灵律学习笔记 — 第四阶段：安全验证与法律伦理

灵研(LingResearch) | 2026-04-14 | 基于llm.py验证逻辑 + 法律伦理规范 + 数据安全法规

一、verifylegaloutput() 逐条法律原理分析

当前实现（llm.py:43-76）

验证函数架构：
├── 第一层：输出长度检查（<50字符 → blocked）
├── 第二层：虚假案号检测（3个正则模式 → blocked）
├── 第三层：法律条文书名号检查（缺《》→ warning）
├── 第四层：当事人信息检查（诉讼类文书 → blocked）
├── 第五层：诉讼请求检查（民事起诉状 → blocked）
└── 第六层：事实与理由检查（起诉状/答辩状/反诉状 → warning）

规则1：输出过短检查

if len(text.strip()) < 50:
    blocked.append("output_too_short")

法律原理：法律文书具有最低形式要求。根据《民事诉讼法》第123条，起诉状必须包含当事人信息、诉讼请求、事实与理由等必备内容，这些内容不可能少于50个字符。

覆盖文书：全部18种

评估：合理但阈值偏低。一份合格的民事起诉状至少500字以上，50字阈值过于宽松。

规则2：虚假案号检测

FAKE_CASE_NUMBER_PATTERNS = [
    re.compile(r"\(\d{4}\)[^年]*\d+初\d+号"),   # 一审
    re.compile(r"\(\d{4}\)[^年]*\d+终\d+号"),   # 二审
    re.compile(r"\(\d{4}\)[^年]*\d+行\d+号"),   # 行政
]

法律原理：案号是法院对案件的唯一标识，格式为（年份）法院代字+案件类型代字+序号（法〔2015〕137号）。LLM生成的案号格式可能正确但实际不存在，构成虚假法律信息。

漏洞： 1. ❌ 不匹配阿拉伯数字案号 — 如"(2024)京0108民初12345号"中的"0108" 2. ❌ 不覆盖刑事案号 — 缺少"刑初"、"刑终"模式 3. ❌ 不覆盖执行案号 — 缺少"执"字模式 4. ❌ 不覆盖保全案号 — 缺少"保"字模式 5. ❌ 无法验证案号真实性 — 只检查格式，不验证案号是否真实存在

规则3：法律条文书名号检查

law_article_pattern = re.compile(r"(?:第|第一|第二|第三)([\u4e00\u4e8c\u4e09\u56db\u4e94\u516d\u4e03\u516b\u4e5d\u5341\u767e]+)条")
law_refs = law_article_pattern.findall(text)
if law_refs and not re.search(r"[《》]", text):
    warnings.append("law_articles_referenced_without_law_name")

法律原理：法律条文引用必须指明法律名称，避免歧义。根据法律文书写作规范，引用法律条文应写明"《XX法》第X条"。

漏洞： 1. ❌ 不检测法条是否真实存在 2. ❌ 不检测法条内容是否正确（张冠李戴） 3. ❌ 不检测法律是否现行有效（可能引用已废止法律） 4. ❌ 正则只匹配中文数字条号 — "第100条"匹配不到 5. ❌ 不检测是否应引用民法典替代已废止法律

规则4：当事人信息检查

if doc_type in ("civil_complaint", "defense_statement", "appeal"):
    has_party = bool(re.search(r"(?:原告|被告|上诉人|被上诉人|答辩人)", text))
    if not has_party:
        blocked.append("missing_party_info")

法律原理：法律文书必须明确列明当事人身份（民诉法§123）。

漏洞： 1. ❌ 只检查关键词存在，不验证信息完整性（缺身份证号、地址等） 2. ❌ 反诉状未覆盖 — 反诉状应有"反诉原告/反诉被告" 3. ❌ 再审申请书未覆盖 — 应有"申请人/被申请人" 4. ❌ 不检查同一当事人在全文中名称是否一致

规则5：诉讼请求检查

if doc_type == "civil_complaint":
    has_claim = bool(re.search(r"(?:诉讼请求|请求判决)", text))
    if not has_claim:
        blocked.append("missing_claim")

法律原理：民事起诉状必须有明确的诉讼请求（民诉法§123）。

漏洞： 1. ❌ 只检查关键词，不验证请求内容是否具体 2. ❌ 不检查金额是否有计算依据 3. ❌ 不检查请求与事实理由是否逻辑一致 4. ❌ 其他需要诉讼请求的文书未覆盖（如再审请求、执行请求）

规则6：事实与理由检查

if doc_type in ("civil_complaint", "defense_statement", "counterclaim"):
    has_reason = bool(re.search(r"(?:事实与理由|事实理由)", text))
    if not has_reason:
        warnings.append("missing_fact_and_reason_section")

法律原理：法律文书需包含事实叙述和法律分析。

漏洞： 1. ❌ 再审申请书未覆盖 — 应有申请再审的事实和理由 2. ❌ 上诉状未覆盖 — 应有上诉理由 3. ❌ 不检查事实与理由的内容质量

二、AI幻觉在法律领域的风险

Mata v. Avianca 案（美国，2023年）

AI幻觉的8种法律领域表现

中国律师使用AI提交虚假文书的法律后果

三、律师使用AI的法律伦理要求

3.1 核心伦理原则与AI适用

3.2 保密义务与AI的冲突

律师法§38：律师应保守执业中知悉的国家秘密、商业秘密和当事人隐私。

3.3 建议的AI使用披露规范

目前中国尚无统一的AI使用披露要求，但建议： 1. 向委托人告知AI工具的使用情况 2. AI生成的关键内容应标注并声明已人工核实 3. 保留AI交互记录以备审查 4. 不直接将AI输出作为专业意见提交法院

四、数据安全法律框架

4.1 三法并行

4.2 PIPL对案件数据的要求

4.3 LingLaw本地部署的合规优势

4.4 《生成式AI服务管理暂行办法》关键条款

• 第4条(三)：尊重知识产权、商业道德，保守商业秘密
• 第4条(四)：不得侵害他人隐私权和个人信息权益
• 第4条(五)：提升透明度，提高生成内容的准确性和可靠性
• 第7条(三)：涉及个人信息的，应当取得个人同意
• 第11条：不得非法留存能够识别使用者身份的输入信息
• 第17条：具有舆论属性的服务需安全评估+算法备案

五、verifylegaloutput() 增强方案

5.1 建议的四层验证架构

verify_legal_output(output, context)
│
├── 第一层：格式验证（快速，确定性）— 当前已实现
│   ├── 长度检查（✅已有）
│   ├── 案号格式检查（✅已有 + 需增强：阿拉伯数字、刑事/执行/保全类型）
│   ├── 书名号检查（✅已有）
│   ├── 当事人信息完整性（✅已有 + 需扩展文书覆盖）
│   ├── 诉讼请求存在性（✅已有）
│   ├── "事实与理由"存在性（✅已有 + 需扩展文书覆盖）
│   └── 强制性条款完整性（❌新增）
│
├── 第二层：法律知识验证（需知识库）— 全部缺失
│   ├── 法律条文真实性（❌新增：需法律条文数据库）
│   ├── 废止法律替换提示（❌新增：需新旧法对照表）
│   ├── 利率上限验证（❌新增：需LPR数据）
│   └── 案件类型代字合法性（❌新增：需案号规则库）
│
├── 第三层：逻辑一致性验证（需NLU）— 全部缺失
│   ├── 诉讼请求与事实理由一致性（❌新增）
│   ├── 证据清单与诉讼请求对应关系（❌新增）
│   └── 管辖权合法性（❌新增：需管辖规则引擎）
│
└── 第四层：时效与数值验证（需计算）— 全部缺失
    ├── 诉讼时效检查（❌新增）
    ├── 金额计算合理性（❌新增）
    └── 期限合规性（❌新增）

5.2 新增检查优先级矩阵

5.3 利率上限验证伪代码

def validate_interest_rate(output: str) -> CheckResult:
    """
    验证利息/利率是否超过4倍LPR上限
    法律依据：民间借贷司法解释§25
    """
    # 提取利率表述：
    # "月息3%" → 年利率36% → 超标
    # "年利率12%" → 未超标
    # "LPR×4" → 需计算
    current_lpr = get_current_lpr()  # 约3.45%
    ceiling = current_lpr * 4         # 约13.8%

    rates = extract_interest_rates(output)
    violations = []
    for rate in rates:
        if rate.annual > ceiling:
            violations.append(f"利率{rate.raw}超过法定上限{ceiling:.1f}%")

    # 注意：4倍LPR仅适用于民间借贷
    # 金融机构借款不受此限
    return CheckResult(
        passed=len(violations) == 0,
        blocked=violations  # 超过上限应阻断
    )

5.4 法律条文真实性验证伪代码

def validate_law_article_existence(output: str, law_db) -> CheckResult:
    """
    验证引用的法律条文是否真实存在
    """
    # 新旧法对照表
    DEPRECATED_LAW_MAP = {
        "合同法": "民法典合同编",
        "物权法": "民法典物权编",
        "侵权责任法": "民法典侵权责任编",
        "婚姻法": "民法典婚姻家庭编",
        "继承法": "民法典继承编",
        "民法通则": "民法典总则编",
        "民法总则": "民法典总则编",
    }

    refs = extract_law_references(output)  # 《XX法》第X条
    warnings = []
    blocked = []

    for ref in refs:
        law_name = ref.law_name
        article_num = ref.article_num

        # 检查1：是否引用已废止法律
        if law_name in DEPRECATED_LAW_MAP:
            warnings.append(
                f"引用了已废止的《{law_name}》，"
                f"应替换为《{DEPRECATED_LAW_MAP[law_name]}》"
            )

        # 检查2：法律是否存在
        if not law_db.law_exists(law_name):
            blocked.append(f"《{law_name}》不存在或未收录")

        # 检查3：条款是否存在
        elif not law_db.article_exists(law_name, article_num):
            blocked.append(
                f"《{law_name}》第{article_num}条不存在"
            )

    return CheckResult(
        passed=len(blocked) == 0,
        warnings=warnings,
        blocked=blocked
    )

5.5 新旧法替换对照表

六、法律AI安全框架总结

6.1 三要素模型

法律AI安全 = 技术安全 + 法律合规 + 输出质量
     │              │            │          │
     ▼              ▼            ▼          ▼
  数据加密      PIPL合规     多层验证
  访问控制    数据安全法     人工复核
  审计追踪    律师保密义务   知识库更新
  本地部署    AI管理办法     置信度评分

6.2 LingLaw当前安全评估

6.3 关键改进建议

1. 增加免责声明 — 每次生成输出时附加："本内容由AI生成，仅供参考，不构成法律意见。请律师核实后使用。"
2. 增加置信度评分 — 每个输出附带置信度，低置信度触发人工审核
3. 建立法律知识库 — 现行有效法律条文全文 + 废止法律对照表
4. 增加操作日志 — 记录所有AI交互以备合规审计
5. 增加用户确认 — 关键操作（如生成起诉状）需用户二次确认

学习自检清单

• 能说出verifylegaloutput()的6条规则及其法律原理
• 知道Mata v. Avianca案的基本经过和行业影响
• 能列出AI幻觉在法律领域的8种表现
• 理解律师保密义务与AI使用的冲突
• 知道PIPL对案件数据中敏感信息的要求
• 能说出LingLaw本地部署的7项合规优势
• 知道9部已废止法律对应民法典的哪些编章
• 能描述建议的四层验证架构
• 知道4倍LPR利率上限的法律依据
• 理解当前验证函数的10个具体漏洞