一、引 言
数字技术的发展营造了新兴的经济业态，但数字经济的增长也带来各个层面的法律挑战。与传统消费模式不同，数字经济中的消费方式是消费者在数字环境中以数字身份通过应用程序或网站的界面设计，与经营者交互信息的交易方式，并呈现数字化、个性化以及社交化等新特点。数字环境中的平台经营者通过界面设计并利用认知偏差引导（诱导、欺骗甚至操纵）消费者做出交互决策，此类行为被用户界面设计专家哈里•布里格努尔（Harry Brignull）定义为“黑暗模式（dark patterns）”。黑暗模式的核心在于平台经营者利用技术手段影响用户心理，从而操纵消费者做出可能并不符合其自身利益的选择。
1调查研究显示，我国主流APP中普遍存在黑暗模式，与购物、社交、直播相关的APP是黑暗模式分布最密集的地方。
22024年7月9日，全球隐私执法网络发布的2024年度报告显示，黑暗模式在全球范围内的网站和应用程序中的发生率极高，意味着消费者在绝大多数情况下与网站、应用程序交互时可能会至少遇到一种黑暗模式。网站、应用程序设计的黑暗模式，促使消费者作出可能不符合自身最佳利益的隐私决策。
3数字技术作用下的黑暗模式具有传统营销手段所不具备的深层效应。黑暗模式可能促使消费者购买其并不需要的商品或服务，或者促使消费者授权经营者收集利用其个人信息，使得消费者的选择背离其真实偏好与最大利益。
4鉴于此，有必要从法律角度思考黑暗模式的规制问题。
国外法学界较早针对黑暗模式展开研究。从黑暗模式的危害性角度看，黑暗模式会降低消费者福利与社会整体福利，不利于充分发挥数字经济的增长潜力，
5因此有必要从法律层面规制黑暗模式。从法律规制的模式角度，黑暗模式规制并非需要单独专门立法，而是需要对现有立法进行调整。
6从具体规制的措施出发，可以通过不公平条款规制不公平商业行为，以“一般消费者”概念作为不公平行为的基准；
7反思“一般消费者”概念，并考虑消费者的脆弱性保护；
8以及通过数据保护立法的规定，保护有效披露和有效同意等。
9相较之下，国内对黑暗模式的研究相对较少，尚处于初步探索阶段。
10
目前我国实证法上应对黑暗模式尚有不足，作为一般私法的《民法典》和作为消费者一般法的《消费者权益保护法》均难以应对黑暗模式。首先，《民法典》中关于法律行为撤销的制度，在具体认定黑暗模式时可能存在困难。以“强制续订”与“隐藏成本”模式结合的黑暗模式为例，若经营者存在隐瞒或误导消费者的主观故意，则可能会有欺诈适用的空间。
11然而，就欺诈认定构成要件而言，欺诈的成立需要证明欺诈者的故意。经营者妨碍消费者意思形成自由并不一定出于恶意，而是具有获利的动机，并且影响消费者选择的是信息不对称的现实。就胁迫的认定而言，如果消费者并非心生畏惧而购买商品，则不成立胁迫。
12可见，即使此种黑暗模式有适用法律行为撤销的空间，但无法达到欺诈或胁迫构成要件的证明标准，也不能通过法律行为撤销制度保护被欺骗、被操纵的消费者。其次，《民法典》中关于合同随时解除权的规定难以应对强制续订、捕蟑笼式设计等操纵型黑暗模式。消费者在数字环境下的持续性合同中，面临平台经营者通过强制续订、捕蟑笼式设计等选择框架操纵或阻碍解除的困境。尽管持续性合同的随时解除权规定于《民法典》第563条第2款，但在数字环境中如何实现随时解除权成为难题。最后，黑暗模式对数字环境下消费者脆弱性的利用更严重。即使是采用向消费者倾斜立法的《消费者权益保护法》，也无法为此种情境下的消费者提供充分保护。传统消费者权益保护机制基于信息范式设计，然而其预设的一般理性消费者标准，在黑暗模式影响下已经失灵。
13即使经营者充分履行信息义务进行信息披露，在数字环境下的消费者也难以对复杂的信息作出理性判断。
基于上述，关于黑暗模式的法律规制仍有不少问题。新技术变革时代下，人在社会中的结构不断分化。
14数字经济中新业态新模式中存在算法歧视消费者的阴暗面，
15传统消费者向算法消费者演进，
16算法消费者面临数字不对称、不平等地位加剧和意思自治受到侵蚀等新问题。
17黑暗模式是数字环境下平台经营者的一种常用操纵手段，算法消费者保护法律体系应当如何面对挑战并积极应对黑暗模式带来的负面作用？不同类型的黑暗模式影响算法消费者决策行为的程度是否相同，以及是否应当对黑暗模式采取一刀切式的规制？在中国法语境下又应当采用何种规制路径？总之，本文试图从黑暗模式的基本原理出发，反思我国法上应对黑暗模式的不足，并在梳理和归纳比较法上立法方案及特点的基础上，构建规制黑暗模式的中国法路径。
二、数字经济中黑暗模式的基本原理
(一) 数字经济中黑暗模式的作用机理
数字经济中黑暗模式的作用机理有一定特殊性，从根本上改变传统消费模式中营销的方式。具体而言，算法消费者在交互界面中黑暗模式影响下做出的决策不具有自主性和理性。一方面，黑暗模式通过平台经营者的选择架构设计影响算法消费者的决策自主性。算法消费者在线上与平台经营者之间的沟通很大程度上依赖于弹框、勾选等交互界面和选择框架，黑暗模式是隐藏于交互界面中的一种操纵决策手段。在线平台界面的设计人员通过研究消费者与信息的交互模式，从而在界面设计中以影响消费者对信息的反应的方式来呈现信息。
18在线平台通过决策环境的设计，以潜在的方式影响算法消费者的决策；如果设计的方式和影响决策的后果超过一定阈值，那么算法消费者的自主性将受到干扰。另一方面，数字经济中的黑暗模式加重算法消费者的数字脆弱性，从而促使经营者识别并利用消费者的认知偏误，算法消费者在此情形下做出的决策缺乏理性。消费者忽视数字界面的能动性与设计目的，其习惯于高效专注地在界面中进行互动，而忽略界面中的信息与欺骗性设计的本质。
19同时，平台经营者在个性化趋势之下更有可能结合个性化的信息，采用使得消费者最有可能受到影响的个性化界面设计。
20数字环境下在线平台通过设计黑暗模式的界面，主动利用消费者有限理性导致的认知偏误，以实现其自身利益最大化。行为经济学从心理学层面研究经济决策的过程，关注信息和认知能力对人类理性极限的影响。具体言之，黑暗模式的经济学作用机理在于平台经营者利用算法消费者有限理性与认知偏误，从而达到影响算法消费者决策的效果。阿莫斯·特沃斯基（Amos Tversky）和丹尼尔·康纳曼（Daniel Kahneman）在此基础上提出“捷思”（heuristic）的概念，指人们在不确定的条件下往往采用经济有效的方法做出判断，但该方法可能会造成偏误。
21原因在于，较之对应于“理性”的“系统2”，人们在某些情况下更容易受到对应于“直觉”的“系统1”的支配。
22系统1提供印象、直觉、意向和感觉等信息，系统2则接受其建议将冲动转化为行为，二者通常情况下配合默契。然而，系统1可能将复杂问题进行简单化处理，容易产生系统性错误。
23算法消费者在不同形态黑暗模式的诱导或操纵下，需要在复杂的信息环境下利用有限理性作出选择，因而产生认知偏误的概率更大。黑暗模式利用认知偏误，通过影响算法消费者的“系统1”，而诱导、欺骗或操纵算法消费者作出符合经营者利益的选择。
总之，与传统消费模式下的营销相比，黑暗模式发挥作用的机理在于数字社会的技术手段作用于算法消费者心理。一方面，黑暗模式违背消费者个人利益，从经济损失、隐私侵犯、增加认知负担等方面造成消费者个人福利的减损。另一方面，黑暗模式牺牲了社会市场的集体福利和阻碍市场竞争，导致不透明的定价，破坏消费者对市场的信任，可能进而造成无法预料的社会后果。
24黑暗模式中的选择架构设计可以刺激消费者作出特定的非理性行为，诱导、欺骗或操纵消费者违背偏好，最终利用认知偏见来增加经营者的利润。
(二) 数字经济中黑暗模式的不同形态
黑暗模式是数字环境中平台经营者蓄意利用算法消费者非理性行为,并诱使其作出不符合实际偏好的在线选择架构操作。黑暗模式具有多样性、灵活性、隐蔽性以及诱导性等特征。
25因此，需要从法律视角区分黑暗模式，并根据黑暗模式的不同形态探寻法律规制的思路。依据黑暗模式对算法消费者决策产生影响力程度的差异，可以将其分为诱导型黑暗模式、欺骗型黑暗模式以及操纵型黑暗模式三种类型。
第一，诱导型黑暗模式：弱程度影响算法消费者的决策。诱导型黑暗模式是指平台经营者利用算法消费者的认知偏差，并通过网站或应用程序界面设计诱导算法消费者作出交易决策的方式。诱导型黑暗模式大致有预选默认、反复提醒、界面干扰信息、情绪操控、弱化界面信息、紧迫性信息、稀缺性信息、私自加购、诱导点击和浏览等类型。例如，反复提醒是在界面中不断提醒消费者执行对经营者有利的操作，但消费者依旧可比较自由地不执行相应的操作。紧迫性通过设置交易期限从而加速消费者决策，表明若消费者不及时采取行动会失去潜在优惠，包括带有截止时间的倒计时计时器与作为静态紧急消息的限时消息；紧迫性的倒计时策略有一定时间限制并很快消失，所以在影响消费者的决策作用上是有限的。而稀缺性表明产品的有限性与高需求，包括低库存信息与高需求信息；平台通过显示商品的“全网销量”等高需求信息或“库存紧张”等低库存信息，告知消费者相关产品的热销度，诱使其作出购买的消费决策；紧迫性和稀缺性实质上是一种催促设计，即通过催促的方式诱导消费者尽快作出消费决策。
第二，欺骗型黑暗模式：中程度影响算法消费者的决策。欺骗型黑暗模式是平台经营者通过界面设计隐藏信息、伪装广告等手段误导算法消费者作出消费决策的方式。具体而言，隐匿信息、伪装广告、文字技巧选项、隐私欺诈等均是欺骗型黑暗模式的界面设计。例如，隐匿信息在界面设计中隐藏相关信息，使得算法消费者不得不在缺乏相关信息的情况下作出决策。又如，伪装广告在页面中设置按钮，使得算法消费者在不能很好地分辨和了解其广告属性的情况下，点击链接跳转到其他页面。再如，通过设置相应的文字技巧选项，欺骗算法消费者作出选择，通过“陷阱问题”利用消费者不能充分理解问题引导语言的状态欺骗其作出选择，或通过“确认羞耻”利用消费者更倾向于接受的心理欺骗消费者购买相应产品或服务。欺骗型黑暗模式在不同方面对算法消费者作出决策的过程进行欺骗，可能遗漏提供算法消费者决策所依据的信息，误导跳转链接内容的属性，或使得算法消费者未能充分理解问题和选项的含义，从而破坏决策的真实自主性，并为决策带来中等程度的影响。
第三，操纵型黑暗模式：强程度影响算法消费者的决策。操纵型黑暗模式是指平台经营者通过阻碍、强制等模式，操纵算法消费者作出消费决策的方式。实验研究显示，阻碍、欺骗是最有效的黑暗模式策略，即此类型黑暗模式属于强程度影响算法消费者决策。操纵型黑暗模式具体包括捕蟑笼式设计、隐私共享、社交金字塔、强制行动等类型。例如，阻碍类型中的捕蟑笼式设计，属于容易进入不易退出的界面设计，进入和退出的难易程度具有不对称性。又如，在“隐私共享”操纵之下，消费者被迫分享更多的个人信息，而“社交金字塔”则利用用户之间的社交圈层，操控性地提取其他用户的信息。再如，诸如强制注册、强制续订等强制行动，或是商品或服务的使用以消费者注册的必要性为前提，或是在未征求消费者意见的情况下自动续订商品或服务。总之，操纵型黑暗模式实际上影响算法消费者在进行消费决策或个人信息同意时的自主权，在进入阶段操纵算法消费者作出选择，而在退出阶段使得算法消费者难以退出，对其决策造成较强影响。诚然，平台经营者在界面设计时不一定单纯使用一种黑暗模式作为选择框架，而可能将不同类型的黑暗模式结合在一起，法律上黑暗模式的规制问题趋于复杂。
(三) 数字经济中黑暗模式的负面法律效应
1.黑暗模式危及算法消费者的个人信息保护。个人信息保护的架构以“知情同意”为基础，黑暗模式中的一些类型揭示知情同意的结构性问题，实质上构成对算法消费者知情与同意的剥夺。一方面，黑暗模式违反告知义务中信息披露的要求。例如，隐藏成本模式在消费者选择结算之后，商品或服务的价格仍然可能发生改变，如结账后另外显示的“服务费”或“处理费”，消费者可能会基于自己在之前决策过程中既有的投入，而通过完成购买来证明该额外费用的合理性。
26在该模式下，经营者未能在算法消费者决策之前向其披露商品或服务的真实价格，不符合告知义务的履行要求，实际上侵害了算法消费者的知情权，此种情况下获取的“同意”实质上不符合自愿的要求。另一方面，黑暗模式利用信息过载干扰算法消费者的决策过程。大数据时代信息过载的现实与消费者的有限理性之间存在张力，例如，隐藏信息模式将相关信息伪装成无关信息隐藏在界面中，利用信息过载促使消费者作出决策；在该模式下界面中呈现的信息和数据过多，容易增加消费者决策的困难性，降低用户处理信息的效率，从而降低用户的决策质量。
27该模式在两个方面干扰算法消费者的决策：第一，隐藏信息模式不符合“知情同意”机制中确保消费者知情的要求。经营者在履行告知义务时未进行有效的通知，因而未达到“告知”信息披露的要求。第二，隐藏信息模式影响消费者同意的质量。由于消费者未充分知情，其在此基础上作出的“同意”亦非自愿同意。此外，信息过载还助长了注意力盗用的问题，消费者的注意力往往未经同意而被过多的无关信息占用，
28真正分配用于相关信息决策的精力有限，导致其所作出的“同意”难以符合知情、自愿等要求。
进而言之，黑暗模式通过干扰、阻碍等形式间接影响“同意”进程，并对算法消费者的个人信息保护造成威胁。其一，黑暗模式促使算法消费者同意个人信息的授权。例如，反复提醒模式在用户交互过程中进行重复持续干扰，
29这种模式可能促使消费者授权经营者获取其个人信息，为经营者访问消费者的信息与数据提供越来越广泛的权限，
30此情境下个人信息的使用事实上不为消费者自主控制。其二，黑暗模式实质上剥夺算法消费者个人信息自主决定权。在强制操作模式作用下，消费者需要完成平台经营者设计的特定操作流程，以获得相应益处或使用特定功能，经营者在交互过程中设置实质上的障碍影响算法消费者行为。例如，隐私扎克（Privacy Zuckering）是平台经营者通过条款和隐私政策欺骗消费者共享超过其同意范围的信息，并可能将信息出售给第三方。该类黑暗模式限制消费者对其个人信息收集处理的自主决定权利的实现，消费者在决策过程中选择空间匮乏且在许多情况下没有选择余地，实际上并无控制权与选择自由。
31
2.黑暗模式侵蚀算法消费者的意思自治。黑暗模式通过平台经营者提供可供参考的相关信息，干扰算法消费者的意思形成所依据的事实的真实性、全面性，从而影响消费者决策过程中的意思自治。一方面，相关信息包括其他消费者交易与评价的信息，通过从众效应影响算法消费者意思自治，具体表现为活动通知、证明等。另一方面，相关信息还涉及该商品或服务的库存与交易时限信息，该类信息通过稀缺偏差影响算法消费者意思自治，即商品的主观价值因其稀缺事实而增加，
32在黑暗模式中常见的表现形态为紧迫性与稀缺性。该类黑暗模式通过设定商品或服务购买时间与数量上的限制，为用户制造紧迫感，促进用户购买商品或服务。
33此类为诱导型黑暗模式，对算法消费者决策的影响呈弱相关性。当然，即使是诱导型的黑暗模式也可能成立民法上的欺诈。例如，平台经营者对算法消费者披露的信息存在虚假，那么算法消费者据以作出决策的意思形成存在瑕疵。
欺骗型和操纵型黑暗模式通过事前设定和操纵决策环境等方式，影响算法消费者的意思自治。第一，黑暗模式通过事前设定影响算法消费者的意思自治。黑暗模式通过事前设定某种选择，进而利用现状偏差使得消费者的决策倾向于维持现状，
34具体包括强制续订、私自加购、预选等。消费者在决策过程中会以现状为参考点来权衡选择的收益和损失，且避免损失的动机强于获得收益的动机。第二，黑暗模式通过决策环境影响算法消费者的意思自治。黑暗模式利用框架效应使得消费者在该框架影响下进行决策，
35从而采用情感操纵、错误优先级、陷阱问题以及确认羞耻等多种方式潜移默化地控制算法消费者决策，影响算法消费者意思形成的自由。例如，陷阱问题是平台经营者通过在提问中使用迷惑性语言操纵消费者交互，消费者可能无法充分理解界面中的语言表达，基于此作出的回应可能存在错误；
36而确认羞耻指平台经营者通过对话框提示用户，使得拒绝选项被视为一种可耻的选择，
37消费者在此种语言的暗示与影响下往往倾向于选择同意。第三，在特定黑暗模式的影响下，个人账户的注销可能存在困难，算法消费者实质上无法自主取消订阅数字合同。例如，阻碍模式通过增加用户交互的困难性，阻止消费者进行特定任务流程，
38算法消费者可能面临容易注册而难以取消服务的境地，这使得算法消费者在取消订阅数字合同时存在困难。阻碍类型中的捕蟑笼式设计，通过界面设计增加算法消费者退出订阅的难度，实质上剥夺了算法消费者从数字合同中退出的自主权。另如，强制行动中的强制续订，在未经算法消费者充分知情同意的情况下，为商品或服务提供续订，使得算法消费者无法及时按意愿取消订阅。在取消订阅数字合同存在困难的情形下，作用于算法消费者的往往属于操纵型黑暗模式，对算法消费者的选择决策构成较强程度的影响。
三、黑暗模式法律规制的域外方案
(一) 黑暗模式法律规制的美国立法方案及其特点
在立法层面，美国法从专门法案和隐私法两条路径分别尝试对黑暗模式进行规制。一方面，美国法经历从一般性条款到专门法案层面规制黑暗模式。美国法上承担规制黑暗模式职责的是联邦贸易委员会（Federal Trade Commission, FTC），其有权根据《联邦贸易委员会法》（Federal Trade Commission Act, FTCA）第5条打击不公平和欺骗性的行为和做法。
39FTCA规定对“不公平”行为的三部分测试：对消费者造成或可能造成重大损害；消费者本身无法合理避免；对消费者或竞争的反补贴利益不足以抵消不公平贸易行为。
40“不公平”行为的范围十分广泛，使得某些类型的黑暗模式有落入该条款规制范围的可能。但在黑暗模式的背景下，证明“实质性损害”（substantial injury）可能存在困难，这使得某些黑暗模式存在逃脱规制的可能，
41需要考虑新的应对策略。此外，《美国创新与选择在线法案》（American Innovation and Choice Online Act, AICO）旨在促进数字市场的竞争与创新，其中2(b)(2)和2(b)(5)条分别对“强制续订”与“默认预选”的黑暗模式进行禁止。
42《减少在线用户的欺骗性体验法案》（Deceptive Experiences To Online Users Reduction Act, DETOUR）旨在规制黑暗模式，以较为广泛的一般条款将在线平台通过设计用户界面损害用户决策自主权的行为界定为违法，并授权FTC进行执法行动。
43近几年FTC已就黑暗模式开展一系列执法行动，
44待这两部法案的施行提上日程，将进一步强化美国规制黑暗模式的力度。
另一方面，美国法从各州消费者隐私立法到联邦层面的立法尝试规制黑暗模式。美国各州隐私立法取得一定进展，其中五个州已经通过禁止在消费者数据收集方面使用黑暗模式的数据隐私法案，
45这些法案为消费者提供与其个人数据有关的权利，并规范控制者与处理者的义务。例如，加州根据《加州消费者隐私法》（California Consumer Privacy Act）的授权颁布相关法规，规范涉及消费者选择退出的黑暗模式。2023年加州通过的《加州隐私权法》（California Privacy Rights Act, CPRA）明确定义黑暗模式，指出有关部门应制定法规，确保允许消费者选择加入的网页不使用黑暗模式。又如《康涅狄格州数据隐私法案》（Connecticut Data Privacy Act）更强调消费者导向，要求控制者从2025年1月1日起承认消费者对定向广告和销售的选择退出偏好标识（opt-out preference signals）。伴随着各州的立法进程，联邦层面的数据隐私法案也在制定过程中。
46消费者隐私法授予消费者关于个人数据的各项权利，从而防止黑暗模式通过欺骗、操纵等形式收集获取隐私数据。
上述美国针对黑暗模式规制的立法，有以下两个特点：一是，强调对算法消费者知情同意的保护并明晰信息披露义务的要求。2010年的《恢复在线购物者信心法案》（Restore Online Shoppers’ Confidence Act, ROSCA）认定未经明确披露、消费者知情同意的交易是违法的，其可以应对某些类型的黑暗模式；该法案禁止未经消费者知情同意的自动续费，并要求为此提供取消机制。
47各州消费者隐私法案也在这一问题上进行规定，CPRA指出通过黑暗模式获得的同意不构成同意，规定企业需要提供隐私声明，且必须提供强有力的通知。《弗吉尼亚州消费者数据保护法》（Virginia Consumer Data Protection Act）要求企业在处理消费者敏感数据时必须获得消费者同意，体现从“选择退出”到“选择同意”的模式转变。尚处于草案阶段的《纽约隐私法案》（New York Privacy Act）亦规定消费者的权利以及详细的披露要求。二是，建立多元主体治理体系。除却FTC的统一执法行动，以及联邦与各州层面的最新法案之外，自律组织的指导性文件也可能对于黑暗模式规制起到一定指导和示范作用。例如，美国网络广告倡议组织（Network Advertising Initiative, NAI）于2022年发布指导文件《用户选择权和透明度的最佳实践指南》
48，介绍黑暗模式的相关案例，有利于帮助企业理解黑暗模式并选择合规做法。
(二) 黑暗模式法律规制的欧盟立法方案及其特点
1.立法方案：欧盟采取标准和规则并行的路径积极回应黑暗模式的规制问题，有一般性条款的模糊性规制和明文规定式的具体方案。在一般性条款规制层面，一方面，欧盟反思“一般消费者”概念，纳入消费者脆弱性的考量。欧盟通过一般性条款规制黑暗模式，某些种类的黑暗模式现象依传统规制机制落入“不公平行为”的范畴。欧盟2005/29/EC号《不公平商业行为指令》（Unfair Commercial Practices Directive, UCPD）借助“一般消费者”（average consumer）概念规制不公平商业行为，包括错误诱导性商业行为和侵犯性商业行为，一些种类的黑暗模式属于该指令所称的不公平商业行为的范畴。具言之，UCPD第7(1)条与第7(4)(c)条可用以禁止隐藏成本模式，第7(2)条可用以禁止超过一定阈值的隐藏信息和陷阱问题模式。第8条和第9条禁止经营者对消费者施加“不正当影响”（undue influence），以损害消费者的选择或行为自由，导致其作出本不会作出的交易决定。同时，欧盟2011/83/EU号《消费者权利指令》（Consumer Rights Directive）规定经营者信息披露的义务和要求，指出经营者提供信息时应考虑到消费者的具体需求，合理预见消费者的脆弱地位，一定程度上认识到消费者的有限理性易被数字环境影响；该指令规制电子商务网站设计，其中第22条禁止基于默认选择订立合同，第27条禁止在消费者未明确答复时订立合同。
492022年2月，欧洲消费者组织（European Consumer Organisation, BEUC）发布报告《黑暗模式与欧盟消费者法律体系——更好执行和改革建议》，意识到“一般消费者”保护标准的不足，建议在UCPD中引入新的评估不公平的标准以代替“一般消费者”标准。
50
另一方面，欧盟立法对“同意”的内涵进行界定。虽然《通用数据保护条例》（General Data Protection Regulation, GDPR）未明确界定黑暗模式，但也强调对“同意”的保护。即作为数据处理的法律基础的“同意”，应是在所提供的信息清楚且显著的基础上，数据主体在知情情况下自由作出的特定指示；数据控制者必须能够证明数据主体确实同意处理其个人数据，且数据主体有权随时撤回其同意。该条例对“同意”的内涵进行界定，强调数据主体同意以知情为前提，依据该规定可以排除黑暗模式下平台经营者利用算法消费者认知偏误所取得同意的有效性。
此外，在明文规定式具体方案的层面，欧盟也有不少具体性规则针对黑暗模式采取了限制或禁止等措施。首先，欧盟探索将“黑暗模式” 明文规定于法案中，制定针对黑暗模式的特殊性、专门性规范。例如，《数字服务法》（Digital Services Act, DSA）第25条规范在线界面的设计架构，禁止在线平台通过设计、组织或使用在线界面欺骗或操纵服务接受者，或以其他方式实质性扭曲或损害服务接受者作出自主知情选择或决策的能力。相较于UCPD，该条款规制的范围并不限于“损害消费者经济利益的做法”。
51DSA前言第67条详细说明了第25(3)条所提到的某些黑暗模式，如重复要求、突出选择、终止困难等，并增加规定了欺骗性以及默认设置的黑暗模式。
52《数字市场法案》（Digital Markets Act, DMA）虽未明确提及“黑暗模式”，但规定禁止在线平台以非中立的方式为用户提供选择，或通过用户界面设计操纵用户的自主决策。
53该法案第5(2)(d)条和第5(8)条直接禁止强制订阅模式，第5(2)条限制反复提醒模式的范围。
54《数据法案》（Data Act, DA）6.2(a)条禁止以包括数字界面在内的任何方式，胁迫、欺骗或操纵用户，损害用户的自主权、决策或选择权。《人工智能法案》（Artificial Intelligence Act）第5(1)(a)条禁止以潜意识、操纵或欺骗性的技术，损害个人或群体的知情决定。这些法案对黑暗模式的明文专门规定，体现数字时代下立法对该现象的重视与回应。
其次，欧盟具体规范通过列举方式规定黑暗模式，明确各类黑暗模式的表现形式与核心特征。DSA在对黑暗模式的概念进行规范时，事实上采取概括与列举相结合的立法模式，并且对黑暗模式的类型进行开放性列举。具体包括如下类型：情感操纵或错误优先级（以非中立的方式呈现选择，例如通过视觉、听觉等元素更加突出某些选择），多次询问（反复要求服务接受者作出选择），阻碍（使某些选择比其他选择更困难或耗时更长，或者使停止购买或取消服务的程序繁琐）等。此种列举规定明确黑暗模式的典型表现形态，有利于执法实践中对黑暗模式的认定。
最后，欧盟具体规范注意法律规范之间的协调衔接。由于黑暗模式牵涉情况广泛多样，需要重视涉及黑暗模式规制的法律规范之间的协调性。其一，需要保持不同规范之间相同概念的一致性。例如，DA中黑暗模式概念的规定与DSA的规定基本保持一致。其二，需要厘清不同规范的适用情形和范围，避免矛盾和冲突。在判断UCPD中的不公平商业行为时，需要考虑是否存在GDPR所规定的“侵犯隐私和数据保护要求的行为”。
55DSA规定，已经被UCPD或GDPR涵盖的做法，不属于DSA规定的禁止做法，该规定明晰三部规范性文件的适用范围。其三，重视发挥多方主体的作用。如中央数据监管机构对规制黑暗模式进行一定指导。2023年2月，欧洲数据保护委员会（European Data Protection Board, EDPB）发布黑暗模式的使用指南，即《关于社交媒体平台界面的欺骗性黑暗模式的准则3/2022：如何识别和避免它们》，从实践角度指导黑暗模式的识别与规制。
56又如，区域消费者保护团体亦探索黑暗模式的治理方案。BEUC的报告指出，建议消费者保护协同机制一致执行针对黑暗模式的指令，讨论执法挑战和应对黑暗模式的方法，对误导和不公平的界面设计实施劝阻性制裁，对涉及黑暗模式的案例进行汇编并创建数据库，指导公司避免采用对消费者不公平和误导的选择架构设计。
57
2.欧盟针对黑暗模式规制的法律方案，呈现出在既有法律框架中寻求解决方式与创新性立法相结合的特点。其一，采取规则与标准相结合的立法思路。例如，UCPD第6条到第8条所规定的针对不公平商业行为的一般条款，属于评估商业行为的标准；而附件一所列举的不公平行为的清单，则属于规则的范畴。
58规则与标准作为两种可供选择的立法形式，前者更具确定性、制定成本更高，后者更具灵活性、更高应用成本、更符合动态发展的趋势。
59在规制技术上兼采规则与标准两种手段，能够在优势与劣势上互为补充。其二，保护消费者的有效同意。对黑暗模式的评估应当透过现象看本质，立法与学术界就这一概念进行界定时，核心在于在线平台的技术手段是否影响消费者同意进程，确保消费者能够在数字环境中按照自己的真实偏好作出决策。因此，保护消费者知情同意，构成黑暗模式法律规制的核心。其三，在立法与执法的规则与标准之外，重视通过软法文件等形式，发挥其他主体的作用。在欧洲视野下，独立的数据监管机构EDPB以及作为消费者团体的BEUC均发布相关报告或指南，促进规则与标准的适用。
(三) 黑暗模式法律规制的域外方案的共性与差异
1.黑暗模式法律规制中美国与欧盟方案的共性。第一，积极通过立法回应黑暗模式的规制。黑暗模式减损社会福利，冲击数字市场公平竞争，引发美国与欧盟监管当局的重视，立法机构均及时作出回应，如美国的AICO和DETOUR法案，欧盟的DMA与DSA等。
60第二，注重保护算法消费者的自主选择权。美国NAI于2022年发布的指南中提到用户选择权，旨在为消费者提供数据收集和使用方面自主选择的空间。
61欧盟DSA第25条则从黑暗模式对消费者影响的角度进行规范，明确规定在线平台设计不得损害消费者自主选择权。第三，建立多元主体良性互动的治理体系。美国与欧盟均致力于建设多元主体参与、各个层面协同治理的黑暗模式规制机制，除执法行动之外，美国自我监管组织NAI、欧洲EDPB与BEUC等消费者保护机构均颁布指南、报告等黑暗模式规制文件。多元主体治理体系呈现如下特点：就主体而言，监管机构统一执法，自律组织发布细则指引，在线平台遵守合规义务，各类主体之间分工配合；就颁布的文件而言，有学者将包括指南在内的软法律文件称为“规则与标准之间的中间立场”，
62虽不具备法律效力，但可为标准的实施提供指导。
2.黑暗模式法律规制中美国与欧盟方案的差异。尽管美国和欧盟在回应黑暗模式的法律规制时有不少共性方案，但二者在黑暗模式规制过程中形成了不同的规制路径。其一，在立法层面，规制内容的侧重点与法律渊源的组成不完全一致。美国方案注重从隐私保护路径规制黑暗模式，从各州层面推进的、存在向联邦层面发展趋势的消费者隐私法，是美国规制方案的显著特征。相较于FTCA对不公平行为的一般性禁止，各州消费者隐私法对黑暗模式的规制更为详尽具体。
63此外，FTC以不公平商业行为处理消费者隐私保护中的黑暗模式，通过近年积累的判例降低标准的难以预测性，
64因此美国规制黑暗模式的规范体系包括成文法与判例法的结合。欧盟方案则注重从规则和标准层面规制黑暗模式，形成较为完整的法律框架。其二，在执法层面，救济发起的主体不尽相同。美国DETOUR与AICO并不允许私人实施，只能由FTC为消费者获取公平救济，其立法建立于现有的执行机构框架内。
四、黑暗模式法律规制的本土路径建构
(一) 黑暗模式法律规制的限度
1.限度一：区分不同形态黑暗模式的差异化规制。黑暗模式通过改变在线选择架构操纵算法消费者，并达到诱导或操纵算法消费者对令人反感的偏好作出选择的目的。不同形态的黑暗模式对算法消费者决策的影响程度不同，因而对应不同的法律规制限度。
诱导型黑暗模式通过提供某些干扰信息或诱导性的选项，影响算法消费者的选择。然而，这种形态的黑暗模式并未实质上限制消费者自主决策的空间，消费者仍保有自主选择的权利。诱导型黑暗模式与助推非常相似，其对算法消费者决策影响力度较小，属于平台经营者利用数字技术提高交易效率的方式，从规制的角度可提供一定的宽容度。相较之下，欺骗型黑暗模式在决策过程中对消费者进行欺骗，消费者自主决策的前提受到更深程度的影响，其据以作出决策的信息、决策的内容和性质、决策的问题和选项均可能存在不真实性，影响了消费者的意思自治和知情同意等重大决策进程。而操纵型黑暗模式可能在决策阶段操纵消费者作出选择，或在退出阶段阻碍和控制消费者的选择退出进程，实质上阻碍消费者的自由选择和决策。由于不同形态的黑暗模式对算法消费者影响程度存在差异，在法律应对层面上也应有所区分对待，即黑暗模式的法律规制的重点，应该在于欺骗型黑暗模式和操纵型黑暗模式。
2.限度二：区分广告营销与黑暗模式。传统消费模式下的广告营销和销售技巧都是通过面对面方式的场景完成，数字经济中现代营销和销售设计在算法分析、数据收集等数字技术介入下可以向每个消费者提供个性化设置或实时优化的个性化体验。因此，数字技术打破了传统营销和销售之间的界限，微目标数字资源既是向消费者传输信息的通信手段，也是经营者向消费者销售的接口。
65
广告营销与黑暗模式之间存在差异，具体表现为以下三方面：第一，广告营销和黑暗模式的本质不同。广告营销是经营者通过广告策略对产品进行宣传推广，提高产品或企业的信息覆盖度及其影响力，实质是一种宣传策略。黑暗模式是平台经营者利用人类的认知偏差并通过设计界面或选择框架诱导、欺骗、操纵算法消费者的决策，本质上是一种操纵手段。第二，广告营销和黑暗模式针对的对象不同。广告营销面向整个消费者群体，在网络广告营销中可以利用数据区分不同消费者群体，或者通过情感计算识别消费者的客群属性进行差异化广告营销。而黑暗模式作为大数据、算法等数字技术的一种应用，是针对消费者个体不同偏好形成的个性化操纵。第三，广告营销和黑暗模式的作用机制不同。广告营销更关注对消费者群体决策规律的预测，而黑暗模式的作用机制则是平台经营者为影响消费者个体决策行为所采取的操纵手段。可见，不论是传统消费模式中的广告营销，抑或是数字经济中的网络广告营销均具有一定正当性，应区分对待广告营销和黑暗模式，即采取严格且不同于广告营销法律规制的方式、手段治理数字经济中的黑暗模式。
3.限度三：平台经营者与算法消费者的利益平衡。黑暗模式是数字社会中平台经营者所利用的技术手段，不同形态的黑暗模式对算法消费者的决策将分别产生弱程度、中程度和强程度的影响。黑暗模式构成在线架构设计的滥用，引导消费者做出特定的决定，该决定与其个人偏好不一致，而是服务于平台经营者的利益。
66因此在数字经济背景下对黑暗模式进行法律规制，需要注意平台经营者与算法消费者之间利益平衡的问题。
此问题的本质是探寻平台经营者的规制和算法消费者保护的利益天平在何种程度上符合社会公共利益。一方面，诱导型黑暗模式和助推之间的界限是相对模糊的，其对消费者的影响程度较弱，此时利益的天平可以适当向平台经营者倾斜，符合促进数字经济发展的社会公共利益。从经济学角度来看，助推或诱导型黑暗模式为算法消费者提供相关信息和引导，但又为消费者留有自主选择决策的空间，一定程度上有助于消费者作出决策，从而在不违背消费者意愿与利益的前提下降低交易成本和社会成本，提高总的社会福利。此时应当尊重平台经营者自主经营的空间，而无须在传统法律制度之外进行更严格的规制。另一方面，欺骗型黑暗模式和操纵型黑暗模式下的算法消费者决策行为被平台经营者欺骗或操纵，此时应当倾向于保护算法消费者的利益。数字社会中平台经营者倾向于利用技术手段影响算法消费者的决策，当平台经营者对算法消费者的影响达到欺骗或操控的程度时，算法消费者的意思自治实质上被黑暗模式所侵蚀。此时算法消费者相较于传统消费者处于更弱势的地位，因而需要在传统消费者保护法之外给予程度更高的保护，以防止平台经营者通过黑暗模式欺骗或操控消费者，使其作出违背自身利益的决策，导致市场资源配置效率低下、减损个人福利和社会福利。总之，数字社会下法律的目标应当在于最大限度发挥数字经济的潜力，为数字网络和创新服务提供公平的竞争环境。
67唯有注重算法消费者与平台经营者之间的利益平衡，才能把握黑暗模式法律规制的限度，共同促进数字经济健康发展的社会公共利益。
(二) 黑暗模式规制模式的中国法选择：从现象层面到模式层面
1.美国规制路径的反思：信息隐私法路径的缺陷。由于数字技术发展迅速，美国消费者隐私法当前对黑暗模式的规定具有滞后性，无论现有规范属于规则还是标准，技术发展都促使在线平台转向法律灰色地带，开发新的黑暗模式以避开法律规制。此外，美国信息隐私法的路径决定着立法规制的范围有限，个人数据是在线平台希望收集使用的重要内容，但黑暗模式不仅通过欺骗、操纵获取个人数据以影响算法消费者，而且可能在更广泛层面上干扰消费者的同意进程。
68DETOUR同样仅关注旨在获取用户同意或用户数据的黑暗模式，其他例如阻碍用户退出服务的黑暗模式类型，无法通过该法案进行有效规制。
69而FTC的执法范围受当前立法与判例的限制，导致立法与执法的保护范围有限。
2.欧盟规制路径的反思：跨越规则与标准的藩篱。欧盟目前采用了规则与标准的范式规制黑暗模式的路径存在一定局限：一方面，黑暗模式具有不同类别，而不同类型之间共性与相似性较少，对标准的制定造成困难；另一方面，数字技术的发展促使黑暗模式的类型不断更新，因其难以预测而不易制定规则，同时标准的应用可能会滋生诉讼，这更有利于在线平台而非消费者。
70例如，作为对UCPD和GDPR的补充，DSA第25条的触发条件仍然存在争议，事实上增加了规范适用范围上的不确定性。
71学者在比较黑暗模式规制的两种既有手段的基础上，认为纯粹规则与标准两种方案之间的选择无法为黑暗模式提供有效规制，而应寻求更具有创新性的解决方案，即超越数字平台的桎梏，探索黑暗模式背后的机制。
72此外，尽管努力追求立法上的协调，欧盟不同法律文件之间在部分概念上仍然存在不一致，如主体、保护范围、损害类型等，从而导致同一行为可能同时触发多个条款，在协调性欠缺的情况下造成执法的复杂化。
73
3.黑暗模式规制的中国模式：综合模式。美国与欧盟等不同模式为我们提供不同视角，同时域外方案也存在一定局限之处，需要秉持中国实际情况加以回应。一方面，美国与欧盟模式都难以避免落入规则与标准选择的窠臼，最核心的问题是规则的规制范围有限，而标准的适用情形模糊。目前域外对黑暗模式的规制大多停留于现象层面的观察，未触及黑暗模式规制的本质。我国法律在回应新挑战的过程中，应当深入解构黑暗模式作用的深层机理，并在此意义上思考其法律规制，吸收规则与标准各自的优势，同时探索新方案作为补充。在此探索过程中，可以尝试利用生成式人工智能在线监测黑暗模式，促进监管与立法进程的发展。
74另一方面，单纯关注个人层面的立法与执法模式，无法处理所有类型的黑暗模式，对黑暗模式的关切离不开群体利益的权衡。
75鉴于此，我国在规制黑暗模式时需要进行利益衡量，既要考虑个体权利的保护，又要把握群体利益。当事人利益、群体利益、制度利益、社会利益形成递进的层次结构，
76如果个案中算法消费者自主决策与运用技术手段的平台经营者两种当事人利益之间难以抉择，可以权衡具有数字脆弱性的算法消费者以及具备技术优势的平台经营者的群体利益，并结合特定法律规范的制度利益，同时兼顾数字经济长效发展的社会利益。
(三) 黑暗模式规制的中国法具体路径
1.规制框架：从原理出发积极探索黑暗模式的立法回应。近年来，我国重视给予数字环境下消费者特殊保护，部分条款与黑暗模式的规制密切相关，体现积极探索的趋势。例如，《网络反不正当竞争暂行规定》第12条禁止经营者通过技术手段影响用户选择，第13条规定插入链接等强制目标跳转，第14条禁止经营者误导、欺骗、强迫用户对其他经营者造成破坏，第37条指出被处罚的行为需要达到“妨害、破坏其他经营者合法提供的网络产品或者服务正常运行”的程度。同样地，《消费者权益保护法实施条例》第11条与第23条禁止经营者“利用技术手段，强制或者变相强制”消费者购买商品、接受服务或同意收集信息。
但我国目前法律规范未明确提及“黑暗模式”这一概念或现象，上述规范缺乏对黑暗模式专门性、特殊性的规定。我国在探索构建黑暗模式的法律规制路径时，可将灵活性较强的标准与确定性较强的规则结合起来，在立法中积极回应最新挑战。例如，我国可以通过“概括+列举”的方式规定黑暗模式的范围、类型，并明确禁止使用欺骗型、操纵型黑暗模式；同时亦需注重《民法典》《电子商务法》《反不正当竞争法》等规范之间的衔接与内部协调。
黑暗模式的作用机理在于影响消费者决策自主性，法律规范需要防止技术手段对算法消费者施加“不正当影响”。我国法可在《电子商务法》第二章“电子商务经营者”第一节“一般规定”下增设“不正当影响”条款，补足欺骗型黑暗模式、操纵型黑暗模式难以满足法律行为撤销要件的缺陷。具体而言，在本节关于电子商务经营者义务规定之后，增设关于“不正当影响”的一般条款规定，此做法将“不正当影响”置于该章节下符合体系上的要求。在条款的具体设计中，行为模式可以以“列举+概括”方式规定，限度在于禁止平台经营者对算法消费者施加“不正当影响”，该“不正当影响”应当达到严重影响或可能严重影响算法消费者决策自由的程度。
此外，德国《公平消费者合同法》为适应数字化背景下消费者保护的需要，要求平台经营者在网页显著位置增加强制终止按键，为数字合同中的消费者提供退出机制，赋予消费者数字合同终止权。
77因此，针对操纵型黑暗模式作用下的持续性合同，可通过设置“一键终止”条款的方式赋予消费者便利的随时终止权。
2.倾斜保护：保护算法消费者数字脆弱性。数字经济中黑暗模式的规制，实质是算法消费者的保护，需要考虑到算法消费者相对于传统消费者的数字脆弱性特征，调整对消费者概念的解释。在保护消费者时需要考虑到特定情境对消费者的影响，以及不同类别消费者的情况。《消费者权益保护法》是消费者法的一般法，《电子商务法》主要规范网络环境以及电子商务消费者保护问题。因此，有必要在《电子商务法》中纳入算法消费者脆弱性的考量，并重新配置消费者的权利与平台经营者的义务。
黑暗模式的负面影响之一在于违反信息披露要求、利用信息过载干扰消费者决策过程；黑暗模式下的“知情同意”危及个人信息的保护，而知情同意机制的重新解释是补足算法消费者数字脆弱性的有效手段。《个人信息保护法》规定个人信息的知情同意机制，是保护消费者个人信息的基石，也是平台经营者获得个人信息处理的权利来源。欺骗型、操纵型黑暗模式通过干扰、阻碍等形式间接影响“同意”进程，同时黑暗模式中的一些类型揭示知情同意的结构性问题，实质上构成对消费者知情与同意的剥夺。黑暗模式对“知情同意”的干扰将冲击个人信息保护的基石，若经营者未能满足告知义务中的信息披露要求，则消费者无法在充分知情的前提下作出自愿同意，这种情形下取得的“同意”可能存在瑕疵。
在既有法律框架下，有必要对“知情同意”进行解释。经营者在履行告知义务时，需要进行强有力的通知，保证法律披露的真实性，使得披露与特定用户群体的服务体验相匹配。
78提高透明度和良好的信息披露在某些情况下可能会对消费者造成负担，因为有限理性的消费者有时没有充分能力面对复杂的信息作出理解和判断，进而无法据此作出符合自己最佳利益的选择。因此，仅采取透明度与信息披露措施可能不足以保护消费者，而需要与其他的措施相结合。
79如通过个性化披露的方式，实现有效的信息披露，降低信息超载的风险。这为经营者的告知义务课以更高程度的要求，需要提高告知义务的标准，推动告知义务的标准化、场景化，根据不同的认知水平区分不同的消费者类群。
81除却“知情”的要求之外，同意还需具有自愿性。同意需要符合个人意愿，防止消费者在意识形成阶段受到黑暗模式影响而陷入认知偏误。
82对于“同意”的界定，应认为同意系消费者基于自主意志作出，否认通过黑暗模式操纵获得同意的有效性。基于情境化与个性化趋势下对“同意”概念的反思，需要根据个人信息处理行为的重要性设置多元化的同意机制，例如为部分消费者提供经济激励，以满足消费者个性化的要求。
83
3.多方联动：建立多元主体良性互动的治理体系。考察比较法上的经验，可知黑暗模式的规制是多种力量协同作用才能达到的目标，需要实现多元主体的良性互动。第一，明确监管机构及其权力。美国FTC针对消费者保护采取统一执法行动，从行政监管层面统一规制黑暗模式。我国需要通过立法明确监管机构的权力，如将市场监管总局作为黑暗模式的统一监管机构。第二，发挥自律组织的作用。经营者的逐利动机与消费者的利益相悖，域外往往通过有关组织提供指南与建议细则，如美国NAI与欧洲BEUC以指南或报告的形式为黑暗模式规制提供一些参考。我国可通过中国消费者协会等消费者保护组织有效推进针对黑暗模式的合规指引体系建设。第三，课以在线平台义务。一方面，在线平台具有避免黑暗模式的消极义务。DMA、DSA均对在线平台课以一定义务，如禁止以欺骗、操纵等非中立方式设计界面并向用户提供选择。另一方面，在线平台具有积极义务，即采取算法消费者友好的决策环境与界面设计。此为平台注重算法伦理、承担数字社会责任的应有之义，设计针对消费者友好的选择架构，减少消费者在信息过载的环境中无法作出理性决策的可能性，防止平台经营者利用决策环境操纵算法消费者的选择。
五、结 语
黑暗模式是数字社会中经营者利用算法消费者认知偏误影响其决策的手段，此种新形态的手段为算法消费者带来不利影响，并对数字经济中的算法消费者保护提出系列挑战。黑暗模式旨在影响算法消费者决策，并以平台经营者利润为目的，与消费者理性决策与合法权益保护相悖，最终将导致市场资源配置效率低下，减损消费者福利和社会总体利益。黑暗模式的本土路径建构，应当把握黑暗模式的基本原理，以黑暗模式规制的限度为着力点，反思域外规制路径，作出中国规制模式的选择。具体路径上，从规制框架的维度，增加“不正当影响”与“一键终止”等条款，从原理出发积极对黑暗模式进行立法回应；从倾斜保护维度，通过“知情同意”的重新解释保护算法消费者数字脆弱性；从多方联动的维度，建立多元主体良性互动的治理体系。总之，黑暗模式的规制应当被理论和立法给予更多关注，更好地实现数字经济中算法消费者权益的保护，以及促进数字经济良好健康发展。
1See Harry Brignull. Dark Patterns: Dirty Tricks Designers Use to Make People Do Stuff, 90 Percent of Everything, Available at: https://90percentofeverything.com/2010/07/08/dark-patterns-dirty-tricks-designers-use-to-make-people-do-stuff/index.html, Last visited on 2024-08-16.
2蔡涛、汪靖：《助推理论视域下移动交互界面中的黑暗模式研究——基于对130款移动APP的调查》，载张柠、柳姗：《媒介批评》第14辑，广西师范大学出版社2022年版，第143-144页。
3Global Privacy Enforcement Network. GPEN Sweep 2024: “Deceptive Design Patterns” Report, Available at: https://www.privacyenforcement.net/system/files/2024-07/GPEN%20Sweep%202024%20-%20%27Deceptive%20Design%20Patterns%27_0.pdf, Last visited on 2024-08-13.
4See Jamie Luguri & Lior J. Strahilevitz. Shining a Light on Dark Patterns, Journal of Legal Analysis, 2021,13(1), p.81.
5See M. R. Leiser & Mireille M. Caruana. Dark Patterns: Light to Be Found in Europe’s Consumer Protection Regime, Journal of European Consumer and Market Law, 2021,10(6), p.241; See also Arunesh Mathur, Mihir Kshirsagar & Jonathan Mayer. What Makes a Dark Pattern... Dark? Design Attributes, Normative Considerations, and Measurement Methods, In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (CHI '21), Association for Computing Machinery, New York, Article 360, 2021, pp.12-16.
6See Alexander Egberts. Manipulation through Design: A Law and Economics Analysis of EU Dark Patterns Regulation, LUMSA University Rome, August 2021, pp. 31-34.
7See Jamie Luguri & Lior J. Strahilevitz. Shining a Light on Dark Patterns, Journal of Legal Analysis, 2021, 13(1), pp. 87-90; See also M. R. Leiser & Mireille M. Caruana. Dark Patterns: Light to Be Found in Europe’s Consumer Protection Regime, Journal of European Consumer and Market Law, 2021, 10(6), p.246.
8See M. R. Leiser & Mireille M. Caruana. Dark Patterns: Light to Be Found in Europe’s Consumer Protection Regime, Journal of European Consumer and Market Law, 2021, 10(6), p.246.
9See M. R. Leiser & Mireille M. Caruana. Dark Patterns: Light to Be Found in Europe’s Consumer Protection Regime, Journal of European Consumer and Market Law, 2021, 10(6), pp.246-247.
10关于“dark patterns”的翻译，国内学界有暗模式、暗黑模式以及黑暗模式三种译法。本文采用直译“黑暗模式”，三个译法不作特别区分。国内学界关于黑暗模式的尝试性研究，参见杨菲：《电子商务中滥用黑暗模式行为的法律规制》，《中国流通经济》2022年第8期；李芹：《网络平台暗黑模式的法律规制——从合同自治与基本权利到信义义务》，《上海政法学院学报（法治论丛）》2023年第2期；张海汝、李勇坚：《数字平台的诱导、操纵风险与暗模式监管——流量劫持、算法俘获与界面设计陷阱》，《财经问题研究》2022年第12期。
11参见黄文得与亚马逊卓越有限公司网络服务合同纠纷一审民事判决书，北京互联网法院民事判决书(2019)京0491民初18396号。
12王年：《数据资源持有权的法律功能与规范构造》，《上海政法学院学报》（法治论丛）2024年第3期；陈新玲、刘欢：《公序良俗条款与保护消费者意思形成自由》，《法律适用》2013年第9期。
13杨菲：《电子商务中滥用黑暗模式行为的法律规制》，《中国流通经济》2022年第8期。
14吴文芳、刘洁：《新技术变革时代“人”的变迁与社会法回应》，《学术月刊》2021年第8期。
15李丹：《算法歧视消费者：行为机制、损益界定与协同规制》，《上海财经大学学报》2021年第2期。
16参见刘颖：《数字社会中算法消费者的个人信息保护体系构建》，《广东社会科学》2022年第1期；刘颖：《数字经济中算法消费者的生成机理、保护方案与制度建构》，《深圳大学学报（人文社会科学版）》2023年第2期。
17刘颖：《迈向数字时代的消费者法：算法消费者的赋权理论及其体系建构》，《社会科学》2024年第7期。
18See Justin Hurwitz. Designing a Pattern, Darkly, North Carolina Journal of Law & Technology, 2020, 22(1), p.62.
19See Lauren E. Willis. Deception by Design, Harvard Journal of Law & Technology, 2020, 34(1), pp.132-133.
20See Alexander Egberts. Manipulation through Design: A Law and Economics Analysis of EU Dark Patterns Regulation, LUMSA University Rome, August 2021, p.14.
21See Amos Tversky & Daniel Kahneman. Judgment under Uncertainty: Heuristics and Biases, Science, New Series , 1974, 185(4157), p. 1131.
22See Daniel Kahneman. Maps of Bounded Rationality: Psychology for Behavioral Economics, The American Economic Review, 2003, 93(5), pp. 1450-1452.
23[美]丹尼尔·卡尼曼：《思考，快与慢》，胡晓姣、李爱民、何梦莹译，中信出版社2012年版，第8-9页。
24See Arunesh Mathur, Mihir Kshirsagar & Jonathan Mayer. What Makes a Dark Pattern... Dark? Design Attributes, Normative Considerations, and Measurement Methods, In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (CHI '21), Association for Computing Machinery, New York, Article 360, 2021, pp.12-16.
25张海汝、李勇坚：《数字平台的诱导、操纵风险与暗模式监管——流量劫持、算法俘获与界面设计陷阱》，《财经问题研究》2022年第12期。
26See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, p.6; See also Arunesh Mathur, Gunes Acar, Michael J. Friedman, Eli Lucherini, Jonathan Mayer, Marshini Chetty & Arvind Narayanan. Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites, In Proceedings of the ACM on Human-Computer Interaction (PACMHCI), 3(CSCW), Article 81, 2019, p.13.
27See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, p.7.
28See Tim Wu. Blind Spot: The Attention Economy and the Law, Antitrust Law Journal, 2019, 82(3), pp.801-802.
29See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, p.5.
30See Alison Hung. Keeping Consumers in the Dark: Addressing “Nagging” Concerns and Injury, Columbia Law Review, 2021, 121(8), p.2496.
31See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, p.8.
32See Luigi Mittone & Lucia Savadori. The Scarcity Bias, Applied Psychology, 2009, 58(3), p.453.
33See Arunesh Mathur, Gunes Acar, Michael J. Friedman, Eli Lucherini, Jonathan Mayer, Marshini Chetty & Arvind Narayanan. Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites, In Proceedings of the ACM on Human-Computer Interaction (PACMHCI), 3(CSCW), Article 81, 2019, pp.14-15, 19-21.
34See William Samuelson & Richard Zeckhauser. Status Quo Bias in Decision Making, Journal of Risk and Uncertainty, 1988, 1(1), p.7.
35See Amos Tversky & Daniel Kahneman. The Framing of Decisions and the Psychology of Choice, Science, New Series, 1981, 211(4481), p.457.
36See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, pp.7-8.
37See Arunesh Mathur, Gunes Acar, Michael J. Friedman, Eli Lucherini, Jonathan Mayer, Marshini Chetty & Arvind Narayanan. Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites, In Proceedings of the ACM on Human-Computer Interaction (PACMHCI), 3(CSCW), Article 81, 2019, p.16.
38See Colin M. Gray, Yubo Kou, Bryan Battles, Joseph Hoggatt & Austin L. Toombs. The Dark (Patterns) Side of UX Design, In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems(CHI '18), Association for Computing Machinery, New York, Paper 534, 2018, p.5.
39See Jamie Luguri & Lior Jacob Strahilevitz. Shining a Light on Dark Patterns, Journal of Legal Analysis, 2021, 13(1), p.82.
40FTC Policy Statement on Unfairness, 104 FTC 949 (1984).
41See Jamie Luguri & Lior Jacob Strahilevitz. Shining a Light on Dark Patterns, Journal of Legal Analysis, 2021, 13(1), p.88.
42H.R.3816.
43H.R.6083.
44FTC manipulative or deceptive design cases and enforcement actions, see Federal Trade Commission v. Vonage Holdings Corporation, Case 3:22-cv-06435, Available at: https://www.ftc.gov/legal-library/browse/cases-proceedings/vonage, Last visited on 2024-08-22; See also Federal Trade Commission v. Age of Learning, Inc. (ABCmouse), Case 2:20-cv-07996, Available at: https://www.ftc.gov/legal-library/browse/cases-proceedings/172-3186-age-learning-inc-abcmouse, Last visited on 2024-08-22, etc.
45See NAI. Best Practices for User Choice and Transparency, Available at: https://thenai.org/wp-content/uploads/2022/05/NAI-Dark-Patterns-Final-5.12.22.pdf, Last visited on 2024-08-22. 现有的州数据隐私法案：CCPA, Cal. CoDe regs. tit. 1.81.5 § 1798.100 - 1798.199.100, CPRA, Cal. Civ. Code § 1798.100 - 1798.199.100; VCDPA, S.B. 1392; CPA, Colo. rev. stat.§ 6-1-1301~1313; UCPA, S. B. 227; CTDPA, S.B. 6.
46H.R.8152.
47See Jamie Luguri & Lior Jacob Strahilevitz. Shining a Light on Dark Patterns, Journal of Legal Analysis, 2021, 13(1), p.92; See also The Restore Online Shoppers’ Confidence Act (ROSCA), 15 U.S.C. §§8401-8405.
48NAI. Best Practices for User Choice and Transparency, Available at: https://thenai.org/wp-content/uploads/2022/05/NAI-Dark-Patterns-Final-5.12.22.pdf, Last visited on 2024-08-22.
49See also Alexander Egberts. Manipulation through Design: A Law and Economics Analysis of EU Dark Patterns Regulation, LUMSA University Rome, August 2021, p.16.
50See European Consumer Organisation. “Dark Patterns” and The EU Consumer Law Acquis: Recommendations for Better Enforcement and Reform, Available at: https://www.beuc.eu/publications/beuc-x-2022-013_dark_patters_paper.pdf, Last visited on 2024-08-22.
51Jan Trzaskowski. Persuasion, Manipulation, Choice Architecture and “Dark Patterns”, SSRN, Available at: https://ssrn.com/abstract=4491820, Last visited on 2024-08-22.
52See Cristiana Santos, Nataliia Bielova, Sanju Ahuja, Christine Utz, Colin Gray & Gilles Mertens. Which Online Platforms and Dark Patterns Should Be Regulated under Article 25 of the DSA?, SSRN, Available at: https://ssrn.com/abstract=4899559, Last visited on 2024-08-22.
53See OECD. Dark Commercial Patterns, OECD iLibrary, Available at: https://doi.org/10.1787/44f5e846-en, Last visited on 2024-08-22.
54See Cristiana Santos, Viktorija Morozovaite & Silvia De Conca. No Harm No Foul: How Harms Caused by Dark Patterns Are Conceptualised and Tackled under EU Data Protection, Consumer and Competition Laws, SSRN, Available at: https://ssrn.com/abstract=4877439, Last visited on 2024-08-22.
55Jan Trzaskowski. Persuasion, Manipulation, Choice Architecture and “Dark Patterns”, SSRN, Available at: https://ssrn.com/abstract=4491820, Last visited on 2024-08-22.
56See European Data Protection Board. Guidelines 3/2022 on Deceptive Dark Patterns in Social Media Platform Interfaces: How to Recognize and Avoid Them, Available at: https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-032022-deceptive-design-patterns-social-media_en, Last visited on 2024-08-22.
57See European Consumer Organisation. “Dark Patterns” and The EU Consumer Law Acquis: Recommendations for Better Enforcement and Reform, Available at: https://www.beuc.eu/publications/beuc-x-2022-013_dark_patters_paper.pdf, Last visited on 2024-08-22.
58See Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
59See Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
60See Fabiana Di Porto & Alexander Egberts. The Collective Welfare Dimension of Dark Patterns Regulation, European Law Journal, 2023, 29(1-2), p. 118.
61See NAI. Best Practices for User Choice and Transparency, Available at: https://thenai.org/wp-content/uploads/2022/05/NAI-Dark-Patterns-Final-5.12.22.pdf, Last visited on 2024-08-22.
62Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
63See Gregory M. Dickinson. Privately Policing Dark Patterns, Georgia Law Review, 2023, 57(4), p. 1654.
64See Fabiana Di Porto & Alexander Egberts. The Collective Welfare Dimension of Dark Patterns Regulation, European Law Journal, 2023, 29(1-2), pp. 118-121.
65Lauren E.Wills. Deception by Design, Harvard Journal of Law & Technology, 2020, 34(1), p. 122.
66See Alexander Egberts. Manipulation through Design: A Law and Economics Analysis of EU Dark Patterns Regulation, LUMSA University Rome, August 2021, pp.7-8.
67See M. R. Leiser & M. Caruana. Dark Patterns: Light to Be Found in Europe’s Consumer Protection Regime, Journal of European Consumer and Market Law, 2021, 10(6), p.241.
68See Gregory M. Dickinson. Privately Policing Dark Patterns, Georgia Law Review, 2023, 57(4), p. 1655.
69See Fabiana Di Porto & Alexander Egberts. The Collective Welfare Dimension of Dark Patterns Regulation, European Law Journal, 2023, 29(1-2), p. 133.
70See Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
71See Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
72See Szymon Osmola. Neither Rules nor Standards: How to Regulate Dark Patterns, SSRN, Available at: https://ssrn.com/abstract=4515963, Last visited on 2024-08-22.
73See Cristiana Santos, Viktorija Morozovaite & Silvia De Conca. No Harm No Foul: How Harms Caused by Dark Patterns Are Conceptualised and Tackled under EU Data Protection, Consumer and Competition Laws, SSRN, Available at: https://ssrn.com/abstract=4877439, Last visited on 2024-08-22.
74See Stuart Mills & Richard Whittle. Detecting Dark Patterns Using Generative AI: Some Preliminary Results, SSRN, Available at: https://ssrn.com/abstract=4614907, Last visited on 2024-08-22.
75See Fabiana Di Porto & Alexander Egberts. The Collective Welfare Dimension of Dark Patterns Regulation, European Law Journal, 2023, 29(1-2), p. 122.
76梁上上：《利益的层次结构与利益衡量的展开——兼评加藤一郎的利益衡量论》，《法学研究》2002年第1期。
77刘颖、刘文鉴：《数字化背景下德国消费者保护法的新发展——德国〈公平消费者合同法〉评述与启示》，《德国研究》2023年第1期。
78See Johanna Gunawan, Amogh Pradeep, David Choffnes, Woodrow Hartzog & Christo Wilson. A Comparative Study of Dark Patterns Across Mobile and Web Modalities, In Proceedings of the ACM on Human-Computer Interaction, 5(CSCW2), Article 377, 2021, p.23.
79See OECD. Dark Commercial Patterns, OECD iLibrary, Available at: https://doi.org/10.1787/44f5e846-en, Last visited on 2024-08-22.
80刘颖、刘佳璇：《迈向个性化法律：转变中的社会于私法》，《法制现代化研究》2023年第1期。
81刘颖、王佳伟：《平台经济中个人信息“告知—同意”的性质认定与规范解释》，《同济大学学报（社会科学版）》2023年第3期。
82杨菲：《电子商务中滥用黑暗模式行为的法律规制》，《中国流通经济》2022年第8期。
83刘颖：《数字社会中算法消费者的个人信息保护体系构建》，《广东社会科学》2022年第1期。
Legal Regulations of Dark Patterns in the Digital Economy: Basic Principles, Foreign Solutions, and Indigenous Approaches
