司法实践中，知识产权恶意诉讼的规模和问题凸显，应当依法加强惩治。从传统监督模式的现实困境出发，分析构建大数据法律监督模型的方式治理知识产权恶意诉讼的必要性，并从模型“全生命周期”的培育、创建、运行、管理不同阶段入手，全过程的分析该模型实践运行的路径及建议对策。

近年来，随着信息技术发展、权利人维权意识增强我国知识产权诉讼规模不断扩大，其中知识产权批量商业维权占比较之前明显增加。据公开报道，兰州市两级法院近三年受理的知识产权案件中，批量商业维权案件比重占全部知识产权案件近半数，江苏南通市法院2022年新收知识产权案件中，批量化商业维权案件受理数占比超过85%。客观而言，批量维权有助于快速制止并高效清理知识产权侵权行为，维护市场秩序的同时有效降低维权成本。但实践中批量维权行为存在泛滥、异化倾向，其中蕴含着大量“恶意诉讼”行为，即明知无知识产权权利基础或者明知其权利基础存在瑕疵，仍对他人提起知识产权侵权诉讼的行为，已形成灰色产业链，不仅破坏了知识产权诉讼的良性生态，而且扰乱公平的市场竞争秩序。知识产权恶意诉讼举保护知识产权的之旗，行排挤竞争对手之实，严重背离了法律保护知识产权的初衷，破坏了知识产权诉讼的良性生态，而且扰乱公平的市场竞争秩序。由此，最高人民检察院出台《全国检察机关开展依法惩治知识产权恶意诉讼专项监督工作实施方案》（以下简称《实施方案》），决定自2022年7月至2023年12月在全国检察机关开展“依法惩治知识产权恶意诉讼专项监督工作”，要求各级检察机关要把依法惩治知识产权恶意诉讼作为重点工作，对知识产权批量维权案件、知识产权权利滥用行为、知识产权虚假诉讼行为开展监督。高检院发布的《实施方案》作为顶层设计，解决了恶意诉讼治理的目标、时间、要求等重要因素，是当前各级院惩治知识产权恶意诉讼指导性、基础性依据，但尚未提供详细方法和路径，有赖于各级院的实践探索。

一、知识产权恶意诉讼传统监督模式的现实困境

准确辨识知识产权恶意诉讼，厘清相关裁判标准，才能既维护知识产权权利人的合法权利，鼓励创新创造，又维护社会公众合法利益，实现权利保障与禁止滥用之间的平衡。但在检察机关对知识产权恶意诉讼的法律监督中却面临种种现实困境：

一是发现知识产权恶意诉讼难。认定知识产权恶意诉讼的主要基础是原始民事侵权诉讼及相应裁判文书，在不了解案件特点的情况下盲目从海量裁判中找寻恶意诉讼线索无疑会效率低下及产生鉴别精准度不足的问题。

二是认定知识产权恶意诉讼难。在司法实践中，“因恶意提起知识产权损害责任纠纷”的案件并不多，大量的恶意诉讼行为隐藏在其他知识产权侵权纠纷中，即使是权利人因被法院认定存在权利瑕疵而败诉时，也不能一概认定其系“恶意诉讼”。知识产权恶意诉讼是一种特殊的侵权，“恶意”的主观要件也有别于一般的侵权行为。我们认为构成知识产权恶意诉讼的核心要件是权利人明知其无权利基础或权利基础存在瑕疵仍提起诉讼，而主观恶意的认定需要往往需要翔实的客观证据，甚至需要分析不同判决文书的事实予以判断。对于检察机关而言，如果仅分析单一的裁判文书，很难鉴别恶意诉讼行为。

三是打击知识产权恶意诉讼难。由于恶意诉讼系披着合法维权外衣的权利滥用行为，具有一定隐蔽性，故在判断过程中需格外审慎，划清正当维权与恶意诉讼之间的界线存在难处，而且由于行为人多在全国各地进行批量诉讼，检察机关传统的个案审判监督无法从根本上遏制其重复发生。

二、构建知识产权恶意诉讼大数据法律监督模型的必要性

首先，实现对知识恶意诉讼线索发现的必然要求。知识产权恶意诉讼隐藏在诉讼大数据中，只有通过对大数据的分析才可以发现隐藏的线索。通过构建大数据法律监督模型，提取结构化字段，进而进行海量大数据的自动比对，打造法律监督线索发现的可视化、可持续化的应用工具。

其次，提升知产法律监督效能的必然发展。知识产权个案错案隐蔽性强，法律监督线索发现难、工作碎片化、质效不突出。只有依托大数据，对全国各地海量裁判文书进行横向、纵向分析和对比，提取有效信息，实现核心要素的关联分析，才能发现更多甚至外地、多地的法律监督线索。

再次，满足法律监督依法公正运行的内生需求。大数据模型系对传统法律监督手段的颠覆、传统法律监督模式的变革和传统法律监督功能的再定义，具有重塑变革的根本性价值和意义。海量数据事实、数据要产生价值必须要在法学理念、逻辑指导下的进行分析，并且要通过大数据、云计算、人工智能等现代科技手段的辅助，才能真正科学地指引、发现监督线索。

新时代检察工作要实现法律监督高质效、促进社会治理现代化的目标，重点就是要找到关键变量和核心路径，答案就在于新科技革命的核心——数字革命。课题组认为，各地检察机关应当以《实施方案》作为主要行动方案和指引，深入挖掘数据的价值，并进行规则的提炼和范畴的归纳，通过大数据法律监督模型落实、科学推进《实施方案》，形成惩治知识产权恶意诉讼的样本和经验方案。

三、知识产权恶意诉讼大数据法律监督模型“全周期”实践分析

课题组拟将大数据法律监督模型类比为某种产品，从该模型的“全生命周期”的各个阶段，即模型培育、模型创建、模型运行、模型管理以及模型维护等阶段，全过程的分析实践运行的路径及相关困难。

（一）模型培育阶段

1.模型培育阶段具体步骤分析

从大数据法律监督模型培育阶段看主要有以下三个步骤：

模型业务需求收集。在知识产权不同领域，恶意诉讼行为有不同的表现。如商标领域，恶意诉讼行为包含以不正当手段抢先注册他人已经使用并有一定影响的商标、以不正当手段获得商标权后滥用权利、频繁维权等；专利领域恶意诉讼行为包含将自己公开销售过的产品申请为外观设计专利、在企业上市等重要节点以无效专利进行侵权诉讼等。著作权领域，知识产权恶意诉讼行为呈现批量化的趋势，隐藏在批量商业维权行为中，主要涉及小说、图片、音乐作品、影视作品等不同类型，滥用权利、碰瓷式维权行为多发高发，该部分行为涉及裁判文书数量庞大，远大于商标领域和专利领域。因此课题组以著作权领域为重点开展数据的初步筛查，确定重点监督对象。课题组借助中国裁判文书网统计，筛选出“知识产权权属、侵权纠纷”138万余件，其中“著作权权属、侵权纠纷”95万余件，占比约70%。2019年至2022年间，“著作权权属、侵权纠纷”民事案件62万余件，其中“信息网络传播权纠纷”的一审、二审案件共23万余件，占比超过37%。通过逐层筛选，可以进一步锁定更细分领域。

业务需求评估选择。知识产权恶意诉讼案件较多隐藏在批量商业维权案件中，且此类案件特征较明显。例如通过全国各地法院“侵害网络信息传播权纠纷”案件一审、二审不同的判决书进行比较分析，可以总结该类案件往往有以下特征：大部分案件由职业维权机构代理诉讼；原告在全国各地多次以“网络信息传播权纠纷”为案由提起民事诉讼，案由相同、侵权作品相同；侵权事实简单，侵权行为较易判定；部分原告非原始权利人，通过层层授权获得相关作品的信息网络传播权；案件大多经过调解结案，原告撤回起诉率比例较高等。基于此类案件的数量庞大且案件同质化较强，通过大数据构建模型开展法律监督的可行性就比较强。

获取数据准备创建。如何获取所需数据并尽可能全面掌握是首要关卡。利用大数据模型挖掘恶意诉讼线索的前提就是要获取裁判文书信息，包括各地法院的知识产权案件民事判决书、调解书、裁定书等。恶意诉讼中如存在伪造授权文书、虚构授权链条等行为，同时还将涉及不同企业，需分析判断不同企业之间的关联信息，因此企业工商信息、涉诉信息等也是大数据模型的重要数据基础。此外，检察机关肩负法律监督职责，检察控申窗口、检察服务热线、消费者保护协会等多个途径获取的各类恶意诉讼相关维权数据也应纳入大数据模型数据获取范畴。

2.模型培育阶段面临的实践困境

（1）获取数据是分析数据的前提

大数据具有庞大、复杂、分散、多样的特性，且分别掌握在不同主体手中，甚至隐藏在法律关系、专业概念的背后，如何获取所需数据并尽可能全面掌握是首要关卡，用何种方式收集、汇总、形成数据也是要考虑的问题。目前获取知识产权裁判文书的途径主要有中国裁判文书网、北大法宝、全国检察业务应用系统等途径，其中裁判文书网、北大法宝等网站收录的法院判决数量占实际裁判文书比例有待进一步提高。而全国检察业务应用系统获取的裁判监督线索多是通过控申平台得到的“被动式”数据，数据很有限。企业的关联信息主要通过“企查查”等第三方平台进行查询，数据来源渠道有限。各地检察机关多未与法院、侦查机关、知识产权行政部门建立统一的知识产权司法、执法大数据共享机制，未与市场监管局等行政机关建立数据共享渠道，无法实时共享企业工商信息、股东关联信息等数据。

（2）法律语言到计算机语言的转化难

大数据法律监督模型需要从个案办理到类案监督的跨越，实现“多跨”式监督。由于知识产权本身是与时俱进的专业领域，恶意诉讼存在多种形式，亦在不断变化，且没有明确法律界定，如何从纷繁变化的社会现象中抽取出法律规则、法律要素、归纳成计算机可理解的逻辑将是对检察人员现实的困难和挑战。

（二）模型创建阶段

1.知识产权恶意诉讼大数据法律监督模型创建步骤具体以下几步：

第一步明确需要筛查的“核心要素”，如以“侵害网络信息传播权”为例，通过分析“侵害网络信息传播权纠纷”判决书，结合异常行为的特征，提取出原告、案由、法院、判决结果等核心要素，将其设置为筛选条件对大量判决书进行自动“识别”，同时对不同要素进行排列组合筛选，从大量判决书中圈定初步数据范围。

第二步结合恶意诉讼相关法律规定，将特定行为进行数据碰撞，缩小监督线索范围。根据相关司法解释规定，伪造知识产权授权文件等关键证据、捏造知识产权权利人身份、虚构知识产权侵权纠纷、以及明知缺乏正当性权利基础仍继续提起诉讼等行为均属于恶意诉讼行为。

第三步进一步梳理“核心要素”碰撞结果：结合原告、案由、法院、判决结果等信息进行关联碰撞后得到的信息，梳理法律关系，定向梳理相关行为的时间轴。

第四步“大数据模型判断”与“人工判断”相结合，在“大数据模型”判断出初步异常线索后，通过检察人员有针对性地进行分析判断，提取出更具体的“异常要素”，对模型检索重点、运行流程等进行完善修改，进一步排查、锁定监督线索。

2.从司法实践中来看，大数据法律模型创建往往面临以下难题：

（1）大数据技术有待升级和转型

智慧检察和科技强检等检察智能化工程对检察信息收集、检察业务管理和检察决策支持等发挥了重大作用，但技术支撑力在广度和深度上普遍供给不足，尤其是大数据法律监督模型创建所需的“数据＋算法＋算力”，部分地区还停留在“智能化系统建设”阶段，处于“业务数据化”发展层次，并没有实质跨越到“智能制造”阶段，实现“数据业务化”。

（2）模型的数据需求与具体场景联系不紧密

大数据法律监督模型中的数据需求必须需要清晰明确，也就是说数据与检察监督业务场景、具体案件必须紧密联系，但受限于技术人员与法律人员之间的业务隔离，往往容易出现办案场景需求与实际数据提取脱离的困境，导致数据冗余或要素不足。

（3）受限于数据源，模型更新完善较慢

在结合恶意诉讼监督需要及案件特点提出大数据模型构建设想，并依赖现有技术力量构建出基础模型后，由于相关的数据共享机制正在构建过程中，尚缺乏大量的裁判文书数据，无法结合更多的基础数据对模型构建进行完善升级。

（三）模型运行阶段

在知识产权恶意诉讼大数据法律监督模型运行阶段，检察机关面临两大困境：

1.数据安全隐患

知识产权恶意诉讼大数据法律监督模型在运行阶段必然涉及法院判决数据、企业情况数据等。在大数据法律监督模型的运行、维护中亦必然涉及数据的安全保护问题。数字技术和数字治理在唤醒沉睡的数据的同时，也触动了数据权力，引发了数据权力和数据权利之间的博弈。提高数据的安全性，才能保证大数据监督模型的可持续运行。

2.对数据模型过分依赖，需要预防数字技术对检察实践的反噬

实践中，知产恶意诉讼案件的不同特征随着实践的变化在迅速发展更新，过分依赖之前经验总结构建出的数据模型开展工作，可能会导致监督落后、滞后，最终导致无效。

3.知产检察办案人员运用大数据开展法律监督能力有待进一步提升

大数据模型建立后，还要依赖于实际运用大数据模型的知产检察人员对模型的运行、维护和不断更新完善。由于缺乏对大数据等新知识的了解，知产办案人员在数据运用、大数据监督模型运行维护和完善更新中欠缺经验，无法充分发挥出大数据模型的作用。

（四）模型管理阶段

1.过程管理

目前，全国各地各级检察机关都在积极探索大数据法律监督模型的实践，但课题组认为对于大数据法律监督模型的管理模式不宜采取“处处撒网、遍地开花”的方式，而应将有限的人力、物力、财力投入到高产出的模型项目中。对于知识产权恶意诉讼大数据法律监督模型的管理也需要综合评估不同模型的必要性、可能性、设计规则的逻辑性、模型开发的投入—产出比、模型项目的技术可实现性、模型数据的可获取性等多种方面因素，并且尽量实现区域内统管，防止重复建设，实现大数据模型的可复制、可推广。

2.维护管理

如何将“点状开花”的单项法律监督模型发展到“整体渗透”的全流程全业务的类案监督是管理维护面临的最大困境，需要通盘考虑大数据法律监督模型开发的进度、项目以及法律监督模型升级成本等，针对部分项目实际情况，分类采取“关停并转”，在知识产权各领域挖掘更多的恶意诉讼法律监督线索，提升监督质效与精准度，并通过技术升级实现数据共享、监督成果共享。

四、知识产权恶意诉讼大数据法律监督模型发展的建议对策

（一）大数据监督与知识产权检察办案融合

目前各地实践中多以数字检察专班形式推进大数据监督模型工作，课题组认为，大数据法律监督模型的责任主体不是各院检察长或大数据专班，在数据化变革潮流之下，要以“融合”为理念融入办案中，提高检察人员的大数据监督与知识产权检察办案融合素养。通过加大数据应用实战训练，促进理论实践双融合，提高检察人员运用大数据的能力。将常态化使用大数据法律监督平台和已成熟的数字监督场景，列入检察院业务培训的重点。通过平台、场景的日常熟练应用，推动各业务部门、每一位检察官不断强化数字意识和思维，提升数字能力和方法。此外，为了更好地促进检察人员树立大数据战略思维，提升大数据运用能力，需要制定大数据素养的考核规则，明确评估标准。通过量化检察人员素养水平，实行奖励考核机制，实质提高检察人员树立大数据战略思维、适用大数据工具的积极性。

（二）加强知识产权检察+数字人才培养

要促进知识产权恶意诉讼大数据法律监督模型发展就需要建设一支具备大数据战略思维，讲政治、精业务、懂技术的复合型数字检察人才队伍。通过加强检察+数字人才培养，建立数字检察专业化团队可以有效整合优势资源，实现人才培养的聚合效果。应当系统规划数字检察人才培养工作，以政治引领、系统思维、破题攻坚、实战管用为导向，全面完善数字检察人才招录、引进、培养、培训机制，建立健全数字检察人才队伍职业发展体系，强化数字检察监督办案意识和办案能力，为大数据赋能法律监督提供人才支撑和储备。适当引入高校、科研所等专业科技人才，适当放开选拔标准，为知识产权检察+数字人才复合型人才提供机会。

（三）破除数据共享壁垒

首先，充分利用好检察内部大数据。探索建构“检察大数据中心”，实现检察内部对知识产权恶意诉讼监督数据的及时、全面、准确掌握。检察机关大数据建构应以“两网一统”平台为主，以其他辅助性系统和平台为辅，一并探索建构“检察大数据中心”。各级检察机关之间积极建立数据共享机制，构建主数据为主干，其余数据为分支的数据系统应用格局。通过大数据共享实现对知识产权恶意诉讼的精准打击、检察监督。其次，建立政法数据共享机制。检察机关可依托与公安、法院签订的信息共享协议，建立数据实时交换平台，扩大平台覆盖面，深入多家执法司法部门单位数据库。检察机关主动与执法司法部门等信息数据实行联通，促成执法司法部门办案系统连接、数据自动交换和信息共享。再次，健全完善政务信息共享机制。建立跨部门数据共享平台，拓宽知识产权恶意诉讼社会数据库连接渠道。共享是数字检察能顺利开展的关键。此外，恶意诉讼由于涉及面广，需要注重公开渠道的公开信息或行业信息，形成稳定获取源、搭建数据平台，拓展社会面数据获取来源。检察机关可以与知识产权相关行业组织、社会团体、等畅通数据获取渠道，完善信息共享模式，及时获取恶意诉讼的相关信息。针对社会数据库，检察机关应当主动拓展信息查询渠道，争取相关知识产权行业对检察工作的支持，以求加入数据系统。当然，检察机关在社会数据的处理和运用方面，也应当以个案为基础，严格遵循司法谦抑、依法告知、目的限制等原则，严格依法审慎使用社会数据。

（四）形成全国性通用型案例指引

选取已经成熟、具有可复制推广价值的数字检察案例，制成办案指引供各地检察干警学习、参考。相较于传统的办案指引，数字检察办案指引应当更加侧重介绍大数据法律监督的方式方法，结合思维导图、数据模型、数据分析步骤、办案心得等形式、内容，更加直观、明了地引领检察干警理解、掌握数字检察的办案要领、一般规律和方法步骤，使之尽快“依葫芦画瓢”地在本地区开展相关领域的大数据法律监督，不断拓展监督治理成效。聚焦知识产权恶意诉讼中人民群众关心关切的问题，通过大数据赋能打造法律监督模型服务保障人民。在具体知识产权恶意诉讼案件中坚持以问题为导向，坚持针对具体问题精准监督，对症下药，凸显靶向效应，坚持以小见大、以点带面，坚持以四两拨千斤的巧力打通关节、一通百通，通过检察建议监督快、准、稳地破解问题。以知识产权恶意诉讼监督模型建设为契机，深化检察机关知识产权“四合一”履职，继续深化开展知识产权保护专项活动，助力完善大数据、基因技术等知识产权司法保护制度。