侦查模式转换首先是理念转换。
在线、开放的理念。大数据首先是在线数据。大数据不仅是体量大,更是实时记录社会的复杂动态数据,而正是这些数据混杂了犯罪的“蛛丝马迹”。因此,对于大数据驱动的侦查,我们必须坚持在线和开放的数据理念,以获得我们需要的海量数据,进而分析、处理这些数据。
数据主导侦查理念。大数据时代,侦查过程就是数据储存、提取和分析过程,数据贯穿于侦查的各个环节,“让数据说话”成为侦查的基本思维。数据主导侦查的理念至少包括以下三个方面的内容:首先,有关犯罪的一切现象皆可数据化。其次,大数据是侦查的基础资源,是侦查的工具箱。侦查就是对数据开矿式的挖掘和分析,侦查能否成功某种程度上取决于对大数据资源的提取、分析能力。最后,数据居于侦查过程基础和先导地位,没有数据就没有侦查。
相关性理念。大数据是通过量化两个数据值之间的数理关系来确定相关关系。传统侦查,是按照因果关系来采集数据和分析案件。到大数据时代,我们更注重相关关系,因为:
相关关系能让侦查人员全方位、多角度地思考分析案情。通过相关关系,才能将看起来没有联系的信息,内在地联系起来,从而更为全面认识案件情况。
相关关系可以给我们进一步确定因果关系以指引,相关关系并不必然是因果关系,但因果关系必然是高度相关关系。
通过相关关系,可以预测犯罪。大数据的核心价值是预测。通过收集几乎所有具有相关关系数据,建立大数据模型,我们可以从微观上预测什么时间、什么地点、什么人、什么类型等等的犯罪容易发生,也可以从宏观上预测犯罪趋势,这为我们防范和打击犯罪提供更好的机会。
线上破案与线下证明相结合的理念。 大数据使得发现和确定某一犯罪嫌疑人变得似乎相当容易。但是数据只是事实的镜像,并不等于就是事实;而且大数据的算法逻辑(强调是相关关系、确定的只是一种概率,甚至由于噪音等因素会出现致命的误差)与法律证明逻辑(强调因果关系和排除合理怀疑标准)存在差异,因此,犯罪侦查尚需要进一步按照法律体系的操作要求进行证明。即使我们通过大数据可以确定犯罪嫌疑人,达到了排除合理怀疑的标准,我们也必须在如何把大数据的算法体系转化为符合法律规范要求的证明体系,把数据确定转换为法律确定。然而,线上破案和线下证明并不是割裂的,大数据能对我们证明起引导作用,帮助我们如何寻找证据,如何确定因果关系。因此,在大数据时代我们既不能抛弃相关关系,只追求因果关系,也要必须防止用相关关系代替因果关系,防止用预测来代替事实。
一体性侦查。一体性侦查是指在侦查活动中以数据共享为机制,将分散的、不同层级的、不同区域的主体及其行为有机组织起来,形成一个整体的侦查模式。大数据时代,数据共享产生价值将成为合作的内在动力;而数据共享本身也就是高效的合作机制,这将打破侦查协作层级、系统、区域的隔离。首先,让数据决策和数据共享将颠覆传统侦查的金字塔式层级决策和指挥结构,形成人人参与决策、上下互联的扁平机制。其次,大数据促进警钟协同。各警种之间的差异只不过是数据收集、分析的不同环节而已。第三,大数据创新警民合作方式,使得全社会几乎所有的人都可以参与到侦查中去。第四,大数据推动形成高效的合作机制。
全景式侦查。所谓的全景式侦查,就是采用海量的数据,甚至是相关的所有数据,对侦查案件进行全方位、多角度扫描、分析的侦查模式。全景式侦查有如下两个特点:一是侦查中采集和分析的数据是全景数据。数据采集和分析模式突破了时空上的障碍,实现360度全方位的采集和分析数据,突破了以往的地域范围、人员范围、时间范围的限制,能将摸排范围扩大到几乎全社会所有时空。二是侦查思路的从面到点,侦查路径发生了根本变革。传统的侦查模式主要是根据已有条件,提出侦查假设,然后根据因果联系,一步一步验证假设。从侦查途径的类型来说,有所谓的从案到人、从人到案、从案到案、从物到案等点到点的线式思路。而大数据将改变过去的点线式侦查,是从面到点式侦查,即从时间、空间、人、物、案、事件等全景式数据比对碰撞和分析,实现从数据要线索,从而锁定犯罪嫌疑人。
预测型侦查。传统的侦查模式是回溯型侦查,即案件发生后,侦查行动才介入,侦查的内容是重建过去。随着信息技术的发展,侦查行为从回溯型侦查转向了主动型侦查。主动性侦查将侦查行为介入时间大大向前推进,甚至是侦查行为与犯罪行为时间同步,即侦查行为不仅指向已经发生的犯罪,还指向正在进行的犯罪。进入大数据时代,大数据技术使我们侦查介入时间进一步发生颠覆性的变革。大数据的核心就是预测。借助大数据,既可以预测某一区域乃至全国的某种类型的犯罪趋势,也可以预测某一时间某一具体地点某种类型的犯罪,还可以预测某一个体的犯罪概率。根据预测,我们可以制定计划,优化警力配置,采取行动。这样,对于犯罪侦查来说,过去的 “犯罪发生——再反应” 模式或将被改变为“预测——行动” 模式。
算法侦查。传统侦查模式主要依靠侦查员的人力、经验以及运气;业务数据主导的侦查模式是通过信息查询提高了侦查效率,而大数据驱动侦查模式以云计算为最基本的支撑。从宏观上说,犯罪发现、犯罪监控、犯罪预测都是大数据运算来实现;从微观上说,现场重建、现场分析、侦查决策等等都是一种数据运算。从侦查过程来看,大数据驱动的侦查过程就是算法过程。在算法侦查中,侦查员就是算法师,他们不仅要懂侦查学,还要掌握数学、统计学、计算机科学。他们不仅要评估数据,选取分析和预测的工具,还要确定运算法则,建立运算模型,解读运算结果。
大数据驱动的侦查模式运行机制主要有三个相互关联机制组成,即犯罪监控机制、犯罪侦破机制、犯罪预测机制。
犯罪监控机制。监控(surveillance)的本意是密切注视、观察或监视所要监控的对象包括人、事、物、场所等。大数据监视是一种“全景敞式监视。但这种监视已经超越了边沁和福柯的概念,因为其是全时空的全景敞式。根据提取或捕捉犯罪信息的时间,可以把大数据监控机制划分为两大机制:一是数据记录、存储以供分析、提取机制。这种机制实质是为犯罪侦破机制的数据做准备。二是实时报警机制。这需要三个步骤:问题识别和定义、模型建构、实时报警。
犯罪侦破机制。犯罪侦破机制是指案件发生后,侦查机关为达到侦查破案的目的所采用的手段、方式和过程。大数据时代下的犯罪侦破机制大体分为四个阶段:数据准备、明确问题和确定分析思路、数据挖掘、确定目标和验证阶段。
预测机制。大数据预测的一般路径是通过对过去犯罪规律的描述建立模型并对模型优化,然后将现有数据输入模型进而从其结果中预测未来。
大数据引领现代警务的发展,但无须赘言大数据并不是完美无缺的。大数据驱动的侦查模式,是对传统侦查模式的超越,但其有效模式应是大数据、侦查直觉、经验的完美结合。
节选自何军:《大数据与侦查模式变革研究》,原文刊载于《中国人民公安大学学报(社会科学版)》 2015年01期。
作者:何军,江苏警官学院侦查系讲师,管理学博士。
联系客服