大數據偵查方法在集資詐騙案件中的應用研究：前景、問題與對策

石育瑋，張 黎

（中國人民公安大學，北京 100038）

集資詐騙是指以非法占有為目的，使用詐騙方法非法集資，數額較大的行為①詳情參見《刑法》第192 條之規定。，屬于典型的涉眾、風險型經濟犯罪。隨著新經濟生態的發展，其在作案工具、手段、流程、影響上有所升級，形成涉案人員和資金體量大、組織架構及資金流向復雜、專業化和隱蔽性程度高等趨勢，極大增加了公安機關的偵破難度。當前集資詐騙犯罪態勢嚴峻（2019 年，全國檢察機關起訴集資詐騙犯罪案件1794 件2987人，同比分別上升50.13%和52.24%[1]），因涉及廣大民眾的資金損失，破案需求逐年加大。“涉案資金風險特性對戰機要求提高、數據質量特性對效率要求提高、影響連鎖特性對維穩要求提高”使得此類案件的偵破需要“在思維、模式、技戰法上進行變革”。[2]“大數據偵查是指通過計算機、網絡等科技手段采集、儲存、共享、驗證、比對和分析虛擬空間和實體空間當中的數據資源，發現犯罪線索，收集犯罪信息，緝獲犯罪嫌疑人的偵查模式。”[3]隨著經偵“信息化建設，數據化實戰”戰略的穩步實施，其方法在數據分析研判、行為風險預警、犯罪形勢預測上的功能可滿足偵查所需的“戰機、效率、維穩”要求，有力提升案件偵破的“質量、效率和動力”②2019 年5 月，習近平總書記出席全國公安工作會議時強調：“把大數據作為推動公安工作創新發展的大引擎、培育戰斗力生成新的增長點，全面推動公安工作質量變革、效率變革、動力變革。”參見：《習近平出席全國公安工作會議并發表重要講話》，載http://www.gov.cn/xinwen/2019-05/08/content_5389743.htm。，從而適應集資詐騙案件的大數據生態。本文從前景、問題、對策三方面對大數據偵查方法在集資詐騙案件中的應用進行了研究，為經偵大數據發展提供對策建議。

一、大數據偵查方法在集資詐騙案件中的應用前景

中國共產黨第十九屆中央委員會第五次全體會議提出：“加強數字社會、數字政府建設，提升公共服務、社會治理等數字化智能水平。”公安機關作為社會治理的重要力量，其偵查手段作為社會治理的方式之一，結合大數據形成大數據偵查模式將順應國家的數字化發展方向，促使偵查模式的升級，在集資詐騙案件偵查中有著廣闊的應用前景。

（一）大數據偵查方法的功能

大數據偵查方法具有對“過去時”數據分析研判、對“進行時”行為風險預警、對“將來時”犯罪形勢預測的功能。

1.數據分析研判

大數據偵查方法具有對“過去時”數據分析研判的功能。如美國Palantir①Palantir 公司于2004 年在美國硅谷成立，是目前全球最大的大數據公司。通過與各州警隊合作，通過融合人口、犯罪、DNA 等警務數據庫，利用大規模數據可視化交互技術進行數據挖掘與關聯，形成完整的證據鏈條，解決了案件偵辦中線索中斷的問題。目前常見的分析研判工具有IBM“i2”②“i2”最初由英國劍橋的i2 公司為英國警察部門研發，后經國際刑警組織推廣至全球范圍，2012 年由美國IBM 公司收購并將其作為IBM“智慧城市”框架中平安城市建設方案的重要組成部分，現由IBM 公司研發。、“火眼金睛”③“火眼金睛”由南京智器云公司研發。、“資金流向追蹤系統”④“資金流向追蹤系統”由中科金審（北京）科技有限公司研發。等大數據分析研判可視化工具以及EXCEL、ACCESS 等傳統表格工具。已形成“數據準備、確定思路、數據挖掘/檢索、鎖定目標、驗證/補充”的閉環式偵查流程（如圖1 所示）。數據準備階段，警方可通過智能采集、清洗去重、數據檢測與補全等功能對調取的多元數據進行整合，減少了人工操作的繁瑣流程與主觀失誤，順應了經偵領域中心由偵查轉向審判的訴訟制度改革趨勢⑤2017 年12 月底，公安部、最高人民檢察院聯合修訂印發《關于公安機關辦理經濟犯罪案件的若干規定》，提出在經偵領域推進從以偵查為中心向以審判為中心的刑事訴訟制度改革。。在數據挖掘階段，公安機關可對數據記錄進行高效整合與可視化，搭建圖譜找關系，建模分析找規律。利用大數據的相關性認知方式建立犯罪知識圖譜，從而快速理清案件脈絡、人員關系、上下游犯罪、資金流向等。利用大數據的建模功能進行犯罪規律與疑點的找尋從而指導線索擴展、調查取證、偵查決策等偵查活動。

圖1 大數據偵查中案件分析流程圖

2.行為風險預警

大數據偵查方法具有對“進行時”行為風險預警的功能。“大數據的監測預警功能促進了偵查權范式的改變，使偵查權得以延伸至犯罪預備、犯罪誘因產生的早期階段”[4]。如在非法集資類案件中目前常見的預警工具有北京“冒煙指數”風險預警模型⑥冒煙指數模型由北京金信網銀金融信息服務有限公司設計和持續優化。、深圳“海豚指數”、重慶“悟空指數”、武漢“白鰭豚指數”等[5]，目前已形成了“模型構建、數據輸入、監測預警”（如圖2 所示）的監測預警方式。通過對集資詐騙案件的鎖定特征所對應的各種行為載體進行各類數據的捕捉收集與及時上傳，通過已建好的定性或定量的模型進行風險預警以實現針對性監測管控，從而及時對可疑公司或個人采取偵查措施，有助實現“主動型偵查，精準化打擊”。

圖2 大數據偵查預警流程圖

3.犯罪形勢預測

大數據偵查方法具有對“將來時”犯罪形勢預測的功能。通過數據建模、挖掘等技術手段預測犯罪走勢與結果從而對犯罪團伙規模、行為、地區分布、發展歷程等特征進行提前感知已廣泛應用。美國圣克魯斯市利用George Mohler 制造的預測性警務模型，在實驗期的6 個月內使全市財產犯罪率上升的趨勢被逆轉，犯罪率較上一年同期下降11%，比歷史同期平均水平低4%。利用Compstat①Compstat（計算機統計信息比照）最初由紐約市警察局開創，是一種以計算機信息數據驅動的警務管理模式。（Computer Statistics 的縮寫）數據警務管理模式[6]，美國紐約市警察局通過“數據”地圖制定警務策略、通過指標數據衡量執行效率，使當地犯罪率大大降低。②詳情見國脈電子政務網：《警務管理大數據化：下一個政務大數據風口》，載http://dy.163.com/v2/article/detail/DTUHTCU80518KCLG.html，最后訪問日期：2020 年9 月1 日。這些案例都說明大數據犯罪預測功能的價值。民警基于現有數據對未來犯罪形勢進行預測，從而進行提前預防或打擊，可解決偵查前置介入難的問題。

（二）大數據偵查方法在集資詐騙案件中應用的可行性

在集資詐騙案件中應用大數據偵查方法可實現：通過全景數據畫像以提供案件偵辦方向、通過工具模型以實現監測預警、為犯罪治理提供決策依據等，具有可行性。

1.通過全景數據畫像提供案偵方向

運用大數據偵查方法可實現對集資詐騙案件數據的全方位、多角度掃描，搭建圖譜找關系，建模分析找規律，得到“犯罪拼圖”以構建犯罪“全景畫像”，從而為案件偵查提供方向。下面以“資金、人員、信息、物件”四個角度對其進行闡述。

（1）資金數據

資金視角下，數據可分為節點類數據（銀行賬戶、第三方支付賬戶等）和鏈條類數據（交易流水、轉賬記錄等），具有印記律、流向律等特性。集資詐騙案件的資金流向如圖3 所示：資金池往往作為案件偵破的突破口，流入方為投資者及借款人（通常為虛假賬戶），流出方為投資者中的部分（即返利對象）、獲利者（即犯罪團伙，少部分資金會流向收取勞務費的第三方組織③集資詐騙活動往往會涉及諸多行業，形成犯罪產業鏈。這里的第三方組織主要指提供資金轉移服務的相關技術、服務人員等，他們一般參加集資流程中某一環節的具體技術或服務工作，但可能對犯罪者非法集資行為并不知悉。）。

圖3 集資詐騙案件資金流向圖

大數據偵查可解決集資詐騙案件資金數據體量龐大、流向復雜的問題。可通過分析上游數據發現投資者投資的具體細節：資金來源、重點賬戶、組織分工、集資模式與載體等。分析資金池內數據可發現資金池內部的相互拆解、填補、過渡、轉移等行為。對下游數據穿透分析可得知集資后資金相關信息：資金所處位置、所在賬戶、使用情況等。“機器邏輯分析資金異常，結合人的邏輯進行事實關聯”的偵查方式[7]可解決因資金離析導致的隱蔽性難題并便于開展資金追蹤等強制措施，如通過對一起案件進行資金穿透及環路分析，可以識別提供資金轉移服務的第三方組織及其勞務費收取情況、核心資金流動路徑等。此外還可通過比對物件數據進行“集資詐騙數額”“虛構集資用途”“非法占有目的”等的認定①《最高人民法院關于審理非法集資刑事案件具體應用法律若干問題的解釋》第4 條第一款規定：“集資后不用于生產經營活動或者用于生產經營活動與籌集資金規模明顯不成比例，致使集資款不能返還的”可以認定為“以非法占有為目的”。。

（2）人員數據

人員視角下，數據可分為靜態數據（包括性別、血型、相貌、指紋等生物特征數據以及身份證號、人員任職、股權持有等社會特征數據）和動態數據（出行軌跡、虛擬軌跡、交易行為等）。

大數據偵查可解決集資詐騙案件中人員數據復雜分散、變換頻繁、價值密度低等問題。因罪犯往往通過非法獲取的身份證進行虛假注冊與法人登記以為后期的虛假項目融資作鋪墊；通過交叉、虛假、頻繁變更持股、投資、任職等行為以逃避監管與刑罰等使得涉案數據價值密度低、時空組合復雜多樣，使用原始偵查手段進行偵辦極其困難。偵查員可通過大數據偵查工具發現集資詐騙案件中的重點、可疑人員及其賬戶，并通過知識圖譜挖掘其親密度、關系網、組織架構等。如可對非法集資案件涉案賬戶交易額大于或等于100 萬的結果進行可視化，通過所構建的犯罪網絡關系圖發現投資者、地區代理、資金池所在的具體賬戶（組）及層級結構、資金流向等，為下一步偵查指明方向。

（3）信息數據

信息視角下，通信數據可分為內容類、載體類數據，價值性與迷惑性并存。偵查員可通過對收集的大量聊天記錄、網絡輿情等信息數據進行信息碰撞、對話內容分析等得出集資詐騙團伙賬戶及其親密度，確定其案件分工；通過基站、IP 地址定位確定其窩點、所處位置與軌跡；通過對群組論壇、新聞媒體曝光的負面、敏感新聞及時收集爬取以深挖線索，從而及時采取查證、管控等措施。

（4）物件數據

物件視角下，數據可分為物證數據（指紋筆跡、物流數據等）、書證數據（財會資料、合同執照等），其往往作為認定罪犯非法吸收公眾存款的依據。大數據偵查下物件數據、信息數據等可結合線下偵查措施進行綜合研判，以某集資案件為例，通過場所摸排、監控調取、司法會計檢查等判斷其物件數據與實際業務是否吻合，可推定其A2P②A2P（Asset to Peer）模式，即采用融資租賃項目與個人投資對接，把個人投資者的資金投向融資租賃公司的租賃項目的融資模式。模式下租賃合同、項目與業務的真實性，從而判定集資者非法吸收公眾存款的行為。

2.通過工具模型實現監測預警

依據集資詐騙案件“非法性、利誘性、公開性、社會性”四大特性③詳情參見《最高人民法院關于審理非法集資刑事案件具體應用法律若干問題的解釋》。，可構建相應的預警模型并加以組合以實現非法集資的風險監測預警功能。如通過檢驗主體是否有違法違規行為構建定性分析模塊來判斷其非法性，通過對主體向公眾宣傳融資的返利回報進行定性分析（是否承諾收益、返利標的等）及量化分析（返利利息或金額高低）以確定其利誘性，通過對其是否公開募集資金及宣傳力度進行等級量化以檢驗其公開性，通過對從網絡媒體爬取的信息進行整合感知以確定其投訴性等，將以上模塊組裝為模型來判斷案件是否滿足集資詐騙的特征。以冒煙指數模型為例，其構想源于森林著火要冒煙的警示，旨在通過集資類企業“冒煙指數”高低判斷其從事非法集資類業務的傾向性。其采用積分預警的形式，從合規性指數、收益率偏離指數、特征詞命中指數、傳播力指數、投訴舉報指數五個主要維度建立反映風險值的立體指標體系，通過對五維數據采集、處理、計算得出冒煙指數，從而反映、考量企業非法集資風險。“對指數在[20,40]分段內的企業，平臺持續監控；對在[40,60]分段內企業，進行重點監測；對在[60,80]內的企業，進行高風險預警，將其列入高風險監測群體，監管機構金融、工商、稅務等部門將定期上門排查清理。對在[80,100]分的企業，政法機關馬上啟動打擊查處程序。”[5]“冒煙指數”技術目前已成為非法集資風險測評領域內的測評標準，并廣泛應用于金融監管。2015 年，北京市金融局利用該技術建立了“打擊非法集資監測預警平臺”，并在非法集資專項整治中取得了顯著成效。2016 年，“深圳市非法集資監測預警平臺”全面建立用以監測深圳20 余萬家新金融企業的非法集資風險，作用顯著。[8]

此外，一些警用大數據分析平臺里設有專供民警進行數據建模的工具，民警可以根據辦案需求自行建模并設置預警條件，實現監測預警的功能。在全面風險排查、研判的基礎上,構建高風險企業庫，及時監測名單企業動態變化，隨時做好取證固定、資金查控、輿情導控等偵查準備工作，研判最佳戰機，從而實現在集資團伙資金鏈斷裂之前提前介入，精準打擊，最大限度保全資產，維護地方金融穩定。

3.為犯罪治理提供決策依據

在信息時代，大數據偵查方法在決策與服務中發揮著重要作用，成為社會治理能力和治理體系現代化的必由之路。一方面，大數據偵查方法具有“案情預測，優化資源配置”功能，通過對集資詐騙案件偵辦中累積的、不斷匯入“經偵云”的海量歷史數據進行分析挖掘可得出集資類涉眾型案件的案發比例、周期、高峰期以及犯罪地圖、未來趨勢等規律，從而便于警方優化警力的資源配置，指導偵查行動，實現效益最大化。如可對集資詐騙案件的受害者進行地區分布的分析，得出受騙者密度較大的地方，從而有針對性地加強相應地區的非法集資防范宣傳力度；得出非法集資高發地區分布，從而加大相應地區的經偵警力配置等。對眾多集資詐騙案件的詐騙模式進行分類整合，可構建集資詐騙案件類罪模型，從而挖掘潛在案件，擴大戰果。另一方面，其具有“發現漏洞，完善內部管理”功能，由經偵部門牽頭，通過與社會情報等機構進行數據碰撞與軌跡競合，可發現以往犯罪治理中的漏洞與隱患，從而為完善部門管理、堵塞決策漏洞、防范金融風險等提供對策、建議和方案。此外，大數據偵查的已辦案件數據可交給數據管理部門、金融監管部門等用于數據資源統籌，如可脫敏處理，借鑒“監管沙盒”①“監管沙盒”概念由英國政府于2015 年3 月率先提出，旨在通過合理放寬政策規定，降低金融科技類企業的規則障礙，促進金融科技產品的研發。金融監管機制鼓勵相關企業以此為樣本進行大數據犯罪治理的應用創新研究。

二、大數據偵查方法在集資詐騙案件應用中遇到的問題

目前，大數據偵查方法在集資詐騙案件應用中存在警企合作機制不夠健全、大數據技術亟待提升、大數據偵查落地存在障礙等問題。

（一）警企合作機制不夠健全

在案件偵查中，警方往往通過與提供大數據應用服務的高新科技企業合作以應用大數據偵查方法，但目前存在數據合作、共享、保護等機制不夠健全的問題，使得在合作中出現信息“孤島”與“壁壘”，以及泄露、丟失、侵權等現象。

1.數據合作共享機制尚未健全

信息孤島是指因數據標準等原因造成不同信息系統間的數據無法兼容而形成的一座座“孤島”。[9]集資詐騙犯罪團伙往往會在多地、多渠道同時布局募集資金，面臨打壓后往往會轉移陣地、流竄作案，這使得傳統分業監管的監管體制、條塊分割的偵查體制將達不到最優資源配置，不能滿足新時代監管與偵查需求。“跨地域、跨行業、跨部門、跨警種”的數據合作模式已成為必然。目前我國已基本實現了全國層面數據信息系統的互聯互通業務[10]，但部分地區間、政企間、部門間、警種間的合成作戰平臺、機制尚未健全，仍有信息“孤島”與“壁壘”存在，致使數據冗余與收集障礙，出現“地方政府部門掌握著大量的核心數據卻被束之高閣，一些企業擁有著強大的大數據分析技術卻只能望‘寶’興嘆”[11]的局面。完善警企合作中的數據合作與共享機制，筑建“孤島”間橋梁，打通“壁壘”間通道具有緊迫性、重要性。

2.數據風險防控機制尚未完善

能夠為警方開展偵查取證提供大數據應用服務的高新科技企業，其所經營和掌控的數據與案件偵查和公民個人隱私關聯重大，但實踐中卻缺乏充分必要的風險防控機制與措施。一方面，數據人才的準入、退出機制尚未健全，存在數據丟失與泄露風險。高新科技企業對數據分析師的招聘注重技術功底，而往往缺乏背景調查、涉案回避關系調查、違法犯罪記錄核查等環節。而且，如果數據從業人員法律意識淡薄，出現倒賣、丟失、未經批準公開涉案數據等情況，會導致數據丟失與泄露的風險。對介入到處理、管理數據的核心崗位人員以及其他內部從業人員的法律素養、保密紀律的審查考核培訓機制尤為重要。另一方面，數據的共享中也存在著侵權風險：在進行集資詐騙案件涉案人員信息采集時往往會采集到大量與涉案人員有關而與案件無關的信息，由于實際辦案中警方和公司企業獲取數據的資格權限不同、公開數據的程度也不同，警企數據共享、處理時可能會侵犯公民數據所有權、個人信息數據隱私權等。通過完善相關平臺與制度加強企業監管，落實企業社會責任，保障強化數據合作尤為重要。

（二）大數據應用技術亟待提升

大數據應用技術的建設是大數據偵查方法應用的前提和基礎。目前，在集資詐騙案件偵辦中大數據應用技術存在問題包括：分析工具存在瓶頸、電子證據真實性認定難度加大、源頭數據冗余，大數據應用技術的提升尤為重要。

1.分析工具存在瓶頸

集資詐騙案件人員眾多分散、犯罪時空交叉特性使得民警獲取的數據龐雜、價值密度低。如果對儲存于云平臺、分散在不同物理服務器上成千上萬的涉案電子數據執行線下取證、固定將影響偵查效率以及后續刑事訴訟程序的進程。因涉案資金控制不及時而無法追回資金的案例時有發生，追贓問題如不能及時解決往往引發地區維穩困難，成為受害者集體上訪、結群報案、聚集維權、網絡輿論等群體性事件的“導火索”，引發因借錢無法償還、缺錢、丟失工作而產生的民間糾紛甚至衍生其他違法犯罪等。目前非結構化、二進制等相應的數據分析工具還較為缺乏，如進行未知人員的視頻鎖定時，大多數地方公安機關仍需召集大量警力對視頻進行逐幀逐幀的回溯式視頻盯對，影響了偵查的效益。優化數據分析工具以實現流程的簡化、功能的優化，將有助于實現偵查的精準、高效目標。對數據分析工具進行改進尤為重要。

2.電子數據真實性認定難度加大

電子證據往往是網絡集資詐騙案件證據集結的中心，[12]但目前電子證據的合法性較難證實，難以作為庭上質證的依據，目前認定電子數據作為證據的司法案例數量較少。電子證據認定中，一是存在算法清洗導致數據篡改的風險。調取數據源自不同地區、行業、機構，同種數據結構、格式、形式往往參差不齊，導致進行系統間數據交融前需對數據進行清洗去重、格式統一等，若清洗所用函數不夠嚴謹或將引發篡改數據的風險，影響數據的質量。通過模型算法得出的信息資料，其證據資格、使用方式、與事實的“雙聯性”[13]等在司法實踐中尚存爭議。二是一些“AI 換臉”APP 的盛行，PS 修圖軟件的廣泛應用，增加了源頭數據的識別處理難度，導致視頻圖像等二進制數據作為證據的力度降低。

3.源頭數據存在冗余

基于數據倉庫的數據處理模式往往不能有效應對集資詐騙案件數據規模巨大、價值交叉等特性，對數據的利用與處理仍有局限：數據的多維價值決定著需要對涉案的某類數據進行多維度、多頻次、非線性分析利用，如在對核心重點人員賬戶的資金額數據進行資金穿透以發現其資金流動路徑的同時，還需要對其賬戶名稱進行關系網絡分析、頻數分析以得出其在案件中的組織分工、親密度等，原始數據的多維分析往往會造成同一數據的多次儲存，增加了儲存壓力，這對原始數據儲存的實現路徑提出了更高要求。

（三）大數據偵查落地存在障礙

目前，因復合型專業人才力量不足、大數據應用平臺脫離實戰等因素，大數據偵查落地存在著障礙。

1.復合型專業人才力量不足

人才儲備上，目前存在“技術先行、人才滯后”的狀況。在集資詐騙案件偵辦中，面對體量巨大、復雜多變的數據，公安機關一般通過“政企合作”“警務外包”等實現對大數據應用的挖掘利用，但往往“偵查人員不了解大數據基本知識，技術人員不懂偵查的思路與相關法律要求”[10]，且目前政企數據共享合作的相關細則與規范尚未成形，偵查過程中存在交流障礙與信息和隱私泄露、濫用等風險，有時技術人員因沒有實際案件偵辦經驗，單憑理論知識與數據技能往往會導致挖掘不深、分析錯誤、結果脫離辦案實際等情形，影響了后續偵查決策與方向，大數據偵查的技術性、合法性、專業性、特殊性等要求使得同時具備偵查專業知識和大數據分析相關技能的復合型專業人才成為剛需。

2.大數據應用平臺脫離實戰

目前存在著大數據應用平臺脫離實戰的現狀：一是諸多地方實戰部門已配備大數據應用終端、平臺，但存在只為少數民警授權使用、缺少相關宣傳與技能培訓、相關工具操作難度較大、民警申請使用程序冗雜等情況，部分經偵民警“不知、不能、不會、不想”使用大數據應用的最新成果，一些合成作戰中心的建設往往流于形式，大量數據處于“休眠”狀態，相關應用最終淪為“擺設”；二是一些大數據應用平臺建設以片面追求“數據大而全”為導向，未實現與經偵辦案需求相結合，以致于為民警實際辦案提供分析工具不具有實戰性、可操作性；三是一些大數據應用平臺尚未達到“深度學習”的要求，缺乏智能識別資金數據及網絡關系的技術能力，未能真正有效地提高辦案效率。進行數據警務人才建設，激發民警大數據偵查的熱情，培養民警大數據思維與數據應用能力，可促使數據驅動的偵查辦案模式真正落地，極大地提高警務實戰水平。

三、大數據偵查方法在集資詐騙案件應用中的改進

可通過完善大數據偵查合作機制、確定大數據綜合應用解決方案、構建新時代數據偵查隊伍三方面舉措，解決大數據偵查方法在集資詐騙案件偵查應用中存在的問題。

（一）完善大數據偵查合作機制

技術的發展需要機制的完善以促進行為的規制。可通過搭建合作平臺以縱橫打通數據共享壁壘、建立健全制度規范以提供數據共享機制保障兩方面完善大數據偵查合作機制，實現大數據偵查方法在集資詐騙案件中應用的改進。

1.搭建合作基礎平臺，縱橫打通數據共享壁壘

推進技術建設，提供數據合作機制的基建保障。通過搭建平臺，使得數據“縱向采集、橫向整合”聯通、監管“主動預警、動態防控”聯通，可確保公安機關內部及與重點部門、行政機關、行業企業的數據調取、分析研判、業務合作的安全與效率：第一，在政府部門之間，建立跨部門協作平臺，為監管“全國一盤棋”提供基礎保障（如公安部、銀保監會等合作組建的“資金查控追蹤系統”）。第二，在公安機關內部，打破警種間的數據系統隔閡，將傳統垂直型數據庫授權改為扁平共享的大數據作戰平臺，完善“經偵云”平臺建設。第三，公安機關和相關企業之間，建立基于區塊鏈底層技術的警企數據共享平臺，利用其加密功能進行信息的分級管理與使用，解決公民信息安全邊界問題與場景化使用、政企合作信息泄露與侵權等問題。

2.建立健全制度規范，提供數據共享機制保障

推進機制完善，提供數據合作法治保障。可在法律允許的范圍內加強頂層設計，制定相關制度、標準、細則以加強跨地域、跨部門、跨行業的溝通協作。一是完善部門間、警種間的數據采集共享機制，打破地區、行業、部門、警種間的信息壁壘與監管真空，推進全流程的“穿透式”聯動監管。[14]如在公安內部深化落實“大部制”改革①2016 年1 月23 日召開的全國公安廳局長會議提出：要深化警務體制改革創新，積極探索推行大部門制、大警種制，探索建立警力隨著警情走的編制動態調整機制，完善精細化警務管理模式，著力增強公安工作整體效能。，形成“網、技、情牽頭，多警種參與”的偵查實戰合成機制，提高作戰效能。二是完善政府、企業合作機制中“警務外包”、政企數據共享的相關規范細則，對數據共享時所涉及的隱私保護問題進行制度研究，建立對外包行業、企業及其從業人員的統一監管，確保數據安全合作,如可加強數據從業人員的準入、退出機制。

（二）建設大數據綜合應用解決方案

在集資詐騙案件中，圍繞大數據技術的應用，可關聯吸收一系列配套技術，共同建設一套適應經偵辦案需求的綜合解決方案，以實現應用的改進。

1.引入數據湖架構，優化數據生命周期

結合數據湖架構可提升對源頭數據的治理水平，助力大數據與人工智能的深度融合。數據湖（Date Lake）②數據湖（Date Lake）概念最早于2011 年由CITO Research 網站和作家Dan Woods 提出。是通過將原始數據分類存儲到不同的數據池，然后在各個數據池中將數據整合轉化為容易分析的統一存儲格式進行存儲的一種存儲空間。[15]引入數據湖架構代替原始的關系型數據庫，可將同一數據引入不同的數據池進行分類標簽、標準化、存儲等，從而加強對數據的源頭管理，利于對數據的分析與二次利用，降低了數據儲存、處理難度。引入數據湖架構以優化數據生命周期，可很好應對集資詐騙案件等涉眾型案件的大數據生態中的儲存壓力與使用困境。

2.提升深度學習能力，智能識別犯罪行為特征

在集資詐騙案件中，結合人工智能技術可降低數據處理成本，助力數據研判。通過問題識別、關聯碰撞、模型構建、深度學習等用機器代替人工進行分析研判，可有力降低數據分析成本，提升偵查研判質量。如通過問題識別、深度學習功能可在全國監控網絡中構建基于內容的圖像檢索，及時發現、鎖定犯罪嫌疑人，獲取其交易行為、活動軌跡、人身特征、前科記錄等信息，從而智能報警、指導開展偵查措施；通過數據“喂養”與算法迭代功能可對現有各種犯罪數據進行總結凝練，得出案件偵查算法模型并進行持續優化，形成精準的研判技戰法，指導偵查實踐。提升大數據應用的深度學習能力，優化對犯罪行為特征的智能識別，將減輕辦案民警的數據分析壓力，提高集資詐騙案件的偵查效益。

3.利用區塊鏈技術，強化電子數據取證能力

結合區塊鏈技術，可解決電子數據真實性認定難度增加的問題。一方面，推進結合區塊鏈技術，可解決質證爭議問題。區塊鏈技術具有“分布式、防篡改、可追溯”等特質，結合區塊鏈技術可推進電子數據證據化。通過依托“大數據+區塊鏈”實現銀行、司法系統的線上交融，可實現線上對電子數據從生產、存證、固化到使用的同步監督與公證，從而提高電子證據的證據能力，推動金融行業電子數據的證據化應用，從而解決電子數據作為證據的爭議。[16]另一方面，推進與區塊鏈技術結合，可解決程序繁瑣難題。現階段集資詐騙破案中涉案資金電子數據固定難問題依然存在，由于被害人分布范圍廣且人數多造成了信息收集源頭多、體量大，而且涉及案件管轄等現實難題，對涉案人員的身份信息、銀行流水等電子證據的逐個線下認定蓋戳不僅耗費大量警力，而且導致破案追贓時間滯后。利用區塊鏈技術實現司法機關電子證據的線上相互認定，可避免線下對證據逐個認定的繁雜程序，推進了刑事訴訟的進程。

（三）構建新時代數據偵查隊伍

可通過深化完善“校、企、局”三方協同育人機制，推進數據偵查隊伍“正規化、專業化、職業化、實戰化”建設，從而充分利用數據資源，具體可分為但不限于以下三種方案。

1.內部挖潛，切實提升民警專業技能

通過挖掘公安機關內部潛力以切實提升民警專業技能，可以解決目前大數據偵查落地難的問題。一是開展對在職民警的數據技能培訓，組建專家學者與一線民警構架大數據警務培養課程體系，通過資格認證、新警培訓、建模比賽等方式激發民警的大數據學習熱情，提升民警的數據思維與數據實操能力。二是緊貼實戰需求，依托公安部大數據重點實驗室，通過開展實戰比武練兵、學術論壇講座等進行案件偵辦中實踐問題的交流探討，為之后研究指明方向。

2.外部引援，充實大數據偵查警務力量

通過引進外部數據技術人才以充實數據偵查警務力量，可以解決目前平臺脫離實際的問題。一是開展公安機關與金融科技公司人員的交流項目活動，加深警方與技術人員對彼此工作的了解，便于日后開展政企合作工作，并為系統升級優化指明方向。二是通過聘用、招用相關高新企業技術人員的方式來增加警察的數據偵查實力。但以上兩點要建立在警企數據合作機制完善的基礎上：加強對所聘用、招用的企業技術人員的相關材料、協議的審核工作，確保數據偵查隊伍的“純潔性”。

3.梯隊建設，夯實專業人才儲備

通過公安院校開展梯隊建設以夯實復合型人才儲備，可以解決目前人才儲備不足的問題。一方面，推動警察院校人才培養方式改革，定制化打造“數據+”復合型偵查人才。可通過制定培養方案、整合師資結構、優化課程設計、編寫教材著作等方式進行。另一方面，與頂尖的高等院校、科研院所開展合作項目建設，以實現大數據偵查技術產學研一體化建設。一是加大仿真模擬教學、實踐合作平臺的開發與開放力度，提高學生實操能力；[17-18]二是建立教學訓練基地，為警校生實習、工作進行崗前數據技能培訓，從而構建起“實驗→實訓→實習→實戰”的數據偵查復合型人才的院校培養模式。