数据时代侦查模式的嬗变与融合

王 莉

（西安政治学院军队保卫工作学系 陕西 西安 710068）

数据时代侦查模式的嬗变与融合

王 莉

（西安政治学院军队保卫工作学系 陕西 西安 710068）

伴随着数据时代的到来，社会数据的爆发式增长及大数据预测技术的深入挖掘，数据时代侦查模式将经历数据结构、算法技术、侦查思维和组织体制的根本变革，实现由小数据主导到大数据驱动的侦查模式嬗变。然而，大数据驱动侦查模式存有局限，大数据的深度挖掘与广泛应用，并不能完全取代小数据引导侦查模式之优势。后大数据时代，两种侦查模式应予融合，而绝非取代。

数据时代 侦查模式 大数据驱动 小数据引导

数据时代是人类社会继认知时代、农业时代、科技时代后的第四次时代转折，数据①数据是指所有能输入到计算机并被计算机程序处理的符号介质的总称，数据时代数据和信息边界模糊，数据不仅仅包含数值，能够储存在计算机上的图片、视频、文本等信息，亦称为数据。按性质划分，数据可以分为定位数据、定性数据、定量数据和定时数据；按表现形式划分，数据可以分为数字数据和模拟数据；按记录方式划分，数据可以分为地图、表格、音影像、纸带等；按数字化方式划分，数据又可以分为结构化数据和非结构化数据。作为社会发展的驱动力量，不仅影响改变了人们的行为方式，同时也在悄然改变着人们认识世界的思维模式。随着物联网、云计算、移动互联网等技术的迅猛发展，人们正逐渐从“现实”走进“虚拟”，从“网下”走到“网上”，人类社会产生的数据量正以空前的速度爆炸性增长，数据的种类也更加纷繁混杂，数据处理能力已远超控制范围，原有的小数据时代迭代升级为大数据时代。关于大数据与小数据究竟是什么，学术界和实务界尚未形成统一共识，加之研究角度的差异，两者有着不同理论解释力。本文语境下，大数据指完全意义上的全数据，无法在可承受的实践范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据时代认识事物不再是从随机抽取的部分样本，而是从全部数据出发。小数据是指通过目前主流软件工具可以在合理的时间内采集、存储、处理的数据集，相对于大数据而言，小数据在信息和数据不完整的情况下，通过科学抽样和技术调整，为个体或某类具体问题提供数据参考，具有量小、价值密度高的特点。英国大数据专家维克托·迈尔·舍恩伯格说过一句名言：“认识大数据之前，世界原本是一个数据时代；认识大数据之后，世界却不可避免地分为大数据时代、小数据时代”。如果说小数据是前数据时代，那么数据时代便似“薛定谔的猫”②“薛定谔的猫”是奥地利物理学家薛定谔于1935年提出的，有关猫既是死的又是活的著名思想实验的名称。它描述了一个科学的真相：在系统中，一个原子或者光子可以以多种状态的组合形式存在，而这些不同的状态可能对应的甚至是矛盾的结果。整个实验是这样的：在一个盒子里有只猫，以及很少的放射性物质。在一小时内，大约有50%的概率放射性物质将会衰变并释放出毒气杀死这只猫，剩下的50%的概率是放射性物质不会衰变而猫将活下来。一样，处于大数据与小数据的叠加状态。大数据和小数据，它们交互共生，共同勾画数据时代的未来。

1 数据时代到来触发侦查模式嬗变

关于侦查模式，学界一直有不同的看法。有的学者认为，侦查模式是指“对侦查程序或侦查行为的若干基本特征进行的类型化概括和抽象”[1]；还有观点认为侦查模式就是专门机关或专门人员为查清案件事实收集证据和查缉犯罪嫌疑人进行的专门调查活动的标准样式和程式；还有人认为侦查模式是指对刑事案件侦查方法、侦查过程、侦查活动规律的概括、抽象和总结，对不同刑事案件侦查规律的有效侦查方式。何为侦查模式？所谓模式是“某种事物的标准形式，或使人可以照着做的标准样式”[2]。笔者认为侦查模式是指在一种理论背景中，对侦查运行系统结构进行的一种抽象概括，是对侦查运行系统内要素间关系的提炼和确认。不同视角下的侦查要素结构关系和运行机制具有专属侦查模式理论释域。例如，从诉讼制度来看，侦查模式可分为对抗制侦查模式和非对抗制侦查模式；从侦查行为视角分析，按照案件侦查途径将侦查模式分为从案到人、从人到案、从人到人和从案到案四种模式。采取何种侦查模式，不仅与一个国家诉讼制度相关，同时也与侦查技术水平密切相关。

科技时代到数据时代的跨越，犯罪信息获取能力不断创新发展，侦查模式实现了科技时代“以侦查技术为主导侦查模式”到数据时代“以数据为主导侦查模式”的根本性转变。随着大数据时代的到来，侦查模式赋予了更多的时代烙印，正如舍恩伯格在《大数据时代》中所言，“当世界开始迈向大数据时代时，社会也将经历类似的地壳运动”[3]。侦查活动作为一种社会控制行为，必将发生深刻变化，而侦查模式就是这种社会控制行为的标准化样式。“以数据为主导侦查模式”亦将经历从小数据主导到大数据驱动的嬗变过程，这便是本文论域下的嬗变。

1.1 犯罪新势态是侦查模式嬗变的驱动力

从小数据到大数据的迭代发展，犯罪现象作为社会时代的特殊产物，也具备了这个时代的数据特征。近年来，无明显痕迹和现场的虚拟空间犯罪数量持续增多，电子犯罪特别是网络犯罪比例不断提升，犯罪的智能化和高科技化趋势日益明显，跨国诈骗尤其是非接触式诈骗犯罪数量急剧增长，小数据引导的侦查模式面对新的犯罪势态显得乏力。同时，侦查工作传播渠道的泛化与数据信息的细节化，极大促进了公众对侦查的认知，犯罪行为人较以往具有了更为突出的反侦查意识，远程操控、黑客破坏、虚拟身份等高科技反侦查手段层出不穷，传统抽样式与因果式的小数据侦查思维和手段遭遇困难。正如郝宏奎教授所讲：“随着犯罪行为人反侦查意识的不断强化和反侦查能力的不断提高，传统的形态痕迹和实物证据的现场遗留率已经并将继续呈下降趋势，使实体侦查面临严峻的挑战”[4]。数据时代犯罪时间、空间、方式、手段的新变化，要求侦查主体必须主动适应，加快侦查模式的演进更迭，才能有效控制打击犯罪。

1.2 数据骤增是侦查模式嬗变的孵化器

大数据时代，社会生活中的每个人都将不可避免地将自己的行为活动轨迹留在各种存储系统中，在“数据化”浪潮下，几乎一切都在被记录，一切都在被数字化，数据经历了一个由少到多、由单一到繁杂、由结构化数据到非结构化数据的飞跃式发展过程，这些不同性质类型海量数据的累积，记录了社会各个人群活动的方方面面，留下了各类电子痕迹、电子物证或电子轨迹。“在大数据时代，不要说数字化犯罪，即使传统手段的犯罪，都可以说落入了一种‘天网恢恢，疏而不漏’的网络记录和存储体系，数据化就是当下犯罪的现实生态。”[5]数据的爆发式增长极大地拓宽了分析研判的维度，数据仓库①比尔·恩门在《数据仓库之构建》一书中给数据仓库下了一个定义。他认为，数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理中的决策制定，按照数据存储方式不同，数据仓库又可以分为针对非结构化数据的分布式文件系统、针对结构化数据的分布式数据库系统、针对半结构化数据的数据流处理系统三种。成为侦查战斗力生成的源泉。现有侦查模式无力探究犯罪信息的广阔疆域，分析利用更无从谈起，大数据驱动侦查就在这种趋势下应运而生，并不断发展。

1.3 行为精预测是侦查模式嬗变的助推器

美国著名学者艾伯特·拉斯洛·巴拉巴西认为，93%的人类行为都是可以预测的，他在人类生活数字化的大背景下研究人类日常行为，认为人类日常行为模式不是随机的，而具有“爆发性”，这种“爆发性”能揭开人类行为中存在的一种深层次秩序，进而使人类行为的预测变得更加容易[6]。大数据以海量数据为量化分析的基础，抛却了人类主观因素的影响，利用数据之间的关联性捕捉各类碎片化数据，寻找事物发展变化规律，进而做出预测，真正让数据“道出未来”。预测作为大数据的核心价值，能够极大提高侦查效率，降低社会控制成本，侦查行为不仅指向已经发生的犯罪，更多地指向正在进行和即将开始的犯罪，侦查介入时间向前推进至与犯罪行为同步甚至提前；侦查机制由传统的“犯罪发生—再反应”机制转变为“预测—行动”机制。

2 小数据到大数据侦查模式的体系变革

从小数据到大数据，不仅仅是数据体量上的迅速膨胀，而是从量变到质变的变革，一场由技术引发的侦查模式变革，数据的结构类型、算法逻辑、思维模式甚至侦查主体组织体制等均将产生质变。大数据驱动作为一种新的侦查思维和侦查方法，与科技创新、社会进步、侦查资源变化紧密相连，并将彻底改变侦查主体与犯罪分子的博弈格局。

2.1 侦查思维变革

侦查思维变革是侦查模式变革的先导。侦查思维的转变主要体现在由传统的随机抽样模式转变为获取分析运用“全体数据”；由传统的极力追求精确性转变为以混杂性为标准途径；由传统的唯因果关系论转变为更注重相关关系的运用。小数据思维按照因果关系和数据结构的标准来采集和分析数据。大数据时代侦查思维通过量化数据值之间的数理关系来确定相关关系，数据的潜在价值将被不可估量的予以释放。归根结底，大数据思维就是皆数据、可预测、找关联的思维模式。

犯罪形成的因素纷繁复杂，全面、精确、高效的分析相当不易甚至不可能。对于侦查人员来说，最重要的不是去厘清犯罪原因，而是有效控制犯罪。大数据思维驱动下的侦查模式，集数据存储共享、用数据分析案件、依数据验证判断、靠数据决策侦查、凭数据评价办案，不仅能够让侦查人员全方位、多角度地思考分析案情，快速锁定犯罪嫌疑人，还能通过相关关系确定关联物，有效监控犯罪情势，合理配置警力资源，极大提高侦查效率。

2.2 算法技术变革

算法技术变革是侦查模式变革的主要标志。数据是构成问题的原材料，算法是解决问题的钥匙。小数据时代侦查算法主要依托科学抽样和技术调整等传统逻辑方法，面对由个人大数据、网络大数据、国家机构和社会服务行业大数据、侦查部门自建专业情报大数据等形成的侦查样本数据仓库，传统的侦查方法体系在大数据时代显得极为不适。以智能算法为基础的大数据采集存储、分析挖掘和呈现应用技术，可以有效地对海量分散的数据进行分析、预测，会使得决策更为精准，释放出更多数据的潜在价值。

智能算法作为大数据时代开展侦查工作的基本方法，其根本的目标在于针对人、车、机、网、卡和相关物体产生的一系列关系进行决策，而这些关系除了遗留在人的意识当中，更多的是以数据形式存储于各种信息系统当中。随着人工智能、云计算、生物技术、VR技术的不断突破，针对大数据的采集存储、挖掘分析与呈现应用等算法技术日益成熟，设计符合法律规制、遵循侦查规律、体现时代特征的智能算法体系，为准确分析犯罪信息、科学决策侦查行为、依法获取犯罪证据提供了解决问题的核心方法。

2.3 数据结构变革

数据结构变革是侦查模式变革的核心。前数据时代的小数据获取犯罪信息数据的渠道主要包括三类：一是运用现场勘查、调查访问、讯问查证等传统侦查手段，从犯罪现场和犯罪相关人员大脑记忆中提取数据；二是侦查机关因业务需要而自主建设的与人、案、物、车、机、网、卡等相关的各类专业情报数据库；三是汇总国家机关、社会行业、网络机构及个人在运行过程中形成的各类数据。这些犯罪信息数据，数据模型为结构性数据①随着信息技术的发展，信息系统内的数据格式也从过去单一的结构化数据，发展为现在结构化数据、非结构化数据和半结构化数据并存的状态。结构化数据就是人们熟悉的数据库中的数据，它本身是一种对现实已发生事项的关键要素进行抽取的有价信息。非结构化数据是未抽象出有价信息的数据，需要经二次加工才能得到的有价信息，主要包括文件、图片、视频、语音、邮件、聊天记录等。半结构化数据是指数据中既有结构化数据，也有非结构化数据，比如，摄像头回传给后端的数据中不仅有位置、时间等结构化数据，还有图片这种非结构化数据。这些数据是以数据流的形式传递的，所以半结构化数据也叫数据流。，不具备实时记录存储功能；数据格式无统一标准，兼容性较差；数据分析研判过度依赖情报分析人员的侦查经验和技术水平，智能化不高且时效性不强。

随着互联网技术、视频技术、监控设备、物流快递、银行金融业、虚拟支付等技术的全面发展，各行业网络化、数据化程度的不断加深，相对于以往便于存储的以文本为主的结构化犯罪数据，网络日志、音频、视频、图片、地理位置信息、声音、cookie记录等非结构化犯罪数据越来越多，且犯罪信息数据量急剧增加。数据结构类型、呈现方式、存储原理发生了重大变革，庞大的数据量级和繁多的数据类别，远远超出了当下人类和信息系统的数据处理能力范围，探索侦查中的大数据技术应用已成为侦查界同仁一项新的课题。

2.4 组织体制变革

在信息缺乏和流通受限的小数据时代，挖掘犯罪信息采取的是个体信息精确度要求甚高的取样分析方法，犯罪行为发生后，有关作案时间、作案过程、作案人特征、侦查线索等犯罪信息往往储存在被害人、证人的脑海中，蕴含在案发现场痕迹物品和专业情报数据库中，获取犯罪信息、掌握侦查主导权的只能是那些具有法定资格、专业经验及特殊技能的侦查员。

大数据时代的侦查工作需要从体量庞大、类型混杂的数据海洋中汲取犯罪信息，仅凭侦查技术人员大脑和传统算法已无力承载，而法律授权下的数据分析专家或人工智能，将在数据海洋中手持放大镜发现犯罪端倪，并通过专业数据算法进行分析决策。这些数据专家或人工智能将成为侦查主体的一部分，在体系内起主导作用，原有侦查人员中的一部分人进化成数据专家，一部分退而成为侦查辅助者和决策执行者，由此，侦查组织形态与体制机制必将发生重大变革。

3 大数据驱动侦查模式的局限

由上所述，我们不难得出结论，小数据引导侦查模式是指侦查主体为了查清犯罪事实并抓获犯罪嫌疑人，针对收集存储的采样数据，运用传统抽样分析方法进行侦查决策的一种犯罪侦查与控制行为模式。而大数据驱动侦查模式是指以数据专家或人工智能为主导的侦查主体，为了控制犯罪发生、查清犯罪事实、抓获犯罪嫌疑人，运用相关关系思维，采用侦查数据算法，对侦查全样本数据进行收集、存储、共享、挖掘、决策、评估的一种犯罪侦查与控制行为模式。大数据驱动侦查模式是大数据时代的必然选择，很多小概率、大影响的案件，在单一的小数据环境下，很可能难以发现；但由八方汇集而来的大数据，却有机会提供更为深刻的洞察。然而，大数据驱动侦查模式并非万用之法，仅凭大数据驱动侦查模式，也会带来不易察觉的陷阱。

3.1 从侦查决策效果观察，可能出现假阳性误判

大数据驱动侦查模式的核心是侦查样本数据，而侦查样本数据的先天局限性，决定了侦查决策极有可能出现误判。首先，侦查样本数据是局部数据并非全数据，而数据概率准确性需要随着数据量的增多而提升。侦查机关能够运用的数据无论其巨无霸到何种程度，其获得的也只是某个横截面上的大数据，而数据的割裂、封闭式的围墙内存在仍是常态。其次，侦查样本数据的混杂性，容易导致某些侦查价值极高的低频弱信号数据被当作噪音过滤掉，同时也有可能将错误的数据信息记录纳入造成关联性误判。再次，大数据分析通常很容易得出相关关系回归系数，但无法确切地建立变量之间的因果关系，有时候甚至会导致虚假的因果关系。侦查人员在因果关系思维潜移默化的引导下，容易把观察到的相关事件，当作案件发生背后的因果关系进行推演①美国宾夕法尼亚大学教授建立了一个大数据模型，他将大量某类别的案件要素输入模型系统，包括入狱的罪名、初次犯罪的年龄、性别等数据，从而预测罪犯如果被提前假释的话会不会再次犯罪，并声称准确率可以达到75%。这意味着如果依靠这个模型的话，就会在每4人中出现一次失误。。

3.2 从诉讼证明价值判断，容易产生非法证据

当前，我国正处于以审判为中心的诉讼制度改革中，刑事诉讼对于证据的要求也会越来越苛刻，法庭质证、非法证据排除将成为常态。通过数据挖掘获得的各类犯罪证据明显增加了证据的文明程度，但如何保证其以合法证据的方式呈现，为我们提出了新的挑战。一是数据相关思维导致证据关联性受阻。小数据引导侦查模式下，证据分析采用“按图索骥”方法，预先设定样本后普遍寻找联系。大数据驱动侦查模式，重在犯罪案件预测，运用数据挖掘算法，发现相关关系，然而，由于目前的大数据样本并非全数据，加之大数据内部存在错误的先天缺陷，必然会导致得出的证据关联性大打折扣。二是数据复杂多元导致证据合法性问题凸显。大数据样本的规模和复杂程度超出了技术按照合理的程序和时间进行收集、管理及分析的能力，证据的合法审查问题凸显。同时，非结构性数据与刑诉法规定的证据种类在证据展示方式上存在分歧。三是数据孤岛效应导致证据真实性存疑。大数据背景下，由于商业利益、数据标准各异等原因，不公开、难共享最终导致数据形成数据孤岛，数据往往被控制在与案件对方当事人或者有关或者无关的第三者的手中，容易发生证据的销毁与篡改的危险，由此降低证据的可信赖性与不可否认性，证据的客观真实性发生动摇。

3.3 从隐私保护角度分析，容易造成数据安全隐患

确保大数据驱动侦查模式有序运行，侦查数据是最重要的资源。侦查数据来源主要依托面向社会开放的各种平台，数据涉及个人隐私，其搜集、使用、挖掘、保护均缺乏法律规范和监督机制，一旦无限制开放使用，意味着侦查机关与普通群众对等控制资源，而且没有层级的过滤，势必带来巨大安全隐患。一是数据安全面临挑战。侦查样本大数据中各类数据位于同一开放平台存储和处理，这些数据往往包含单位或个人的敏感信息，个人隐私保护与数据安全问题伴生而来。二是极易受到黑客攻击。大数据环境下，用户身份复杂，传统的入侵检测与防御方式，很难判定法定授权用户与黑客。一旦黑客针对数据系统攻击，并收集、窃取、篡改案件信息，极大干扰诉讼程序的正常运转。三是个人隐私保护成为难题。案件数据与当事人隐私保护既是技术问题也是社会学问题，运用大数据进行技术分析预测不可避免地会涉及到个人隐私，如若对于敏感数据的所有权和使用权界定不清、监管不利，将会出现严重问题。

4 数据时代侦查模式的融合

数据时代侦查模式经历了从小数据主导到大数据驱动的嬗变过程。那么，这是否意味着我们就此将抛弃小数据引导的侦查模式呢？美国科技历史学家克兰兹伯格提出，新技术和老技术的自我革新演变，往往是交织在一起的。事物发展都有两面性，大数据驱动的侦查模式有其局限性，小数据引导的侦查模式也有自身的优势。后大数据时代，两种侦查模式应予融合而非取代，“大数据+小数据”侦查模式必将交互而行。

4.1 小数据引导侦查模式的优势

对精确的追求，历来是传统小数据分析的强项，这在一定程度上将弥补大数据的混杂性缺陷。相对于大数据驱动侦查模式，小数据引导的侦查模式针对采样数据，运用精准抽样、科学分析、因果论证、技术调整和管理控制等思维逻辑方法与现代法律理念相结合，能够最大限度地确保侦查决策精准、证据样式合法、数据管理安全，为侦查决策和行为提供精确化参考。首先，大数据驱动侦查只能被动地挖掘、收集案件信息，小数据引导侦查则通过抽样调查和因果关系推理得出案件性质、作案动机、犯罪心理等概念数据。从某种意义上说，小数据比大数据更适合进行侦查理论研究和案例分析。其次，小数据引导侦查模式对于案件要素因果关系的分析上具有优势。在多数情况下，小数据驱动模式对案件要素加入一定的实验条件，确定案件与犯罪嫌疑人或行为之间的因果关系，从而解决大数据驱动无法解决的因果关系和普遍性的双重问题。最后，小数据样本能更好地规避伦理隐私问题。要想真正获得有价值的多变量大数据，必然涉及个人的隐私、商业或政府的机密，以及个人权利、经济利益和政治敏感性等问题。没有数据完全的公开和透明这两个前提，大数据驱动侦查模式永远只是幻想。

4.2 大数据驱动无法替代小数据引导

数据时代的浪潮席卷而来，针对海量数据形成全面、智能、精炼、友好的深度分析，借助人工智能和云计算挖掘大数据的发现、预见能力，最终进行决策已成为共识。然而，大数据驱动侦查无法取代以抽样调查和实验研究为方法的小数据引导侦查模式，两者之间不是颠覆与被颠覆、替代与被替代的敌对关系，而是相互融合、相互补充的伙伴关系。首先，在不可能获得全部数据的事实下，随机抽样调查是洞察全体的首要选择。无论是大数据，还是小数据，都是局部数据。局部的清晰最终能够大大提升“盲人摸象”的效果。其次，大数据驱动与小数据引导并无优劣、无法替代。大数据面向数据，部分全覆盖，细节清晰，实时敏感，非结构化，存在数据源偏差的问题；小数据面向需求，具备代表性，细节精准，结构化，存在时间周期长、抽样偏差的问题。再次，对于案件来说，因果关系较之于相关关系更为有效。相关关系并没有多大价值，找对“相关性”背后的理由，才是问题的关键。坚持传统小数据引导而抵制大数据驱动，是逆流而动、掩耳盗铃；但用大数据驱动否定小数据引导，亦是误读误解、盲目崇拜。多元化的侦查模式融合始终是数据时代发展的必然趋势。

4.3 “小数据+大数据”的侦查模式融合路径

“小数据+大数据”的侦查模式融合，涉及国家政策、人才储备、法律授权、技术水平、管理保障等多个要素，是一项复杂的系统工程。必须牢固树立协同发展理念，广泛挖掘社会群体及个人在网络技术手段、数据资源、咨询服务等方面的优势，通过需求对接和规划引导，聚力突破数据收集、存储、共享、挖掘、决策、评估等关键技术，促进业务数据基础平台与大数据平台纵向横向共享，推动大数据概率预测与小数据精准分析等侦查算法技术无缝对接；必须建立宏观管理体制机制，实现统一管理、统一布局、统一调度，确保能够实现纵向贯通、横向兼容、管理通畅、运行高效的大侦查管理模式；必须健全数据合作机制，整合公安、国安、检察、军队、社会机构、网络运营商等多样性数据资源，协调建立定期会商、信息通报、需求对接和协作攻研机制，增强信息资源共享的实时性和动态性；必须完善法规制度保障，区别于传统领域的固有特性，统筹考虑法制保障问题，并在各个分领域法规文件中对此进行明确，形成配套的数据侦查法治体系。

5 结语

在数据时代，大小数据之间并无明显的界限。如没有小数据的积少成多、聚沙成塔，大数据也是无源之水、无本之木。大数据驱动侦查发现规律，小数据引导侦查关注个体，两者关系是融合而绝非取代。“小数据+大数据”的侦查模式，既要看到大数据在侦查破案中产生的巨大效益，也要警惕其分析预测结果存在误判的可能性；既要大胆运用数据辅助侦查决策，又要警惕唯数据论的错误倾向；既要着力构建横向纵向贯通的侦查数据仓库，也要注重个人数据隐私和安全保密；既要提高侦查人员获取海量数据的能力，也要设定其获取海量数据的权限。

[1]杨郁娟.侦查模式基本问题研究[J].吉林公安高等专科学校学报,2008(2):41-44.

[2]中国社会科学院语言研究所词典编辑室.现代汉语词典(2002年增补本)[M].北京:商务印书馆,2012:894.

[3]维克托·迈尔-舍恩伯格,肯尼思·库克耶.大数据时代:生活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013:217.

[4]郝宏奎.论虚拟侦查[J].中国人民公安大学学报(社会科学版),2008(1):1-10.

[5]何军.大数据与侦查模式变革研究[J].中国人民公安大学学报(社会科学版),2015(1):72-80.

[6]艾伯特·拉斯洛·巴拉巴西.爆发:大数据时代预见未来的新思维[M].马慧,译.北京:中国人民大学出版社,2012:218-277.

（责任编辑：孟凡骞）

D918

A

2095-7939（2017）04-0038-06

10.14060/j.issn.2095-7939.2017.04.006

2017-04-01

王莉（1978-），女，陕西西安人，西安政治学院军队保卫工作学系讲师，博士，主要从事刑事侦查与军事法研究。