大數據技術在經偵工作中面臨的風險及對策研究

徐夢涵 許家銘 秦成宇 陳謙之 張津源

基金項目：本文系江蘇警官學院2020年度大學生實踐創新訓練計劃省級品牌專業專項，項目編號：202010329030Y

摘要：大數據技術在經濟偵查工作中的運用愈發廣泛，高歌猛進，需求不斷提高，也對經濟犯罪偵查的效率有很大促進作用，但使用過程中會出現許多紕漏與失誤，應當從人才培養、偵查模式、數據庫建設、司法等方面解決。

關鍵詞：大數據偵查;經濟犯罪偵查;風險防控

分類號：TP302

一.大數據技術在經偵工作中的現狀

1.大數據技術的涵義

大數據技術是指在大數據時代下綜合運用不同領域大數據的技術。大數據技術是以真實準確為基礎，通過文字、圖像、音頻等多種形式將現實生活的事物表現出來并且在此基礎上進行進一步的預算、推演的新技術。大數據技術可以為使用者者提供合理的推斷和預判，為工作提供保障。

2.大數據技術在經偵工作中的運用

隨著互聯網的迅速發展，經濟行為在大數據時代下已經發生了翻天覆地的變化，同時也為經濟犯罪偵查帶來了新的挑戰。大數據技術的運用為經偵工作帶來了很大的助力，在打擊網絡賭博、詐騙、非法集資、涉稅等多方面取得了優異戰果，關鍵詞采集、數據分析等多項技術構造的監管預警體系在打擊經濟犯罪行為領域也初見成效。通過數據分析和查控技術可以發現犯罪線索和犯罪證據，進一步獲取犯罪嫌疑人的動向、涉案資金的流向等重要信息，從而可以一步步還原犯罪行為的發生，追溯其原因與真偽。大數據技術在經偵工作中起著預警、監控、分析、追查等多種作用。

二.大數據技術在經偵工作中面臨的風險

1算法偏見普遍存在

1.1算法偏見的定義

“算法偏見”就是指建造大數據系統模型時，在看似沒有惡意的程序中摻雜著創建者的主觀偏見。這也就意味著大數據系統的篩選結果具有一定的側重性，其中包含著創建者個人的價值傾向，在這種情況下的大數據分析結果可以稱得上是某個人或者某個群體主觀意識的體現，所以，算法偏見的存在違背了立足事實、公平公正的原則。

1.2算法偏見的危害

當今社會飛速發展，經濟案件的辦理越來越依賴于大數據偵查系統的輔助，然而大數據技術在彰顯其優勢的同時算法偏見也逐步暴露出來。在實際辦案過程中，辦案人員會選擇無條件地相信大數據系統分析的結果，然而大數據系統的程序運行很大程度上依賴于它的創建者們，而大數據系統的創建者們由于自身的局限性，無法做到無一疏漏，在某些問題上可能會基于自己錯誤的理解做出錯誤的判斷，并將這些錯誤的判斷編入程序之中，從而導致大數據系統的設定參數缺乏合理性和科學性，進一步導致大數據分析結果出現誤差，如果執法辦案人員過分地信賴數據分析結果，往往會出現先入為主的思想，喪失對整個案件的正確判斷。

不同于一般的刑事執法程序，大數據技術的輔助分析缺乏相應的法律監督制度和有效的救濟手段，無法通過法律程序對大數據的分析結果進行監督、篩選、排除，因此一旦分析結果出現誤差，并且作為一個重要的參考標準被納入整個案件偵辦過程之中，無疑會極大地降低了案件最終結果的公平性、合理性與合法性。

2.資金分析技術尚不成熟

2.1資金分析的定義

伴隨著大數據技術在經濟犯罪偵查中的深入運用，資金分析技術運用日益廣泛，資金分析是圍繞資金的范圍、功能、效力、對象，結合查控技術，高效地運用大數據技術，從而對涉案資金動向的綜合研判和犯罪行為的真偽、溯源、復原，具有發現犯罪線索、獲取犯罪證據、查證犯罪嫌疑人、追蹤涉案贓款、為偵查提供引導等功能。資金分析技術的應用，改變了以往以定性分析為主的粗放型偵查思路，將抽樣數據分析研判方法轉變為全樣本定量分析，推動經濟犯罪偵查思路向精細化方向發展。

2.2運用資金分析技術時所面臨的風險

在經濟犯罪案件的偵查過程中，利用資金分析技術對特定對象的資金進行確認、定性是偵查過程中的重中之重，同時也是影響犯罪行為認定的重要因素。過多的使用大數據的數據分析和查控，過于依賴大數據技術手段，一味認同大數據的分析結果，將會導致分析結果只具有客觀性從而沒有主觀判斷，在使用大數據對資金進行分析、研判、定性出了差錯就會導致整個案件的偵查思路偏移，最終導致罪行的判定錯誤，如若是涉及到企業的案件，在使用大數據技術在對企業的資金流水進行查控時，大數據技術結合涉案資金的流向態勢從而分析得到一個涉案資金流動的時間段，繼而將該企業在這段時間內的所有資金流水全部調取出來，經過一定的篩選后，對剩余的每筆資金的用途，大數據無法分析其用途，從而將這些資金一概而論為涉案金額，大數據技術可以直觀的將所需要的資金流向逐條篩選并展現出來，但無法分析出每筆資金的用途，這影響到了該企業最終的罪行認定問題，并且由于資金調查需要凍結公司的涉案賬戶，對企業的聲譽產生影響，從而影響到企業與其他企業的合作關系，同時為企業的交易帶來麻煩，在辦案期間內企業無法像往常一樣正常運營，交易等行為受阻，效益受到影響，甚至最終導致破產。如若是多家企業，將會對市場經濟產生影響，從而影響到整體的經濟體制。

3.大數據偵查中存在相關關系誘導的問題

隨著大數據技術自身發展，大數據覆蓋的社會方面及其所能輻射的效應體量都達到了空前的水平。在這樣一個信息化的時代，數據的爆炸式增長使得偵察員在利用數據時，就數據本身的真偽而言，無法做到面面俱到，而數據本身在系統上也很難做到尋根溯源，這對偵查員的分析研判能力和大數據應用系統的邏輯水平帶來了考驗。

數據的摘選和應用，考驗數據庫的庫建基礎，同時也考驗系統內部的邏輯架構水平。就如今的情況，無法保證此二者的準確的，因此，大數據的檢索結果和擬定的下步行動方向只可在一定程度上起指導作用。

我國現階段的人情社會觀念和形式決定了在很多方面，人的效能和效用可能遠遠超過制度和系統的考慮范圍，而大數據在這方面的技術收集和檢索上，必然有所漏洞。特別是在調動大數據以對抗巨大社會威脅的情況下，偵查員無法完全依據大數據的相關結果來實施行動，即使在昭然若揭的問題上，也必然要以事實上的取證事實建立研判。

此外，犯罪分子和偵查執法人員的水平是相互促長的，因此在明知偵查員會利用大數據進行線索收集的情況下，犯罪分子很大可能將計就計，使得最終大數據的相關推證結果誘導偵查員走向一條歧路。因此在目前的偵查部門中，對待大數據的推算結果也相對謹慎。在現今的社會環境和生產力水平下，不可能做到完全依賴大數據檢索來制定偵查策略。在如此前提下，如何正確解決大數據結果的負面性就顯得尤為重要。

4.數據的不安全性和隱私泄露

4.1數據量大、真實性存疑

大數據背景下經濟犯罪經過演變有虛擬化、隱蔽化、全面化、全球化等特點，在經偵工作的實踐中偵查人員需要從數據庫的海量數據中尋找并抽取與案件相關的證據。但由于數據庫尚未完全健全，數據量過于龐大且真實性難以保證，偵查人員抽取數據的工作量繁重且難度極大，稍有不慎便會釀成冤假錯案。根據我國公安部的數據，2020全年僅廣東省便偵破經濟犯罪案件1.3萬余宗，刑拘1.5萬余人，其中利用疫情哄抬物價、制假售假、合同詐騙、虛假廣告等經濟犯罪尤為猖獗，這類型的經濟犯罪涉及的人員數據多，且當前并無十分有效地方法辨別數據真偽，即使是邏輯思維嚴密的偵查人員也很難從海量具有不對稱性、不完整性的數據中捋清頭緒、覓得破案的蛛絲馬跡。過于龐大且真假難辨的數據有時非但沒有為破案提供幫助，反而使偵查人員與真相背道而馳。

4.2數據安全性低、存在泄露風險

大數據存儲的信息量巨大，因此往往采用存儲路徑視圖相對清晰的分布式的方式對數據進行存儲，這也導致數據保護相對簡單，容易被黑客找出相關漏洞;在存儲平臺中中數據量是以非線性甚至指數級的速度增長的，各種類型和結構的數據在同一平臺中并行存儲，極易引發數據存儲錯位和數據管理混亂，為大數據的存儲管理帶來安全隱患;大數據在傳輸環節亦存在泄漏、篡改和逐步失真的風險。在經偵工作中主要通過視聽技術搜集破案證據，但如何在充分利用大數據技術的同時保證數據安全、避免黑客攻擊和網絡病毒攻擊引起數據流失是經偵工作中運用大數據技術所面臨的難題。

5.大數據的“黑箱效益”

5.1大數據“黑箱效益”的定義

黑箱效益是指僅知道一個系統的輸入和輸出結果，對其內部的運行機制一無所知，其運行模式也不為人知，整個過程如同在一個不透明的黑箱中進行。大數據的黑箱效益是指某種算法在輸入數據和輸出結果之間的過程無法給出明確解釋導致大數據證據缺乏可采性，其實質是對大數據透明度和可信度的疑問。

5.2大數據“黑箱效益”帶來的風險

在現階段，雖然有很多種經濟類案件的犯罪模型，但只有模型的開發人員能夠對其運行機制進行解釋，辦案人員因專業受限無法對這些數據模型的結果的可靠性進行判斷。隨著大數據技術的發展，經濟類犯罪逐步向零接觸、虛擬化發展，偵查過程中也需要用到犯罪模型等技術手段，但所得到的的推算結果雖是經過智能模型經過不斷收集數據、迭代算法、整理參數等一系列程序得出的，數據具有客觀性和普遍性的特點，但并不代表著推算的結果就一定正確，程序的不公開，司法程序上無法賦予其證據效力。

三、解決大數據技術在經偵工作中面臨的風險的方案與對策

1.加強人才建設，樹立正確的大數據技術輔助偵查觀

為了降低算法偏見對大數據分析結果的負面影響，首先要從根源入手，在編寫程序時提高各項參數的科學性和準確性，因此，加強算法人才隊伍的建設，補齊他們在業務知識或者法律知識方面的短板，同時打破各部門壁壘，吸收其他部門偵辦案件的先進經驗，將這些經驗作為參數設定的重要的參考標準，進一步提升數據分析結果的合理性。與此同時應當樹立正確的大數據技術輔助偵查觀念。偵查人員在利用大數據技術進行案件偵辦過程中，在面對系統分析結果時，不盲目確信，敢于用質疑的眼光去看待結果，大膽地提出自己的意見和建議，修正不合理的結果，同時也需要正確認識到數據分析結果只是輔助偵查人員開展案件偵查的，不能本末倒置，將分析結果作為一個決定性因素納入案件的偵辦思路之中，更不能以數據分析結果作為工作出發點，來決定整個案件的偵辦方向。

2.建立新的偵查模式

現在的經濟犯罪偵查模式已經在向精細化方向發展，傳統的回溯型“人+數”的偵查模式無法保證數據的準確性與真實性，數據的可靠性不僅僅是依托大數據技術，同時人工的分析也同為重要，建立以數據挖掘為核心的新偵查模式，建立“人+數+人”的新偵查模式，在資金分析過程中不再是“人+數”的模式，提高數據的準確性和可靠性，為案件的成功偵辦提功了一定的保障。同時可以建立預警偵查模式，同過網絡云空間的數據和數據分析技術，建立各類經濟案件的犯罪研判模型，更早地甄別、發現、查證犯罪行為，鎖定犯罪嫌疑人，進一步打擊犯罪，減少損失。

3.加強數據庫的建設

我國數據庫建設尚未健全，應進一步擴大信息收集范圍，拓展獲取數據的便利和深入;進一步提高數據庫技術，在數據存儲量和數據保護間尋找平衡;加強對數據庫中數據的分類和管理，杜絕數據存儲錯位、管理混亂的問題;加強大數據在傳輸環節的保護防止數據在傳輸過程中被泄露、篡改。我們要加強構建數據共享機制，促進各地區、各部門、各行業的協同作戰，，實現案件數據信息共享，提高偵查效率。

4.提高數據保密性

經偵部門應逐漸建立和完善數據隱私保密的規章制度，對獲取的數據信息進行法律保護;其次，需要加強對偵查人員的監督管理力度，嚴格控制數據信息的知悉人數，嚴懲私自泄露、利用偵查中獲取數據信息的行為，結案后及時封存案件相關數據信息。最后，要培養大數據偵查人才，針對數據安全問題培養專業的技術人員，提高經偵民警的技術水平和安全意識，及時處理數據安全問題。

5.完善司法程序

在國家的立法層面，明確各部門、單位社會數據的法律地位和提供、共享的義務，在法律層面確立數據的產生、導入、儲存、供給方面的合法性，給予提供數據的單位一定的保障，便于公安機關經偵部門等政府機關在辦案時能夠實時共享到與案件相關的數據，有效打擊犯罪，維護社會穩定。同時，公安機關應與檢察院、法院等政府機關保持高度合作，注意各部門之間的溝通、協調，圍繞如何將數據規范轉化為證據等問題予以明確，主要是如何賦予大數據證據效力和大數據證據的規范化提取與認證，在大數據證據有效這一問題上盡早達成一致，確保大數據取證在偵查取證過程中的地位及作用。

參考文獻：

[1]黃曉偉，李育慧.算法偏見問題的技術-權力互構論解析[J].理論與現代化，2021，（01）39-48

[2]賈敏，人工智能在偵查訊問中的應用及風險規制[J].武警學院院報，2021，37（02）

江蘇警官學院? 江蘇 南京 210031