論大數據證據在職務犯罪案件中的運用

天津師范大學 韓梓昂

隨著計算機的普及以及互聯網的快速發展，大數據作為一種分析工具、研究方法已經運用到了社會的各個領域。人工智能、物聯網、傳感器、云存儲等的快速發展，讓社會進入到了一個數據記錄的時代，從公民平時的網絡購物到政府的遠程視頻會議都受到大數據的深刻影響。在司法實踐中，大數據技術也運用到了偵查活動中，偵查人員在互聯網和手機等智能終端、監控攝像裝置、定位器等海量數據中，通過數據的分析、對比、處理獲取了豐富的偵查資源。2017年，最高檢察院印發的《檢察大數據行動指南》指出要依托大數據及智能語音等前沿科技，打造“智慧檢務”的任務。如何把我國統一適用的證據標準與數據化的辦案程序融合在一起，實現在職務犯罪中大數據技術的高效應用是司法實踐面臨的全新挑戰。

1 職務犯罪案件調查的特點

隨著我國監察體制的改革，原檢察院偵辦的貪污、賄賂案件全部移交給監察委偵辦，我國《監察法》也對職務犯罪的調查進行了明確的授權。我國《監察法》第18條規定的監察機關對于監督、調查的行使，是法律規定的向有關單位和個人了解情況，收集、調取證據的一項職權。通過法律規定可以看出，調查與偵查具有相同的含義，都屬于我國刑事訴訟程序中的一個獨立階段，也是為了保證刑事訴訟順利進行的一種行為模式，并且只能由法定機關進行調查、起訴、審判；針對的是職務犯罪的特定犯罪類型；在調查進行的過程中實施的強制措施以及對錯誤行為的救濟途徑是一致的，都必須嚴格按照法律規定進行。由于職務犯罪主客體的特殊性，所以職務犯罪普通刑事犯罪具有難發現、難取證、難定罪的特點。因此在職務犯罪中更加需普通刑事犯罪要大數據證據的支撐。職務犯罪具有以下幾方面的特點：

1.1 作案手段隱蔽，案件難以發現

普通犯罪所侵犯的客體大多是具體利益，而職務犯罪侵犯的客體大多數是公共利益，不直接涉及公民切身的相關利益，所以缺乏群眾主動舉報的積極性。并且職務犯罪通常是金錢和權力的結合，其作案手段都很隱蔽，往往不再是單純的現金交易，一般沒有明顯的作案現場，缺少現場勘驗、檢查筆錄，這樣就使得調查機關在取證時很難獲取相關實物證據，定罪的難度也進一步增加。職務犯罪的方式往往也多種多樣，不僅僅局限于我們以前所認知的贈與、投資、贊助等方式，還包括借款、低買高賣以及承諾在其退休后給予好處等。這些新型的方式使得職務犯罪的隱蔽性變得更強，犯罪時間的跨度更長，造成的社會危害性更大。

1.2 犯罪嫌疑人的反偵察能力比較強

職務犯罪的被調查人和普通犯罪的犯罪嫌疑人是有很大差異性的，職務犯罪的被調查人主要是國家公職人員，這類人受過高等教育，通常具有較高的文化水平以及豐富的生活閱歷，并且有的國家公職人員還熟悉一定的法律知識，在其自己的領域內也具有較高的專業水平，反偵察能力較強，很容易形成一個權力關系網。甚至有的被調查人為了防止對其進行網絡數據追蹤，會使用兩部手機或電腦。在受賄時使用專門的互聯網工具，其他事件都處于關閉狀態，并且在辦理相關網卡或手機卡時并不是用自己的身份信息，而是通過熟人進行辦理而使用的，這樣的反偵察手段，在調查機關進行調查取證時就比較難發現，證據也很容易被銷毀，不易查獲。并且在案發后，被調查人通常會利用自己的關系網以及自己的專業知識及身份地位來干擾辦案，增加了調查人員的工作負擔和壓力。

1.3 證據類型比較單一

由于職務犯罪的客體是公共利益，沒有具體的受害人，并且沒有普通犯罪的犯罪現場，所以在職務犯罪調查的過程中，收集到的證據往往以口供為主，缺少被害人陳述以及犯罪現場的勘驗、檢查等其他證據類型。想要獲取其他的證據，往往要以犯罪嫌疑人的口供為基礎，但是職務犯罪中的犯罪嫌疑人往往都是具有高學歷的人，有的還懂得法律知識，在調查的過程中，可能會存在僥幸心理而供述不真實的口供，偵查機關根據虛假供述，很難發現其他證據，不僅會浪費司法資源，還有可能發生暴力取證的現象。若司法人員用暴力而得到的物證，很可能在調查或庭審時翻供。

新時期職務犯罪有新變化：犯罪手段和地點更隱蔽，缺乏關鍵證人以及犯罪現場的勘驗筆錄，證明以傳統的調查方式收集職務犯罪的證據，已經不能適應職務犯罪的新變化，需要用新的科技手段保障職務犯罪案件的順利偵破。

2 大數據調查在職務犯罪案件中的優勢

有權力的地方，就有發生腐敗的可能性。據統計，2019年，有16名原省部級干部被檢察機關提起公訴，受理各級監委移送職務犯罪24234人，同比上升50.6%；已起訴18585人，同比上升89.6%，并且其中有大量的高科技犯罪和新型犯罪，犯罪的手段也日趨智能化，權錢交易被一些表面看似合法的行為所掩蓋，使得調查取證更為困難。大數據時代的快速發展為解決上述問題帶來了契機，在未來是職務犯罪調查的必然選擇。

2.1 大數據拓寬證據發現渠道

證據是案件整理的基礎和關鍵，只有掌握充分的證據材料，才能將犯罪嫌疑人繩之以法。前文已述，在職務犯罪案件中，由于這類犯罪案件的隱蔽性以及缺乏直接被害人，所以偵查機關往往收集到的只有犯罪嫌疑人的口供，缺乏其他證據材料，在這樣一個被動性的調查模式中，不能滿足當前反腐敗斗爭的要求。

大數據應用在職務犯罪中可以提升證據發現的能力，讓偵查由被動變成主動，優化資源配置，提高辦案效率。利用大數據技術搜尋證據，應該從以下幾個方面入手：首先利用大數據進行數據分析和監控，對于公職人員及其相關人的銀行賬戶、固定資產、車輛信息進行匯總，形成數據網，對反應異常的數據信息進行分析對比，及時發現可疑資產，為證據搜集提前預警。其次應在互聯網上建立敏感信息搜尋庫，隨著互聯網的不斷發展和應用，部分貪污賄賂等職務犯罪案件是由群眾利用網絡進行披露的，但是，在一開始并沒有得到官方的重視，在事情發酵過一段時間后，公權力機關才介入進行調查，并且這些被發酵擴大的網絡信息只占被披露出來的職務犯罪的很小一部分，還有大部分想要通過網絡輿論來揭發的犯罪事實被海量的網絡信息所覆蓋，而此時利用大數據調查篩選互聯網上的敏感數據，對其進行對比分析，從而提前介入相關事件，密切觀察，及時處理，從被動反應到主動調查。最后利用大數據進行線索追蹤，對以往案件、行業案件以及案中案進行信息數據的對比分析，捕獲可能存在的新的犯罪線索，從而提前掌握犯罪線索以及深挖犯罪。通過利用大數據分析出的數據走向，評估線索的可用價值和證明力大小，初步判定調查方向，節省司法資源。

2.2 大數據有效獲取和固定犯罪證據

任何犯罪的定罪量刑都要建立在證據的基礎上，職務犯罪也不例外。但由于職務犯罪的特殊性，所以該類犯罪的證據獲取比普通犯罪的證據獲取更為困難。所有的調查工作都要圍繞證據進行，證據的數量和質量直接影響著調查工作的質量。

在職務犯罪中，主要依靠的是當事人的口供來證明犯罪，但由于犯罪行為從發生到案件開始調查相隔很長一段時間，在調查時，被調查人往往不能很清晰地表述能夠相互印證的言詞證據，這將導致口供的證明力大大下降。要保證庭審中事實真相盡可能的還原，捍衛法律尊嚴，就要確保調查取證的精細化和高品質化。將大數據運用在職務犯罪調查中，可以拓寬證據發現線索，例如將行賄人和受賄人的行動軌跡進行數據分析，從兩者的行動路線軌跡可以得出多次重合地點從而確認行賄地點。通過對受賄人的消費記錄、手機網絡搜索記錄、瀏覽記錄、銀行資產記錄進行綜合分析，可用作證明受賄人的巨額財產來源不明。大數據分析結果與被調查人的口供互相印證，有助于形成完整的證據體系，幫助調查機關更好地查明犯罪事實，節省司法資源，維護法律權威。

2.3 大數據能夠有效預防職務犯罪的發生

通過對以往發生的職務犯罪案件進行深刻分析，找出犯罪的根源和原因，對此進行有針對性的積極干預，從而減少相關類型的犯罪。職務犯罪不同于其他犯罪，從受賄人、行賄人第一次受賄行賄到最后案發被抓獲，是一個循序漸進的過程，要經歷很長一段時間，在現實中很少有受賄人或行賄人只有一項犯罪事實而被定罪的情況。

貪污腐敗從古至今一直存在，但反腐的宣傳以及教育也是從古至今一直都有的，現代社會的預防方式更為多種多樣，從入職時的憲法宣誓到定期播放的警示教育片以及各種要求簽署的廉潔自律承諾書和反腐倡廉教育大會，但每年還是會有許多人“落馬”，這說明這種以宣傳教育形式進行的廉政教育是不區分對象的籠統式教育，缺乏針對性以及可操作性和專業性，預防效果并不明顯。控制職務犯罪的發生要從對重點對象及時提醒和勸導入手，從而減少國家財產和人才的損失。大數據調查能夠利用數據分析政府管理的職員信息，及時發現在公權力行使過程中可能出現的問題，通過對消費信息、財產狀況、互聯網瀏覽記錄的綜合分析，發現相關線索，及時對相關人等進行勸阻教育，挽救走在犯罪邊緣的干部。職務犯罪在不同時期、不同領域所呈現出的規律和發展趨勢是不同的，根據不同時期所應采取的措施也應該不同。對以往的職務犯罪案件進行分類分析，通過大數據將單位、文化程度、社會背景、年齡等相關因素進行劃分，挖掘分析不同職位以及不同人群的不同特點，定制出專屬相關職位和人群的預防方案，以更好地發揮犯罪預防功能；分析哪些是容易腐敗的高危職業和高危人群，制定出專項預防方案，提前進行相關干預行為，從而進行精準預防。

3 大數據調查在職務犯罪案件中存在的問題及消解辦法

3.1 大數據調查的結果并不一定完全準確

任何犯罪的偵查都與公民人身自由等基本權利密切相關，職務犯罪也是如此，所有的強制措施都必須建立在準確判斷的基礎上，否則必定會導致司法裁判的不公正。例如在英國倫敦警方一直用面部識別系統在萊斯特、韋斯特菲爾德購物中心和懷特霍爾街道等10個區域監控人群，進行面部識別。Pete Fussey教授和Daragh Murray博士選了其中6個位置對該系統進行調研，共發現了42個“可疑對象”，但實際上只有8個是正確的，誤判率竟高達81%。也就是說，如果走在大街上，普通公民將會有81%的概率被認定為在逃通緝犯。

大數據的算法錯誤、分析模型的不科學、采集數據的不完整以及數據的錯誤，都有可能造成調查結果的錯誤。數據的真實性與算法本身決定著算法的有效性和公正性，由于可能產生的算法歧視，所以大數據調查并非都具有客觀性、關聯性。這是因為，在職務犯罪調查過程中，通過大數據分析得到的線索和證據，可能會因為調查人員的數據選取、調查方式、調查策略、先后順序甚至遺漏而改變大數據分析的算法，眾多的數據可能造成“垃圾輸入、垃圾輸出”。因此在運用大數據調查有關職務犯罪時，絕不能只根據大數據分析得出的線索下結論，要遵循探尋證據是科學的、由淺至深的調查理念，充分挖掘隱藏的證據線索，透過現象抓住本質，發揮調查人員的主觀能動性，將調查人員的智慧與大數據技術協同發展，防止由于證據線索的不深入、不全面而導致的司法審判結果不公正的現象發生。

3.2 大數據調查并不一定提高調查效率

馬克思主義哲學認為，全面地看待事物既要看到事物的優點也要看到事物的缺點，任何事物都具有兩面性，大數據調查作為新時代的一種新型科技手段，在幫助調查機關調查時雖然會在一定程度上提高調查人員的工作效率，但在適用的過程中也會出現必須要面對的問題。例如在職務犯罪的調查過程中，雖然可以運用大數據分析案件相關線索，但在數據算法運行過程中數據規模會不斷地擴大，調查的數據信息更為廣泛，不僅需要調查互聯網使用記錄、交易記錄數據，還需要社會公共數據和相關的職務工作數據。

在冗雜的信息中進行調查，并且面對的還是在不斷增長的數據資料。眾所周知，數據信息不是固定的，是隨著時間的推移不斷增長的，在這種海量性、高速增長性的特點中，數據調查的錯誤性也就越高。在職務犯罪調查中，只要是涉及相關因素的信息都被及時的采集過來進行分析，但是并不能保證每一條數據都是與案件相關的，但是證據之間必須相互印證，所有證據形成的證據體系必須得出唯一的結果才能定罪量刑，所以如果不能通過科學的方法對得來的數據進行識別分類，剔除與案件無關的干擾數據信息，就會影響調查的方向和調查效率。如何利用數據挖掘技術，對數據進行精確提取，是大數據調查在職務犯罪中運用的關鍵問題。

3.3 對大數據調查的真實性進行嚴格審查

根據刑事訴訟法中對證據真實性的表述可以得知，真實性是指證據是在案件中客觀真實的反應，是能夠真實反應案件事實的，并且不以人的意志為轉移。而利用大數據技術調查的過程中所收集到的與案件相關的數據具有兩方面的內容；一是真實性問題。與其他證據相比，大數據證據具有形式多樣、易篡改、難以固定等特點，必須要有原始數據和副本的仔細比對，看是否被人篡改，并進行固定才能大體判斷數據是否被破壞。并且大數據收集到的數據信息量大，如何判別數據未被篡改、遺漏，必須要通過專業的方式進行檢驗。二是該證據分析結果是否真實。因大數據具有的特點不同于其他證據，所以只有在全面收集大數據證據并且未被篡改的情況下，得出的結論才可能是真實的。

按照通常理論，數據基數越多，所分析得出的結果可能越精確，但利用大數據分析得出的結果與鑒定結論在一定程度上相似，這就要結合專業人員的專業背景知識。在大數據收集過程中，有時還要面臨因地區發展不平衡而造成的問題，例如數據鴻溝問題，數據鴻溝是指不同地區、不同人群以及不同行業中的數據化發展水平參差不齊，可能會出現調查對象無法利用相關數據進行統計分析的現象。分析結果的準確與否有賴于數據的采集是否全面，數據采集若出現偏差或因采集人的因素導致偏見，則必然導致結果的不準確。在技術層面，大數據證據是在算法技術的支持下得出的，所以要確保結果的真實，只有在保證算法科學性的基礎上才能實現，專業人員需要將已有案例數據帶入算法進行檢驗，只有經過反反復復的實驗檢測的算法才能保證分析結果的真實和準確。在人員方面，要避免出現專業錯誤，有必要在司法鑒定資格方面建立一個新的門類從而進行專業技術的分析，在法庭質證過程中，對通過大數據分析得來的證據，具有鑒定資格的鑒定人才可以通過鑒定結論對大數據分析結果進行論述,對必要的技術和方法進行法庭解釋，并接受控辯雙方的提問。

3.4 對大數據證據的關聯性進行嚴格分析

關聯性作為證據屬性的重要方面，是證據是否可以在法庭上被法官確信的一個基礎條件。證據與案件事實之間的聯系程度決定著證明力的大小。在大數據調查中，繁多的數據信息和最終的結果之間必須與案件事實相關聯，否則大數據證據在證明案件事實上不符合關聯性的要件，應當予以排除。

利用大數據將人與機器的思維相結合，通過相互作用建立大數據證據與案件事實的關聯關系。例如，在一起商標侵權糾紛案件中，原告通過大數據分析的結果，列舉了關于“指數”的相似度問題，其目的是為了證明被告滿足了造成混淆公眾的商標標識認定要件。在職務犯罪調查過程中，將調查人員的專業的思維分析與大數據分析得出的相關數據結合起來，用偵查思維指引數據分析方向，用相關數據分析拓寬偵查思維，防止思維固化。同時還要判斷大數據證據以及最終分析結果是否是案件事實的爭點問題，以此來判斷證據證明力大小的問題。例如在職務犯罪調查過程中，調查人員運用大數據分析發現了被調查人的資產流動與平時不一樣的異常點，與此同時運用其專業知識將此異常點與犯罪事實聯系起來，將大數據證據與其他調查證據相結合，從而判斷是否有關聯性。在法庭辯論過程中，對大數據證據關聯性進行判斷要使得控辯雙方充分地辯論和質證，法官同時要結合其他證據，利用證據體系來判斷大數據證據與犯罪事實之間的關聯性，以此來滿足刑事訴訟法對證據標準的要求，查明案件事實，排除合理懷疑，懲治犯罪分子。