偷换商家二维码取财案件类案评析

来源 :湖南大学 | 被引量 : 0次 | 上传用户:mingxing10192009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
偷换商家二维码获取财物类案件因行为人的偷换行为既包含秘密性又存在一定欺骗性,导致实务界对该行为应认定为盗窃还是诈骗存在分歧。通过对现有40份裁判文书进行分析,可知裁判意见中多将偷换二维码行为认定为盗窃罪,但在说理部分均未给予充分理由。现有理论中,“盗窃说”因顾客系自愿交付财物,而商家自始自终都未能占有货款,二者都不能成为盗窃行为的受害人而难以成立;“诈骗说”的相关观点错误的混淆了“事实错误”与诈骗罪中“错误认识”的概念,顾客受骗视角错误地使案件认定发生偏移。应认识到,将受骗人视角由顾客转向商家可解决案件认定僵局,行为人偷换二维码的行为虽未采用直接接触受骗人进行欺骗的方式但本质上仍是对商家进行的一种虚构事实、隐瞒真相的欺骗行为,商家正是因行为人的欺骗行为产生了错误认识,误认了二维码背后的权属关系,并基于这种错误积极指示或者消极接受顾客通过扫描该二维码进行商品交易,商家损失的是与顾客的买卖合同中获得商品货款的债权,行为人获得的是由合同债权转化而来的相对应的货款,最终认定偷换二维码类案件应以一般诈骗罪论处。
其他文献
学位
2009年,政府推行“家电下乡、以旧换新”的利国利民利企的政策,惠及千百万的百姓,拉动国内的消费需求,使诸多企业同时收益颇丰。自政府补贴政策取消以后,企业开始探索通过自身的资本和市场影响力独自开展以旧换新活动。同时,随着互联网科技、国内物流快递和电子商务的迅猛发展,越来越多的企业开始尝试建设自己的直销渠道,包括电商旗舰店和线下体验店等,与零售渠道协同推进。因此越来越多的学者开始研究市场企业如何进行
目的:分析和总结亚临床库欣综合征患者的临床和代谢特征以及激素水平变化,探究SCS患者合并代谢异常的可能风险因素及代谢指标与皮质醇水平的相关性。方法:研究纳入2010年3月至2018年10月在南京大学医学院附属鼓楼医院内分泌科诊治的56例亚临床库欣综合征患者,68例肾上腺腺瘤型临床库欣综合征(CS)和56例与SCS性别、年龄、BMI匹配的肾上腺无功能瘤(NFA)患者。比较临床资料、代谢特征及激素水平
自修复(self-healing)的概念源于生物学中的自修复现象。所有的材料在其使用期间都会不可避免地遭受热损伤、机械损伤或者化学降解,大大降低了材料的使用寿命。受大自然的启发,人们希望引入自修复功能来延长材料的使用寿命。本文以Fe(Ⅲ)-pdca动态配合物为研究对象,通过化学交联的方式将其接入到高分子链中合成了具有自修复功能的高分子材料,并对材料的结构、动态性、力学性质和自修复性质的机理进行了探
书籍是人类进步的阶梯。随着科技的发展,人们读书的方式日益多元。以手机、平板电脑等移动智能终端为载体的移动阅读APP(APP是APPlication的简称,指移动智能设备上的第三方应用程序),以其便携性、多样化、个性化、社交化的特点备受人们青睐,成为当前人们阅读的重要方式。移动阅读APP市场也在经历了萌芽期、启动期后进入了高速发展阶段。随着我国移动阅读APP市场的深入发展,市场竞争愈发激烈,我国移动
改革开放四十多年来,我国的市场经济实现了飞速发展,资本市场趋向成熟。在资源环境约束增强,产业结构转型升级的大背景下,并购作为现代企业进行资源配制的重要方式,对企业发展和价值有重大影响。越来越多的企业通过并购改善资源配制,寻求更高质量的发展,可是一些公司虽然完成了并购,却并没有实现并购目的。上世纪90年代中期,我国上市公司开始引入董事会秘书制度,后来明确其为上市公司高级管理人员。董事会秘书是基于公司
过去10年,乘着在互联网行业快速发展的东风,国内电商市场一片繁荣,各电商企业经历了高速增长的“黄金时代”。但在2016年,国内网络零售市场的增速首次出现低于30%的情况,较低的人口自然增长率等逐步导致流量红利的消失,这个市场也正由“蓝海”转向“红海”,发展精细化与智慧化运营成为电商企业增长的关键。预测工作是电商智慧化运营中的重要一环,准确的预测对将会对企业的生产、营销和物流等决策产生深刻影响。从宏
学位
作为机器学习算法研究中的一个研究热点,深度学习是一种模拟人脑神经元且具有层次式体系结构的机器学习技术。近年来,深度学习技术在诸如语音识别、图片识别、自然语言处理等子领域的应用中取得了突破。在大数据的支持下,深度学习技术在法院智能化领域快速发展,日益彰显出它的重要意义和广阔的应用前景,将深度学习技术和审判实践的各个环节相结合能大大提高人民法院的智能化水平。当前,法院案多人少的问题十分严峻。2016年
在受资源限制的软件质量维护场景下,软件质量维护团队需要使用预测模型来预测不同的模块是否可能出现缺陷,以便更好分配工作量。通常用于预测模块缺陷的模型被称为缺陷预测模型。缺陷预测模型的构建和评估受到多个因素的影响,例如不平衡数据处理、建模技术参数调优、模型评价方法选取等。其中,不平衡数据处理针对缺陷预测数据中广泛存在的不平衡性进行调整以满足建模技术的假设,从而提升模型表现。建模技术参数调优通过选取最优