“大数据”时代用什么“白夜追凶”？

大数据警察白夜追凶

印波许珂 | 2018-02-23 11:03

【数据猿导读】《白夜追凶》在口碑爆棚甚至被美国电视巨头Netfix买下海外发行权的同时，激起了广大网友对警察侦查破案题材的热情。然而，纵观全部剧情，侦查技术似乎还停留在物证技术阶段，有点落伍，缺乏高大上的技术运用——譬如“大数据”

岁末一部国产网剧《白夜追凶》红遍大江南北，在口碑爆棚甚至被美国电视巨头Netfix买下海外发行权的同时，激起了广大网友对警察侦查破案题材的热情。然而，纵观全部剧情，侦查技术似乎还停留在物证技术阶段，有点落伍，缺乏高大上的技术运用——譬如“大数据”。

大数据（big data）是大小超出常规的数据库工具获取、存储、管理和分析能力的数据集合。实际上，数据的流动使得人们处理信息的方式发生了深刻变化，使得人的生活和工作更加透明化。实际上，人类已经逐步从IT时代步入到了DT（Data Technology）时代。大数据时代，忽略数据的杂乱性，强调数据的量；忽略数据的精确性，强调数据的代表性；忽略因果关系的探求，重视整体规律的总结。大数据改变了人类认识世界的方式，并将在相当程度上改变现有的生产生活方式。在大数据时代，怎能没有酷炫的侦查技术运用呢？

实际上，在目前的警务和侦查中，大数据得到了大力的倡导和号召。目前亟待解决的问题是如何发挥大数据在侦查中的作用，实现信息化侦查模式与传统侦查模式的有机统一。

公安机关要想更好地驾驭当前的社会管理局势，把握公安工作的主动权，就要牢牢把握DT时代下犯罪的新动向、新特点，努力探索打击违法犯罪的新机制。

DT时代侦查革命势在必行　

随着DT时代人流、物流、信息流和资金流流量的激增和速度加快，使得违法犯罪呈现出地域性、流窜性、突发性、隐蔽性、针对性等特点，给社会治安管理带来了空前的压力，同时也为公安侦查破案工作带来了更大的挑战。

DT时代有什么样的犯罪特点？

首先是地域性。当一人或一个犯罪团伙在外地作案成功后，会将其经验分享给来自同一地区的老乡，这样基于地缘或血缘关系的“组团犯罪”，使得越来越多的人都集中从事某类犯罪，呈现出明显的地域特征。

其次是流窜性。交通网的架构、即时通讯的飞速发展，在为人们的生活提供便利的同时，也给犯罪分子的逃窜创造了条件。有的犯罪嫌疑人A地作案、B地销赃，有的犯罪嫌疑人作案后即前往另一地市另行作案，有的犯罪嫌疑人C地预备犯罪、D地作案、E地藏匿等等。这些都给案件的侦破和追赃带来了难度。

第三是突发性。随着城市化进程的不断加快和社会经济的快速发展，大量劳动力和农民工集中涌入东部沿海发达城市，这些外来务工人员对城市生活或新的生活环境不适应，由于处于从事体力劳动的最底层，产生了较重的自卑失衡心理，极易因为一些偶发小事而宣泄不满情绪，使简单纠纷矛盾复杂化，直至形成后果非常严重的刑事案件。

最后是隐蔽性。同以往的盗窃、抢劫、伤害等传统型犯罪相比，电信诈骗、手机短信诈骗等犯罪具有极强的隐蔽性。犯罪嫌疑人往往以虚假的信息和伪善的谎言为诱饵，对特定群体的受害人实施诈骗。这类案件不但有很强的隐蔽性，同时也极大增加了案件取证的难度。

尽管这些犯罪给侦破案件带来了巨大挑战，但是犯罪分子在犯罪前后都会留下一定的蛛丝马迹，他们在电子商务、金融、物流快递、汽车租赁、电信等相关行业部门的服务器上都会留下数据碎片，暴露其行为特征以及犯罪痕迹。只要我们善于利用数据，刨根问底就能快速找到侦查线索抢占先机。实际上，运用好大数据确实会使得个人毫无遮蔽可言，大数据完全可以使个人成为透明人，甚至对其行为作出预判，这是大数据给现代法治带来的全新契机。通过数据的系统整理和研判，让有犯罪心理的人无处作恶、无处逃匿、无处掩饰，通过大数据实施“白夜追凶”，以刺透一切的方式实现法治是这个时代必须面对的命题。

实际上，公安机关目前的信息化建设已经卓有成效，我们可以了解一下大数据时代下科技强警的最新成果：

昆明公安采集整合41类信息数据3.1亿条，并以日均50万条的速度递增，目前共有10007个公建视频报警监控探头、253套车辆抓拍系统、599套道路视频监控、915套电子警察等“天网工程”，辅之移动警务平台、350M无线集群系统、便携式指挥图像传输系统等“网络集群系统”。

重庆公安机关着力构建公安信息化运行体制，建立了公安信息联动机制，防控弹性化、巡防网格化机制，人防、技防优势互补机制，技能整合、全警信息化机制等等。

舟山公安积极推进“雪亮工程”、物联网、网络管控、智能卡口等科技项目的建设和应用工作，重点加大高清视频监控、人脸识别系统、车辆智能卡口以及电瓶车物联网建设等工作。实际上，各地公安机关都在尝试通过搭建智能化的数据云端，探索打防管控一体化的指挥和情报体系，致力于实现扁平化的高效指挥系统，对违法犯罪实现精确打击。这为大数据时代侦查革命的开启提供了极佳的契机。

大数据+侦查是否存在隐患？　

尽管成就颇多，但随之而来的问题也不容忽视。当前公安大数据工作建设存在的问题有：

信息资源“孤岛”现象严重，存在壁垒障碍

如今社会信息资源纷繁复杂，公安机关的外部资源与公安机关的整合存在储蓄占有的壁垒障碍，在实践中，公安机关往往过度依赖信息交换、友情获取的途径来打破“信息孤岛”。另外，在公安机关内部，情报主导侦查的理念已深入人心，目前的侦查体制并不能很好地适应信息时代的飞速发展。拥有数据资源的部门不办案，负责侦查的部门缺乏进入数据系统权限，因数据格式、端口等缺乏统一标准，出于利益保护以及信息管理理念的滞后，治安、刑侦、网安、反恐、反邪教、禁毒、信访、情报等部门都有各自的信息系统，关联性、融合性不强。

信息收集理念过时，难以防范潜在危险　

公共安全和社会治安的信息系统建设仍有待完善加强，网络化、信息化应用履盖面低。实际工作中，因受传统工作思维和自身知识结构的影响，民警缺乏基于大数据的工作理念，普遍存在畏难情绪和惰性思维。在思想认识层面尚未架起通向互联网时代的桥梁，对如何打击动态化信息化条件下的违法犯罪行为无从下手，缺乏全盘研究和周密谋划。　

实时信息深度分析不够，难以做出迅速反应　

视频监控能直接或间接地记录犯罪过程，直观展现犯罪嫌疑人的图像、行为特征和其他相关信息，对提升治安管理效能有举足轻重的作用。监控产生的大量非结构化形式的视频、图像信息需要实时采集、动态录入。为精确打击犯罪提供导航，就需要调查重点范围和异常行为特征。但当前基层公安机关过分强调依靠落后的专业手段方法，停留在“回放—发现-分析”的“从案到人”的事后应对模式，同时存在取证中重要数据的发现、获取、提取的冗余，噪声数据较多，导致监控信息重复使用效率低下，不重视事前预警的“视频巡逻”，缺乏对大规模取整数据的整理和裁减从而确立重点调查范围的能力。

大数据专业人员匮乏，信息化意识亟待提升

实现大数据技术发展关键靠“人”操作。目前警务人才培养模式滞后，缺乏信息化意识、大数据思维以及各类系统平台熟练应用操作的高级警务人才，同时导致各级公安机关聘用的外部技术人员频繁流动，存在很大的泄密安全隐患，这严重制约了以信息化为核心的公安工作转型发展。尽管近年来，公安系统加强了相关教育培训，但公安民警仍然对大数据缺乏全局性考量和具象化认识。

DT时代如何开展“白夜追凶”？

公安工作应随着社会发展不断更新变化，因此需要创新打击理念，注重顶层设计。考虑DT时代下违法犯罪新工作思路。既要在情报研判、情报导侦和提高打击工作的科技含量上下功夫，也不能忽视摸底排查、刑嫌调控、围追堵截、并案侦查、刑事特情等传统侦查手段的运用。

要加强软件开发和硬件投入，实现以公安情报平台为基点，与社会信息资源的有效对接及内部系统平台的整合与共享，解决数据应用效能价值低、信息资源分散的问题。坚持以共建共享的原则，主动与政府合作，搭建统一的应用系统和业务协同平台。建立内外部门信息共享的数据库建设，统一数据格式和端口标准，做好信息采集、录入和维护的基础工作，为公安云平台建设做准备。根据重组的数据库建设，不断提高信息使用效能、储蓄和运算处理能力，将相关资源信息收集、预警、反应、联动指挥、发布、动态监测、统计分析等集成在统一平台上，由该平台负责指挥调度、组织协调、监督评价，实现治安管理工作一体化，并且适时对外开放部分公安云，让外部也享受部分公安云资源福利，从而为有效打击预防犯罪提供强大的技术支撑。

基于DT时代下犯罪体现出的集团化、跨地域、流动性、隐蔽性等诸多新特点，一个警种、部门的单打独斗已经远远不能够适应当前发展，僵化的串联式侦查会带来侦查周期长、破案率低等一系列弊病。因此，深入推进多警种的合成作战是当务之急。以刑侦部门为核心，多警种、多部门、跨行业间协调配合，在同一时期内对重大疑难案件进行集中打击，制定科学的战略战术，建立上下联动、多维反应的指挥系统，科学部署侦查资源，加强与各行业间的信息共享与沟通，创新融合，才能实现变革。

建立与时代发展进步相适应的警务人才培养体系：一要建立保值增效机制。加大基层干警信息化教育培训力度，挖掘潜能，满足短期内信息化建设要求。二要开通人才选调绿色通道。要优先保障县级公安机关急需的信息化技术人才，确保有足够的技术人员开展基础工作信息化建设。三要建立“订单式或超前型”人才培养模式。由基层公安机关提出人才需求，反馈到公安院校或其他高校，争取使院校在专业科目设置上作出相应的调整，对具有信息化意识、大数据思维以及各类系统平台熟练应用操作的高级警务人才进行定向培养。如此，才能有效推动公安信息化建设向纵深发展。

印波：北京师范大学刑事法律科学研究院副教授、法学博士

许珂：北京师范大学法学院硕士研究生

来源：民主与法制

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。