吕雪梅,徐志香
(1.山东警察学院,济南 250014;2.山东建筑大学,济南 250101)
犯罪治理是国家治理体系和治理能力现代化的重要组成部分,从国内外犯罪治理研究的发展脉络来看,摒弃传统的刑罚威慑犯罪治理模式,构建以大数据预测分析技术为驱动力的社会多机构协作犯罪治理模式,成为世界犯罪治理模式改革的主流方向。与此同时,人脸识别等信息技术遭遇隐私权挑战,如何在法治的轨道上推进大数据驱动犯罪治理模式创新,成为我国犯罪治理体系与治理能力现代化必须跨越的门槛。
当前我国各级政府积极推进平安城市、平安乡村建设,将大数据作为新的主要增长点,牢固树立前瞻思维,积极与高科技企业合作,探索实施“大数据+犯罪治理”创新工程,取得了一些显著的进步。首先,多维感知体系建设发展迅猛,政府部门所掌握的数据资源包含了互联网、通信、热点、卡口、人际交往、线上交易、旅游等多种数据,可以展示出人的身份、价值属性、生活属性、关系属性、行为偏好等等人群微观行为特征和空间特征,为犯罪治理提供了丰富的数据支持。其次,各地大数据智能平台建设快速发展,各地公安机关汇集各类数据,以实战型指挥中心建设为抓手,以可视化、精准化、扁平化指挥为目标,采用动态交互技术,引入时空模式、地图模式、多维模式等方法,打造多系统跨网、综合性应用的可视化指挥平台。仔细剖析目前“大数据+犯罪治理”实践发展成果,在“繁荣”的表象背后,本质上依然没有从传统犯罪治理模式中脱胎换骨,构建大数据驱动犯罪治理模式的现实困境依然存在。
近年来,依靠全维感知体系建设的持续推进,政府部门获取数据的技术和能力有了突飞猛进的发展,人脸识别、车辆动态比对、智能小区建设等项目的实施,大大提升了公安机关获知以“人”为核心要素的各类动态数据的效率,政府部门拥有的数据量呈指数级增长。调研发现,某地级市仅每天收集的WIFI数据就高达5亿条,动态监控数据量更是大得惊人,这些随时汇集的海量数据,大都被分类储存到各类业务数据库中。如此庞大的动态数据流,依靠一般的查询技术根本无法读取出有价值的信息,此时谈论构建大数据驱动的犯罪治理模式无疑是纸上谈兵。
各地公安机关在将海量数据汇集成大数据池的基础之上,建设了各类大数据智慧平台,大部分平台应用多属于视频技术、人脸识别、DNA检测、车辆识别等方面的技术创新应用。从数据组织来看,依然是按照人、车、物、地等数据要素进行的分类,以供数据的查询比对。这种数据组织不支持犯罪问题分析,也不支持犯罪预测,高昂成本构建的大数据智慧平台却变成了另一种形式的信息多维查询系统,实属大材小用,资源浪费。
目前所谓的大数据犯罪分析大多是数据的统计分析,或者通过经验人工确定风险指数进行积分预警。这种层面的犯罪分析,仅能描述犯罪的变化趋势,却无法揭示犯罪问题的成因,更无法预测犯罪趋势,对犯罪问题治理的指导意义不大。大数据驱动的犯罪治理能否实现的核心在于开展专题的犯罪问题分析,即针对多发性犯罪问题组织数据,形成某一类犯罪问题的分析业务数据量表,通过数据统计和数据挖掘识别犯罪模式,选取犯罪模式特征进行数据建模,开展犯罪预测分析,识别出犯罪的时空热点、高风险的犯罪者、易害群体或个体,据此提出有针对性的、社会各方参与的犯罪情境预防策略,才能有效遏制、减少和预防犯罪问题。
由于缺少专业的犯罪问题分析,使得我们建立起来的各类犯罪问题治理体系效能的发挥受限。以我国网络新型违法犯罪治理体系为例,2015年在国务院指导下成立,23个单位共同参与的部级联席会议机制,在运行初期效果十分显著,原因在于,原来单纯依靠公安机关侦查破案来推动的网络新型违法犯罪治理领域几乎无计可施,在全国打击治理网络新型违法犯罪联席会议机制形成以后,各类立法、司法、金融管理、网络管理、通信管理、技术防控等措施推出以后,初步显示了多机构协作犯罪治理体系的优势,2015—2018年取得了增幅放缓的治理效果,但后继乏力的疲态初步显现。根本原因在于各类网络新型犯罪针对治理措施的犯罪转移现象逐渐降低或抵消了治理效能,针对“杀猪盘”“刷单”等各类网络犯罪问题的分析专业性不深、不透、不持续的问题,是制约这一体系治理效能持续发挥的根源。
制约我国大数据驱动犯罪治理模式转变的根本原因在于现代犯罪理念的普及度不够。实践部门长期习惯于以打击破案为抓手,认为破案抓人是看得见、摸得着的治理效能,对于“以防为主”的现代犯罪治理理念,未能深度融入犯罪治理工作中。调查发现,尤其在一线犯罪治理实践部门,对“犯罪问题分析三角、大数据犯罪问题分析方法、犯罪情境预防理论”等现代犯罪治理的理论、方法和技术接受度较低。认知局限使得“该汇集什么数据、怎样组织数据、如何建设大数据平台、什么才算是大数据分析”等等大数据驱动犯罪治理模式的关键环节偏离正轨,才有了满天“大数据+”,却还是传统犯罪治理模式的现实困境。
习近平总书记提出了“共建共治共享”的社会治理理念,对现代犯罪治理的战略转变提供了理论指引。[1]由传统的犯罪治理模式转变为大数据驱动的犯罪治理模式成为历史的必然。从逻辑上分析,无论是传统犯罪治理模式还是大数据驱动的犯罪治理模式,均遵循着这样一条思维逻辑主线展开(见图1)。
图1 犯罪治理的思维逻辑主线图
这一逻辑的思路是:通过对与犯罪有关事物的感知收集犯罪数据;通过对犯罪数据的组织获取犯罪信息;通过对犯罪信息的分析形成认知获取有关犯罪的知识,将犯罪知识映射在某一业务域内,形成对该业务有价值的犯罪情报;依据犯罪情报做出决策,采取具体的犯罪治理行动;通过建立机制形成犯罪治理的体系。虽然传统犯罪治理模式与大数据驱动的犯罪治理模式遵循着同样的思维逻辑主线,但在同一主线下二者的区别也显而易见(见图2)。
图2 传统犯罪治理模式与大数据驱动的犯罪治理模式对比图
传统犯罪治理模式是以打击惩治犯罪为目标,其运行机理是通过人工采集手段或信息管理系统,收集门类有限的小数据,建立某一业务部门管辖的业务数据库;围绕着打击违法犯罪的需要,通过查询、比对数据获得对解决业务问题有价值的情报线索,至于侦查破案则需要采取粗放式的大兵团作战,形成了以刑罚预防为主要策略的政府“一元制”的犯罪治理体系。
大数据驱动的犯罪治理模式是以有效遏制、解决犯罪问题为目标,其运行机理更多地依靠移动终端或者传感器等技术手段,获取门类较多的、实时性的大数据,依据各类犯罪问题分析的需要进行犯罪数据组织,通过数理统计、数据挖掘、数据建模等方法识别犯罪模式,开展大数据犯罪预测分析,将大数据预测分析嵌入各类犯罪治理体系,形成具有精准的犯罪治理方案,并在政府的主导之下,形成社会多种单元共同参与的多机构协作的犯罪治理体系。
1.治理目标:有效遏制、减少和预防犯罪问题
世界多国的犯罪治理实证研究已经证实,以打为主的传统犯罪治理方式有效预防犯罪的效能极低。犯罪案件已经发生,围绕犯罪案件而展开的案件侦查、起诉、审判、执行等刑事司法环节,只是对犯罪案件的一种事后应对和法律救济途径,这决定了以刑罚威慑主义为主的传统犯罪治理效能十分有限。大数据犯罪治理则以有效遏制、减少和预防多发性犯罪问题为目标,通过大数据分析识别犯罪模式、犯罪机会和诱因,预测高风险的犯罪者、被害者和犯罪时空情境,形成多元社会主体共同参与的犯罪治理体系。传统犯罪治理模式以提升打击力度为手段,所追求的治理目标本质上是“治标”,而大数据驱动的犯罪治理模式以有效解决各类犯罪问题为手段,所追求的治理目标本质上是“治本”。
2.治理体系:建构多机构协作犯罪治理体系
传统犯罪治理体系是政府“一元制”的治理体系,依靠公安、检察院、法院和司法部门的联动协作,实现打击犯罪和刑罚预防的社会功能。但是,犯罪源自社会、个体和时空环境等多方面的因素,仅靠政府的管理和刑事司法职能无法从根本上加以有效解决。1984年,英国政府发布了名为“犯罪预防”的报告,强调无论是中央政府还是地方政府都必须把犯罪预防作为重要目标,所有公民和机构,都应该为犯罪预防贡献一份力量,预防犯罪是全社会的任务。1991年,英国内政部发布了名为《内政部犯罪预防常委会议关于“使社区更安全”的报告:地方政府参与多机构犯罪预防模式计划》的文件,提出为提高多机构协作犯罪预防模式的组织协调,需要强调六个关键因素:结构、领导、信息、一致性、持久性和资源。[2]贯彻落实习近平总书记提出的“共建共治共享”理念,在各级政府的主导下,积极推动大数据驱动的多机构协作犯罪治理体系,成为世界各国共同的选择。
3.治理机制:以大数据犯罪分析为核心驱动力
传统犯罪治理机制是以已发刑事案件的刑事司法程序运行为主线,主要通过“侦查—起诉—审判—执行”等环节的有机联动实现刑罚威慑的社会功能,我国1981年确立的社会治安综合治理战略,依然把打击破案作为第一要务,三十多年来的犯罪治理实践表明,在传统犯罪治理机制中很难发挥家庭、学校和其他社区组织的主体作用。大数据犯罪治理机制是以大数据犯罪分析及其治理为主线,主要包括“犯罪数据收集—犯罪数据组织—犯罪数据分析—犯罪治理的战略或战术协作—犯罪治理战术性解决方案—犯罪效能评估”等运行环节。由于大数据驱动的犯罪治理模式是通过大数据分析识别犯罪诱因和机会,预测各类高风险犯罪者、被害者和犯罪时空因素,从而将能够遏制和有效预防犯罪的社会单元纳入犯罪治理体系,形成社会多元主体共同参与的犯罪治理体系,实现有效预防和遏制犯罪的目标。
4.治理策略:以犯罪情境预防为主要策略
传统犯罪治理秉持的主要策略是刑罚威慑主义,然而犯罪实证研究表明,刑罚威慑对犯罪预防的作用几乎为零。加拿大犯罪学家欧文·沃勒在研究了世界各国采取的犯罪预防策略后发出呼吁:严惩罪犯就是严惩我们自己。[3]随着环境犯罪学研究的逐步深入,人们发现对影响犯罪的社会性因素的控制,牵涉面广且产生效益的周期较长,而着眼于犯罪行为实施的微观环境,通过有针对性地限制犯罪条件的措施,就能有效地减少许多犯罪行为。犯罪情境预防理论是一种以犯罪行为和被害人为中心的犯罪预防策略,它通过改变犯罪情境因素来减少环境中的犯罪诱因和犯罪机会,迫使潜在的犯罪人认识到犯罪行为难度增加,被暴露的风险增大,犯罪收益减少,以此来抑制犯罪的发生。[4]大数据驱动的犯罪治理模式主要以犯罪情境预防为主要策略,辅以社会预防和刑罚预防,从而实现有效遏制、减少和预防犯罪的目的。
大数据驱动犯罪治理模式的构建可以分为多维数据采集、犯罪数据组织、犯罪模式分析、犯罪预测分析、多机构协作犯罪治理体系等五个基本运行环节(见图3)。
图3 我国大数据犯罪治理模式基本流程图
在当前社会信息化程度越来越高的今天,获取数据的便利性大大提升,获取犯罪问题分析的全源数据已经不是难题。但毫无节制地收集数据并非理性,大数据体量越大,储存和分析成本越大,“浪里淘沙”的难度就越大,因此要摒弃数据越多越好的陈旧理念,多维感知体系建设应在犯罪问题分析所需与公民隐私权保护要求之间做好平衡,掌握合理区度。我国《公民个人信息保护法》呼之欲出,法律一旦明确将“公民个人信息的所有权归公民个人所有”确定下来,公安机关拥有的大数据越多,保护公民个人信息合法权益的法律责任越重。在当前的多维感知体系建设中,要为即将成为法律现实的未来做好充足的准备,要在科学论证的基础上,根据犯罪问题分析所需合理布建,先确定好各类犯罪问题分析数据组织的业务框架,再考虑通过哪些渠道收集或汇集数据。确立合理采集数据的价值理念,对把握好保护信息安全和公民隐私权的各个环节至关重要。
犯罪数据组织的第一个环节是犯罪问题的分类。犯罪问题的分类往往不是基于刑法所确定的犯罪类别,而是基于行为构成确定类别,比如盗窃罪是刑法中的一个犯罪类别,按照不同的行为构成,可以分为盗窃电动车、盗窃临街店铺、爬楼入室盗窃、技术开锁入室盗窃等多种类型,每一种类型的犯罪者群体不同,被害者群体不同,犯罪时空模式也不相同,在犯罪问题分析中需要按照行为构成对犯罪进行分类。根据每一类犯罪问题的行为属性,确定其基本的分析业务框架。第二个环节是按照犯罪问题分析三角所确定的犯罪构成要素抽取数据,并对之进行清洗、编码、装载等数据预处理工作的过程。犯罪数据组织的基本架构如图4所示。
图4 犯罪数据组织架构图
按照上述犯罪数据组织思路,对每一类需要分析的犯罪问题进行数据组织,就会形成该类犯罪问题的数据量表,为下一步的犯罪模式分析、犯罪预测分析做好数据准备。
犯罪模式也可称为犯罪行为的动力定型,是犯罪人大脑皮层对外界诱因已经成为犯罪行为的自动化、习惯化反应系统。[5]犯罪模式分析的基本思路包括犯罪结构分析和犯罪过程分析两个方面,犯罪结构分析就是按照犯罪问题三角理论的六维要素,包含犯罪者及其监管者、犯罪被害人或目标及其监护者、犯罪时空及其管理者,围绕这六个维度通过数理统计、关联分析以及空间分析等方法分析,尽可能寻找每一条边的相关问题:谁?什么?何时?哪里?怎样?为什么?为什么不是?根据分析出来的结果刻画犯罪的时间模式、空间模式、落脚模式、犯罪者个体特征、犯罪团伙结构等犯罪模式。犯罪过程分析主要是研究犯罪人与被害人在遭遇前、遭遇时、犯罪实施过程中和犯罪后各自的状态和时空环境,以识别其中的被害因素和被害情境。
美国预测警务的实践表明,人们能够通过分析犯罪模式和因素,影响犯罪者的决策,进而通过战术干预预防犯罪。现代警务中的犯罪分析大量应用定量统计方法和空间分析方法,识别可能的犯罪目标和风险最高的犯罪实施位置,为警力投放提供最佳方案。美国犯罪预测分析方法分为四类:一是预测犯罪的方法,用于预测犯罪风险增加的地点和时间;二是预测犯罪者的方法,用于识别将来有犯罪风险的个人;三是预测犯罪者身份的方法,用于精确匹配已知案件最有可能的犯罪嫌疑人;四是预测犯罪被害人的方法,用于识别可能的犯罪受害群体或个体。[6]这些技术方法完全可以被借鉴,应用于我国大数据犯罪预测分析,据此预测分析出来的结果就是识别出的犯罪高发区域、高发时段、高风险的犯罪嫌疑人、高风险的被害个体等等,这些皆是指导各业务警种有针对性采取犯罪治理措施的有价值情报。
社会控制理论认为,犯罪是社会管理缺失或存在漏洞所导致的结果,大数据驱动的犯罪治理的过程本质上就是社会管理不断完善的过程。在政府的统一领导下,通过对各类犯罪问题的大数据分析,针对识别出的高风险犯罪者、被害者、犯罪情境等因素,实施多元主体共治,形成多机构协作的犯罪治理体系。以全国打击治理网络新型违法犯罪体系为例,要将这一体系推入大数据驱动的犯罪治理体系的轨道,需重点加强以下两个环节:一是开展各类网络新型违法犯罪问题模式分析和预测分析,识别与犯罪者、犯罪被害者、犯罪时空以及相关因素中的犯罪机会和诱因在哪里,预测高风险的犯罪者、被害者和犯罪时空情境;二是根据大数据犯罪分析的结果,基于犯罪情境预防策略采取多机构协作的犯罪治理策略。
综上所述,我国当前犯罪治理的核心困境在于大数据犯罪问题分析能力不足,大数据驱动犯罪治理模式的构建应以此为突破口,破除传统观念束缚和权限限制,围绕各地犯罪治理的需要,向基层公安机关最大程度地开放数据分析权限,拓展和加强大数据犯罪问题分析业务,研发适合本地犯罪问题治理需要的大数据犯罪分析系统,为大数据驱动的犯罪治理体系良性运转提供核心动能。