年第 1 期。,都已经在实务中取得显著成效。

其次,量化分析识别的预测结果更具客观性。模型预测基于统一的数据收集和算法,模型的稳定性确保不同使用者在输入相同的情况下,能够得到一致的输出结论。这种一致性减少了传统识别方法中由于主观性导致的权力滥用和“同案不同判”的现象,从而维护了司法公正。

再次,量化分析预测的准确性更高。统计学规律指导下的模型预测能够提供经验均值,避免了极端值的出现。这种基于经验均值的预测有助于弥补法官经验的不足,量化的结论为法官提供更直观的条件控制,增强法官采取提前干预措施的信心。

最后,量化分析识别模型效率更高。模型中已经内置民间借贷虚假诉讼的特征,随着诉讼的进展,法官可以根据模型提示选择相应的选项,将案例转换成司法数据输入模型,立即得出量化结论。这一过程减少了法官对照规范性文件中条件和标准的需要。同时,模型能够根据实践中的新变化自主学习和升级,提高预测的简便性和速度。

三、民间借贷虚假诉讼量化分析的过程剖析

量化结论在司法实践中扮演着精确条件控制的关键角色,其重要性在理论和实践上均被广泛认同。本研究旨在阐明量化结论的得出过程,并验证其科学性,确保其在法律实务中的合理性和有效性。这不仅涉及技术层面的量化分析,也关乎法律决策中对量化证据的接受和依赖。

(一)数据采集与处理

技术在法学研究中的应用,其首要任务是将法律问题转化为可量化的数学问题,数据采集和处理在量化分析中处于基础。

1.民间借贷虚假诉讼案例采集

在实务操作中,民事虚假诉讼的识别常常始于再审程序。在“威科先行·法律信息库”① 网址:https:/ /law.wkinfo.com.cn/。中,通过设定特定关键词如“虚假诉讼”、“民间借贷纠纷”、“再审”及“判决书”等作为筛选条件,并特别关注“虚假诉讼”关键词出现三次或以上的裁判文书。对于筛选出的文书,进一步审阅“命中结果”、“本院认为”、“本院查明”和“裁判结果”等部分,以初步分析案件中涉及“虚假诉讼”的争议情况。特别地重点分析“裁判结果”,若发现法院作出“撤销判决/调解”或“驳回原告诉讼请求”的裁决,则认为相关案件极有可能涉及虚假诉讼。进一步追溯这些案件,下载最初的案件文书,同样采取类似的方法采集刑事案件诉讼文书。

2.数据转化及处理

为构建一个科学、客观的虚假诉讼识别模型,本研究从全国范围采集数据,确保样本的随机性和模型的泛化能力。经过初步筛查,精选出1157个真实及疑似虚假诉讼案例。依据司法机关的规范性文件,结合民间借贷虚假诉讼案例的共性与个性特征,法学专家进行了价值均衡和综合评估,采取从全面模型出发再简化模型的策略② 范良聪:《法律定量研究方法》,法律出版社2020 年版,第166 页。,构建了一个包含79 个指标的四级要素表,比法律文件更全面细致。在案例数据化过程中,为保证数据质量和减少主观性,法学专家们初步标注了100 余份文书,共同讨论疑难问题,形成共识后进行交叉标注。最终,一致的标注结果被保留,不一致的则依据多数专家意见,选择支持人数最多的意见作为最终答案,确保了结论的一致性和统计准确性。通过将部分四级指标映射到三级指标,并将79 维要素简化为23 维③1.当事人存在特殊背景;2.原被告存在亲密/利益关系;3.诉讼代理人的特征要素;4.借款事实违反经验常识;5.交易方式不符合经验常识;6.权利主张的背景事实违反经验常识;7.存在第三方权属主张或异议;8.借款凭证不真实;9.交易凭证不真实;10.签章、证件不真实;11.其他辅助证据不真实;12.证据形式存在瑕疵;13.缺乏关键证据;14.缺乏辅助事实证据;15.借款凭证和交易凭证无法完全对应;16.举证情况存在问题;17.双方争议不大,缺乏对抗;18.诉讼表现异常;19.原审以调解结案;20.原审当事人申请撤诉;21.原审被告提出上诉;22.调解过程存在异常;23.执行表现异常。,同时剔除数据量小于6 的样本,最终确定363 个样本,包括304 个虚假诉讼案例和59 个真实案例,其中259 个为民事案例,104 个为刑事案例,样本分布如表1。

表1 初筛、最终样本文书分布情况

民事裁判文书 数量 刑事裁判 数量地域 初筛 最终 地域 初筛 最终广东、江苏 1192 11 河南、福建 185 16天津、甘肃、浙江、青海 1064 14 浙江 294重庆、陕西、上海 1138 19 江苏 219内蒙、云南、山东 1165 24 山东、新疆 188 25河北、新疆 1160 8 北京、上海 192 1吉林、贵州 1159 47 河北、内蒙、吉林、陕西 192 15黑龙江、湖北、河南 1162 11 辽宁、湖北 189 6四川、江西 1161 50 江西、重庆、天津、广西、云南、甘肃、宁夏、青海、海南 190 15福建、宁夏、湖南 1149 43 广东、黑龙江 193 10北京、广西、安徽 1140 32 安徽、四川、贵州 194 16经过实证分析发现,黑龙江、山东、吉林等地在虚假诉讼罪的案件数量上较为突出,而民营经济较为活跃的浙江、江苏等地,追究刑事责任的案件则相对较少,大多数案件在民事诉讼阶段便已得到妥善处理。这一现象表明,江苏、浙江等地的法院在处理虚假诉讼案件时,更倾向于通过民事诉讼程序来认定和处理,而不是依赖刑事诉讼手段,这种处理方式的差异值得进一步探讨和研究。

(二)两种量化模型的构建与验证

在法律人工智能领域,主要存在两种算法:一是模拟法律专家系统来复制人类法律推理,并将其应用于司法决策;二是机器学习算法,它们通过分析大数据来揭示司法裁判的内在规律,并用于预测未来的裁判① 宋旭光:《论司法裁判的人工智能化及其限度》,《比较法研究》2020 年第5 期。。由于机器学习在自动化学习、数据处理能力、灵活性和适应性方面的优势,本文的量化预测采用机器学习算法。

1.事后的识别模型构建:捕捉民间借贷虚假诉讼的行为特征

模型的识别能力取决于关键要素的选择。面对全面模型采集的大量冗余数据,模型构建过程中必须进行特征精简,这一技术步骤被称为特征选择。其核心目标在于识别出对模型预测虚假诉讼案件结果影响最大的特征,即那些最能描述民间借贷虚假诉讼行为的关键特征。面对算法输出结果的不稳定性② 罗纳德·巴赫曼、吉多·肯珀、托马斯·格尔策:《大数据时代下半场》,刘志刚、刘源译,北京联合出版公司2017年版,第263 页。,以及机器学习中缺乏万能算法的现实③ 陈敏光:《司法人工智能的理论极限研究》,《社会科学战线》2020 年第11 期。,集成学习方法显得尤为重要。该方法通过多种算法的交叉验证,提供比单一算法更优的解决方案④ 黄黎原:《贝叶斯的博弈:数学、思维与人工智能》,方弦译,人民邮电出版社2021 年版,第188 页。。具体而言,多算法综合验证策略应用前馈神经网络(FNN)、支持向量机(SVM)、决策树(DTree)和XGBoost 等算法,通过综合这4 种算法的预测结果,以获得更可靠和精确的预测。经过多算法验证的关键要素,能够准确描述民间借贷中的虚假诉讼行为,如表2 所示。

表2 关键要素表

诉讼过程 特征下级指标特征1,当事人存在特殊背景当事人要素被告即将或正在离婚、已离婚但财产尚未分割完毕;被告存在大笔、多笔债务;被告是否涉诉;当事人存在不良信用记录;被告面临破产清算、重组、合并、分立特征2,原被告存在亲密/利益关系 亲友关系;劳动关系;投资控股和合作经营等关联关系;其他利害关系特征3,交易方式不符合经验常识采用现金交付的方式;用以他人名义开办的银行卡进行交易;其他交易方式不符合经验常识的情况证据要素特征4,借款凭证不真实伪造借款凭证;没有约定利息或还款时间;利息约定过高(以民间借贷的利率上限为准);借款数额巨大且还款日期紧张;事后补写/重写借款凭证;其他影响借款凭证真实性的情形证据要素特征5,交易凭证不真实伪造虚假交易凭证;通过多人/多个账户转账;账户之间频繁循环转账;账户当日存取;企业借款通过个人账户转账;交易流水明细不清晰;其他影响交易凭证真实性的情形特征6,缺乏关键证据 只有交易流水、转账记录等凭证,没有借款凭证;只有借款凭证,没有交易流水、转账记录等凭证续表

诉讼过程 特征 下级指标庭审综合表现 特征7,诉讼表现异常当事人及诉讼代理人陈述前后矛盾;当事人及诉讼代理人对案件事实陈述不清;被告诉讼行为或态度前后矛盾;直接认可对方矛盾/不清楚的陈述;当事人一方/双方,缺席案件审理结案要素特征8,原审以调解结案 无下级指标特征9,原审被告提出上诉 无下级指标选出的9个关键要素全面覆盖诉讼的各个阶段,前7维特征包括当事人特征、证据和庭审综合表现,后2维则涉及结案要素。这些特征描述清晰、客观,排除了主观判断,例如,“出借人明显不具备出借能力”这一需要法官通过经验判断的因素,未出现在关键要素中,不会产生所谓的“阶级偏见或隐形偏见”① 马克·舒伦伯格、里克·彼得斯:《算法社会:技术、权力和知识》,王延川、栗鹏飞译,商务印书馆2023 年版,第185 页。,可为法律实践提供清晰的指导。

选择关键要素、全集要素、剩余要素(关键要素之外的14维特征)的数据集进行训练,验证分类模型的有效性,其分类精度② 分类精度是分类准确数与样本数的比值,是衡量分类模型优劣的指标,在0-1 之间,越接近1 越优。比较如表3 所示。

表3 分类精度对比表

③ 在法律数据的量化分析领域,由于缺乏实验性干预,因果关系和相关关系的界定不明确。经常采用对照数据集验证来解决这一问题,将原始数据集中的数值特征进行二值化处理,创建一个新的二值化数据集。然后,通过仿真结果检验决定最终采用的训练数据集。

算法原始数据集 二值化数据集③原始23 维 关键要素 剩余要素 原始23 维 关键要素 剩余要素FNN 83.56% 89.04% 87.67% 84.93% 87.67% 87.67%SVM 84.93% 84.93% 84.93% 84.93% 84.93% 86.30%DTree 79.45% 83.56% 78.08% 80.82% 87.67% 86.30%XGBoost 84.93% 90.41% 89.04% 87.67% 87.67% 89.04%在分类任务中,精选的关键要素不仅实现了最高精确度,也实现了最大的精度提升。四种算法的表现如下:SVM维持,DTree提升4.11%,FNN和XGBoost算法均提升5.48%,选择关键要素集作为训练数据,符合多算法综合验证策略。在所采用的4种算法中,前馈神经网络(FNN)代表联结主义学派,支持向量机(SVM)代表类推学派,而决策树(DTree)和XGBoost则代表符号主义学派④ 佩德罗·多明戈斯:《终极算法:机器学习和人工智能如何重塑世界》,黄芳萍译,中信出版社2017 年版,第84—85 页。。五种机器学习学派中,有三派的算法均证实:通过精心挑选的关键要素,能够显著提升模型的预测性能,从而验证了所构建分类模型的有效性。

2.事前的预警模型构建:预测民间借贷虚假诉讼概率值

利用表2所示的9维关键要素训练的分类模型能够对已完成的案件进行精确识别。然而,这种识别属于事后分析,其破坏性后果已经形成。因此,通过事前预防来治理虚假诉讼是更有效的策略。回归分析可以探索不同变量之间的关系变化,建立因果关系,进行因果推断⑤ 范良聪:《法律定量研究方法》,法律出版社2020 年版,第147 页。,可用于实现模型的预警功能。对于正在进行的诉讼,随着案件进展,实时计算案件为虚假诉讼的概率值,提示法官进行干预,实现预防性识别。在诉讼过程中行为特征的出现有先有后,用模型预测特征梯次出现的9 个特殊案例① 该9 个案例不是实践中的真实案例,而是通过构建这样的案例进行回归预测,以验证模型的解释力。363 个真实案例中,符合 1 个特征的 2 个,2 特征的 25 个,3 特征的 92 个,4 特征的 107 个,5 特征的 82 个,6 特征的 43 个,7 特征的11 个,8 特征的1 个,不存在全部符合的案例。真实案例中符合7 个以上特征的12 个样本全为虚假诉讼,符合6 个以上特征的55 个样本中有48 个为虚假诉讼,比例为87.3%。的概率,以验证模型的预测和解释效果。特征编码是特征组合的二进制编码,“111110000”表示该案例符合前5维特征,即当事人有离婚等特殊背景、原被告存在亲密/利益关系、交易方式不符合经验常识、借款凭证不真实、交易凭证不真实的司法要素组合。FNN 预测概率是FNN 算法预测输出的概率,估计概率是利用分类模型预测得出的概率② FNN 算法能够预测单个案件为虚假诉讼的可能性,但在概率非常接近的情况下(例如0.501 与0.499)难以作出明确区分。本文通过构建随机样本并应用分类模型来预测分类结果,利用大量类似案件样本中虚假诉讼的频率作为估计概率的近似值。这种方法能提高预测的准确性,并为难以区分的案件提供更可靠的判断依据。,具体见表4。

表4 9 个案例几种概率值比较

案例 特征编码 FNN 预测概率 估计概率 虚假诉讼概率值1 100000000 20.14% 0 20.77%2 110000000 61.49% 69.8% 27.52%3 111000000 32.30% 13.4% 13.42%4 111100000 80.15% 89.85% 89.53%5 111110000 96.97% 99.54% 97.44%6 111111000 96.03% 99.47% 99.47%7 111111100 98.05% 99.98% 99.89%8 111111110 99.01% 99.99% 99.89%9 111111111 98.75% 99.84% 99.89%除案例3外,随着关键特征的累积,预测概率的上升规律更符合用户预期。特别是,满足前7个要素的案例7,虚假诉讼概率高达99.89%,足以引起法官警觉。案例7至9的预测概率一致性表明:一审庭审结果不影响虚假诉讼的判定,为法官提供了科学依据。回归模型的预测为法官在判决前实施条件控制提供了指导,使预防性干预成为可能。

四、民间借贷虚假诉讼识别预警模型使用的制度配套

在法律实践中,单纯的量化结论并不足以自动提升法官的责任感,因此需要建立和完善包括确保量化分析识别模型正确有效使用的程序配套机制、通过业务指标考核促使公权力机关合理运用识别预警模型的考核配套机制,以及补齐虚假诉讼受害人法律救济的配套机制,这些机制的建立和完善将有助于规范法官对虚假诉讼的识别流程,确保识别预警模型在法律实践中发挥积极作用。

(一)保障识别预警模型运行的程序配套机制

为了在诉讼程序中成功嵌入量化分析识别模型,必须构建相应的程序保障机制,以确保所有当事人能够平等参与诉讼并对等沟通,增强程序透明度,提升公正性③ 季卫东:《法治秩序的建构》,商务印书馆2019 年版,第16 页。。识别流程见图1。

图1 民间借贷虚假诉讼识别流程

将技术路径与制度路径相结合,依据识别流程打造与之相匹配的程序运行机制。

1.承诺宣誓程序:自主识别后封存事实

学者韩波提出的“承诺+惩戒”模式,区别于传统的“职权惩戒模式”④ 韩波:《论虚假诉讼的规制方式:困扰与优化》,《政法论丛》2020 年第4 期。,强调了法律程序中事实和法律关系的权威性,要求程序参与者对自己的陈述和判断负责,限制事后的抗辩和反悔① 季卫东:《法治秩序的建构》,商务印书馆2019 年版,第18-19 页。。这一模式强化了诚信诉讼意识,提高了事实证明标准,并为合法打击虚假诉讼清除了主观责任障碍。《民法典》第7条和《民事诉讼法》第13 条的诚信原则为此提供了法律支持。

在案件立案阶段,原告需在“立案辅助系统”中进行自我评估,该系统内嵌有民间借贷虚假诉讼识别与预警功能,提供风险量化分析,但分析结果对法官保密,保护当事人策略选择权。若原告决定继续诉讼,必须进行承诺宣誓,封存所陈述的事实,体现对诚信诉讼和司法程序的尊重。

2.识别前置程序:为程序控制提供启动依据

在民间借贷纠纷案件中,判决宣告前必须先通过模型的识别。这一识别前置程序嵌入诉讼过程,确保条件控制得以执行,并决定是否进一步启动程序控制。类似于再审程序的二阶结构② 杨冉冉:《虚假诉讼裁判救济机制重塑研究》,2024 年山东师范大学硕士学位论文,第35 页。,前置识别作为一阶程序,若预测结果显示虚假诉讼可能性低,则案件正常结案,无需进入虚假诉讼审判程序。这种基于模型的案件分流能有效打击虚假诉讼,同时提升审理效率。识别预警模型提供概率性警示,辅助决策而不干预审理,使法官能更好地行使自由裁量权,最终决策权和责任由法官承担③ 程龙:《人工智能辅助量刑的问题与出路》,《西北大学学报(哲学社会科学版)》2021 年第6 期。。真相的发现依赖于后续审理。

识别前置程序安排在一审庭审结束、判决宣告前,此时案件事实已较为明确,避免过早识别导致的“锚定效应”。在法官、原告和被告共同参与下公开评估,既抑制恣意决定④ 孙笑侠:《程序的法理》,商务印书馆2005 年版,第18 页。,又防止随意更改事实。三方监督下,利用模型综合评估案件,得出涉嫌虚假诉讼的概率值。识别报告需三方签字确认并归档。若概率超过51%,则移交专门审判庭,由专职法官审理。对于影响较小且当事人愿意撤诉的案件,法院可准许撤诉;若当事人对评估结果或程序流转有异议,法官应解释模型结论。

3.虚假诉讼审判程序:虚假诉讼识别的程序控制

在这一程序中,除了通知有利害关系的第三人参与诉讼,并遵循法庭调查、举证质证等标准流程外,还需加强程序控制,如增强证据审查、排除自认规则、要求当事人出庭辩论、采用约束性辩论原则,并灵活运用“谁主张、谁举证”的原则。

已有实践案例显示,2008年浙江省永康市人民法院成立了专门打击虚假诉讼的领导小组,由纪检组负责人领导,专职处理虚假诉讼案件⑤ 魏新璋、张军斌、李燕山:《对“虚假诉讼”有关问题的调查与思考——以浙江法院防范和查处虚假诉讼的实践为例》,《法律适用》2009 年第 1 期。;2019 年8 月30 日,江苏省各级法院推出“套路贷”虚假诉讼智能预警系统,通过在立案、审理、执行各环节全面建立关联案件强制检索制度,形成检索报告并入卷。同时,三级法院集中审理民间借贷案件,避免速裁程序,实行并案审查,将关联案件集中到同一个合议庭审理,强化综合审查和类型化剖析,以甄别借贷中的“套路”手法① 沈明磊、张龑:《司法大数据的功能——以“套路贷”虚假诉讼智能预警系统的应用为视角》,《法治现代化研究》2022 年第 1 期。。

(二)促使公检法使用识别预警模型的考核激励配套机制

司法机关的考核对司法机关的运作产生深远影响,虽然实体法和程序法是司法机关必须遵守的准则,但各单位的考核机制却能指导其工作重点。因此将量化分析识别模型的应用纳入业务指标的调整范围,对公权力机关使用识别预警模型规制虚假诉讼具有激励作用。

1.公安机关考核指标优化

现行的公安机关业务指标考核,尤其是破案率和万人发案率,直接影响其处理虚假诉讼案件的积极性。由于破案率是衡量业务能力的关键指标,警力往往更倾向于处理起诉率和有罪率较高的案件,如醉驾和盗窃。虚假诉讼案件因手段隐蔽、证据伪造和高入罪标准,使得公安机关在处理这类民刑交叉案件时更为谨慎,立案难度大。在模型赋能下,对于法院移送且有识别结论的案件,公安机关应立案侦查;对于当事人报案的,建议至法院立案部门自主识别,若概率达51%及以上,则应立案。

建议废除单一破案率指标,改用“民刑交叉案件数率积”指标,即办理民刑交叉案件的数量与准确率的乘积,以平衡案件数量和办案质量。此举旨在避免因单一指标导致运动式执法,减少冤假错案风险,确保办案效率与公正性。

2.法院考核指标优化

法院考核体系中的关键指标包括调解率、撤诉率(正面指标),再审率(负面指标),以及结案率、服判息诉率和发回改判率。发回改判率因可能导致追求一审和二审结果一致而受批评,这种做法削弱审级制度效能,侵害当事人胜诉权。再审改判纳入发回改判率统计,导致虚假诉讼救济程序常在再审阶段被驳回,依赖检察抗诉。钟蔚莉等提出加入调解质效指标以治理虚假诉讼② 钟蔚莉、胡昌明、王煜珏:《关于审判监督程序中发现的虚假诉讼的调研报告》,《法律适用》2008 年第6 期。,具有可行性。

建议法院引入两项新的考核指标以优化工作效能:第一项为“调解适准率积”,调解适用率与调解准确率的乘积。调解准确率指通过审判监督等程序发现的调解错误概率,通常涉及虚假诉讼。该指标旨在平衡适用率与准确率,追求高调解适用率同时强调准确性。第二项指标为法律模型使用率与数据意见反馈率,激励法官积极使用法律模型,推动人工智能技术在司法领域的应用。系统优化依赖于用户广泛使用和积极反馈,通过迭代更新,打造高效、实用的智慧司法系统。

3.检察机关考核指标

在检察机关的主要业务考评指标中,民事裁判案件监督率和民事裁判案件监督改变率是民事检察的两个核心指标。这两个指标均为正向指标,意味着检察机关发现并监督的虚假诉讼案件越多,得分越高,从而激励检察机关更加积极地打击虚假诉讼。检察机关在打击虚假诉讼方面发挥主力军作用,这不仅与其作为法律监督机关的宪法定位有关,也与检察业务指标考核密切相关。因此,无需对现有考核体系进行更激进的修改。

(三)补齐虚假诉讼权益受害人的救济配套机制

在全面推进依法治国的大背景下,虚假诉讼作为一种严重破坏司法公正和社会诚信的行为,其治理必须根植于坚实的法律基础。深入分析现行立法和司法解释的不足,在识别预警模型赋能下解决识别认定的难题后,补齐虚假诉讼权益受害人救济的法律短板显得尤为迫切。

1.侵权损害赔偿:模型识别为权利救济提供基础

《民事诉讼法》第67条第2款、《最高人民法院关于适用〈中华人民共和国民事诉讼法〉的解释》第96条第1款,赋予法院在发现当事人可能恶意串通损害他人权益时,主动调查收集证据的权力。同时,《最高人民法院关于民事诉讼证据的若干规定》第8条明确,在可能存在虚假诉讼的情况下,自认规则不适用。这些法条的适用,标志着法院正式启动识别程序。然而,传统的识别方法依赖经验,往往因缺乏充分证明而使得法院的依职权调查和排除自认规则的行动缺乏正当性,导致在法律实践中很少认定虚假诉讼。虚假诉讼受害人因缺乏裁判基础而难以提起侵权损害赔偿之诉主张权利救济。

鉴于虚假诉讼证据通常掌握在发起人手中,为减轻受害者举证负担,适当降低证明标准是必要的① 李浩:《证明标准新探》,《中国法学》2002 年第4 期。。识别预警模型能够初步筛选并提示法官启动依职权调查、通知第三人参与诉讼或不适用自认等程序。这种“阶段性模式”② 侯学宾:《我国电子诉讼的实践发展与立法应对》,《当代法学》2016 年第5 期。,与“表见证明”原理相似,即通过高度可能性推断事实的存在③ 张卫平:《认识经验法则》,《清华法学》2008 年第6 期。,实现对恶意串通损害他人合法权益的证明,为合法进入识别程序提供正当性,进而在裁判中认定虚假诉讼,为虚假诉讼受害人的救济提供权利基础。

为提高规制效果,建议在《民法典》侵权责任篇中明确列出虚假诉讼作为一种特殊侵权行为,并对其导致的预期利益损害不设赔偿上限。当模型量化结论显示虚假诉讼的可能性较大(例如概率达到85%以上)时,可以采用举证责任倒置,即由受害方初步证明其利益受损,再由发起方举证证明其原审诉请和事实的真实性。

2.补强诉讼主体的适格:模型识别赋予虚假诉讼受害人诉讼资格

针对《民事诉讼法》第59条中第三人的表述,建议保留“有法律上的利害关系”的原表述,以避免陷入无休止的事实关联论证,特别是对那些受到裁判反射效力不利影响的人群。吴英姿提出了为受反射效力不利影响的人设置单独的第三人异议之诉的方案④ 吴英姿:《论无效裁判撤销程序》,《法律适用》2021 年第10 期。,但这种方法存在一个难题:如何判断原诉或系属中的诉讼是否为虚假诉讼? 识别预警模型能够识别原案或系属中的案件,并提示第三人是否受欺诈或存在受诈害的可能,因此,法律应为受欺诈的第三人提供救济途径。

基于此,建议在第59条中增加条款,允许“受虚假诉讼影响的受害人”申请参加诉讼或由法院通知参加诉讼,即增加诉讼告知制度。具体修改第二款为:“对当事人双方的诉讼标的,第三人虽无独立请求权,但案件处理结果与其有法律上的利害关系,或可能受虚假诉讼欺诈的,可申请参加诉讼,或由法院通知参加诉讼。”这样的修改既解决了系属中诉讼的问题,又明确了救济程序中的适格主体。同时,应区分诉前诉后的“第三人”内涵,并扩大诉前诉讼告知主体范围,利用案外人的信息优势,构建新的对抗机制,以提高虚假诉讼的识别能力。

五、结语

在牛颖秀提出的虚假诉讼识别二元控制模式基础上,本研究深化了该模式的实践应用。通过量化分析精确描绘民间借贷中的虚假诉讼行为,还捕捉司法要素不同组合之间的细微差异作为条件控制,为法官提供量化结论,将结论作为启动程序控制-虚假诉讼审判程序的依据,实现虚假诉讼的识别。对于高可能性的虚假诉讼案件(如概率超过85%),法院和检察院应主动提起再审和抗诉,不必受限于申请人资格等规定,以形成强大的法律震慑。此外,量化结论也有助于民刑程序衔接,法院将识别结论纳入案卷,与其他资料一并移送公安机关,共同维护司法秩序和公信力。江苏省法院系统实施该方法的成功经验验证了量化结论支持的程序-条件-程序识别模式的有效性,建议在全国范围内推广。

窗体顶端

窗体底端中图分类号: D925

文献标识码: A

文章编号: 1004-9142(2025)03-0106-10

作者简介:

廖永安,湖南警察学院教授,湘潭大学博士生导师;

易超群,湘潭大学法学院博士研究生。

基金项目: 本文为国家重点研发项目“智慧司法科学理论与司法改革科技支撑技术研究”(2020YFC0832400)的阶段性成果。

(责任编辑:新中)