欢迎来到法律知识网!

教唆罪|网络教唆行为之认定

其他法律相关文书 时间:2019-11-23

【www.ynkwsw.com--其他法律相关文书】

在网络犯罪中,通过网络教唆他人实行犯罪的,主要有如下几种形式:
其一,言语教唆。应当说,言语教唆是教唆犯最主要的表现形式,网络犯罪之教唆犯亦然。在网络犯罪中,言语教唆主要通过电子邮件、BBS、聊天工具等进行。这是教唆的固有含义。值得注意的是,通过网络进行言语教唆者,其言语在特定情形下可以表现为一定的声音符号,如利用网络的音频传送功能进行教唆。但是,在更多的情形中,其表现多是通过可识别的计算机文本语言,如利用电子邮件进行教唆。无论是采取何种方式,只要其信息传递的效果,足以使他人产生犯罪之决意,便可认定为网络教唆。
其二,工具教唆。教唆行为必须是教唆特定的犯罪,即必须使被教唆者产生特定犯罪的决意。在没有言语教唆之情形下,通过相关行为、提供特定犯罪之犯罪工具者,亦有成立教唆之可能。例如,通过计算机网络,直接向他人发送一种侵犯特定系统的黑客软件。在传统教唆中,事实上也存在工具教唆的可能,例如,行为人将自己窃取的仓库钥匙交给另一无盗窃决意之行为人,虽没有言语上的表示,但其教唆意图昭然。因此,关键是认定该教唆者之实际行为是否足以使被教唆者产生犯罪决意。

教唆因果关系之认定。
在传统刑法理论中,教唆者须对自己教唆行为的性质及危害后果有明确的认识,即行为人应预见到自己的教唆行为将引起被教唆人产生某种犯罪的故意并实施该种犯罪。但是,在网络犯罪中,由于网络连接的广泛性以及技术的复杂性,有时行为人对特定行为所导致的危害后果并不明知。在许多情形下,行为人具有损害扰乱网络正常秩序之教唆故意,无论被教唆者具体实施何种危害行为,均不违背其本意。亦即在网络犯罪之情形下,由于网络之复杂性,行为人在诸多情形下并不明了其教唆行为之危害性。例如,教唆者向被教唆者推荐一种黑客软件,但其并不明知该软件之危害性,因而,虽然行为人对该软件所可能造成危害网络安全的结果是明知的,却未必知道其具体危害。因此,何种危害后果属于与其教唆行为具有因果关系之后果,认定较为困难。虽然可以将教唆者此种情形下之教唆故意认定为概括之故意,以实际发生危害之后果认定其教唆因果关系之存在。但单纯考虑实际发生之危害后果,则显然有悖于刑罚之公正性,有客观归罪之嫌。因此,笔者主张,解决网络教唆犯刑事责任问题的根本途径在于将网络教唆行为单独定罪处罚。
网络教唆对象之认定。
其一,关于教唆对象身份的认定。根据我国刑法学通行理论,教唆的对象首先必须是达到了刑事责任年龄具有刑事责任能力的人。教唆不满14周岁的人犯罪或者教唆已满14周岁不满16周岁的人犯刑法典第17条第2款所规定的犯罪之外的犯罪,以及教唆不具有刑事责任
能力的人犯罪的,属于间接正犯,不能成立教唆犯。在网络中,在教唆者对被教唆者身份不明知的情形下,教唆未成年人实施侵害行为的,应以事实认识错误论,(注:关于这点,在刑法理论上众说纷纭,主要的观点有教唆犯说、间接正犯说与过失说。(参见陈兴良著:《共同犯罪论》,中国社会科学出版社1992年版,第377页)笔者认为教唆犯说更为适宜。)对教唆者而言,不成立间接正犯,而属于教唆犯。需要明确的是,明知并不等于确知。在现在上网人数中青少年占相当大比例的情形下,教唆者对被教唆者身份,往往是一种放任的心理态度。但在行为人明知对方是无刑事责任能力人或者是限制刑事责任能力人的场合,行为人构成间接正犯。
其二,关于教唆对象范围的认定。在刑法学上,教唆行为的对象,必须是特定的。如果教唆的对象不特定,则为“煽动”,不属于教唆。在普通犯罪中,由于行为人之间的可知性,关于如何确定“特定”之范围并无困难。但在网络犯罪中,对象的不可知,造成了认定上的困难。一般来说,于因特网上利用信息交流工具,如电子布告栏系统(BBS),进行“煽动”犯罪的情形,以及提供针对特定系统之破坏软件供人下载使用的行为,因教唆对象之不特定,而不属于教唆犯。但是,在特定之情形下,如何认定对象之特定不无困难。如利用聊天工具,在一个聊天室中进行犯罪的教唆行为。在这里,网络聊天室构成了一个虚拟的具有特定范围的空间(房间),在这个特定空间中聊天的人总是特定的。进一步讲,即使是教唆者针对网络中的具体对象进行教唆行为,由于对被教唆人身份的不确知,有时甚至是毫无了解的情况下进行教唆,能否认定为教唆犯呢?笔者认为,教唆对象必须是特定的,教唆行为既可以是一次性对一人实施教唆行为,也可以是一次性对数人实施教唆。这一点,在利用电子邮件进行教唆时并无疑问。但是,在利用BBS等开放式交流手段的情形下,其教唆言语可能被其他人所触及。因此,在认定时须严格限定教唆者具体教唆行为所针对的对象,其他非教唆者所明确教唆针对之对象者,不属于教唆对象之特定范围。

本文来源:http://www.ynkwsw.com/wenshu/46259.html

推荐内容