張　威

（北京師范大學 刑事法律科學研究院，北京 100875）

引言

大數(shù)據(jù)時代的到來，影響著社會生活的方方面面，犯罪防控領域也不例外。犯罪防控作為社會治理以及公共安全體系的重要組成部分，也越來越重視對大數(shù)據(jù)技術的應用。西方許多國家已經率先將大數(shù)據(jù)應用于反恐、國家安全、犯罪預測、犯罪偵查等領域，并收到了積極的效果。我國在2015年9月召開的全國社會治安防控體系建設工作會議上，首次明確提出要充分依托大數(shù)據(jù)、云計算中心，善于從多源的、分散的、碎片化的大數(shù)據(jù)中找到規(guī)律，為維護公共安全提供創(chuàng)造性服務［1］。同時，各級公安機關也在不斷嘗試利用大數(shù)據(jù)技術，建立大數(shù)據(jù)警務平臺用于犯罪防控，并且已經取得了一定的成效。但科技永遠都是一把雙刃劍。在大多數(shù)人都對技術充滿了崇拜和迷戀的背景下，如何正確理解并理性對待大數(shù)據(jù)，如何能在應用大數(shù)據(jù)進行犯罪防控的同時科學應對大數(shù)據(jù)帶來的困境，未雨綢繆地合理規(guī)避大數(shù)據(jù)帶來的風險，是非常值得研究的一個重要課題。

一、大數(shù)據(jù)的概念與特征

（一）大數(shù)據(jù)的定義

關于大數(shù)據(jù)，目前還沒有較為統(tǒng)一的定義，但是普遍認為大數(shù)據(jù)具有四個主要特征：第一，數(shù)據(jù)規(guī)模龐大，要遠遠大于傳統(tǒng)數(shù)據(jù)的規(guī)模；第二，數(shù)據(jù)流轉迅速，不僅數(shù)據(jù)產生得快，而且數(shù)據(jù)處理也快；第三，數(shù)據(jù)類型具有多樣性，不僅包含傳統(tǒng)的結構化數(shù)據(jù)，還包含了大量的半結構化和非結構化數(shù)據(jù)；第四，數(shù)據(jù)價值密度低。大數(shù)據(jù)的價值密度相對較低，但是有巨大的潛在價值。

大數(shù)據(jù)并不單指數(shù)據(jù)，本質上是數(shù)據(jù)和大數(shù)據(jù)技術的綜合體。大數(shù)據(jù)技術包含四個方面的內容，即：大數(shù)據(jù)采集，大數(shù)據(jù)存儲和管理，大數(shù)據(jù)的分析和挖掘，大數(shù)據(jù)應用。其中，大數(shù)據(jù)的分析與挖掘是較為關鍵的一步，目前的數(shù)據(jù)分析和挖掘方法主要有分類、估計、預測、關聯(lián)分析、聚類、描述和可視化等，每種分析方法又可以通過多種不同的算法來實現(xiàn)。

（二）大數(shù)據(jù)思維的典型特征

1.重全樣而非抽樣

大數(shù)據(jù)時代，處理的數(shù)據(jù)從樣本數(shù)據(jù)變成全部數(shù)據(jù)。以前，因為人們無法獲得大量的總體數(shù)據(jù)，所以只能采用抽樣的方法獲取數(shù)據(jù)。在大數(shù)據(jù)時代，數(shù)據(jù)的收集、存儲和分析技術都有了很大進步，人們對全部數(shù)據(jù)的收集與分析變?yōu)榭赡?。通過對全數(shù)據(jù)的分析，能夠更準確、更深刻地發(fā)現(xiàn)之前的小樣本研究無法得出的信息，進而使我們對事物整體的認識更加全面、系統(tǒng)。

2.重效率而非精確

大數(shù)據(jù)時代，大部分數(shù)據(jù)都是非標準化的數(shù)據(jù)，混雜性強，同時由于對效率的追求，人們的思維方式從小數(shù)據(jù)時代的精確思維轉向容錯思維，對精確度的癡迷將減弱［2］。也就是說，當擁有海量且多樣化的數(shù)據(jù)時，絕對精準就不再是追求的主要目標，而是可以容許一定程度的錯誤與混雜。而且，大數(shù)據(jù)時代更多關注的是效率、相關性及概率性。因此，在大數(shù)據(jù)時代，可以適當忽略微觀層面上的精確度，追求宏觀層面上更為深刻的洞察。

3.重相關而非因果

大數(shù)據(jù)時代，人們不再像傳統(tǒng)的因果思維時代那樣注重挖掘事物或現(xiàn)象背后的因果關系，而是試圖通過大數(shù)據(jù)發(fā)現(xiàn)事物之間隱蔽的、普遍的相關關系，然后通過這種相關關系來進行預測。這不僅是大數(shù)據(jù)一個最為突出的特點，這種建立在相關關系分析法基礎上的預測也正是大數(shù)據(jù)的核心。與因果思維相比，相關思維更關注的是事物或現(xiàn)象間的關聯(lián)或聯(lián)系，而不必非得深究背后的深層次原因。舍恩伯格指出，知道“是什么”就夠了，沒必要知道“為什么”。大數(shù)據(jù)時代，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己“發(fā)聲”。

4.重數(shù)據(jù)主導

大數(shù)據(jù)時代，數(shù)據(jù)成為核心和主導，海量數(shù)據(jù)的潛在價值不斷增大，讓數(shù)據(jù)發(fā)聲成為常態(tài)，也就是主要靠對數(shù)據(jù)的分析發(fā)現(xiàn)其中的巨大價值。對于一個企業(yè)或者一個部門來說，擁有了數(shù)據(jù)就擁有了更大的主動權和更多的資源，可以通過大數(shù)據(jù)分析發(fā)現(xiàn)關聯(lián)因素，并據(jù)此做出預測。在這種趨勢下，通過大數(shù)據(jù)來進行決策將會成為常態(tài)，人們會越來越依賴大數(shù)據(jù)。

二、大數(shù)據(jù)對犯罪防控的影響

隨著大數(shù)據(jù)的發(fā)展，大數(shù)據(jù)技術已經逐漸被應用于犯罪防控領域，對犯罪防控的理念和模式產生了深刻的影響。

（一）基于大數(shù)據(jù)的犯罪偵查

犯罪偵查離不開對各種信息和數(shù)據(jù)的收集與分析。大數(shù)據(jù)時代的到來，對犯罪偵查的理念、策略以及工作模式都產生了極大的影響，使之發(fā)生了深刻的變革。

1.犯罪偵查理念的變革

（1）數(shù)據(jù)主導型偵查

大數(shù)據(jù)時代，偵查理念上最大的變化就是形成了以數(shù)據(jù)為主導的偵查理念。由大數(shù)據(jù)驅動的偵查理念，以大數(shù)據(jù)庫作為偵查的基礎資源平臺，讓數(shù)據(jù)處于核心地位，支配偵查工作的全過程［3］。傳統(tǒng)的偵查，主要是通過對犯罪嫌疑人的訊問來獲取口供，然后通過口供來尋找犯罪證據(jù)，并最終查清犯罪事實，偵破案件。在大數(shù)據(jù)模式下，可以依靠大數(shù)據(jù)掌握大量的犯罪證據(jù)和信息，只需要在訊問階段進行核實就可以。也就是說，大數(shù)據(jù)技術的應用將打破傳統(tǒng)的“重口供，輕證據(jù)”的證據(jù)收集規(guī)則，從而形成以客觀證據(jù)為主，犯罪嫌疑人口供為輔的證據(jù)規(guī)則［4］。

（2）主動型偵查

大數(shù)據(jù)背景下，犯罪偵查的模式由反應型偵查模式向主動型偵查模式過渡。按照偵查模式采取的措施和行動是否具有超前意識的標準，偵查模式可以分為反應型偵查模式和主動型偵查模式［5］。反應型偵查是一種“由案到人”的偵查，即是在犯罪行為發(fā)生后，根據(jù)案情來確定犯罪嫌疑人，這是傳統(tǒng)偵查方式的主要特征。大數(shù)據(jù)技術的出現(xiàn)，使偵查人員能夠獲得足夠的情報和關聯(lián)信息，從而能夠更為主動地追蹤犯罪嫌疑人，實現(xiàn)快速破案，這就發(fā)生了“由案到人”到“由人到案”的偵查理念的轉變。

（3）預測型偵查

如上所述，傳統(tǒng)的偵查模式實質上是一種回溯型偵查。偵查人員根據(jù)案件情況進行調查，通過不斷的偵查來重建過去。而大數(shù)據(jù)時代的預測型偵查能夠將介入的時間提前，可以與犯罪行為發(fā)生的時間同步，甚至還可以再提前進行。借助大數(shù)據(jù)既可以預測某一區(qū)域乃至全國的某類犯罪的趨勢，還可以預測某一個體的犯罪概率。根據(jù)預測，我們可以提前制訂應急預案，優(yōu)化警力配置，及時采取行動。這樣，對于犯罪偵查來說，過去的“犯罪發(fā)生—再反應”模式或將改變?yōu)椤邦A測—行動”模式［6］。因此，在大數(shù)據(jù)時代，預測型偵查將成為常態(tài)。

2.大數(shù)據(jù)在犯罪偵查中的應用

大數(shù)據(jù)在犯罪偵查中的應用大致可以分為兩個方面。首先，大數(shù)據(jù)可以實現(xiàn)多種數(shù)據(jù)的快速查詢及比對，如可以進行文字、圖像、指紋、人臉識別等多種數(shù)據(jù)的搜尋比對。任何時間，都可以根據(jù)偵查需要，在辦公室、車上或任何一個有行動裝置的地點進行查詢。其次，大數(shù)據(jù)可以分析犯罪模式，幫助辦案人員快速破案。一方面可以運用數(shù)據(jù)分析、探勘、分群、分類、建立關聯(lián)、特征識別等技術來分析罪犯的行為模式，并可將匯整的數(shù)據(jù)顯示至地圖或制作各種表格，協(xié)助警察偵查犯罪［7］；另一方面，可以對犯罪人進行犯罪畫像、預測嫌疑人逃亡去向、將案件進行關聯(lián)對比，有助于解決懸案和連環(huán)犯罪案件［8］。

（二）基于大數(shù)據(jù)的犯罪預測

1.大數(shù)據(jù)對犯罪預測的影響

大數(shù)據(jù)的核心在于預測，大數(shù)據(jù)的發(fā)展提升了犯罪預測的可能性和精確性?；诖髷?shù)據(jù)的犯罪預測，能夠幫助公安機關高效地利用已知的犯罪數(shù)據(jù)，對未來可能發(fā)生的犯罪行為進行預測，并以此預測結果進行行動部署，使有限的警力和資源發(fā)揮最大的功效。

基于大數(shù)據(jù)的預測體系標志著個體化的分析轉變?yōu)榛谑录姆治?。在個體化分析情況下，監(jiān)控數(shù)據(jù)被用來為已經存在嫌疑的人提供證據(jù)?；谑录姆治鰝戎赜谕ㄟ^將數(shù)據(jù)與負面事件的關聯(lián)來識別犯罪模式，然后尋求將這種相關性反過來用于進行個體或群體預測。在這樣的系統(tǒng)中，就有可能將Facebook上某篇帖子的某些言語與可能的校園槍擊聯(lián)系起來，允許警察審查或逮捕一些符合危險模式的人［9］。

2.大數(shù)據(jù)在犯罪預測中的應用

大數(shù)據(jù)在犯罪預測中的應用主要包括以下三個方面。第一，可以進行犯罪高發(fā)區(qū)域的預測。在大數(shù)據(jù)時代，可以通過對以往犯罪數(shù)據(jù)的挖掘和分析，以可視化的方式生成犯罪熱點圖，進而就可以直觀地看到各個地區(qū)的犯罪率情況、熱點犯罪類型以及犯罪的季節(jié)性或短期趨勢。通過這些熱點圖，公安機關可以合理部署巡邏力量或相應的預防措施，有效地避免或減少犯罪案件發(fā)生。第二，可以識別犯罪模式，預測個體或群體犯罪。基于大數(shù)據(jù)技術，可以找出某些個體特征與具體犯罪類型或犯罪特征之間的關聯(lián)，從而確定某些高風險個體或群體，然后就可以針對這些個人和群體，進行排查、監(jiān)控和適當?shù)母深A。第三，可以進行科學的再犯罪預測。在大數(shù)據(jù)時代，可以利用大數(shù)據(jù)分析處理技術提取罪犯危險性特征，建立服刑人員危險性識別與動態(tài)預測模型。利用機器學習等技術，根據(jù)后期測試結果不斷完善模型，提高預測精度，使其成為一個循環(huán)反饋環(huán)路，從而建立一套服刑人員危險性識別與動態(tài)預測體系。通過這一體系可以實現(xiàn)對服刑人員危險性的個性化、精準化預警，為大數(shù)據(jù)時代監(jiān)獄的監(jiān)管安全提供可靠保障［10］。

三、大數(shù)據(jù)下的犯罪防控困境

（一）倫理困境

1.數(shù)據(jù)獲取和所有權困境

數(shù)據(jù)獲取階段存在的倫理問題主要包括兩個方面。第一是數(shù)據(jù)的獲得是否合規(guī)，是否是在個人知情并同意的情況下進行的。大數(shù)據(jù)環(huán)境下，有些數(shù)據(jù)的獲得是經過用戶同意和許可的，但是有些數(shù)據(jù)并未得到授權和許可。在目前開放性的互聯(lián)網環(huán)境下，授權行為實際執(zhí)行比例太低［11］。這就導致很多人在并未授權和不知情的情況下就被收集了個人信息數(shù)據(jù)。而用作犯罪防控的大數(shù)據(jù)的收集，很多時候更是完全忽視了個人的知情權。

第二，數(shù)據(jù)所有權問題。數(shù)據(jù)的所有權屬于“收集者”還是“創(chuàng)造者”？即便是所有數(shù)據(jù)的獲得都得到了個人的授權和許可，這些數(shù)據(jù)的所有權仍然是存在爭議的。從某種意義上來說，個人的信息數(shù)據(jù)就相當于個人的私有財產，尤其在大數(shù)據(jù)時代，數(shù)據(jù)的價值越來越凸顯。在這種情況下，個人的信息數(shù)據(jù)是否僅僅經過簡單的授權就可以被拿去進行存儲、分析、處理，甚至用來共享？即便是將大數(shù)據(jù)用作犯罪防控也是如此，是否僅以社會穩(wěn)定或國家利益的名義，就能夠直接收集、使用公民的個人信息數(shù)據(jù)？

2.個人隱私權侵犯困境

個人隱私權的侵犯是一個重要的倫理問題。從本質上講，大數(shù)據(jù)并不能做到完全匿名化。雖然單個數(shù)據(jù)或者單一數(shù)據(jù)庫中的數(shù)據(jù)是匿名的或者經過模糊處理，但是大數(shù)據(jù)處理技術的一個基本前提是，眾多獨立的小數(shù)據(jù)在數(shù)據(jù)庫中組合在一起，才可以產生一個足夠充分的個人畫像，才足以預測他或她的行為。也就是說零星的或者部分搜集數(shù)據(jù)的行為，可能是單獨無害的、被使用者授權的，但是這些數(shù)據(jù)結合在一起，在量上的積累就有可能造成對隱私權的侵犯。無論是用于商業(yè)用途還是用于犯罪防控，通過大數(shù)據(jù)技術，能夠完全掌握一個人的各種隱私信息，如通信隱私、社交隱私、身體隱私等。

3.偏見和歧視困境

以數(shù)據(jù)為主導的思維方式和大數(shù)據(jù)的預測性特征，會不可避免地導致對個人、群體以及地域的偏見和歧視。大數(shù)據(jù)的核心在于預測，大數(shù)據(jù)技術使人們相信可以通過數(shù)據(jù)的分析和挖掘來預測人的行為，即便是在缺少因果關系及理論基礎的情況下，也會依據(jù)分析的結果來進行主動防控。這會使人們產生先入為主的觀念，從而逐漸產生偏見和歧視。如對犯罪熱點區(qū)域或高發(fā)區(qū)域的偏見，對那些被大數(shù)據(jù)技術篩選出來的符合某些特征的人或群體的歧視。人們原本寄希望于機器或者自動化來減少乃至消除人類的偏見，但是大數(shù)據(jù)不僅不會避免群體歧視，還有可能加重這一趨勢。

4.“被遺忘權”之困境

“被遺忘權”也是大數(shù)據(jù)時代必須要面對的一個難題。所謂“被遺忘權”就是指個人有權刪除或禁止別人使用涉及自身的不良或隱私信息。被遺忘權本身就是在大數(shù)據(jù)背景下產生的。大數(shù)據(jù)時代，一旦數(shù)據(jù)被收集、存儲，將會長時間保存，這些涉及隱私甚至是包含某些個體不良記錄的數(shù)據(jù)信息能否定期刪除或者被大眾遺忘，是一個非常重要的問題。每個人都有犯錯誤的可能，如果一些之前生活中的非常小的錯誤被永久記錄，那么就有可能在以后的某個時候對其產生重要影響，特別是一些較為負面的、令人尷尬的信息都有可能導致被放大、濫用，最終使當事人成為大數(shù)據(jù)的受害者。

（二）技術困境

1.數(shù)據(jù)質量困境

（1）大數(shù)據(jù)仍非全數(shù)據(jù)

大數(shù)據(jù)看似全面，但實際上往往存在系統(tǒng)偏差，難以做到全數(shù)據(jù)。首先，大數(shù)據(jù)難以涵蓋所有的“黑天鵝事件”①“黑天鵝事件”通常是指難以預測的但影響甚大的事件，一旦發(fā)生，便會引起整個局面連鎖負面反應甚至顛覆。。影響人的行為或事件產生的因素很多，有些影響因素可以通過對歷史數(shù)據(jù)或者其他關聯(lián)數(shù)據(jù)的分析獲得，但是還存在一些類似“黑天鵝事件”的因素難以獲取，這勢必會影響數(shù)據(jù)的全面性。其次，數(shù)據(jù)在生成或采集的過程中并不都是平等的，大數(shù)據(jù)采集存在“信號問題”——即某些個體和群體會被忽略或未得到充分代表。最后，當前的大數(shù)據(jù)采集缺乏頂層設計，大多仍處在各自為戰(zhàn)的層次，共享水平較低。

（2）數(shù)據(jù)正確性難以保證

數(shù)據(jù)的正確性是影響大數(shù)據(jù)結果的最明顯因素。由于數(shù)據(jù)來源的復雜和類型的多樣，數(shù)據(jù)很容易在細節(jié)方面出現(xiàn)錯誤。例如，可能會知道一個人的名字，但是可能會完全弄錯他的年齡、種族或者購物習慣。在搜集的是非結構數(shù)據(jù)的情況下，這種錯誤可能更大。將這些數(shù)據(jù)用于犯罪預測系統(tǒng)將會放大數(shù)據(jù)錯誤以及有缺陷的解讀帶來的傷害。

2.預測錯誤率困境

大數(shù)據(jù)預測系統(tǒng)的一個先天的局限是存在固有錯誤率。所有的預測系統(tǒng)都會存在基準謬誤，在犯罪預測中，如果系統(tǒng)出現(xiàn)錯誤否定，也稱假陰性，就有可能錯誤地漏掉一個有罪個體；而假陽性是指一個無辜的個體被懷疑有罪，會導致需要去審查大量的正常個人的檔案，這不僅會不必要地侵犯人們的隱私和自由權，還會增加工作量。這一基本的統(tǒng)計局限表明，即使一個非常精確的預測模型，也有可能造成難以接受的錯誤率。在犯罪防控領域，這種局限帶來的成本是巨大的。例如，如果一個用來識別恐怖陰謀的系統(tǒng)存在0.1%的誤報率和0.1%的漏報率，那么在檢查了萬億條信息的情況下，系統(tǒng)就會產生10億的誤報。

3.存在“預測即干涉”悖論

大數(shù)據(jù)分析中還存在“預測即干涉”的問題?！邦A測即干涉”悖論類似于量子物理中的“測不準原理”②量子物理創(chuàng)始人之一維爾納·海森堡（Werner Heisenberg）曾在1927年的一篇論文中指出，在量子世界中，測量粒子位置必然會影響粒子的速度，即存在“測不準原理”。。也就是說，一旦進行預測，就會對實際情況產生干涉。比如，如果因為當年的大白菜賣價不錯而預計明年的賣價也不錯，于是眾多菜農在這個預測的指導下，第二年都去種大白菜，結果反而是菜多價賤傷農。在犯罪預測的情況中也會出現(xiàn)這種情況，比如，當向某些預測的犯罪高發(fā)區(qū)增加警力的時候，雖然確實有些人會停止犯罪，但是有些人可能會選擇其他地點實施犯罪行為。

4.過于注重相關關系

對相關關系的分析是大數(shù)據(jù)技術的核心任務。如前所述，大數(shù)據(jù)技術的主要分析方法就是利用相關關系的分析來進行預測，而不再去關注更為深層次的因果關系。很多時候，大數(shù)據(jù)追求的是實驗性，也就是很偶然地發(fā)現(xiàn)非預期但很有價值的信息，這與統(tǒng)計分析中對確定性的追求是不同的。這明顯是存在問題的。相關性普遍存在于很多事物或因素之間，所以即使存在相關關系也不能說明什么。在大數(shù)據(jù)中，看起來毫不相關的兩件事同時或相繼出現(xiàn)的現(xiàn)象比比皆是，相關性本身并沒有多大價值，關鍵是找到了“相關性”背后的理由，才是新知識或新發(fā)現(xiàn)。

5.存在自我強化和自動化偏差

基于大數(shù)據(jù)的犯罪防控會形成自我強化偏差。人們對模型的評估是按照發(fā)現(xiàn)犯罪的成功率來判斷的，而不是按照降低犯罪或社會監(jiān)控成本的成功率進行判斷的。這就是說，如果經常在系統(tǒng)模型所標識出來的地區(qū)尋找犯罪，每找到一次就會更加認為系統(tǒng)是有效的。同時這也會導致盲區(qū)的存在，就是對目標群體之外的群體缺乏監(jiān)管。實質上，對目標群體的監(jiān)控并不會降低所針對犯罪的發(fā)生率，甚至會增加。另外，在自我強化的基礎上大數(shù)據(jù)還會產生自動化偏差，進而會導致人們對基于計算機的操作特別是機器的計算過于相信，缺少理性思考。在審校機器的結果時，常常缺少信心和經驗去否決機器的錯誤或者對機器的結果做事后批評。

（三）法律困境

1.信息安全困境

大數(shù)據(jù)時代，信息安全問題是需要面對的首要法律問題。在大數(shù)據(jù)背景下，數(shù)據(jù)收集、分析、流轉等任何環(huán)節(jié)都有可能出現(xiàn)數(shù)據(jù)濫用、泄露等問題。而且，從實際情況來看，信息安全事件也層出不窮。但是，我國的互聯(lián)網法制化道路還很遙遠，在大數(shù)據(jù)的背景下，還有很多法律困境需要我們去正視和應對。而在大數(shù)據(jù)警務時代，用于犯罪防控的大數(shù)據(jù)更是需要注重安全性。這是因為用于犯罪防控的大數(shù)據(jù)，涉及太多個人的隱私信息數(shù)據(jù)，一旦泄露將會對個人造成難以估計的影響。我國并沒有賦予個人對自身信息數(shù)據(jù)像財產權保護一樣的權利，國家部門在收集使用數(shù)據(jù)的時候也并沒有明確的法規(guī)限制，沒有建立這些數(shù)據(jù)使用和管理的規(guī)則條例或法律。這就會造成數(shù)據(jù)的濫用，給個人的信息安全帶來極大的威脅。

2.偵查權的過度擴張困境

大數(shù)據(jù)背景下的犯罪防控，是一種主動型、預測型的防控，會導致公權力特別是偵查權的過度擴張?；诖髷?shù)據(jù)的犯罪防控，首先要通過大數(shù)據(jù)技術的分析，確定某些高危個人或群體，然后有針對性地進行排查和監(jiān)控，甚至是審查逮捕，這極易造成偵查權的擴張。偵查權的擴張不利于尊重和保障人權，不利于公民基本權利與國家偵查權力之間的平衡。人權保障之得失取決于偵查權制約之成敗。公民的基本權利和自由是否能獲得保障，關鍵取決于偵查權制約之成?。?2］。如果僅憑大數(shù)據(jù)系統(tǒng)的預測就直接實施審查和抓捕，啟動偵查權，是對數(shù)據(jù)和機器的盲目信任，同時也是對當事人人權的極大傷害。

四、大數(shù)據(jù)下的犯罪防控困境之應對

（一）確立科學的大數(shù)據(jù)使用觀

大數(shù)據(jù)作為一種方興未艾的新技術，必然存在優(yōu)勢和缺陷。我們既不能盲目相信，讓大數(shù)據(jù)主宰一切，也不能故步自封，盲目排斥。在運用大數(shù)據(jù)進行犯罪防控的時候，應當正確認識到大數(shù)據(jù)技術存在的問題，并加以修正，避免出現(xiàn)自動化的偏見。

1.注重將大數(shù)據(jù)與小數(shù)據(jù)相結合

在進行犯罪防控的時候，要注重將大數(shù)據(jù)與小數(shù)據(jù)研究相結合，這樣才有利于得出客觀公正的結論。如上所述，大數(shù)據(jù)具有數(shù)據(jù)量大的優(yōu)點，但是卻容易存在數(shù)據(jù)質量問題，而且其更加注重的是混雜性而不是精確性。而傳統(tǒng)的小數(shù)據(jù)預測，注重科學抽樣，保證抽象的隨機性，在此基礎上得出的結果更值得信賴。所以，大數(shù)據(jù)在結果的正確性上并不必然優(yōu)于小數(shù)據(jù)。因此，在當前大數(shù)據(jù)并非全數(shù)據(jù)，而且多為不均勻的大量數(shù)據(jù)的情況下，將大數(shù)據(jù)分析和小數(shù)據(jù)研究相結合，不失為一個最優(yōu)的選擇。也只有以這樣的態(tài)度利用大數(shù)據(jù)進行犯罪防控，才是一種負責和審慎的態(tài)度。

2.數(shù)據(jù)分析與人工分析相結合

基于大數(shù)據(jù)的犯罪防控，要注重將數(shù)據(jù)分析與人工分析相結合。大數(shù)據(jù)終究是一種技術，本質上仍然是一種人類發(fā)明的工具。人類最偉大之處恰恰是算法和硅芯片不能夠揭示的。我們要在正確認識大數(shù)據(jù)弊端的基礎上，合理運用大數(shù)據(jù)分析技術，盡可能提升我們對事物的分析處理能力。但是，我們不可完全受其主導，將大數(shù)據(jù)的分析結果奉為真理。若對其過分依賴，自動化的偏見就會超過人類的偏見。因此，在獲取大數(shù)據(jù)分析結果的基礎上，還要根據(jù)以往的經驗和理論進行一定的人工分析，對其結果進行甄別、篩選，最終獲得科學的分析結果。只有這樣，才能達到理想的犯罪防控效果。

（二）建立正確的大數(shù)據(jù)倫理準則

為了促進大數(shù)據(jù)健康發(fā)展，我們必須盡快采取措施，確立正確的倫理觀念和倫理準則。具體來說，就是要盡快確定道德底線和行業(yè)規(guī)范，明確何種行為是正確、何種行為是錯誤的道德判斷，構建起是與非的判斷準則。同時，還要注重進行大數(shù)據(jù)的道德倫理教育，并使之內化為道德標準，最終建立基于數(shù)據(jù)倫理道德的新公序良俗。

為此，需要確立以下三個方面的原則。首先，確立無害原則。無害原則是最低的倫理道德標準，要求盡可能地避免給他人造成不必要的傷害［13］。不能因為進行犯罪防控，就可以肆無忌憚地傷害公民的權利和自由。其次，確立保密原則。大數(shù)據(jù)下的犯罪防控，涉及眾多的個人隱私信息。同時，基于大數(shù)據(jù)的犯罪預測和犯罪預防，又很容易產生偏見和歧視。這就要求對數(shù)據(jù)的內容以及數(shù)據(jù)處理的結果嚴格執(zhí)行保密紀律。最后，確立人本主義原則。在使用大數(shù)據(jù)進行犯罪防控過程中，要以人為本，尊重每個人、關懷每個人。明確賦予個人知情權、被遺忘權以及其他與個人信息數(shù)據(jù)相關的權利，真正確立技術的發(fā)展是為人的全面發(fā)展服務的技術倫理觀。

（三）完善大數(shù)據(jù)相關法律

法律是社會公平正義的最后保障，因此要盡量通過法律途徑嚴格大數(shù)據(jù)程序，明確大數(shù)據(jù)適用范圍。當前，我國在大數(shù)據(jù)方面的立法基本處于空白狀態(tài)，地方性條例法規(guī)也是鳳毛麟角。而傳統(tǒng)的法律在個人數(shù)據(jù)保護等方面難以操作。另外，還存在邊界模糊、責任不清的問題。這不利于大數(shù)據(jù)的健康發(fā)展以及在犯罪防控中的應用。

相關法律的完善可以從以下方面著手。第一，明確個人信息數(shù)據(jù)的獲取程序。是否需要個人的授權和許可，以何種方式獲得個人的許可，這都需要在法律中加以明確規(guī)定。第二，明確個人信息數(shù)據(jù)的所有權、處分權歸屬，明確使用權的界限。第三，明確個人隱私權的內涵和邊界，確立保護個人信息安全的內容和策略。第四，在主動性偵查、預測性偵查背景下，需要明確執(zhí)法機構的權限和偵查程序，防止公權力的過度擴張和偵查權的無限放大，防止個人的正常生活受到妨礙、正當權益受到侵害。

參考文獻：

［1］孫春英.主動適應新形勢 增強風險意識 堅持創(chuàng)新驅動切實提高維護公共安全能力水平［N］.法制日報，2015-09-24（001）.

［2］維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革［M］.杭州：浙江人民出版社，2013：18，67，75.

［3］印大雙.偵查模式從現(xiàn)場驅動到數(shù)據(jù)驅動的邏輯演進［J］.貴州警官職業(yè)學院學報，2016（6）：3-10.

［4］徐良峰.大數(shù)據(jù)背景下偵查模式變革研究［D］.上海：華東政法大學，2016：24-26.

［5］王曉楠.大數(shù)據(jù)時代下的主動型偵查模式研究［J］.遼寧警專學報，2015（3）：18-21.

［6］何軍.大數(shù)據(jù)與偵查模式變革研究［J］.中國人民公安大學學報（社會科學版），2015（1）：72-80.

［7］章光明，黃文志.大數(shù)據(jù)在犯罪偵查中的應用［J］.上海公安高等專科學校學報，2016（1）：84-89.

［8］李熙，黃力.大數(shù)據(jù)背景下的犯罪預測與預防——基于犯罪預測分析模型的應用及構建［J］.山西科技，2015（3）：133-135.

［9］Miller K.Total Surveillance，Big Data，and Predictive Crime Technology：Privacy's Perfect Storm，Journal of Technology Law&Policy，2014（19）：106-145.

［10］馬國富，王子賢，馬勝利.基于大數(shù)據(jù)的服刑人員危險性預測［J］.河北大學學報（自然科學版），2016（6）：657-666.

［11］臧一博.大數(shù)據(jù)時代下信息倫理問題探究［D］.錦州：渤海大學，2016：17.

［12］孫煜華.偵查權的憲法控制［M］.北京：法律出版社，2014：3.

［13］理查德·A斯皮內洛.劉鋼譯.世紀道德：信息技術的倫理方面［M］.北京：中央編譯出版社，1999：53.