基于大數據的危害國家安全犯罪預測偵查研究

丁華宇,孟 念

(河南財經政法大學 刑事司法學院,河南 鄭州 450046)

國家安全是安邦定國的重要基石,長期以來都是事關國家興立的戰略性議題,危害國家安全犯罪法益侵害的嚴厲性決定了其較于其他不法行為更具刑罰當罰性[1],歷來都是統治者規制的重心。隨著互聯網、人工智能、云計算及生物識別技術的發展與普及,人類開始進入一個以數據挖掘和信息聚類為特征的大數據時代。信息化時代,危害國家安全犯罪的內涵與外延比以往更加寬泛,傳統安全與非傳統安全彼此交互、外部安全與內部安全互相疊織,“大數據賦能”的危害國家安全行為更具隱蔽性、破壞性與多樣性,呈現出由“接觸式作案向非接觸式犯罪、傳統空間向非傳統領域、強關聯集團向弱關聯組織”轉變的趨勢。例如,新形勢下的間諜活動已不再囿于情報搜集、實地勘探及滲透破壞,數字技術賦予了間諜人員和組織更多的作戰空間,在秘密刺探范圍層面,已由傳統的政治、軍事和外交情報擴展至經濟、科技、衛生和能源等領域[2],“商業間諜”“科技間諜”等成為政治性對抗的新武器。此外,以恐怖主義、跨國犯罪及金融危機等為代表的非傳統的危害國家安全活動持續蔓延,如傳統組織型恐怖主義犯罪,主動契合大數據時代特征,對自身運行模式和存在樣態進行調整,形成“獨狼”式恐怖主義犯罪,恐怖分子化整為零,以降低襲擊秘密泄漏風險,提高暴襲成功率[3]。

與此同時,大數據技術也促進了既往的回溯性偵查向預測性偵查的轉變,依托大數據技術對危害國家安全的犯罪行為進行預測偵查,是對其存在的價值形態和發展規律進行的應用研究,也是將其數字化、可視化的運作過程,預測性偵查在危害國家安全行為達至“違法—犯罪—再犯罪”之前已通過先知先覺式的犯罪預測、犯罪預警,使得偵查機關能夠合理調配警力資源,有效進行犯罪預防[4]。

一、預測偵查模式的解析

信息技術催生的花樣翻新、層出不窮的危害國家安全犯罪新形勢,必然會導致傳統犯罪偵查模式的階段性不適應,但數據集合的低密度價值、規模大、更新快、種類多、存取速度快以及真實性和可視化等特征,也為國家安全機關依托大數據和云計算中心進行數據分析和數據挖掘以迅速獲取可影響未來的信息提供了可能。基于大數據偵查衍生出的預測性偵查模式,是偵查機關對新犯罪形勢的針對性回應。

(一)預測偵查的內涵與外延

由算法所支撐的預測性偵查是大數據時代已經形成的以大數據證據、大數據監控、大數據并案等犯罪偵查策略為核心的大數據偵查的新分支。算法被廣泛應用之前,犯罪行為是偵查行為的動因,犯罪行為和偵查行為之間具有前后時間順序關系,偵查機關不會采取預判方式主動發現犯罪線索,屬于針對已然發生犯罪的偵查啟動方式[5]。面對風險社會下的危害國家安全犯罪,這種被動性偵查并不能消弭敵對勢力所制造的巨大政治社會影響,亦無法填補國家安全遭受實質性危害所產生的“被害黑洞”,但大數據技術的更新迭代同樣塑造了全新的偵查情報分析思維,“預判可能犯罪人”“犯罪風險增加的地點時間”“鑒別可能受害群體與個人”等已為算法在相關性層面所涵蓋,一種以預測和感知未來犯罪為核心追求的預測性偵查日益蓬勃[6]。

預測偵查的概念起源于英美法系國家,其基本運作思路為“運用數據分析技術—尤其是犯罪定量技術—依托既定算法模型—對可能犯罪予以精確干預”。在我國,預測性偵查的概念可以概括為:以預設算法模型為前提,以大數據的相關關系為基準,通過對各種資源庫中的數據進行收集、儲存、管理,以智能手段對大量數據進行計算分析,對有證據證明將要實施或正在實施的犯罪或相關人員,采取提前性干預措施[7]。

預測性偵查本質在于以歷史發生的犯罪數據為基礎,在經過機器學習之后,通過犯罪風險預測模型的構建,再根據偵查機關所獲得的實時數據流動情況,對有關犯罪行為所進行的自動化預警。具體而言,偵查機關在提取歷史犯罪數據中的人員特征、案件類型特征的數據之后,通過構建犯罪風險預測模型,將所提取的數據與動態異常數據進行碰撞,從而鑒別出高危人群、重點犯罪類型,以進行精準打擊或預防。預測性偵查是一種主動性偵查模式,其著眼點在于犯罪既遂之前的精準干預,與傳統的搜查、扣押等偵查方式存在本質區別,作為大數據偵查的新興分支,預測性偵查改變了傳統偵查機關于實害結果發生之后再行介入的疲于應對的局面,而轉向了犯罪防控與被害預防的并向主動治理。預測偵查區別于傳統偵查強調演繹的逆向思維,其以大數據為依托,強調歸納式的正向思維,運用定量分析技術提前確定偵查機關的介入時間,通過對海量數據進行整合、存儲和關聯分析,對犯罪行為性質及走向作出預測,從以往的反應式犯罪治理逐步轉變為實時感知犯罪及提前預測犯罪。

(二)危害國家安全犯罪預測偵查的特征

危害國家安全犯罪是對國家利益尤其是核心利益或其他重大利益的安全狀態和對此種狀態進行維護的安全能力所造成的危險和威脅且被列入法定議程的行為[8],其所侵害的國家安全法益具有基礎性和根本性特征,國家安全若得不到保障,社會將會陷入無序狀態,人民的各項權利保障問題也無從談起,因此,危害國家安全罪可以視為是其他類罪的保障罪。鑒于危害國家安全犯罪法益侵害的嚴重性,其預測性偵查的內容與形式亦不同于一般犯罪,危害國家安全犯罪的預測偵查應當更加強調干預節點的前移(這一節點應前移至涉危線索發現之前)以及涉危群體或人員的預判,以更加精密的算法處理和預測模型進行數據挖掘。

具體而言,干預節點前移主要可以通過對涉及危害國家安全犯罪的多源數據進行時空軌跡數據分析,總結其中的時空變化規律,為發現危害國家安全的線索進行前置性技術預備。所謂時空軌跡數據,是隨著時空而改變的動態數據,屬于時間數據和空間數據的結合,對時空軌跡數據的挖掘主要包括了聚集、異常、頻繁、伴隨等模式[9]。基于時空軌跡數據分析的體系框架包含了三個層次:一是軌跡數據的感知層,主要是利用大數據技術手段獲取涉危群體或人員的位置、時間、訪問頻率、共現模式等信息;二是知識發現層,主要是依托數據挖掘、數據碰撞、機器學習等技術分析與理解涉危群體或人員的活動規律和特性,預測個體行為或群體事件;三是應用層,主要是在前兩個層次的基礎上,將時空軌跡數據分析應用于危害國家安全犯罪領域,為偵查機關提供信息化服務與決策支持[10]。

危害國家安全犯罪情報的時空軌跡數據分析是對涉危群體或人員進行預判的前提,在總結出時空變化規律進而掌握了重點人員相關動態之后,應對涉危重點群體或人員進行分級偵查,一般情況下可將涉危群體或人員分為三個等級,依次分別由國家安全部、國家安全廳、國家安全局進行情報偵查和專項調查工作。

二、危害國家安全犯罪領域預測偵查的價值

預測性偵查模式的建構是一種現代性不斷增強的過程,這個過程中的全景式數據收集和分析手段使犯罪偵查工作不再局限于有限的時間和空間之內,以數據相關關系為基礎的大數據預測依托算法學習和各種可視化技術,給犯罪偵查工作帶來了全新的機遇。

(一)塑造國家安全維護新思維

危害國家安全活動主要可以概括為兩種形式:一是侵略行為;二是恐怖行為。我國刑法分則第一章所規定的12個危害國家安全犯罪罪名,與侵略行為相關的罪名有分裂國家罪、煽動分裂國家罪、顛覆國家政權罪、煽動顛覆國家政權罪等;與恐怖行為相關的罪名較多,如組織、領導、參加恐怖組織罪、幫助恐怖活動罪、準備實施恐怖活動罪等。無論是侵略行為抑或恐怖行為都具有反人類的特性,其法益侵害的嚴重性程度決定了預測性偵查應用的必要性,而預測性偵查模式的建構又形塑了預測預防預警、打早打小的國家安全維護新思維。預防犯罪比懲罰犯罪更高明,此乃一切優秀立法的主要目的[11],在國家安全維護新思維形成的背后是預測性偵查思維模式的實質性轉變,預測性偵查的真正魅力在于其以相關性為主導的思維模式改變了傳統的注重考量現象背后的因果關系的因果思維。

在相關性思維的指導下,對信息化時代危害國家安全犯罪行為產生的海量數據進行全樣收集和關聯分析成為可能。傳統的危害國家安全犯罪的行為方式如派遣入境、實地勘探、布建“觀察哨”等在大數據時代已難以適用,犯罪分子開始利用互聯網技術優勢,進行黑客攻擊、網絡策反、線上聯絡,或采用公開招募式的常規化情報勘探,所獲取的敏感數據一般通過涉密網絡進行傳輸,隱蔽性和虛擬化成為危害國家安全犯罪行為的主要特征。與此同時,犯罪分子在網絡空間的敵對活動必定會留下大量數據,如信息留痕、網站瀏覽記錄、網站停留時間、資金流向等,大數據技術可對海量相關數據進行全樣本收集,通過對不同數據的分析、挖掘、訓練,可以獲取危害國家安全犯罪分子的經常聯絡時間、方法規律、涉案地點等情報數據,并且因大數據技術不受時空限制,可以跨越區域和信息的雙重門檻,能夠對國內各地區所發生的危害國家安全事件進行關聯分析,建立不同罪案的聯系網[12],為犯罪預測提供反饋。

(二)實現國家安全犯罪情報信息整合共享

大數據時代,我國的國家安全范疇處于全面拓展期,國家安全的內涵與外延不斷擴充,時空領域亦愈來愈寬廣,內部因素與外部因素彼此交互,不同于一般刑事犯罪,國家安全的范圍已涵蓋政治、軍事、外交、經濟、文化、社會、科技、網絡、生態、太空、資源與生物等諸多領域,甚至《安全生產法》亦被全國人大常委會納入國家安全法律體系,這表明生產安全已經被列入國家安全的重要領域[13]。面對如此寬泛的國家安全范疇,犯罪情報信息亦呈現出多源異構特征,為提升案件偵破效率和犯罪針對準確性,建立起統一的數據資源共享平臺,對諸多情報信息進行整合共享已成為危害國家安全犯罪領域偵查工作的重心,而預測性偵查所依托的數據基礎、算法優化和算力可以在收集到海量優質數據資源后形成危害國家安全犯罪行為的信息流,在對相關信息流進行處理并預測之后,可以對有關信息流和推演結論進行整合,形成涉危害國家安全犯罪行為的資源庫。數據資源庫是犯罪預測機制構建的重要基礎,各地國家安全機關可以建立數據庫融合共享平臺,充分對其他國家安全機關所共享的數據信息進行對接和整合,最大限度地提升犯罪預測偵查工作效率。國家安全機關各部門及各地國家安全機關在獲得共享的資源庫之后,可以再次對犯罪樣本數據進行模型訓練,并通過聚類算法獲取數據庫中犯罪信息的共性特征,再對本地區所發生的危害國家安全犯罪相關數據進行比較分析,提高偵查工作精準度。

危害國家安全犯罪發生之后,將產生大量的結構化數據、半結構化數據及非結構化數據,如煽動顛覆國家政權罪,犯罪分子通常制造、散布敵視國家政權和社會主義制度的言論,或捏造、散布詆毀國家制度的虛假事實,以引起公眾仇視既有的黨政體制,而虛假言論和事實往往是通過各類社交媒體和交往工具得以跨時空傳播,基于數據分析和機器學習的預測性偵查,可以從源頭上識別虛假信息的發布平臺,獲取罪犯設備信息、登錄IP和昵稱等多維信息,電信、互聯網企業還可以對傳輸的信息進行區分,及時獲取和堵截相關數據。

(三)有效判別罪與非罪、此罪與彼罪,增強偵查準確性

在危害國家安全犯罪的預測性偵查實踐中,偵查的啟動主要是基于前期所預設的國家安全犯罪類型和重點涉危群體或人員的犯罪風險模型,預測性偵查所使用的數據碰撞、數據挖掘和鏡像技術具有客觀理性特征,在一定程度上擺脫了決策者認知水平、情感動機和研判能力的制約,可以準確復盤和演繹潛在威脅,對潛在的風險進行精準性評估和監控。

首先,在罪與非罪層面,預測性偵查運用科學方法對決策過程進行解構、重塑和模型化、數據化、結構化,決策過程中的分析手段和推演結論都是經過科學理性驗證判斷的結果,較之經驗決策模式具有更高的理性程度,一方面可以減少因決策者的認知限制導致的結論偏差,另一方面還可以實現法律價值的平衡[14]。如行為人因反對國家的某項政策而聚眾起哄鬧事,甚至采用武器暴力沖擊國家機關,而國家安全機關基于經驗所進行的線索收集很可能帶有入罪傾向,行為人的民族、性別、階級和財富都可能對其進行犯罪分析產生影響,并且由于該行為符合武裝暴亂罪的行為特征,加之經驗主導的犯罪偵查不具有對大量類似案情之間對比分析的可能性,偵查機關有可能將該行為定性為武裝暴亂罪,如此,公民基本權利也許會受到侵犯。而大數據賦能的犯罪偵查在收集、分析相關線索得出初步結論之后,還可以在數據資源庫中尋找類似案件進行對比分析,以保證結論的科學性和合理性。

其次,在此罪與彼罪層面,基于預設的犯罪類型風險模型,只有介入疑似的犯罪風險因素之后,預警系統才會啟動預警工作,再通過對其他數據資源的搜索和信息排查,綜合判斷是否需要偵查機關提前介入,因此,此種預警流程可以有效避免偵查階段的犯罪定性錯誤問題。以武裝叛亂罪與武裝暴亂罪的界分為例,兩者的共同之處都在于行為方式高度的暴力性和危害性,區別則在于是否反抗現行政權,但是由于“叛亂”和“暴亂”在立法上具有互斥性而在一般生活意義上具有包容性,導致在司法實踐中偵查人員難以厘清具有經驗上種屬關系的“叛亂”和“暴亂”,易將兩者混淆。如上文所述,危害國家安全犯罪的預測偵查更加強調干預節點的前移以及涉危群體或人員的預判,而以各種大數據技術和算法為依托的預測偵查在對時空軌跡數據分析階段就可以根據相關人員是否存在反抗現行政權的言論、是否存在為反抗現行政權而所做的預備活動等予以綜合判斷其是否與現政權為敵,進而錨定重點涉危群體或人員,準確區分此罪與彼罪。

(四)確保涉危證據留痕與追溯

刑法規定了危害國家安全犯罪普遍高于其他犯罪的刑罰,甚至部分罪名存在死刑,其刑罰的嚴厲性程度決定了危害國家安全案件的偵辦更應重視辦案流程的正當性和證據收集的合法性。而基于大數據技術進行的預測偵查能夠通過數據留痕使案件預測過程得以保存,通過涉危證據留痕,偵查機關必要時可以說明其所訪問的數據庫、預測步驟、執法條件等,從而可以證明他們是如何鎖定犯罪嫌疑人并采取行動的。例如,國家安全機關在捕獲犯罪嫌疑人之后,可以向其說明執法依據是綜合研判所收集到的網絡痕跡、通聯情況、關聯犯罪人信息、個人信息庫、移動軌跡等,以排除犯罪嫌疑人的合理懷疑。涉危證據留痕可以在移送審查起訴階段和審判階段減輕公訴方的證明壓力,在出現執法錯誤時,還可以作為偵查機關內部回溯追責的依據。若偵查人員依據預測結果而產生逮捕錯誤,可以責令其進行解釋說明,基于預測流程的可視化和客觀性,如果不能證明執法錯誤是客觀原因導致時,則可以啟動追責程序。在非傳統危害國家安全犯罪領域,偵查機關在辦案時,其偵辦行為的方式、方法、過程也會面臨著當事人和社會輿論的監督與質疑,在偵查機關根據預測結論采取進一步措施后,未來可能需要對偵辦行為和依據進行說明甚至產生責任追溯問題[15]。

三、危害國家安全犯罪的預測偵查流程模型

相較于一般犯罪的預測偵查,危害國家安全犯罪領域的預測偵查更加注重干預節點的前移,而這一節點已經前移至涉危線索發現之前。通過對涉危數據的時空軌跡數據分析得出其移動規律,可以準確迅速地發現對危害國家安全犯罪預警有參考價值的線索并及時處理。以下流程是基于歷史發生的危害國家安全犯罪的相關數據所進行的模型設計:

(一)涉危數據收集和導入

涉危數據屬于犯罪數據中的特殊數據,通過風險評估方法可以初步判定具有較高風險的涉危數據信息,這些數據信息即為偵查機關所需重點關注的“移動對象”,對涉危數據的收集和導入是預測模型構建的前提環節。在網絡空間和現實世界實施的危害國家安全犯罪會產生不同存在形式的“證據留痕”,由此導致兩種空間中數據采集形式的不同,在基于“網絡空間”的危害國家安全犯罪場合,偵查人員可直接利用大數據技術進行數據收集,而在基于“現實世界”的危害國家安全犯罪場合,線下收集數據并進行數據導入成為數據采集的主要方式。

1.基于“網絡空間”的危害國家安全犯罪的數據收集

犯罪分子在網絡空間中實施的危害國家安全行為如發布煽動性言論、傳輸敏感性信息、資金轉移、網絡盜竊和篡改、網絡監聽、對政府和軍工進行網絡攻擊等,必然會引起網絡空間的信息互換或轉移,一方面犯罪分子在自身使用的信息化設備或所侵入的計算機系統中會留下電子痕跡,另一方面這些電子數據也會在其登錄所途經的有關網絡站點中有所保留。運用大數據技術如網絡過濾、網絡監控、網絡定位、人肉搜索等可以迅速捕獲國家安全機關所需的“證據留痕”。

2.基于“現實世界”的危害國家安全犯罪的數據導入

現實世界實施的危害國家安全犯罪主要表現為行為人與境外組織、機構、個人進行線下聯絡、謀劃,或者建立線下窩點糾集、網羅成員、組建危害國家安全的組織,或者線下散布反動言論、進行實地刺探活動、提供場所和物資,以及實行行為只能由線下進行的犯罪,如武裝叛亂、暴亂罪、叛逃罪等。在這種場合,大數據技術對犯罪數據的收集作用較為有限,要實現犯罪的精準預測,需各地國家安全機關建立統一、專業的數據資源庫,偵查機關各部門和各地偵查機關在收集犯罪數據信息之后,再將來源各異、結構不同的數據信息導入數據庫,經過不斷對已有數據資源的整合和各種實時信息的收集,可以形成龐大的涉危害國家安全犯罪數據庫。

(二)涉危數據預處理

涉危數據預處理是進行涉危數據時空軌跡分析的必要前提,在獲取原始數據之后,需要根據危害國家安全犯罪情報信息的特點對數據進行篩選,剔除涉危數據中的“噪聲”,保留反映犯罪分子真實意圖的“信號”,除了常規化篩選以外,涉危數據的預處理強調選擇對于偵辦危害國家安全犯罪更具參考價值的數據信息,即時空軌跡數據。對于涉危時空軌跡數據的選擇,應重點關注具有時空交互的數據、重點位置數據、群體或人員移動數據等,針對這些數據進行聚集模式挖掘,可以預測危害國家安全犯罪活動的群體事件。

(三)涉危數據時空軌跡規律分析

涉危時空軌跡數據記錄了目標對象的行為特征,包括重點位置、活動時間、移動方向等信息。如前文所述,基于時空軌跡數據分析的體系框架包含了三個層次,這里主要涉及第二個層次,即知識發現層,主要是利用數據挖掘等各種大數據技術總結涉危數據時空軌跡規律,包括涉危重點人員的位置分布規律、時空交互規律、危害國家安全活動時序規律等。相關規律的總結主要依賴時空軌跡聚集模式進行挖掘,即將具有相似行為的時空對象劃分到同一組當中,以輔助偵查機關預測和監控可能的危害國家安全犯罪。

(四)綜合評估

綜合評估是犯罪預測的最后一環,在經歷了涉危數據采集、涉危數據預處理并總結出涉危數據時空軌跡規律之后,可以依循相關規律主動獲取危害國家安全活動的線索,并且根據時空軌跡規律獲取的線索往往具有高價值密度,待偵查機關收集足夠的線索之后可以根據大數據間的相關關系,建立起以輸入目標為核心的完整的關聯網,對危害國家安全行為的預備、走向、可能產生的后果以及發生的概率進行綜合研判。綜合評估之后有三種結果:行為不會對國家安全造成威脅,無需采取行動;行為可能危害國家安全,需采取一般預防措施;行為將會造成危害國家安全的后果,需進行果斷應對。

四、危害國家安全犯罪預測偵查的保障機制建構

危害國家安全犯罪領域中的預測性偵查有其自身機制建構的特殊性,其更加注重干預節點前移和涉危重點群體和人員的預判決定了在涉危情報數據的開發利用、融合共享機制的建立和涉危群體、人員的確定以及管控等層面不同于其他普通犯罪的預測性偵查。

(一)可視化開發和利用涉危情報數據

大數據技術的機器翻譯和圖像、語音識別等功能使得涉危情報數據的高效開發和利用成為可能。目前,我國為進行預測偵查所搭建的數據收集和應用平臺是集數據存儲、數據清洗、數據分析、數據可視化等功能為一體的綜合數據平臺[16],而更加強調干預節點前移的危害國家安全犯罪領域的預測偵查,應在情報數據產生的過程中即時實現數據的智能可視化,同時,在涉危情報數據的可視化分析中,應當將所收集到的各種時空軌跡數據轉化為追蹤和預測涉危重點群體或人員的實際線索,并通過圖像、圖形等形式予以直觀表達。

依托深度算法學習和智能識別功能,偵查機關可以對涉危重點群體或人員的網絡、時空演化進行可視化分析并模擬犯罪時空畫像,使得涉危重點群體或人員的網絡結構、演化規律、風險區域等都以直觀可視的圖像表現出來,提高案件偵辦效率、優化決策過程。為此,偵查機關應著重開發涉危情報數據的動態感知系統,利用可視化技術感知涉危情報數據的動態分析過程,在攻堅動態感知系統的同時,注重行動決策支持系統的建構,兩種系統相輔相成、互為表里,共同促進偵查機關動態掌握涉危重點群體或人員的活動空間規律、群體或個體行動法則,實時感知其行為的動態變化和異常狀況,并預測其發展趨勢和可能行為[17]。

(二)內部和外部雙向推進涉危數據融合共享

危害國家安全犯罪的嚴厲性程度決定了關于涉危行為的所有情報數據應比一般刑事犯罪數據能夠更加迅速流通、融合、共享。基于國家安全法益的極端重要性以及預測預防預警、打早打小的國家安全維護新思維,涉危數據的融合共享應當在一般刑事犯罪的預測偵查所建立的融合共享平臺的基礎上,更加強調數據信息調配的統一性和管理的集中性,具體而言,可以從內部和外部兩個方面推進涉危數據資源互聯互通。

在內部,應從縱向和橫向兩個維度建立涉危數據共享機制,首先是各級國家安全機關應在現有數據庫的基礎上,由國家安全部負責建立起一個統轄全國的總數據中心,各省級國家安全機關設立數據分中心,負責統管本省 (自治區、直轄市)的偵查數據,各地市級國家安全機關可單設統一數據中心,負責收集和管理本轄區的涉危數據;橫向上則是不同地區國家安全機關要打破數據壁壘,對一些基礎性和重要的數據庫應當在全國范圍內共享應用,至少要做到共同上級有權查詢、獲取所管轄區域的涉危數據[18]。在外部,國家安全機關應當與社會各行業建立起涉危數據信息共享機制,重點與可能和危害國家安全犯罪偵查有關的部門、機構、行業推進數據的互動、共享和整合,如金融、電信、科技、航空、航運、氣象等部門。

(三)分級確定和偵查涉危重點群體或人員

涉危重點群體或人員分級確定和偵查是危害國家安全犯罪預測偵查高效運行的關鍵,在根據既往相關數據確定涉危重點群體或人員之后,可以相關重點群體和人員為關注重心,重點預測和監控其未來行為。涉危重點群體和人員大致包括以下幾類:一是國家分裂勢力激進組織的核心人員和在逃人員;二是涉嫌與境外敵對勢力或極端組織勾結、為境外提供敏感情報信息或接受境外指令的人員或群體;三是大肆宣揚極端宗教思想、制作或傳播涉嫌危害國家安全的宗教極端宣傳品的人員或群體;四是涉嫌組織、策劃、實施分裂國家、破壞國家統一、叛亂或暴亂的人員或群體;五是在網上傳播虛假信息或以其他方式煽動顛覆國家政權的人員或群體;六是頻繁出入國境和在我國留學的活動異常人員;七是揚言以極端方式表達訴求且具有安全風險的人員;八是其他涉嫌從事危害國家安全的人員或群體。

在確定涉危重點群體或人員之后,可以根據危險程度將相關涉危重點群體或人員劃分為三個層次等級,對不同等級的群體或人員分別由國家安全部、國家安全廳、國家安全局進行預測偵查。對于一級涉危重點群體和人員,由國家安全部牽頭實施預測偵查工作,由內設相關部門負責情報的收集、篩選、分析和研判,并最終作出犯罪預測,在管控方面,對于一級涉危重點群體和人員,應建立專案專檔,綜合采取偵查手段,嚴格防范并開展偵控。對于二級涉危重點群體或人員,由省級國家安全機關開展情報收集和預測活動,省級公安機關、反恐機構等可以輔助預測偵查工作,在管控方面,應建立線索檔案,強化調查核實,深入組織論證。對于三級涉危重點群體或人員則由市級國家安全局負責預測偵查,由于三級涉危人員的風險程度有所下降,部分人員可能受敵對勢力所裹挾、蒙蔽,可以針對性地對其開展教育、感化或使用行政、經濟手段進行規制,并對其定期進行危害評估,及時上報上級國家安全機關。

五、危害國家安全犯罪預測偵查適用的規范

大數據對于新形勢下的危害國家安全犯罪偵查工作在犯罪人預測、電子取證、犯罪發展態勢預測等方面存在巨大價值,數據驅動型的預測偵查模式比以往任何時候對數據信息都更加渴求,這種渴求極易導致偵查機關在數據收集和使用時實施各種出格行為,加之大數據本身固有缺陷,在數據的收集、使用、整合階段都可能產生一定風險。

(一)秉承尊重隱私原則,保障個人隱私安全

尊重人權和法治是有效治理危害國家安全犯罪的關鍵,人權不應成為犯罪治理的受害者[19]。危害國家安全犯罪雖然在所有刑事案件中占比不大,屬于較為小眾的案件類型,但近年來隨著敵對勢力不斷進行滲透破壞活動,此類案件類型的數量有了較為明顯的提升,基于大數據的犯罪預測可能具有侵犯公民隱私權的風險,例如,對恐怖分子及其關聯人員的預測,必然會根據既有線索對個人數據進行全面收集,如個人的教育經歷、家庭情況、社會關系網、宗教民族等,犯罪嫌疑人原本正常活動所留下的雜亂無章、“原子化”存在、隱含隱私的碎片化數據,可能被大數據多次挖掘,重新排列組合,進而再進行犯罪預測的利用[20]。在進行數據存儲、數據共享的同時,涉案人員的隱私也存在著被境外黑客攻擊或因保管不當而造成數據泄露等安全風險問題[21],個人隱私于犯罪預測之中有保障不足之隱憂。

當然,危害國家安全犯罪不同于一般刑事犯罪,鑒于國家安全的極端重要性、偵查工作的隱蔽保密性,在數據利用與隱私保護的協調層面,無法在同等程度上與普通刑事案件保持一致,如嚴格遵守“個人自決”原則、“知情同意”原則等,但偵查機關對數據的獲取使用也并非肆無忌憚、完全不受限制的,對涉及危害國家安全犯罪案件的數據利用應遵循基本的倫理準則和嚴格的程序要求。

在倫理準則層面,偵辦危害國家安全犯罪案件應秉承以下兩個方面的原則。其一,確立無害原則,無害原則要求偵查機關不應該用大數據技術給犯罪嫌疑人或其他人員造成直接或間接的傷害,如惡意披露隱私、濫用個人信息、肆意刪改數據等,該原則是最低的數據使用倫理道德標準[22];其二,確立保密原則,遵守保密原則的目的在于避免算法偏見和歧視,偵查機關基于大數據技術所進行的犯罪預測很有可能導致犯罪標簽化,嚴格執行數據信息和處理結果的保密紀律可以有效避免這一后果[23]。

在偵查程序適用層面,國家安全機關采取技術偵查措施應受到嚴格限制。根據《刑事訴訟法》第一百五十 條到一百五十二條的規定,以及《國家安全機關技偵工作規定》《國家安全機關辦理刑事案件程序規定》等要求,國家安全機關采取技術偵查措施有特定的適用范圍和嚴格的程序要求,只能在立案之后通過國家安全機關負責人嚴格的批準手續,按照批準的措施種類、適用對象和實施期限執行。

(二)堅守算法透明原則,杜絕滑入算法黑箱

國家安全機關是隱蔽戰線上維護國家安全和利益的專業職能部門,國家安全機關技術偵查部門采取技術偵查措施依據的是《刑事訴訟法》以及內部《國家安全機關技偵工作規定》等規范性文件,在傳統國家安全領域,國家安全機關工作任務的特殊性決定了其辦案流程的保密性和工作方式的隱蔽性,因此,在危害國家安全犯罪案件偵辦過程中,出于對國家秘密的保護以及對偵查手段的保密,保持算法預測的相對不透明成為必要,但是這種算法不透明并不是絕對的不透明,到案件移送審查階段或審判階段,國家安全機關或公訴機關應當在相對范圍內向犯罪嫌疑人說明算法預測的相關問題,此處的說明并非意味著國家安全機關或公訴機關要提供更多的信息,重要的是明確責任的承擔問題,同時,保持算法的相對透明性并不是公布整個犯罪預測的具體工作流程,而是公布偵查機關使用算法的原因,其中的衡量因素是否含有偏見、是否違背公平正義等。

在非傳統國家安全領域,偵查機關工作任務的保密性有所減弱,相對地,算法透明程度應有所增強。算法黑箱具有封閉性、歧視性與風險性等問題,封閉性影響預測結果的準確性,歧視性影響犯罪預測的公正性,風險性則導致預測工作的監管難度增大[24]。以恐怖主義犯罪中算法黑箱的歧視性為例,偵查機關在收集到足夠數據之后,算法運行得以開始,算法編寫者根據特定需要,建立算法運行模型,編寫算法運行程序,算法運算往往通過人為干預和設置的方式進行,并最終得出所欲結果[25],而主觀性較強的人為干預有產生算法偏見和歧視風險,偵查機關可能在數據深度訓練時進行具有主觀傾向的數據標注和識別工作,一些與預測結果無關的變量可能被引入預測系統,并最終導致歧視性結果。因此,在非傳統國家安全領域中,加強算法預測的透明度極為重要,偵查機關可以采取宣傳措施加強公眾對算法預測的了解度,向公眾說明算法預測只是合理安排警務工作的技術工具,并不針對特定個人,并且在某些情況下,偵查機關可以披露算法,揭示犯罪預測的流程,增強執法工作的可信度。

(三)堅持“人機共治”,避免陷入數據獨裁

廣泛的網絡應用場景使刺探、竊取國家情報數據等危害國家安全的犯罪更有作為空間,同時,偵查機關運用大數據進行犯罪預測、犯罪認知、電子取證等工作也已成為常態,目前幾乎所有的危害國家安全犯罪案件都會運用大數據技術輔助偵查工作,尤其是在電子取證方面,電子證據的數量指數式增長,法律地位也不斷提升,并且經過數十年的探索,我國已經初步形成了由國家安全機關主導,刑偵、技偵、經偵等相關部門配合參與的電子取證制度體系。在大數據的驅動下,危害國家犯罪案件正由“回溯性”偵查向“預測性”偵查轉變,大數據技術的嵌入,也正在形塑“以人員為中心”向 “以數據為中心”轉變的刑事偵查理念[26]。然而,大數據在賦能偵查工作的同時,也使得偵查人員固有的思維方式受到了很大的影響,對大數據的過分依賴使數據技術逐漸成為預測偵查規則建構的主導因素,可以說,大數據在一定程度上正挾持、支配著預測偵查工作,算法產生了權力的雛形[27]。

這種數據獨裁現象極易使預測偵查工作因過于刻板而陷入停滯狀態,所得出的犯罪預測結果也并非科學,因為科學決策不同于絕對理性的標準型決策。對危害國家安全犯罪案件的預測偵查工作本身并非一項非常嚴謹的科學探索活動,運用大數據技術得出的預測結果只是在原本經驗決策的基礎上使之更加理性、科學、準確、有效。因此,大數據時代的預測偵查講求的應當是“人機共治”,注重的應當是理性主義與經驗主義的平衡,預測結果所體現的也應該是偵查人員的主觀能動性和大數據技術的科學理性的統一,而不是對大數據的過度迷信和膜拜。可以說,任何基于大數據的分析,其主體只能是偵查人員。