传统法律处理的局限与DIKWP语义解决方案：微信账号被窃取和售卖案例

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

引言

在数字化时代，传统法律处理模式面临着许多局限，尤其是在处理涉及网络安全、个人隐私等新兴问题时。以微信账号被窃取和售卖的案例为例，本分析将展示如何通过DIKWP语义模型克服这些局限，并有效解决此类案件。

传统法律处理的局限

在传统法律框架下，微信账号被窃取和售卖的案件通常被视为简单的财产侵权。这种处理方式忽略了案件的复杂性，例如：

1. 数字身份的重要性：传统法律未能充分认识到微信账号作为数字身份的价值和影响。

2. 个人隐私和数据安全：对个人数据泄露的影响及其后果缺乏深入理解。

3. 网络犯罪的跨境性质：未能有效处理网络犯罪的跨国界问题。

DIKWP语义模型应用

数据层（D）

• 案件数据分析：收集涉案微信账号的交易记录、聊天记录、登录日志等，分析数据以揭示账号被窃取和售卖的模式。

• 数据的语义理解：理解数据背后的含义，例如登录日志暗示的不寻常活动可能指向非法访问。

信息层（I）

• 案情的信息提取：从数据中提取关键信息，如账号被盗时间、犯罪行为的方式、受害者受损程度等。

• 信息的语义分析：分析信息以理解犯罪行为背后的动机和影响，如个人隐私泄露的实际后果。

知识层（K）

• 法律知识运用：结合网络法律、隐私权法律和财产权法律，对案件进行法律分类和解释。

• 知识的语义应用：使用法律知识来理解和解释网络犯罪的具体情境和后果。

智慧层（W）

• 综合判断和决策：综合考虑案件的所有方面，包括法律、伦理和社会影响，如网络安全对社会的广泛影响。

• 智慧的语义应用：基于案件的复杂性制定判决，考虑不仅是惩罚犯罪者，还要预防未来类似犯罪。

意图层（P）

• 解决方案制定：明确解决案件的目标，如加强网络安全、保护个人隐私等。

• 意图的语义实现：设计具体的法律解决方案和政策建议，确保解决方案能够实现既定目标。

案例处理：突出DIKWP语义转化与校验的能力和优势

在DIKWP模型下，微信账号被窃取和售卖的案件得到了更为全面和深入的处理：

1. 数据层和信息层：通过对案件数据的深入分析和信息提炼，能够揭示犯罪的具体模式和受害者的实际损失，提供了案件处理的坚实基础。

2. 知识层和智慧层：结合法律知识和对案件的全面评估，不仅解释了犯罪行为的法律性质，还考虑了案件的伦理和社会影响，如何通过法律规制加强网络安全和保护个人隐私。

3. 意图层：在明确的目标指引下，设计了具体的解决方案和政策建议，如加强网络账号的安全保护措施，提高公众对网络安全的意识。

结论

通过DIKWP模型，微信账号被窃取和售卖案件的处理不仅更加精准和有效，还能够提供更深入的洞察和全面的解决方案。这种方法不仅提高了法律判决的准确性和公正性，而且为预防和打击此类新型网络犯罪提供了有效的途径。通过DIKWP语义模型，法律实践能够更好地适应数字化时代的挑战，保护个人权利，维护网络安全。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。