大数据在非接触性犯罪治理的应用范文

当前，非接触性犯罪案件频繁发生，但侦破率极低。公安机关在处置相关案件中往往会因为侦查壁垒、犯罪方式不断翻新、防范控制工作不力等原因而使非接触性犯罪依然呈现出屡破不止、愈演愈烈的势态。尤其是公安机关在侦办相关案件时侦破率低、难以追回损失使得人民群众的安全感降低，对公安机关的信任度下降。基于此种态势，结合大数据技术对公安工作带来的全新变革，力图寻求其在非接触性犯罪治理工作中的有效应用途径，进而解决治理非接触性犯罪工作所面临的现实困境。大数据侦查不是专业的侦查术语，而是随着大数据技术的商业化应用及逐步的发展成熟而被侦查人员将其运用于公安领域中而归纳总结出的一种侦查方法。从广义的范围来界定，大数据侦查是指包含大数据侦查思维、大数据侦查技战法、大数据侦查法律规制等相关内容的完整的侦查体系模式。从狭义范围来界定，大数据侦查是指在侦查过程中以大数据技术为支撑的相关侦查活动。大数据技术的运用极大地丰富了传统侦查概念的外延，将侦查的时间向前提，侦查的目的也不仅仅局限于查明犯罪，还包括了预防犯罪。综上所述，大数据侦查是指具有侦查权的相关部门为查明相关案件事实、预测犯罪形势，根据已有的相关犯罪信息数据借助相关信息处理技术进行深入挖掘处理所得出为侦查活动所用的情报资料的侦查方式的统称。

一、非接触性犯罪的基本特征

相较于传统的接触性犯罪而言，非接触性犯罪是指构成犯罪行为的各个要素之间没有直接的物理接触，依托无线互联网络、智能传感器等技术手段传输行为人的主观意图，进而通过远程操控以实现其犯罪。作案时间跨度大、转移收益速度快借助网络空间所实施的非接触性犯罪针对受害人而言在作案开始时间的选择上具有随机性，但往往有着较大的时间跨度。特别是借助移动互联网与被害人互动骗取钱财的犯罪，往往以随机选择为开始，通过较长时间的沟通交流，逐步使得受害人放下防备之心并赢得其信任，进而将其个人信息、隐私信息等涉及财产安全的重要信息透漏给犯罪嫌疑人。犯罪嫌疑人一旦得手后，立刻利用其信息获取到受害人的钱财，即刻将其转移到自己手中。分布区域广泛、地域性特征明显移动互联网的普及使得人们之间信息传递、沟通交流变得非常便捷，联络方式也逐步增多。同一犯罪团伙的骨干人员虽然没有见过面、不知道彼此的真实信息，但却可以依托网络媒介结伙从事跨国犯罪活动。随着国内对常见的以电信诈骗为代表的典型非接触性犯罪进行全链条的重拳打击，其生存空间进一步被压缩。犯罪嫌疑人大多将电信诈骗窝点设立在东南亚、非洲等地处偏远、经济落后且相对隐蔽的别墅区。当地群众对于借助科技手段来实施的违法犯罪活动缺乏认识，难以发现犯罪窝点。犯罪嫌疑人通过租用设立在境外的服务器来逃避打击，依托互联网对国内实施犯罪活动，专门雇佣国内“车手”在多地负责取款来转移犯罪所得，形成了体系完整、分工明确的跨区域、多地点的犯罪组织结构。不仅如此，非接触性犯罪活动还存在着明显的地域性特征。传统的犯罪活动依靠亲缘关系、地缘关系而有着典型的地域性特征。随着犯罪手法的升级，传统的地域性犯罪类型非接触化，依然也有着典型的地域性特征。以广东、四川等涉毒重点区域的买卖为例，随着移动互联网的普及应用，买卖早已不局限于在隐蔽地点“一手交钱，一手交货”的形式，更多的是通过“暗网”空间来信息，寻找非固定的买家，通过寄递业夹带的方式完成的最终交易。此外，随着无现金支付的普及应用，相关的高科技银行卡犯罪也随之而来，通过改装POS机获取刷卡人信息进而复制伪造银行卡盗刷现金的犯罪活动日趋猖狂。通过警方对现有犯罪活动的打击情况来看，从事相关犯罪活动的人员大多来自广东省茂名市电白区。在该区，基本每个村的村民都将此类违法犯罪活动当做工作，并且当自己孩子辍学后便传授其孩子学习银行卡诈骗方法以谋取生活来源。犯罪主体的低龄化、高智商化明显根据公安机关破获的非接触性犯罪案件来看，90后逐渐成为犯罪团伙的骨干成员。无论是在“地下黑色产业链条”中从事核心技术开发工作的成员，还是在线下从事缺乏技术含量的账户开卡、取款转账等工作的“车手”，基本都是90后。在当前的非接触性犯罪活动中，低龄化特征明显。随着非接触性犯罪活动对技术水平要求的逐步提高，传统的犯罪分子欠缺实现其犯罪目的的技术手段，往往会将技术水平较高的名牌大学硕士、博士研究生拉入伙，共同从事高科技犯罪活动。他们往往会因为金钱的诱惑、工作生活的压力铤而走险，参与违法犯罪活动。犯罪方式更新更快且多样化由于社会宣传教育、公民防骗意识的提高，如果非接触性犯罪方式长时间一成不变，那么它将很难成功获得其犯罪所期望收益。为此，非接触性犯罪的方法手段也在随着新技术的出现而在不断地变化。当前，非接触性犯罪主要分为四大类：一是针对网络信息系统、网上信息资源的犯罪，二是借助信息网络与被害人互动骗取钱财的犯罪，三是借助人、物外置智能互联装置所实施的犯罪，四是接触性犯罪与非接触性犯罪相互交织的非接触性犯罪。对当前非接触性犯罪的发展趋势进行深入研究，其犯罪方式将从侵财性犯罪发展到多种类型犯罪，从单一性犯罪发展到交织性犯罪，从互联网领域发展到物联网领域。现阶段正处于以互联网领域内的电信网络诈骗为主要代表的非接触性犯罪时代向物联网领域内的借助人、物外置互联装置实施犯罪为代表的新型非接触性犯罪转型的时期。现阶段已经出现了无人驾驶汽车出车祸导致行人死亡的案例，出现了我国第一起利用人工智能“AI”技术犯罪的案例。随着科技不断进步，还会有新的犯罪方式出现。这也体现出了非接触性犯罪方式更新、更快且多样化的特点。犯罪行为必然遗留难以消除的信息痕迹传统的接触性犯罪活动，犯罪嫌疑人在犯罪现场留下犯罪痕迹，可以自行清理而将犯罪现场恢复原状。但是，在非接触性犯罪的虚拟空间的犯罪现场中，无论是网络信息系统的犯罪还是通过与被害人互动骗取钱财的犯罪，都将在犯罪的时空中留有被数字化记录下来的犯罪痕迹信息，甚至是实体设备。犯罪过程的非接触性必然使得犯罪嫌疑人在实施犯罪的过程中借助相关的网络虚拟渠道传输信息数据来表达其行为意识。这些数据信息也将被以网络数据的形式完整的记录下来。非接触性犯罪必然会留有相当多且难以清除的信息痕迹。

二、非接触性犯罪的治理困境

随着新兴技术与新兴产业的出现，与之相关的新型犯罪也将会随之而出现，容易出现治理犯罪“屡治不止，愈演愈烈”的态势。不仅如此，侦查机关自身的局限性也使得在非接触性犯罪的打击上出现打击不力的局面，客观上促进了非接触性犯罪日趋猖狂的态势。新型犯罪大量出现现阶段正处于第四次工业革命方兴未艾的时期，新兴产业正如雨后春笋般出现。基于新兴产业的新型犯罪也随之出现并且有着数量大、变化快的趋势。传统的犯罪形式借助新技术的出现插上了“互联网的翅膀”演变出了众多新型的犯罪方式，不仅令广大的人民群众防不胜防，也使得公安机关对于非接触性犯罪的治理始终处于被动局面而难以有效控制其愈演愈烈的势头。犯罪成本过低非接触性犯罪的受害人选择大多是随机的、而且具有极高的基数。即便是受害人占其受众的比例很小，但其巨大的基数、低廉的前期投入，也会使其犯罪所得收益非常可观。不仅如此，随着犯罪方式的日趋产业化、职业化，出现了越来越多贩卖犯罪手段、犯罪技术工具等情况，以较低的价格便可以买到完整的犯罪技术工具及方法，从事违法犯罪活动便会很快获得收益。相较于极低的犯罪成本，极低的犯罪技术壁垒与巨大的利益诱惑促使相当多的人在违法犯罪的道路铤而走险。公安机关打击不力相较于非接触性犯罪灵活多变的犯罪形式，公安机关对其打击处理始终是处于被动的局面。随着互联网的普及应用，犯罪窝点往往是涉及多地。跨国、跨省的犯罪普遍存在。公安机关无论是在跨国的国际侦查协作，还是国内的跨省侦查协作上，都存在不同程度的侦查壁垒。这严重限制了公安机关的打击犯罪能力。犯罪分子将各个犯罪环节高度分离，各个犯罪窝点设立在不同区域，可以有效逃避公安机关的打击。此外，公安机关始终处于案发后被动打击的工作模式。即便是将犯罪嫌疑人最终抓获，但群众损失的追回率却极低，而且往往会因为证据链条不完备，没能掌握犯罪团伙的全部涉案情况等因素使得案件难以成功起诉。即便是成功起诉，也往往会因为公安机关所掌握的证据完备的涉案金额、案件数量远低于犯罪团伙实际所涉案的犯罪非法所得使得其受到相对较轻的刑罚。犯罪分子出狱后普遍还是会从事原来的犯罪活动。侦查不力导致较低的重刑率使得非接触性犯罪活动中的惯犯、累犯成为主要群体。四、大数据治理非接触性犯罪的可行性大数据技术可以完善犯罪预警工作当前，公安机关在非接触性犯罪处置工作中始终处于被动局面，很大程度上是因为公安机关习惯于传统的发案后进行侦查的回溯型侦查模式，哪里发案在哪开展相关的侦查工作。各地区公安机关受到种种客观因素的影响使得其在彼此间的实时信息交流、情报共享工作上存在很大的弊端，无法建立起有效的犯罪预警机制，难以开展有效的事前防范工作。大数据技术的核心就是预测，云计算平台的运用可以使得各地公安机关的情报信息实时共享，实时上传下载。有了足够量的相关数据资料与实时的数据传输渠道，使得借助数据分析技术开展相关的犯罪预警工作成为可能。一方面，借助大数据技术开展犯罪预警工作，实时监测相关网络渠道的异常状况，做到重点项目安全的同步控制，建立起完善的犯罪行为同步识别与发现机制。另一方面，在项目开发审批环节通过大数据分析技术，进行风险预测，完善相关漏洞，压缩犯罪行为的活动空间。运用大数据技术可以完善犯罪预警工作，促使公安机关从被动侦查向主动防范的模式转型。大数据技术可以发掘现有案件背后隐藏的信息当前的非接触性犯罪案件的普遍特点就是受害人众多、相关数据信息交错复杂。公安机关往往需要耗费极大的人力、物力去收集相关的数据信息，通过筛查其“资金流”“信息流”进而倒查完整的犯罪组织体系。当前，非接触性犯罪主要通过移动互联网络实施犯罪行为，依靠网络空间中的数据交换来传播犯罪嫌疑人的主观意图。与此同时，相关的行为资料、行为信息也将会被完整的记录下来。电子物证作为法定的证据形式在非接触性犯罪案件中所占的比重越来越大。通过分析相关的电子物证可以重建犯罪时空现场、还原犯罪过程，由此把握住非接触性犯罪行为的核心，采取相关措施进行有效治理。大数据分析技术的特征就是需要海量的数据资料，通过对较低价值密度的数据利用相关性关系进行深入挖掘，筛查出其背后所蕴含的隐秘关系。大数据技术可以深挖现有犯罪案件背后的隐藏信息，对非接触性犯罪的有效治理起到关键作用。借助大数据技术尝试“警务外包”工作模式科技手段的飞速变化使得公安机关的侦查人员在大量办案任务的重压之下无暇学习。新科技手段对相关人员的专业性要求越来越高。如果侦查人员不是本专业的高学历人才的话，则对相关技术的掌握运用便会非常吃力。随着社会上的相关大数据公司发展日趋专业化、平价化，公安机关可以在专业技术应用上采取“警务外包”的工作模式。通过购买相关的数据信息、相关的软件分析平台开发服务等来使其更好地服务于公安工作。借助市场化的专业技术团队来解决相关的技术性难题，为侦查工作注入了新的活力，同时也给犯罪治理工作带来了极大的便利，使得犯罪侦查和犯罪治理的一体联动成为可能。利用技术力量将有限的警务力量从繁琐重复的数据录入筛选工作中解放出来，更多地投入到完善证据链条、建立防范机制的工作中，从而有效提升公安机关的打击治理效能。

三、大数据治理非接触性犯罪的具体应用

大数据技术应用于非接触性犯罪治理主要在“同步监管”“发案侦破”“犯罪预测”三个不同的维度。大数据在同步监管中的应用当前非接触性犯罪活动中的主观意图传播媒介主要是移动互联网。大数据时代，情报信息获取的渠道更加多元化。公安机关主动获取情报信息变得更加便捷。利用大数据技术对现行案件数据资料中的“敏感词汇”进行相关性分析并归纳总结，采取网上阵地控制的方式展开巡查工作，发现异常行为即刻查清其原由，进而建立起常态化犯罪的同步识别与发现机制。例如，在微信平台中异常火热的“三维九度”网络非法传销犯罪，就是通过对“敏感词汇”的网络巡查发现了在微信公众号平台中出现了异常的“永不充电电动车”“参与拼团的三维九度奖励模式”等敏感词汇。公安机关开始对其经营模式进行重点关注，利用大数据关联分析技术做出知识图谱，完整地还原其组织构架及运营模式，发现其通过拉人注册、返利分享的方式发展下线，进而确定了其传销犯罪行为的存在，主动打击，将犯罪行为控制在实施过程之中，最大限度地控制犯罪危害的蔓延，尽最大可能减少人民群众的受害损失。一时间爆红朋友圈的“三维九度”网络传销犯罪得以被公安机关有效控制，受害群众的损失得以最大程度地挽回。大数据技术可以实现异常行为的同步监管，将非接触性犯罪主动控制在犯罪过程中，防止犯罪危害蔓延，进而最大程度地保护人民群众的生命财产安全，有效治理非接触性犯罪活动。大数据在发案侦破中的应用大数据技术应用于已发案件的侦破中主要是起到完整还原犯罪时空过程、准确固定证据的作用，以及通过关联分析碰撞深入挖掘余罪的效果[1]。通过大数据技术完整还原犯罪过程，准确取证。由于非接触性犯罪往往错综复杂，大多会涉及到接触性犯罪与非接触性犯罪相互交织的情况。相应的犯罪过程、犯罪证据的掌握对定罪量刑起着至关重要的作用。在以审判为中心的诉讼制度改革下，在法庭质证环节，如果关键性的证据存在疑问有可能会使得前期的所有侦查工作功亏一篑。通过大数据关联分析将“网络空间”“物理空间”“社会空间”中的相关数据信息整合，完整地刻画出犯罪组织网络体系、犯罪行为的“知识图谱”等相关数据分析结果，全息还原犯罪经过，为准确定罪量刑起到关键作用进而提升非接触性犯罪的追诉率、重刑率。通过大数据技术关联分析，深挖余罪。在已发案件中，通过确定相关的行为对象，根据行为特征收集其现实行为的数据痕迹，做出其现实行为的虚拟镜像，在大数据分析技术的应用下根据相关性特征开展数据的碰撞、挖掘，通过“人”“像”“车”“电”“网”的五轨联控确定其异常行为节点并结合相应的案情信息深入研判，进而深入挖掘出犯罪分子所隐藏的其他犯罪行为。大数据在犯罪预测中的应用大数据技术的核心就是预测。随着大数据技术的日趋成熟，“行为人数据画像”技术的精准度也大幅提升。基于多维数据的融合再加之分类数据的关联分析将行为人的阶段性特征“标签化展示”并根据新数据的变化实时更新，使得侦查人员在快速掌握重点人员的实时动态特征，根据具体情况提出相应的侦查假设，制定相应的防范措施，进而对事件的发展趋势有效把控。通过以组织性犯罪团伙的核心行为人为中心，根据其社交动态的联系、频率、时间等相关信息进行重点关注，基于贝叶斯算法建立数据挖掘模型，重点关注其叶子节点、根节点，根据异常波动的变化结合其具体行为变现多方印证，进而预测其下一步的犯罪活动[2]。通过犯罪预测来主动采取应对措施，有效降低非接触性犯罪的发案率。

参考文献：

[1]王彬．犯罪侦查中的大数据应用分析［J］．中国刑警学院学报，2017（4）：31-37.

[2]董邦俊，黄珊珊．大数据在侦查应用中的问题及对策研究［J］．中国刑警学院学报，2016（2）：7-13.

作者：刘启刚；马凯 单位：中国刑事警察学院