淺論大數據偵查

吉咪咪

摘 要：大數據時代的偵查機關開啟了大數據應用平臺，但實踐中大數據的運用仍處于摸索階段。筆者以此文淺談大數據偵查，以求對實務運用提供思路。

關鍵詞：大數據;偵查;大數據偵查

中圖分類號：D918文獻標識碼：A文章編號：2095-4379-（2019）02-0102-02

一、大數據與大數據偵查的概述

學界對大數據概念的三個主要理解：第一，從大數據的"大”來定義，強調大數據是大量數據的集合;第二，對大數據進行綜合、全面的界定，不僅包括數據本身，還包括相關的技術、人才、制度等;第三，從大數據的價值來定義，強調大數據背后所蘊涵的規律。綜上分析，首先，大數據是海量數據的集合，它們是大數據分析的基礎，并且這些數據具有量大、結構多樣的特征。其次，大數據技術的重點是數據挖掘、數據碰撞與數據分析，經過這一系列技術運營可以使數據價值實現最大化。最后，經過整合分析的大數據結果能夠使存在于其中的規律顯現出來，這是大數據真正發揮作用的關鍵之處。

（一）大數據的特征

1.大數據特征的通說即大數據容量大、多樣化、速度快。

2.將大數據與小數據的相對比，大數據特征有：整體性，在小數據時代的人類獲取信息能力有限，以抽樣調查獲取數據，而大數據時代不必被技術條件限制，可以從整體角度來看待全部數據信息;混雜性，小數據時代的數據量有限，對質量要求很高。大數據時代的數據量巨大且混合，不能保證每一個都是準確的，但巨大的數據量可以抵消這些誤差;相關性，小數據時代人們依靠因果邏輯思維，預設定一個研究主體，然后去收集數據，結果有較強的因果關系。在大數據方法中，可以不帶任何設想地進行數據分析。

（二）大數據偵查

廣義的大數據偵查包含一套完整的偵查體系。狹義的大數據偵查則著重發揮大數據技術的優勢，通過科學可行、準確無誤的結果實現對整個偵查橫軸上所有案件的掌控。大數據偵查是指法定偵查機關針對已發生或尚未發生的犯罪案件，為了查明犯罪事實、預測犯罪活動等，依法采取的一切以大數據技術為核心的相關行為。

大數據偵查的外延寬于傳統偵查。傳統偵查的對象限定為已經確立的刑事案件，但大數據偵查則意在延伸偵查時間，將"預測型偵查”納入其中。這實際上與我國立案制度相矛盾，但可先作為一種偵查理念來理解。

"預測型偵查”的提法并非憑空而來，其基于大數據為犯罪預測提供了技術支持。大數據核心價值就在于預測，通過數據挖掘分析來發現事物之間的關系及發展規律，映射進未來時空便可在一定程度上實現對特定領域的預測。例如在反恐預警機制和情報收集分析的領域，反恐工作最重要的是情報收集與分析，完全可以運用大數據技術來實現。另外預防比打擊來的更有效，所以經過情報分析之后可以對尚未發生的恐怖活動進行預防，更有利于保障國家利益，維護社會穩定。

二、大數據偵查的思維

（一）相關性思維

人類長期形成的因果邏輯慣性使得這一思維模式成為主流，思考問題時強調原因在前，結果在后，大致過程表現為預先提出一個假設，尋找能夠發生該假設的條件，在滿足所有條件的情況下來驗證這一假設是否會真實發生。傳統的偵查思維即認定某一犯罪事實必然要通過因果邏輯考驗，證明犯罪事實的證據必須能夠引起犯罪事實的發生，這是一種強烈的因果聯系。大數據偵查的相關性思維與傳統偵查的因果性思維不同。傳統偵查過程中，偵查人員依靠其辦案經驗和主觀能力，往往會收集與犯罪事實存在強因果關系的線索與證據，但大數據偵查注重的是能從海量數據中挖掘出與犯罪事實相關的數據信息并用作偵查線索。例如偵查實務部門采集犯罪嫌疑人的手機數據，這些數據通常包括聯系人信息、通訊信息、購物支付信息等，對這些數據進行深入分析后，能發現當事人的活動范圍、人際范圍、通話規律、購物規律等，這些信息與案件事實沒有產生因果聯系仍可為案件偵查提供線索。值得一提，相關性不可替代因果性。傳統偵查的相關性是建立在因果邏輯上的"強相關性”，大數據偵查的相關性是建立在機器計算基礎上的"弱相關性”，因果關系是相關關系的一種，相關關系卻不必然是因果關系。

（二）整體性思維

"抽樣數據”帶來了片面化缺陷，數據利用率低且準確性有待考察，大數據思維則是注重收集與運用整體的、全面的數據。這樣的思維模式有利于對事件進行全方位觀察，注意到每個細節，避免了片面性結果。

（三）預測性思維

大數據的預測功能使偵查人員在犯罪實施前可以捕捉到犯罪信號。例如，中國的恐怖分子經常從新疆、云南等邊境地區遷移，偵查人員可以通過活動軌跡數據提前捕獲異常信號。有學者認為“預測性思維”與“無罪推定”原則相違背。筆者認為這種觀點明顯錯誤，偵查人員根據分析結果采取相關措施，是基于偵查機關行使職權的需求及大數據技術的預測功能，并非從理念上去否定無罪推定原則。相反，無罪推定原則能夠指導大數據偵查在法治程序中更好地運行，例如，利用大數據算法進行風險評估確定風險等級，制定相應偵查措施，同時完善傳統證據體系以及審批程序。

三、大數據偵查的作用

（一）大數據偵查能夠推動事后偵查向事前偵查轉型

犯罪時空具有不可逆轉性，人們無法在犯罪開始前就預知并阻止其發生，在犯罪行為發生后才能采取偵查措施。這樣的滯后性致使民眾的生命、財產、健康等權益無可避免地遭受侵害。大數據技術所擁有的"預測”價值能避免滯后性弊端，可以在公民合法權益受到侵犯之前有效阻止犯罪行為的發生與發展。掌握規律是進行預測的前提，大數據技術可以快速從海量數據中發現規律，以數據化形式進行表達。運用大數據技術對歷史犯罪數據進行分析，尋找犯罪因素之間的聯系，總結各類型犯罪活動規律。憑借分析結果，偵查人員可以預知犯罪行為的活動范圍、活動時間、活動形式的普遍規律及發展趨勢，及時發現可疑犯罪人員、判斷犯罪風險等級，合理分配警力資源，針對采取預防措施。

（二）大數據偵查能夠推動被動偵查向主動偵查轉型

大數據技術改變了偵查人員的被動地位，提高了偵查中的主觀能動性。大數據庫的建立與發展能夠提供大量的偵查資源，任何犯罪行為從預備階段到實施結束都無疑會在虛擬數據空間留下蛛絲馬跡，偵查人員可以在數據空間尋找線索，大量看似與案件無關的信息，通過數據挖掘與碰撞進行整合分析，便能顯現出有效信息。

（三）大數據偵查能夠推動單線偵查向協作偵查轉型

傳統偵查部門習慣以自我為中心開展偵查工作，所運用的數據信息大都來源于本部門，在必要時候才能夠獲取其他部門在數據資源上的協助，并且要經過繁瑣的申請審批程序，不僅浪費警力資源，而且無益于工作效率的提高。大數據偵查機制的建立可以推動數據管理與數據共享制度，實現系統內部的數據資源開放共享。在此基礎上，各偵查部門可以組建專門的數據人才隊伍服務于偵查工作。

（四）大數據偵查能夠推動粗放式偵查向集約式偵查轉型

實時與智能的數據采集保障了數據鮮活性和及時性;多元與科學的數據分析顯示了數據背后的價值;數據展示環節的形象與直觀，加上目前可視化工具的助力，數據分析的結果能夠以更加立體化的模型呈現出來。

四、大數據偵查與人權保障

大數據帶來了變革，但在發展的過程中若不加以規制，會產生負面影響。例如提到大數據，避免不了隱私權的問題，甚至有"大數據時代無隱私”的說法。

在大數據偵查領域，存在著個人信息保護與利用之間的矛盾。一方面，偵查機關基于打擊犯罪、維護秩序的公權職能，需要利用個人信息的偵查價值;另一方面，個人信息是隱私權的一部分，對其進行法律保護無可厚非。個人信息權可以做出讓步，但也要保證一個“度”。大數據偵查中，對個人信息利用是打擊犯罪的需求。而個人信息保護是基本人權的保障需求。因此，這一矛盾的本質是打擊犯罪與保障人權矛盾在大數據偵查中的具體體現。

以往權利保護著眼于數據收集環節，相關義務和責任在于收集者，但對數據的使用環節并沒有規制。大數據時代應建立全新的保護模式，由數據使用者來承擔個人信息保護的義務和責任，加強對每次數據挖掘分析的限制。進行大數據偵查時必須建立保護個人信息的偵查程序所要遵循的基本規則，以追求個人信息利用與保護之間最佳平衡。

（一）審查批準規則

偵查機關向第三方調取個人信息可以看作是一種取證行為。此時，應建立統一的審查批準制度，偵查人員出具由司法機關負責人簽字審批的《調取證據通知書》，列出明確事由、對象及范圍。在個案之外偵查機關收集公民個人信息建立數據庫必須通過專門機關負責審查與監督。

（二）主體參與規則

主體參與主要是指數據主體對其數據收集、處理情況享有知情的權利，以及要求查詢、修改個人數據的權利。個人信息數據庫建設中，在不影響偵查工作展開的前提下，可以公告形式告知公民一定范圍內數據的收集范圍及使用目的，保證數據主體的知情權。

（三）適度利用規則

這一規則實質上是遵循比例原則的體現。在大數據偵查中，無論是收集數據還是分析處理數據，無論針對犯罪嫌疑人還是其他公民的個人信息，都應采取對個人權益影響最小的方式進行，保證個人數據的完整性，真實性和有效性。除非案件特殊要求，不得采集個人敏感信息，對數據庫實行訪問控制，盡量縮小可以直接接觸個人信息的偵查人員范圍，嚴格限制使用者和管理者的權限。

（四）追究責任及救濟規則

對于在大數據調查過程中非法收集和處理個人信息，如果收集和分析超出權限范圍的個人信息，將個人信息數據用作偵查以外目的，違法泄露個人信息等非法行為，因此遭受侵害的主體可以按照《刑事訴訟法》第47條、98條規定尋求救濟。對于主要責任人員，應當根據侵權行為的不同程度，進行相應的紀律處分、行政處分，構成犯罪的應按照《刑法》第253條"侵犯公民個人信息罪”等相關罪名追究刑事責任。

[ 參 考 文 獻 ]

[1]王燃.大數據偵查[M].北京：清華大學出版社，2017.

[2]李建利，李宇塵.大數據在刑事偵查中的應用研究[M].吉林：吉林大學出版社，2017.