大数据侦查的概念范畴路径和启示——基于公安大数据发展背景下的思考智慧警务建设方案移动数据警务案例

【摘要】在全国公安机关大力实施公安大数据战略的背景下,本文以大数据侦查为切入点,尝试探究大数据侦查的特征,辨析有关概念辨析以及讨论实现路径。借鉴《刑诉法》修订将技术侦查纳入法治化,针对大数据侦查实践超前于理论的现状,论述大数据侦查存在的风险挑战以及权利保障、技术审查、程序控制等方面的措施建议。

【关键词】公安大数据战略;大数据侦查;情报导侦;合成作战;技术侦查;

一、大数据侦查发展背景

公安机关从20世纪90年代全面开始信息化建设,1994年公安部成立全国犯罪信息中心,1998年公安部实施“金盾工程”,建设起公安信息化网络工程和通信工程以及八大基础信息库。经过数十年的不断发展完善,公安机关科技信息化水平不断提高,收集和运用数据的能力不断增强,已建设完成包括国家人口信息库、警务综合平台、视频综合平台以及警用地理信息系统等一系列公安信息化平台和系统,公安信息化建设对警务实战和侦查工作提供了有力的技术支撑。

在国家大数据战略和“互联网+行动”政策指引下,2018年1月公安部成立大数据工作领导小组,大力实施“公安大数据战略”。为了解决各部门警种的数据汇聚和整合,将公安大数据作为资源运营,实现对外提供数据服务,同时挖掘数据资源的价值,提供支撑警务实战的分析决策能力,全面部署公安大数据智能化建设,打造数据警务、建设“智慧公安”,实现公安机关战斗力的跨越式发展。同时公安机关政务信息共享也走在政府部门前列,已建成公安机关“互联网+电子政务”一站式服务平台,满足出入境、治安、户政、信访、交管等业务在线办理,运用“互联网+”和大数据技术,做到“让数据多跑路,百姓少跑路”,深得社会和群众的好评。

二、大数据侦查概念定义

在公安机关全面拥抱大数据的背景下,大数据侦查已处在实践探索阶段,必将对传统侦查工作带来新的变革。现有大部分研究是将大数据作为研究背景或者一种新的侦查技术,厘清大数据侦查的概念以及与情报导侦、技术侦查的关系,大数据合成作战的实现路径,有利于为大数据赋能实战提供新的研究和实践思路,推动公安工作实现质量变革、动力变革和效率变革。

大数据侦查是对于大数据技术和方法的运用,同时借助视频技术、传感技术、计算机网络、数据挖掘以及人工智能等一系列复杂科学技术。一是广义角度来看,大数据侦查包括大数据侦查思维、方法、模式、机制等完整的体系。目前大数据侦查领域,有许多学者试图从不同角度描述出大数据侦查实体和程序的完整框架。二是狭义角度来看,大数据侦查强调大数据技术、方法在侦查工作中的运用。大数据侦查是侦查机关对于已经发生或者尚未发生的犯罪行为,为查明犯罪实施、预防犯罪行为所采取的以大数据技术为核心的侦查行为。常见的大数据侦查方法有数据搜索、数据碰撞、数据挖掘、犯罪网络关系分析以及数据画像等等。这些侦查技术与痕迹检验、物证鉴定技术一样同属于侦查技术的范畴。

三、大数据侦查特征与模式

一是侦查空间的数据化。当前大数据时代下,智慧城市、信息物理系统、数字孪生社会、元宇宙等概念不断涌现,传统侦查空间是现实的空间世界,而平行于现实世界的信息世界也将出现一个基于数据的虚拟空间,通过数据构建起来的数字孪生可以实现人事物的数据化,在这个平行的数据空间里,侦查人员可以根据现实空间的人事物来寻找对应的数据形式,通过搜索、碰撞等方式展开分析,再从数据空间返回现实空间,发现现实与数据之间的交叉,发现更多犯罪行为的关联线索,因此大数据侦查将原有的侦查的空间拓展到了现实空间和与现实世界平行的数据空间。

四、大数据侦查的实现路径

在公安机关全面拥抱大数据技术的背景下,建设大数据合成作战中心是实现犯罪预防和案件打击侦破的重要途径,从技术架构、指挥机制和队伍建设等方面论述其建设方式。合成作战的概念源自于部队,是军事上多兵种部队间相互配合,在军事活动中实现统一指挥调度、优势互补,完成单一军、兵种无法完成的目标任务。公安机关合成作战是将多个部门警种的警力融合,通过统一作战指挥中心,将情报信息研判、大数据支撑、跟踪反馈贯穿侦查破案打击全过程,解决了以往存在的“各自为战”的情况,实现警力资源的优化配置。

一是大数据合成作战中心技术架构。充分利用公安信息化平台和大数据智能化建设成果,将大数据、云计算、物联网、人工智能等新一代信息技术赋能警务实战,将原本相对分散的系统转化为可视化、扁平化的统一指挥调度平台。基于云计算架构,打通大数据平台、视频图像侦查平台以及警用地理信息系统的警务数据中台,加强移动警务终端建设,实现指挥中心直接调度作战单元,充分利用数据挖掘、人工智能等技术,建立犯罪预警的算法、模型,构建社会治安防控体系,实现犯罪预防和精准打击,形成强大震慑力。

二是大数据合成作战中心指挥机制。融合跨部门警种的能力,不再是简单的部门警种间物理融合,而是形成化学反应。建立高效、智能化的情报研判指挥体系,将大数据挖掘贯穿于事前预警、事中研判,事后分析全过程。充分利用数据挖掘、人工智能等技术对过往发生的案件警情深度剖析,合理划分案件的类型,设定警情的响应等级,实现精准化、可视化、扁平化、智能化指挥调度,所有警情处置、案件线索办理最终由主办民警统一负责办理。

三是大数据合成作战中心队伍建设。大数据合成作战中心构建扁平化的组织架构,不仅由单一警种牵头建设,而是从各警种部门选拔政治可靠、精通业务、作风过硬的优秀骨干,面向实战培养一批具有侦查思维并善用大数据技术的复合型人才,增强单兵作战能力,实现科学警力资源配置。

大数据侦查将带来警务工作模式的变革,合成作战已成为公安机关实现大数据侦查的重要路径。大数据合成作战中心的建设,融合情指、刑侦、科信、视侦、网安、技侦等跨部门警种的能力,既适应大警种改革的形势,又能发挥公安机关警力整体效能,实现“向科技要战斗力”的目标。

五、大数据侦查的风险与建议

当前,公安机关借助科技信息化手段和大数据智能化建设,在治安防控、刑事侦查等方面已经取得成效,但是面临着无法可依和重实体轻程序的困境。面对大数据侦查实践已超前于理论的情况下,有必要对存在的风险挑战以及权利保障、程序控制、配套制度等方面应对措施进行研究。

(一)大数据侦查存在的风险

当前,公安机关借助科技信息化手段和大数据智能化建设,在社会治安防控、刑事侦查等方面已经取得成效,但仍存在一些风险挑战。

一是大数据侦查对侵犯公民隐私的风险。数据获取过度侵犯个人隐私、以及政府、互联网平台以及公民之间数据壁垒造成的不平等。如果不能保证公民权利保障和合理的救济渠道,现代科技的发展将使公民权利保障成为法治道路上的牺牲品。

三是大数据侦查与程序法的衔接。无罪推定是刑事诉讼法的重要基础理论,大数据侦查的新特征是带来了犯罪预测和主动型侦查,应贯彻无罪推定原则,同时应满足对立案侦查程序和证据有效性方面的合法性,因此亟需建立程序控制和配套制度。

(二)应对措施建议

习近平总书记提出“努力让人民群众在每一个司法案件中都能感受到公平正义”。面对新型犯罪、网络犯罪等侵害社会民众利益的犯罪层出不穷,大数据侦查显得尤其必要,同时,对大数据侦查存在的风险应未雨绸缪,采取合理应对措施。

一是公民权利的保障措施。在大数据时代,传统意义上的“个人隐私”已经完全不够涵盖隐私权本身所包含的内容,更广阔的隐私内容要求侦查机关搜集大数据时,必须遵守明确法定程序。当隐私权和侦查权发生冲突的情况下,需要平衡两者之间的关系,隐私权就要求侦查机关必须遵守谦抑的态度,建议在大数据侦查中引入比例原则,具体来说是满足适当性原则、必要性原则和狭义的比例原则。一是大数据侦查采取的手段和措施是适当的,其使用是为了有助于达成侦查机关相应的目的。二是在满足适当性的情况下,应选择对社会和公众权利最小侵害性措施和手段。三是大数据侦查采取的侦查措施和目的相当,不在超出目的范畴内使用大数据侦查措施。

二是大数据侦查技术的审查。一是数据的质量。对平台现有数据库中的瑕疵数据应予以甄别剔除;对来自不同事权机关单位的数据库交互时应对数据的质量予以保证。加强政法机关内部的数据共享以及建立数据过滤机制。二是算法的透明度。在用于犯罪预测的算法模型上线前,进行算法审查,增强算法的可解释性;对经过大数据二次分析的结果进行人工核实,消除潜在的算法歧视,持续改进方法。

三是建立程序控制体系和机制。坚持在党的领导下,建立侦查机关内部自律、法律监督以及司法审查相配合的程序控制体系和配套制度。在公安机关内部应充分发挥技术实施部门、督察、法制等部门警种作用,构建大数据+督察工作机制。法律监督主要是对大数据侦查执法全过程证据留痕并且可以追溯,建立大数据侦查定期报告审查的制度,保证数据所有人、犯罪嫌疑人、监督机关的知情权。

随着大数据的快速发展,我国已经出台了《网络安全法》、《数据安全法》和《个人信息保护法》一系列法律法规,为大数据的发展保驾护航。大数据侦查的配套制度应注意与国家法律法规相衔接。只有直面问题,才能抓住机遇,以法治的道路规范科技的发展运用,才能更好地预防犯罪的发生,在大数据时代担负起维护国家安全的重要使命。

THE END
1.大数据机器学习算法概论腾讯云开发者社区大数据 机器学习 算法概论 ?算法概述? 算法是计算机科学领域最重要的基石之一,计算机语言和开发平台日新月异,但万变不离其宗的是那些算法和理论,数据结构和算法是软件开发必备的核心基础,是内功心法。下面举例拿推荐算法和分类算法的实际场景做下举例:https://cloud.tencent.com/developer/article/2479107
2.大数据大数据算法大数据算法的技术涵盖了多个领域,包括分布式存储与处理、数据挖掘、机器学习、图计算、文本挖掘与自然语言处理、推荐系统、关联规则挖掘、时间序列分析、异常检测、数据压缩与降维、网络分析、模式识别等。这些算法的选择取决于具体的应用场景和问题要求,通常需要综合倾斜考虑算法的效率、准确性、可扩展性等因素。 https://blog.csdn.net/xiaoyingxixi1989/article/details/141688931
3.主页徐宗本大数据软硬件平台研究组致力于研究大数据完整生命周期(数据获取、数据管理、数据分析处理)中所涉及的分布式系统和平台的架构、资源分配调度、以及分布式计算和网络问题。特别的,我们关注分布式大数据算法与平台技术综合优化,文本数据流的分析处理算法,基于边缘和雾计算架构的大数据获取和处理。 深度学习与医学图像处理研究组 该https://gr.xjtu.edu.cn/en/web/zbxucn
4.大数据常用的算法在当今信息时代,大数据已经成为各行各业的关键资源。然而,处理大数据并从中提取实用的信息并不容易。为了解决这个问题,大数据算法应运而生。本文将介绍几种常用的大数据算法,包括分类算法、聚类算法、关联规则挖掘算法和推荐算法。 一、分类算法: 1.1决策树算法:决策树是一种基于树形结构的分类模型,通过对数据集进行分割https://wenku.baidu.com/view/edd0768075c66137ee06eff9aef8941ea76e4be3.html
5.《基于鲲鹏的大数据挖掘算法实战》(袁春,刘婧,王工艺)摘要书评图书 > 计算机与互联网 > 大数据与云计算 > 机工出版 > 基于鲲鹏的大数据挖掘算法实战 自营 机械工业出版社京东自营官方旗舰店 基于鲲鹏的大数据挖掘算法实战 袁春,刘婧,王工艺著 京东价 ¥ 促销 展开促销 配送至 --请选择-- 支持https://item.jd.com/13540337.html
6.基于大数据处理的态势评估与威胁估计算法研究本文基于大数据处理的理论基础与技术手段,对态势评估技术与威胁估计技术进行了更加深入的研究,提出了更大程度基于大数据分析的态势评估与威胁估计。本文主要包括以下研究内容:1、研究了目标分群技术中基于模糊聚类的可能性模糊C-均值算法、基于密度的聚类思想、模块密度函数并总结其特性与缺点。综合其优点,提出了一种基于https://cdmd.cnki.com.cn/Article/CDMD-10614-1019851092.htm
7.大数据推送算法导读:一、什么是大数据推送算法大数据推送算法是一种基于大数据技术和机器学习算法的推送策略,它通过分析用户的行为数据和个人偏好,将合适的信息、广告或推荐内容推送给用户。这种算法可 本文目录一览 1、大数据推送算法原理 2、大数据推送算法优化 一、什么是大数据推送算法 http://chatgpt.cmpy.cn/article/4911796.html
8.大数据算法哈尔滨工业大学大数据算法这门课程旨在通过讲授一些大数据上基本算法设计思想,包括概率算法、I/O有效算法和并行算法,让听课的同学们接触到和传统算法课程不一样的算法设计与分析思路,并且以最新的研究成果为导向,让参与这门课程学习的同学了解大数据算法的前沿知识。通过这门课程的学习,同学可以掌握大数据算法设计的基本思想,并通过本门https://www.xuetangx.com/course/HIT08091000092
9.大数据算法10【判断题】大数据算法是在给定的时间约束下,以大数据为输入,在给定资源约束内可以生成满足给定约束结果的算法。B A、对 B、错 * 11【判断题】MapReduce是一种比较好实现大数据算法的编程架构,在生产中得到广泛应用。A A、对 B、错 * 12【判断题】大数据算法是仅在电子计算机上运行的算法。B A、对 B、错 https://www.wjx.cn/vm/O7AF0rF.aspx
10.许成钢:大数据从市场上来,如果把市场消灭了,数据没有了这都是过去带来的教训,今天当大数据和人工智能结合在一起的时候,它可能的危险我们还不知道,比如带有垄断性质的大公司利用手中的数据试图来控制社会,用于大规模的战争,用于犯罪等等。 基于大数据的算法与计算能力 下面我们从最基础的地方认识一下人工智能和大数据,只有知道基础,才有可能能知道它能做什么不能做什么。 https://www.thepaper.cn/newsDetail_forward_1804344
11.大数据常用分聚类算法区别大数据聚类分析方法大数据常用分聚类算法区别 大数据聚类分析方法 1.聚类的基本有关概念 聚类分析:将物理或抽象对象的集合分成相似的对象类的过程称为聚类。 簇:数据对象的集合,对象与同一簇中的对象批次相似,而与其他簇中的对象相异。 无监督学习:没有事先定义好的类 典型应用:①作为获得数据集中数据分布的工具②作为其他数据挖掘https://blog.51cto.com/u_16099196/10583387
12.大数据处理中常见的算法有哪些?Hadoop:Hadoop是一个开源框架,基于 MapReduce 算法实现了分布式存储和计算。它允许在成百上千台普通计算机上并行处理大规模数据集。 Spark:Spark 是另一个流行的大数据处理框架,提供了比Hadoop更快速和更强大的数据处理能力。它支持内存计算,可以在内存中高效地操作数据,适合迭代计算和交互式查询。 https://www.cda.cn/view/203009.html
13.超星尔雅学习通大数据算法网课章节答案第第PAGE 1 页共 NUMPAGES 1 页【超星尔雅学习通】大数据算法网课章节答案 超星尔雅学习通大数据算法(哈尔滨工业大学)网课章节测试答案 1.1大数据的定义与特点 1、【单选题】以下关于大数据的特点,叙述错误的是()。 A、速度慢 B、多元、异构 C、数据规模大 D、基于高度分析的新价值 我的答案:A 2、【单选题】在https://m.book118.com/html/2022/1116/8005065037005013.shtm
14.李舴玉大数据算法技术影响下环境行政决策问责制的调适与完善大数据算法技术于环境行政决策中的应用,是当下补足环境行政决策所需信息缺乏与决策者有限理性之短板所亟须。然而,基于科技决策技术本身之专业复杂、透明度不高以及难以解释的特性,加之以大数据算法开发设计者这一新型主体参与其中的考量,因此对问责的全面性与准确性提出了较高的要求。但是,基于目前我国环境行政决策问责机制https://www.jfdaily.com/sgh/detail?id=804806
15.大数据与犯罪侦查:机遇挑战及应对在大数据时代,基于大数据的应用,可以极大增强决定做出的正确性。相比于人脑决定做出的随意与无序,大数据基于其预设的算法和赋权,可以在短时间内迅速给出相应的指示,供侦查人员参考。大数据的算法的基础是统计学,其本身被看作数学逻辑和统计批判性思维、计算机科学以及实际领域知识三者的交集。算法的预先设定性,可以在很大https://www.secrss.com/articles/14224