本站小編為你精心準備了大數據在非接觸性犯罪治理的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

當前，非接觸性犯罪案件頻繁發生，但偵破率極低。公安機關在處置相關案件中往往會因為偵查壁壘、犯罪方式不斷翻新、防范控制工作不力等原因而使非接觸性犯罪依然呈現出屢破不止、愈演愈烈的勢態。尤其是公安機關在偵辦相關案件時偵破率低、難以追回損失使得人民群眾的安全感降低，對公安機關的信任度下降。基于此種態勢，結合大數據技術對公安工作帶來的全新變革，力圖尋求其在非接觸性犯罪治理工作中的有效應用途徑，進而解決治理非接觸性犯罪工作所面臨的現實困境。大數據偵查不是專業的偵查術語，而是隨著大數據技術的商業化應用及逐步的發展成熟而被偵查人員將其運用于公安領域中而歸納總結出的一種偵查方法。從廣義的范圍來界定，大數據偵查是指包含大數據偵查思維、大數據偵查技戰法、大數據偵查法律規制等相關內容的完整的偵查體系模式。從狹義范圍來界定，大數據偵查是指在偵查過程中以大數據技術為支撐的相關偵查活動。大數據技術的運用極大地豐富了傳統偵查概念的外延，將偵查的時間向前提，偵查的目的也不僅僅局限于查明犯罪，還包括了預防犯罪。綜上所述，大數據偵查是指具有偵查權的相關部門為查明相關案件事實、預測犯罪形勢，根據已有的相關犯罪信息數據借助相關信息處理技術進行深入挖掘處理所得出為偵查活動所用的情報資料的偵查方式的統稱。

一、非接觸性犯罪的基本特征

相較于傳統的接觸性犯罪而言，非接觸性犯罪是指構成犯罪行為的各個要素之間沒有直接的物理接觸，依托無線互聯網絡、智能傳感器等技術手段傳輸行為人的主觀意圖，進而通過遠程操控以實現其犯罪。作案時間跨度大、轉移收益速度快借助網絡空間所實施的非接觸性犯罪針對受害人而言在作案開始時間的選擇上具有隨機性，但往往有著較大的時間跨度。特別是借助移動互聯網與被害人互動騙取錢財的犯罪，往往以隨機選擇為開始，通過較長時間的溝通交流，逐步使得受害人放下防備之心并贏得其信任，進而將其個人信息、隱私信息等涉及財產安全的重要信息透漏給犯罪嫌疑人。犯罪嫌疑人一旦得手后，立刻利用其信息獲取到受害人的錢財，即刻將其轉移到自己手中。分布區域廣泛、地域性特征明顯移動互聯網的普及使得人們之間信息傳遞、溝通交流變得非常便捷，聯絡方式也逐步增多。同一犯罪團伙的骨干人員雖然沒有見過面、不知道彼此的真實信息，但卻可以依托網絡媒介結伙從事跨國犯罪活動。隨著國內對常見的以電信詐騙為代表的典型非接觸性犯罪進行全鏈條的重拳打擊，其生存空間進一步被壓縮。犯罪嫌疑人大多將電信詐騙窩點設立在東南亞、非洲等地處偏遠、經濟落后且相對隱蔽的別墅區。當地群眾對于借助科技手段來實施的違法犯罪活動缺乏認識，難以發現犯罪窩點。犯罪嫌疑人通過租用設立在境外的服務器來逃避打擊，依托互聯網對國內實施犯罪活動，專門雇傭國內“車手”在多地負責取款來轉移犯罪所得，形成了體系完整、分工明確的跨區域、多地點的犯罪組織結構。不僅如此，非接觸性犯罪活動還存在著明顯的地域性特征。傳統的犯罪活動依靠親緣關系、地緣關系而有著典型的地域性特征。隨著犯罪手法的升級，傳統的地域性犯罪類型非接觸化，依然也有著典型的地域性特征。以廣東、四川等涉毒重點區域的買賣為例，隨著移動互聯網的普及應用，買賣早已不局限于在隱蔽地點“一手交錢，一手交貨”的形式，更多的是通過“暗網”空間來信息，尋找非固定的買家，通過寄遞業夾帶的方式完成的最終交易。此外，隨著無現金支付的普及應用，相關的高科技銀行卡犯罪也隨之而來，通過改裝POS機獲取刷卡人信息進而復制偽造銀行卡盜刷現金的犯罪活動日趨猖狂。通過警方對現有犯罪活動的打擊情況來看，從事相關犯罪活動的人員大多來自廣東省茂名市電白區。在該區，基本每個村的村民都將此類違法犯罪活動當做工作，并且當自己孩子輟學后便傳授其孩子學習銀行卡詐騙方法以謀取生活來源。犯罪主體的低齡化、高智商化明顯根據公安機關破獲的非接觸性犯罪案件來看，90后逐漸成為犯罪團伙的骨干成員。無論是在“地下黑色產業鏈條”中從事核心技術開發工作的成員，還是在線下從事缺乏技術含量的賬戶開卡、取款轉賬等工作的“車手”，基本都是90后。在當前的非接觸性犯罪活動中，低齡化特征明顯。隨著非接觸性犯罪活動對技術水平要求的逐步提高，傳統的犯罪分子欠缺實現其犯罪目的的技術手段，往往會將技術水平較高的名牌大學碩士、博士研究生拉入伙，共同從事高科技犯罪活動。他們往往會因為金錢的誘惑、工作生活的壓力鋌而走險，參與違法犯罪活動。犯罪方式更新更快且多樣化由于社會宣傳教育、公民防騙意識的提高，如果非接觸性犯罪方式長時間一成不變，那么它將很難成功獲得其犯罪所期望收益。為此，非接觸性犯罪的方法手段也在隨著新技術的出現而在不斷地變化。當前，非接觸性犯罪主要分為四大類：一是針對網絡信息系統、網上信息資源的犯罪，二是借助信息網絡與被害人互動騙取錢財的犯罪，三是借助人、物外置智能互聯裝置所實施的犯罪，四是接觸性犯罪與非接觸性犯罪相互交織的非接觸性犯罪。對當前非接觸性犯罪的發展趨勢進行深入研究，其犯罪方式將從侵財性犯罪發展到多種類型犯罪，從單一性犯罪發展到交織性犯罪，從互聯網領域發展到物聯網領域。現階段正處于以互聯網領域內的電信網絡詐騙為主要代表的非接觸性犯罪時代向物聯網領域內的借助人、物外置互聯裝置實施犯罪為代表的新型非接觸性犯罪轉型的時期。現階段已經出現了無人駕駛汽車出車禍導致行人死亡的案例，出現了我國第一起利用人工智能“AI”技術犯罪的案例。隨著科技不斷進步，還會有新的犯罪方式出現。這也體現出了非接觸性犯罪方式更新、更快且多樣化的特點。犯罪行為必然遺留難以消除的信息痕跡傳統的接觸性犯罪活動，犯罪嫌疑人在犯罪現場留下犯罪痕跡，可以自行清理而將犯罪現場恢復原狀。但是，在非接觸性犯罪的虛擬空間的犯罪現場中，無論是網絡信息系統的犯罪還是通過與被害人互動騙取錢財的犯罪，都將在犯罪的時空中留有被數字化記錄下來的犯罪痕跡信息，甚至是實體設備。犯罪過程的非接觸性必然使得犯罪嫌疑人在實施犯罪的過程中借助相關的網絡虛擬渠道傳輸信息數據來表達其行為意識。這些數據信息也將被以網絡數據的形式完整的記錄下來。非接觸性犯罪必然會留有相當多且難以清除的信息痕跡。

二、非接觸性犯罪的治理困境

隨著新興技術與新興產業的出現，與之相關的新型犯罪也將會隨之而出現，容易出現治理犯罪“屢治不止，愈演愈烈”的態勢。不僅如此，偵查機關自身的局限性也使得在非接觸性犯罪的打擊上出現打擊不力的局面，客觀上促進了非接觸性犯罪日趨猖狂的態勢。新型犯罪大量出現現階段正處于第四次工業革命方興未艾的時期，新興產業正如雨后春筍般出現。基于新興產業的新型犯罪也隨之出現并且有著數量大、變化快的趨勢。傳統的犯罪形式借助新技術的出現插上了“互聯網的翅膀”演變出了眾多新型的犯罪方式，不僅令廣大的人民群眾防不勝防，也使得公安機關對于非接觸性犯罪的治理始終處于被動局面而難以有效控制其愈演愈烈的勢頭。犯罪成本過低非接觸性犯罪的受害人選擇大多是隨機的、而且具有極高的基數。即便是受害人占其受眾的比例很小，但其巨大的基數、低廉的前期投入，也會使其犯罪所得收益非常可觀。不僅如此，隨著犯罪方式的日趨產業化、職業化，出現了越來越多販賣犯罪手段、犯罪技術工具等情況，以較低的價格便可以買到完整的犯罪技術工具及方法，從事違法犯罪活動便會很快獲得收益。相較于極低的犯罪成本，極低的犯罪技術壁壘與巨大的利益誘惑促使相當多的人在違法犯罪的道路鋌而走險。公安機關打擊不力相較于非接觸性犯罪靈活多變的犯罪形式，公安機關對其打擊處理始終是處于被動的局面。隨著互聯網的普及應用，犯罪窩點往往是涉及多地。跨國、跨省的犯罪普遍存在。公安機關無論是在跨國的國際偵查協作，還是國內的跨省偵查協作上，都存在不同程度的偵查壁壘。這嚴重限制了公安機關的打擊犯罪能力。犯罪分子將各個犯罪環節高度分離，各個犯罪窩點設立在不同區域，可以有效逃避公安機關的打擊。此外，公安機關始終處于案發后被動打擊的工作模式。即便是將犯罪嫌疑人最終抓獲，但群眾損失的追回率卻極低，而且往往會因為證據鏈條不完備，沒能掌握犯罪團伙的全部涉案情況等因素使得案件難以成功起訴。即便是成功起訴，也往往會因為公安機關所掌握的證據完備的涉案金額、案件數量遠低于犯罪團伙實際所涉案的犯罪非法所得使得其受到相對較輕的刑罰。犯罪分子出獄后普遍還是會從事原來的犯罪活動。偵查不力導致較低的重刑率使得非接觸性犯罪活動中的慣犯、累犯成為主要群體。四、大數據治理非接觸性犯罪的可行性大數據技術可以完善犯罪預警工作當前，公安機關在非接觸性犯罪處置工作中始終處于被動局面，很大程度上是因為公安機關習慣于傳統的發案后進行偵查的回溯型偵查模式，哪里發案在哪開展相關的偵查工作。各地區公安機關受到種種客觀因素的影響使得其在彼此間的實時信息交流、情報共享工作上存在很大的弊端，無法建立起有效的犯罪預警機制，難以開展有效的事前防范工作。大數據技術的核心就是預測，云計算平臺的運用可以使得各地公安機關的情報信息實時共享，實時上傳下載。有了足夠量的相關數據資料與實時的數據傳輸渠道，使得借助數據分析技術開展相關的犯罪預警工作成為可能。一方面，借助大數據技術開展犯罪預警工作，實時監測相關網絡渠道的異常狀況，做到重點項目安全的同步控制，建立起完善的犯罪行為同步識別與發現機制。另一方面，在項目開發審批環節通過大數據分析技術，進行風險預測，完善相關漏洞，壓縮犯罪行為的活動空間。運用大數據技術可以完善犯罪預警工作，促使公安機關從被動偵查向主動防范的模式轉型。大數據技術可以發掘現有案件背后隱藏的信息當前的非接觸性犯罪案件的普遍特點就是受害人眾多、相關數據信息交錯復雜。公安機關往往需要耗費極大的人力、物力去收集相關的數據信息，通過篩查其“資金流”“信息流”進而倒查完整的犯罪組織體系。當前，非接觸性犯罪主要通過移動互聯網絡實施犯罪行為，依靠網絡空間中的數據交換來傳播犯罪嫌疑人的主觀意圖。與此同時，相關的行為資料、行為信息也將會被完整的記錄下來。電子物證作為法定的證據形式在非接觸性犯罪案件中所占的比重越來越大。通過分析相關的電子物證可以重建犯罪時空現場、還原犯罪過程，由此把握住非接觸性犯罪行為的核心，采取相關措施進行有效治理。大數據分析技術的特征就是需要海量的數據資料，通過對較低價值密度的數據利用相關性關系進行深入挖掘，篩查出其背后所蘊含的隱秘關系。大數據技術可以深挖現有犯罪案件背后的隱藏信息，對非接觸性犯罪的有效治理起到關鍵作用。借助大數據技術嘗試“警務外包”工作模式科技手段的飛速變化使得公安機關的偵查人員在大量辦案任務的重壓之下無暇學習。新科技手段對相關人員的專業性要求越來越高。如果偵查人員不是本專業的高學歷人才的話，則對相關技術的掌握運用便會非常吃力。隨著社會上的相關大數據公司發展日趨專業化、平價化，公安機關可以在專業技術應用上采取“警務外包”的工作模式。通過購買相關的數據信息、相關的軟件分析平臺開發服務等來使其更好地服務于公安工作。借助市場化的專業技術團隊來解決相關的技術性難題，為偵查工作注入了新的活力，同時也給犯罪治理工作帶來了極大的便利，使得犯罪偵查和犯罪治理的一體聯動成為可能。利用技術力量將有限的警務力量從繁瑣重復的數據錄入篩選工作中解放出來，更多地投入到完善證據鏈條、建立防范機制的工作中，從而有效提升公安機關的打擊治理效能。

三、大數據治理非接觸性犯罪的具體應用

大數據技術應用于非接觸性犯罪治理主要在“同步監管”“發案偵破”“犯罪預測”三個不同的維度。大數據在同步監管中的應用當前非接觸性犯罪活動中的主觀意圖傳播媒介主要是移動互聯網。大數據時代，情報信息獲取的渠道更加多元化。公安機關主動獲取情報信息變得更加便捷。利用大數據技術對現行案件數據資料中的“敏感詞匯”進行相關性分析并歸納總結，采取網上陣地控制的方式展開巡查工作，發現異常行為即刻查清其原由，進而建立起常態化犯罪的同步識別與發現機制。例如，在微信平臺中異常火熱的“三維九度”網絡非法傳銷犯罪，就是通過對“敏感詞匯”的網絡巡查發現了在微信公眾號平臺中出現了異常的“永不充電電動車”“參與拼團的三維九度獎勵模式”等敏感詞匯。公安機關開始對其經營模式進行重點關注，利用大數據關聯分析技術做出知識圖譜，完整地還原其組織構架及運營模式，發現其通過拉人注冊、返利分享的方式發展下線，進而確定了其傳銷犯罪行為的存在，主動打擊，將犯罪行為控制在實施過程之中，最大限度地控制犯罪危害的蔓延，盡最大可能減少人民群眾的受害損失。一時間爆紅朋友圈的“三維九度”網絡傳銷犯罪得以被公安機關有效控制，受害群眾的損失得以最大程度地挽回。大數據技術可以實現異常行為的同步監管，將非接觸性犯罪主動控制在犯罪過程中，防止犯罪危害蔓延，進而最大程度地保護人民群眾的生命財產安全，有效治理非接觸性犯罪活動。大數據在發案偵破中的應用大數據技術應用于已發案件的偵破中主要是起到完整還原犯罪時空過程、準確固定證據的作用，以及通過關聯分析碰撞深入挖掘余罪的效果[1]。通過大數據技術完整還原犯罪過程，準確取證。由于非接觸性犯罪往往錯綜復雜，大多會涉及到接觸性犯罪與非接觸性犯罪相互交織的情況。相應的犯罪過程、犯罪證據的掌握對定罪量刑起著至關重要的作用。在以審判為中心的訴訟制度改革下，在法庭質證環節，如果關鍵性的證據存在疑問有可能會使得前期的所有偵查工作功虧一簣。通過大數據關聯分析將“網絡空間”“物理空間”“社會空間”中的相關數據信息整合，完整地刻畫出犯罪組織網絡體系、犯罪行為的“知識圖譜”等相關數據分析結果，全息還原犯罪經過，為準確定罪量刑起到關鍵作用進而提升非接觸性犯罪的追訴率、重刑率。通過大數據技術關聯分析，深挖余罪。在已發案件中，通過確定相關的行為對象，根據行為特征收集其現實行為的數據痕跡，做出其現實行為的虛擬鏡像，在大數據分析技術的應用下根據相關性特征開展數據的碰撞、挖掘，通過“人”“像”“車”“電”“網”的五軌聯控確定其異常行為節點并結合相應的案情信息深入研判，進而深入挖掘出犯罪分子所隱藏的其他犯罪行為。大數據在犯罪預測中的應用大數據技術的核心就是預測。隨著大數據技術的日趨成熟，“行為人數據畫像”技術的精準度也大幅提升。基于多維數據的融合再加之分類數據的關聯分析將行為人的階段性特征“標簽化展示”并根據新數據的變化實時更新，使得偵查人員在快速掌握重點人員的實時動態特征，根據具體情況提出相應的偵查假設，制定相應的防范措施，進而對事件的發展趨勢有效把控。通過以組織性犯罪團伙的核心行為人為中心，根據其社交動態的聯系、頻率、時間等相關信息進行重點關注，基于貝葉斯算法建立數據挖掘模型，重點關注其葉子節點、根節點，根據異常波動的變化結合其具體行為變現多方印證，進而預測其下一步的犯罪活動[2]。通過犯罪預測來主動采取應對措施，有效降低非接觸性犯罪的發案率。

參考文獻：

[1]王彬．犯罪偵查中的大數據應用分析［J］．中國刑警學院學報，2017（4）：31-37.

[2]董邦俊，黃珊珊．大數據在偵查應用中的問題及對策研究［J］．中國刑警學院學報，2016（2）：7-13.

作者：劉啟剛；馬凱 單位：中國刑事警察學院