大數據刑事證據的適用研究

摘要：大數據偵查成果在刑事訴訟領域作為證據使用為大數據時代背景下的刑事偵查和證據發展提供了更多可能。但是，相對法定種類證據，大數據偵查成果作為刑事證據呈現多元、二度特性，其在轉化為刑事證據上具有技術依賴性和不確定性等局限，需要構建符合大數據證據特征的刑事證據審查制度予以應對。大數據刑事證據的審查應在重新界定證據傳統“三性”內涵的基礎上，將基本邏輯關聯有無、證據形態本原與否、取證行為侵權與否納入證據資格的審查范圍，厘清大數據偵查成果作為刑事證據適用的具體審查要求和一般規則，以彌補大數據偵查成果作為刑事證據適用的不足，保障基于大數據刑事證據裁判的邏輯自洽和結果公正。

關鍵詞：大數據偵查；刑事證據；證據審查；數據權利

中圖分類號：D925.2文獻標識碼：A文章編號：1001-4225（2024）06-0005-07

引" 言

刑事偵查對大數據技術的使用源于對海量數據的處理需求[1]，其邏輯進路是：通過對可獲取數據的全量統計，挖掘實體要素間的相關關系，形成二維數據關系網；以時間為量綱，對實體要素下的數據按序進行排列，繪成要素內部的時序變化軌跡，并通過軌跡間比對，揭示要素間變化的相關性；根據既已掌握的信息與現行法律規定，劃定數據延伸的邊界，進而形成關聯案件的要素關系網絡[2]。

大數據偵查成果作為刑事證據應用的發展動因在于：第一，數字社會，犯罪行為的數字化痕跡已經成為刑事偵查取證的重要線索和路徑。這是因為，隨著犯罪的智能化發展以及人類行為（包括犯罪行為）被數字化記錄，越來越多的犯罪活動會以生成新數據或篡改既有數據的方式在數字空間留下痕跡，為刑事偵查從海量數據中提取案件相關信息、查明案件真相提供了更為有效的途徑①。第二，隨著偵查案卷數字化的推廣，大數據技術亦可能通過挖掘既已破獲案件的結論同其所涉數據、要素之間的關聯關系，來識別某類案件、某種行為的數據特征，構建犯罪風險預測模型，輔助治安人員在動態數據監控中發現已經發生、正在發生或即將發生的不正常行為，降低社會治理成本，提升社會治理效率[3]。第三，國家治理體系和治理能力現代化背景下的司法體制改革推動了大數據、人工智能等技術在刑事證據領域的廣泛運用，為大數據偵查成果作為刑事證據應用創造了適宜的社會環境②。

一、大數據偵查的特征

及偵查成果的證據屬性

（一）大數據偵查的特征

大數據偵查取證作為現代科技與傳統偵查手段的融合創新，其運用過程既遵循了“進入”數據空間與“搜索”關聯信息的基本框架，又在此基礎上展現出與傳統搜查截然不同的特性，主要體現為其多元性與二度性。大數據偵查取證的多元與二度特性猶如雙刃劍，在提升偵查工作效能的同時，也帶來了不容忽視的風險與挑戰。

1. 大數據偵查取證的多元性

大數據偵查取證的多元性，主要體現在其數據來源與應用的廣泛性上。大數據技術通過對海量數據的數理統計，揭示數據間的復雜關聯，這一過程本質上要求偵查機關必須調動盡可能多樣和廣泛的數據集合作為分析樣本，以確保所得結論的準確性和代表性。這意味著，偵查活動不再局限于對單一數據點的抓取，而是擴展到了對多維度、多層次數據空間的全面滲透。

大數據偵查取證的多元性對偵查結果作為刑事證據的適用帶來了諸多挑戰。一方面，數據的多源性和異質性要求偵查機關必須同時“進入”并整合存儲于不同類型數字空間或被不同數據控制者控制的各類數據①，如個人身份信息、定位數據、收入狀況、資金流向、交通記錄、健康數據②、生物特征數據等③，這極大地增加了數據獲取的難度和成本。另一方面，數字空間的權屬關系復雜多變，不同主體對數據的控制權限各異，加之數據刪除權（被遺忘權）、限制處理權等新型數據權利概念的興起，使得大數據偵查措施在實施過程中不得不面對數據權屬不明、權責邊界模糊等法律難題。

2. 大數據偵查取證的二度性

大數據偵查取證的二度性，則主要體現在其空間準入與權利侵害之間的深層矛盾上。傳統搜查措施通過物理空間的邊界劃定，能夠相對明確地預測和控制搜查行為對公民權利的影響。然而，在大數據偵查中，數據存儲空間的混雜性和虛擬性使得這一邊界變得模糊而難以界定[4]。

一方面，大數據偵查需要跨越多個數據空間，涉及多個主體的數據權益。這種跨空間的“搜查”行為本身就對公民的數據權利，如知情同意權、被遺忘權、限制處理權等構成了潛在威脅。另一方面，由于大數據技術具有探索未知信息的能力，偵查機關在利用這一技術時往往無法預知最終將發現何種信息，因此難以設置信息獲取必要性的邊界和遵循數據處理的最小范圍原則④，更難以準確評估大數據偵查措施的適用對相關主體權利可能造成的具體侵害。這種不確定性使得大數據偵查的“入口控制”變得尤為困難，無論是以取得相對人同意、經審查機關批準，還是依據法律明文規定為前置條件，都難以完全消除偵查措施適用過程中可能產生的權利侵害風險。

綜上所述，大數據偵查取證在提升偵查效能的同時，也帶來了多元性與二度性的雙重考驗。如何在保障公民權利與提升偵查效率之間找到平衡點，是大數據偵查及大數據偵查成果作為刑事證據適用亟待解決的問題。這要求我們在制度設計、技術應用、法律規制等多個層面進行深入的研究與探索，以構建更加科學、合理、有效的大數據偵查取證體系。

（二）大數據偵查成果的證據屬性

在我國刑事訴訟法的框架下，任何能夠用以證明案件事實的材料均被賦予了證據的法律地位，這一原則性規定為大數據偵查成果作為刑事證據的應用奠定了法律基礎⑤。然而，盡管大數據偵查成果作為刑事證據已無法律障礙，關于大數據偵查成果的刑事證據屬性，卻存在鑒定意見、算法證據、電子數據等不同觀點，尚未形成共識。

1. 大數據偵查成果的鑒定意見證據屬性

一種觀點認為，大數據偵查成果在刑事訴訟中所得出的結論，其屬性宜歸于鑒定意見。這一觀點的邏輯起點在于，鑒定活動本質上是通過科學技術或專門知識對訴訟中特定問題進行的專業性解析與判斷，與大數據分析在方法論上有共通之處。特別是隨著科技的進步，人工智能與大數據技術已逐漸滲透至鑒定領域，使得兩者之間的界限趨于模糊。然而，深入分析后不難發現，簡單地將大數據結論等同于鑒定意見有失偏頗。傳統鑒定活動依賴于專業人員運用化學、物理等傳統科學方法從無法直接獲取證據內容的對象中提取信息，而大數據分析則主要依托算法這一基于現代計算機技術的工具，通過自動化處理海量數據以形成結論，這一過程無需直接的人為意見介入。

2. 大數據偵查成果的算法證據獨立定位

從證據生成的邏輯鏈條來看，大數據本身更接近于一種待加工的原始素材或數據集合，其內在價值需借助算法這一“催化劑”方能顯現，進而轉化為具有法律意義的結論。因此，大數據偵查成果向刑事證據的轉化是一個復雜且動態的過程，這一過程強調了數據、算法與結論之間的緊密聯系與相互依存[5]。換言之，大數據偵查成果本身并不自動構成訴訟法上的直接證據，其證據屬性的實現依賴于后續的分析、處理與解釋[6]。

鑒于大數據偵查成果作為證據適用的上述特征，另一種觀點主張，大數據偵查成果應被視為一種獨立的證據類型——算法證據[7]。該觀點承認大數據偵查成果作為證據的獨特價值，準確反映了其生成機制與技術特性的核心——即高度依賴算法這一現代信息技術手段。算法證據的出現，不僅豐富了刑事證據體系的內涵，也為司法實踐提供了應對復雜、多變案件事實的新視角和新方法。在此框架下，大數據通過算法自動生成的結論，以其獨特的形成路徑與證明力，在刑事訴訟中發揮著日益重要的作用，成為連接技術與法律、事實與正義的橋梁。

3. 大數據偵查成果的電子數據證據屬性

大數據所蘊含的信息豐富多樣，既可能直接指向案件核心事實（如通過定位數據證實犯罪嫌疑人在案發時間出現在現場），也可能作為間接或輔助證據，通過邏輯推導與經驗判斷，為案件事實的構建提供側面支持（如就醫記錄間接反映犯罪嫌疑人的身體狀況，可能與犯罪過程中的受傷情況相關聯）。這種間接性與輔助性，要求我們將大數據偵查成果作為刑事證據應用時，必須秉持嚴謹的科學態度并進行嚴密的邏輯推理，確保結論的合法性與合理性。

鑒于我國刑事訴訟法已將視聽資料、電子數據明確列為證據種類之一，大數據及其分析結論在性質上更接近于電子數據的一種表現形式。它們同樣依賴于電子技術的生成、存儲與傳輸，具有易復制、易篡改等電子數據的共性特征。因此，將大數據及其結論歸入電子數據證據范疇，既符合現有法律框架，又能有效應對司法實踐中出現的新情況、新問題，無需另行創設新的證據種類。這一歸類方式，不僅體現了法律對科技進步的適應性，也保障了刑事證據制度的連續性與穩定性。

二、大數據作為刑事證據適用的局限性

大數據技術的飛速發展為偵查機關揭示案件要素間復雜關聯、構建案件事實認知框架提供了前所未有的數據支撐。然而，這一過程并非全然無礙，大數據在轉化為刑事證據上具有明顯的邏輯缺陷和不確定性等局限，需要構建符合大數據證據特征的刑事證據審查制度予以應對。

（一）大數據證據效力的邏輯缺陷

大數據所展現的要素間關聯，其內在邏輯與常人經驗、傳統邏輯體系往往存在錯位，這要求我們在解讀時必須借助高級數據模型，以挖掘并呈現數據聚合背后所蘊含的、符合案件實際的信息。這一過程中，大數據作為證據雖在形式邏輯上可歸入演繹推理或類比推理的范疇，但其證明作用的發揮，仍需依賴于外部的輔助解讀與闡釋，這與傳統實物證據在證明力上的直接性顯著不同。更為關鍵的是，作為推理邏輯前提的“裸統計數據”，其本質是對海量數據的簡單匯總與呈現，缺乏與具體個案事實之間的直接、實質性邏輯聯系①。這種聯系的缺失，使得大數據結論在面臨偶然性、例外性等復雜情境時，其證明力極易受到質疑。因此，盡管偵查機關可以利用大數據作為案件線索的發現工具，但在將偵查成果轉化為裁斷依據時，還需要充分的其他證據佐證，以彌補大數據結論邏輯上的不足。

從司法實踐的角度看，大數據的使用更多是一種對潛在證據信息的深度挖掘與闡釋過程。這一過程類似于對大數據所蘊含信息的“翻譯”，旨在揭示其背后的法律意義與案件關聯。而對于偵查機關而言，大數據技術的運用則更接近于一種新型的“搜查”手段，它突破了傳統物理空間的限制，將搜查對象擴展至廣闊的數據空間。然而，這種搜查方式所獲取的數據聚合，往往以“要素關系圖”等抽象形式呈現，需要司法機關進一步加工處理以形成對案件事實的認知。因此，大數據偵查成果作為刑事證據資料在法庭上的展現形式，雖可類比于法定證據種類中的書證，但其內在的邏輯結構與證明機制卻更為復雜。

（二）大數據證據證明力的不確定性

大數據技術在揭示案件要素間相關性時，其根本機制可歸結為基于數理邏輯的“裸統計”。這一特性賦予了大數據技術超越傳統因果思維的視野，能夠洞察并揭示那些人類難以直接識別的復雜關聯，通過全量分析數字卷宗所構建的數據模型，為案件推論提供依據。然而，正是這一超越，也帶來了不可避免的缺陷：即大數據偵查結果往往缺乏人類認知所必需的因果內涵，使得大數據結論在解釋事物發生發展的深層邏輯時顯得力不從心。數據空間內展現的關聯可能涉及那些在現實世界中幾乎無直接聯系的要素，這無疑增加了大數據分析的復雜性和大數據證據證明力的不確定性。數據模型的構建、算法的選擇與應用等，都可能對最終結論的準確性與可靠性產生影響。因此，在將大數據偵查成果作為裁斷依據時，必須充分考慮其技術局限性與不確定性因素，以確保裁判的公正與合理。

隨著人工智能技術的發展，尤其是機器學習在數據模型優化中的廣泛應用，大數據技術正逐步向智能化、精細化方向邁進。通過神經網絡等高級算法，機器能夠在人類設定的框架下自主學習，不斷調整模型參數以更準確地映射數據分布與結論信息之間的關系。這種智能模型的應用，不僅降低了對數據分布一致性的嚴格要求，還通過直接輸出結論信息的方式，提高了相關關系的解讀效率。然而，這也帶來了新的問題：解讀準確性的模糊化、算法權威的質疑以及運算“黑箱”的不透明性，均對司法裁判的公信力帶來新的挑戰。在此背景下，我們需要建立更為嚴謹的數據分析方法論，強化對數據模型透明度與可解釋性的要求，同時探索如何將人工智能技術與司法實踐深度融合，以克服現有技術的局限性，確保大數據偵查成果作為刑事證據的合法、有效、公正運用。此外，還應加強跨學科研究與合作，融合法學、計算機科學、統計學等多個領域的知識與資源，共同推動大數據證據理論與實踐的協同發展。

三、大數據刑事證據適用的司法審查

在探討刑事證據的司法審查時，當前學術界廣泛借鑒了英美法系的可采性（關聯性）與證明力二分審查模式，以及大陸法系證據能力與證明力相分離的理論框架。這一跨法系的比較研究，已促使學界普遍認同在證據審查階段實施二分法的必要性。然而，在深入審查內容的層面，直接將傳統“三性”作為證據資格與證明價值評價的基礎方案，雖為直觀之選，卻未能充分展現其內在復雜性與動態性。為豐富審查框架的層次與精度，部分學者提出對“三性”進行內向細分，即先評估其存在與否及程度深淺，再將細化后的要素分別映射至二元劃分的審查板塊中[8]。此路徑不僅兼顧了要素論的細致分析，也融入了結構論的宏觀視角，為框架的填充提供了更為全面且靈活的選擇。另有學者主張，在尊重我國既有“定案根據”排除制度的基礎上，進一步細化“三性”的評估標準，特別是將證據是否遵循法定程序收集、調查結果是否達到真實可靠等要求納入考量范圍，以此構建一種前端收集與后端審查并重的雙重控制機制，旨在強化證據審查的連貫性與嚴密性，確保每一環節均符合法治原則與司法公正的要求[9]。

（一）大數據刑事證據適用的關聯性審查

在我國傳統證據理論中，關聯性要件的核心在于證據與案件事實之間客觀存在的聯系，這種聯系被視為證據具備證明價值的前提①。然而，隨著法學研究的深入與司法實踐的演進，關聯性的理解逐漸超越了簡單的邏輯關聯范疇，特別是在大數據背景下，其內涵與外延均發生了顯著變化。

英美法系對關聯性的界定，尤其是“認知影響”標準的引入，為我們提供了一個全新的視角。該標準強調證據能夠影響裁判者對案件事實的認知，即證據的存在使得某一事實在裁判者心目中的可能性發生變化。這一標準不僅要求關聯的事實具有實質性，能夠影響裁判決定，還強調裁判者在判斷關聯性時應遵循邏輯規則和經驗法則，以確保關聯性的可預見性和合理性[10]①。我國現行立法對關聯性的規定較為籠統，主要聚焦于證據與案件事實之間的邏輯關聯，仍局限于邏輯層面，未能充分反映大數據證據在關聯性上的特殊性。

大數據證據的關聯性，不僅體現在原始數據對案件相關信息的海量蘊含上，更在于大數據技術對這些數據進行深度挖掘后所揭示的特定關聯關系。這種關聯關系往往超越了傳統證據理論中的簡單邏輯聯系，而是基于復雜的數據分析和算法模型得出的結論。因此，在審查大數據證據的關聯性時，需要超越傳統邏輯關聯的范疇，不能僅僅關注原始數據本身，而應更多關注這些數據通過技術處理后所展現出的相關關系是否能夠對案件認知產生實質性影響[11]。

值得注意的是，大數據技術的應用往往沒有預設的具體方向，其揭示的相關關系可能具有高度的復雜性和不確定性。這種不確定性不僅增加了裁判者判斷關聯性的難度，也可能引發司法公正風險。特別是當公安司法機關獨占司法經驗及數據模型時，辯方可能難以提出有效的實質辯駁。因此，在審查大數據偵查成果作為刑事證據適用的關聯性時，法院應積極聽取控辯雙方意見，并在必要時依職權對用以解讀的經驗、模型進行補充調查，以確保關聯性的判斷公正、合理且可預見。

（二）大數據刑事證據適用的真實性審查

在證據體系的架構中，真實性要件直接關聯于證據本體的內核，要求證據必須準確無誤地反映其形成時的事件真相，即證據的載體形式需完整無損地承載并傳遞作為“行為軌跡”的事件信息，且這些信息在傳遞過程中未受到任何非自然力量的篡改或遺漏。現代立法體系往往從兩個方面來保障證據的真實性：一是強調證據應以最原始、最直接的形式呈現于法庭之上，以減少信息在傳遞過程中的損耗與扭曲；二是嚴格規范證據的收集與保全程序，確保信息的封閉性與可追溯性，防止信息在外部干預下發生變異。

我國現行的法律規范體系在很大程度上遵循了這一思路，通過列舉具體的審查事項來排除那些因程序瑕疵、形式缺陷或內容不實而無法令人信服的證據[12]。然而，在實踐中，不同類型證據在呈現形式上的要求卻存在差異，這種差異反映了司法實踐中對證據真實性審查的復雜性與靈活性。特別是，實物證據與言詞證據在信息保留層面的不同處理方式，既體現了司法實踐對客觀真實的執著追求，也映射出裁判者在面對不同證據類型時所采取的差異化策略。

對于大數據證據而言，其真實性的審查更加復雜且富有挑戰性。首先，我們需要關注大數據證據在法庭上的呈現形式。由于大數據證據的特殊性，傳統的審查方式如僅依賴打印截圖或司法鑒定意見書可能無法全面揭示證據背后的信息。因此，確保大數據證據以原始形態或能夠完整反映原始信息的類原始形態呈現，是保障其真實性的基礎②。這要求我們在審查過程中，不僅要驗證舉證方所提供的材料是否為大數據偵查成果的原始形態，還要關注這些材料是否能夠完整保留數據形成、收集及處理過程中的所有關鍵信息。

其次，大數據證據的形成過程也是真實性審查的重要環節。在這一過程中，技術工具對樣本數據的識別能力、統計方法以及樣本數據本身的可靠性都將直接影響到關聯關系的準確性。為此，我們需要從兩個方面入手：一是評估技術工具的適用性與準確性，確保其能夠全面、準確地識別并統計樣本數據；二是考察數據集合在形成、收集及調用過程中是否遵循了既定的規范與程序，以防止數據在傳輸或處理過程中受到不當干預。但值得注意的是，由于大數據技術的特殊性，其在提取有效信息時可能存在一定的容錯空間。當僅需對數據集合所蘊含的信息進行定性判斷時，某些數據的遺漏或錯誤可能并不會對最終結論產生實質性影響。因此，在審查大數據證據的真實性時，需要結合具體情境，合理判斷數據缺漏是否已達到影響結論準確性的臨界點。

（三）大數據刑事證據適用的合法性審查

“證據合法”這一概念，在法學語境中，是指證據材料必須符合法律的規定，方能被采納為定案依據。數據偵查的語境下，這一傳統的合法性審查邏輯遭遇了前所未有的挑戰。大數據偵查取證措施的多樣性和復雜性，使得立法者難以預設統一的實體規則來直接規制所有可能的權利侵犯行為，而更多地依賴于事后的結果評判來判定取證措施的合法性、合理性與必要性。在此過程中，大數據偵查不可避免地觸及到公民的數據自決權、數據信息權、數據隱私權等新興權利領域，這些權利的界定與保護成為了合法性審查的核心。

數據自決權，作為數字時代公民權利的重要組成部分，其核心在于保障公民對自己數據的處理自由①。然而，由于數字空間的數據生成機制復雜且往往依附于特定平臺，數據的所有權歸屬在數據形成之初便難以明確界定。因此，數據自決權更多地是在抽象危險防范的層面上，對既存基本權利進行系統性的修正與補充，而非直接保護具體的自由利益。若貿然將其上升為基本權利地位，可能會導致“人權”價值的泛化，從而模糊權利與自由的界限。

數據信息權與數據隱私權則緊密關聯于數據處理的結果，分別對應于更廣泛的信息權與隱私權范疇。在我國現行立法體系中，數據信息權尚未被明確為一項獨立的權利，而更多地是通過個人信息保護的相關法律規定予以規制。相比之下，數據隱私權的界定則更為明確，旨在保護自然人私人生活安寧及不愿為他人知曉的私密信息。然而，隨著數字技術的不斷發展，數據信息權與數據隱私權之間的界限日益模糊，二者在保護范圍上存在一定的重合。為此，有學者從規范文本層面出發，通過信息的積極支配與消極防御兩個維度來區分這兩種權利[13]。具體而言，可參照《個人信息保護法》的相關規定，根據信息類型的不同設置差別性的適用條件。同時，還應引入隱私權概念，對涉及私密信息的處理行為設置更為嚴格的適用條件，以充分保障公民的人格尊嚴等基本權利不受侵犯[14]。

大數據偵查的合法性審查需要綜合考慮數據自決權、數據信息權、數據隱私權等新興權利的保護需求，以及公權力機關在數據處理過程中的權力邊界。通過構建科學合理的法律體系，明確權利與權力的界限，確保大數據偵查在法治軌道上運行，既有效打擊犯罪，又充分保障公民的合法權益。鑒于大數據偵查技術的廣泛應用及其對傳統證據收集方式的深刻變革，在大數據偵查取證措施的運用上，應采取一種精細化、差異化的法律規制策略，為不同性質的信息設置差異化的程序法與實體法制約要件，確保偵查權力的行使與公民權利的保障之間達到動態平衡[15]。大數據偵查取證應提請有權機關審查與批準，批準文書中應詳盡列明偵查的數據范圍、目的、預期影響及必要的保護措施，以確保偵查行為的透明性、合理性和合法性。同時，鑒于大數據偵查的二度特性可能削弱事前審查的即時有效性，建議引入事后審查環節作為補充，形成“事前審查+事后審查”的雙重程序保障機制。審查機關將綜合考量大數據偵查措施對權利造成的實際侵犯程度與權利主體應承擔的合理容忍義務，對大數據偵查取證的適法性作出最終判斷。

這一雙重程序保障機制在法庭調查階段的體現尤為關鍵。當控方提出大數據證據而辯方對其合法性提出質疑時，法官需依據雙重審查的結果，對偵查取證措施的合法性進行全面評估。法官應首先審查取證行為是否獲得了有權機關的事前批準及事后的合法性確認，以此作為形式合法性的初步判斷。若偵查措施在程序上存在瑕疵，法官則需進一步深入進行實質審查，考察偵查機關在實施過程中是否充分意識到對權利人的實際侵犯程度，并據此采取了合理且充分必要的保護措施。通過這一實質判斷過程，法官能夠更為準確地評估大數據證據的合法性，從而有效排除非法證據，維護司法公正與公民權利。

結" 語

隨著社會的飛速發展與司法實踐的深刻變革，大數據在刑事訴訟中作為證據使用的趨勢已不可逆轉。理論界普遍認同大數據證據具有超越傳統證據類型的獨特性，然而，現行立法對證據種類的封閉式列舉卻構成了制度建構的障礙。面對這一挑戰，有學者提出循序漸進的規范銜接策略，即先通過解釋學方法將大數據材料納入既有證據類型，進而增設專門的證據種類，最終廢除證據種類門檻，實現證據規范的全面開放[16]。

然而，這種理想化的路徑在司法現實中可能面臨諸多難題，尤其是如何確保新規范既能滿足偵查機關的實際需求，又能為法院提供明確的“三性”審查依據。基于此，更為務實的策略或許是在現有法律框架內增設兜底條款，以最低的成本實現證據種類法定的半開放化改造。其在為大數據等新興證據形式預留法律空間的同時，也能夠避免對現有法律體系造成過度沖擊。為避免“非法定種類證據”的引入導致裁量權的濫用，需構建配套機制，明確舉證方的說明義務與證據審查者的裁斷標準，如借鑒《意大利刑事訴訟法典》的相關規定，要求舉證方就證據的相關性、不可替代性、對權利侵害的有限性以及對審判效率等價值的影響進行充分說明，并由中立的證據審查者在聽取控辯雙方意見后作出公正裁斷[17]。

針對大數據證據的獨特性，無論大數據偵查成果被視為新類型證據還是歸入既有證據類別，其在刑事訴訟中的適用均需構建專門的規則體系。這些規則應至少涵蓋以下幾個方面：首先，大數據的獲取與采集應嚴格遵循比例原則，確保在維護公共利益的同時，最大限度地保護公民的人格權不受侵犯；其次，大數據的生成過程應透明化，避免技術“黑箱”和算法歧視對結論的干擾；再次，強調司法人員運用專業知識與法律邏輯對大數據生成結果進行再驗證的重要性，確保其在法庭質證中與書證、物證等傳統證據具有同等地位；最后，鑒于大數據信息的海量性與敏感性，其在使用后仍需嚴格保密，以防止信息泄露對社會整體信息安全造成威脅。

參考文獻：

［1］董邦俊，黃珊珊.大數據在偵查應用中的問題及對策研究[J].中國刑警學院學報，2016（2）：7-13.

［2］王夢瑤，大數據背景下偵查創新研究[D].中國人民公安大學，2018.

［3］張全濤.從被動應對到主動防控：我國預測性偵查的理論證成與規制選擇[J].中國人民公安大學學報（社會科學版），2022（3）：20-31.

［4］裴煒.數據偵查的程序法規制——基于偵查行為相關性的考察[J].法律科學，2019（6）：43-54.

［5］黃健.刑事大數據證據現實論[J].新疆大學學報（哲學社會科學版），2023（4）：28-36.

［6］鄭飛，馬國洋.大數據證據適用的三重困境及出路[J].重慶大學學報（社會科學版），2022（3）：207-218.

［7］張迪.算法證據的獨立：法理反思與制度方案[J].中國刑事法雜志，2023（5）：107-124.

［8］鄭飛.證據屬性層次論——基于證據規則結構體系的理論反思[J].法學研究，2021（2）：123-137.

［9］龍宗智.論我國訴訟證據審查要素及審查方法的調整改革[J].法學研究，2023（4）：169-188.

［10］CHRISTOPHER P. Guzelian， Relevance， Charleston Law Review， 2016， 10（1）： 159-171.

［11］元軼.大數據證據二元實物證據屬性及客觀校驗標準[J].山西大學學報，2021（5）：143-152.

［12］閆召華.論不可靠刑事證據的排除[J].當代法學，2020（3）：89-98.

［13］韓新遠.個人痕跡信息保護的理論檢討與路徑重構[J].寧夏社會科學，2023（3）：64-73.

［14］王仲羊.刑事訴訟中個人信息的權利保護[J].中國刑事法雜志，2022（3）：155-176.

［15］申衛星.數字權利體系再造：邁向隱私、信息與數據的差序格局[J].政法論壇，2022（3）：89-102.

［16］步洋洋.論我國刑事證據種類的立法優化[J].法學雜志，2024（2）：46-59.

［17］鄭飛.證據種類法定主義的反思與重構[J].中國法學，2024（1）：105-123.