基于大数据的危害国家安全犯罪预测侦查研究

丁华宇,孟 念

(河南财经政法大学 刑事司法学院,河南 郑州 450046)

国家安全是安邦定国的重要基石,长期以来都是事关国家兴立的战略性议题,危害国家安全犯罪法益侵害的严厉性决定了其较于其他不法行为更具刑罚当罚性[1],历来都是统治者规制的重心。随着互联网、人工智能、云计算及生物识别技术的发展与普及,人类开始进入一个以数据挖掘和信息聚类为特征的大数据时代。信息化时代,危害国家安全犯罪的内涵与外延比以往更加宽泛,传统安全与非传统安全彼此交互、外部安全与内部安全互相叠织,“大数据赋能”的危害国家安全行为更具隐蔽性、破坏性与多样性,呈现出由“接触式作案向非接触式犯罪、传统空间向非传统领域、强关联集团向弱关联组织”转变的趋势。例如,新形势下的间谍活动已不再囿于情报搜集、实地勘探及渗透破坏,数字技术赋予了间谍人员和组织更多的作战空间,在秘密刺探范围层面,已由传统的政治、军事和外交情报扩展至经济、科技、卫生和能源等领域[2],“商业间谍”“科技间谍”等成为政治性对抗的新武器。此外,以恐怖主义、跨国犯罪及金融危机等为代表的非传统的危害国家安全活动持续蔓延,如传统组织型恐怖主义犯罪,主动契合大数据时代特征,对自身运行模式和存在样态进行调整,形成“独狼”式恐怖主义犯罪,恐怖分子化整为零,以降低袭击秘密泄漏风险,提高暴袭成功率[3]。

与此同时,大数据技术也促进了既往的回溯性侦查向预测性侦查的转变,依托大数据技术对危害国家安全的犯罪行为进行预测侦查,是对其存在的价值形态和发展规律进行的应用研究,也是将其数字化、可视化的运作过程,预测性侦查在危害国家安全行为达至“违法—犯罪—再犯罪”之前已通过先知先觉式的犯罪预测、犯罪预警,使得侦查机关能够合理调配警力资源,有效进行犯罪预防[4]。

一、预测侦查模式的解析

信息技术催生的花样翻新、层出不穷的危害国家安全犯罪新形势,必然会导致传统犯罪侦查模式的阶段性不适应,但数据集合的低密度价值、规模大、更新快、种类多、存取速度快以及真实性和可视化等特征,也为国家安全机关依托大数据和云计算中心进行数据分析和数据挖掘以迅速获取可影响未来的信息提供了可能。基于大数据侦查衍生出的预测性侦查模式,是侦查机关对新犯罪形势的针对性回应。

(一)预测侦查的内涵与外延

由算法所支撑的预测性侦查是大数据时代已经形成的以大数据证据、大数据监控、大数据并案等犯罪侦查策略为核心的大数据侦查的新分支。算法被广泛应用之前,犯罪行为是侦查行为的动因,犯罪行为和侦查行为之间具有前后时间顺序关系,侦查机关不会采取预判方式主动发现犯罪线索,属于针对已然发生犯罪的侦查启动方式[5]。面对风险社会下的危害国家安全犯罪,这种被动性侦查并不能消弭敌对势力所制造的巨大政治社会影响,亦无法填补国家安全遭受实质性危害所产生的“被害黑洞”,但大数据技术的更新迭代同样塑造了全新的侦查情报分析思维,“预判可能犯罪人”“犯罪风险增加的地点时间”“鉴别可能受害群体与个人”等已为算法在相关性层面所涵盖,一种以预测和感知未来犯罪为核心追求的预测性侦查日益蓬勃[6]。

预测侦查的概念起源于英美法系国家,其基本运作思路为“运用数据分析技术—尤其是犯罪定量技术—依托既定算法模型—对可能犯罪予以精确干预”。在我国,预测性侦查的概念可以概括为:以预设算法模型为前提,以大数据的相关关系为基准,通过对各种资源库中的数据进行收集、储存、管理,以智能手段对大量数据进行计算分析,对有证据证明将要实施或正在实施的犯罪或相关人员,采取提前性干预措施[7]。

预测性侦查本质在于以历史发生的犯罪数据为基础,在经过机器学习之后,通过犯罪风险预测模型的构建,再根据侦查机关所获得的实时数据流动情况,对有关犯罪行为所进行的自动化预警。具体而言,侦查机关在提取历史犯罪数据中的人员特征、案件类型特征的数据之后,通过构建犯罪风险预测模型,将所提取的数据与动态异常数据进行碰撞,从而鉴别出高危人群、重点犯罪类型,以进行精准打击或预防。预测性侦查是一种主动性侦查模式,其着眼点在于犯罪既遂之前的精准干预,与传统的搜查、扣押等侦查方式存在本质区别,作为大数据侦查的新兴分支,预测性侦查改变了传统侦查机关于实害结果发生之后再行介入的疲于应对的局面,而转向了犯罪防控与被害预防的并向主动治理。预测侦查区别于传统侦查强调演绎的逆向思维,其以大数据为依托,强调归纳式的正向思维,运用定量分析技术提前确定侦查机关的介入时间,通过对海量数据进行整合、存储和关联分析,对犯罪行为性质及走向作出预测,从以往的反应式犯罪治理逐步转变为实时感知犯罪及提前预测犯罪。

(二)危害国家安全犯罪预测侦查的特征

危害国家安全犯罪是对国家利益尤其是核心利益或其他重大利益的安全状态和对此种状态进行维护的安全能力所造成的危险和威胁且被列入法定议程的行为[8],其所侵害的国家安全法益具有基础性和根本性特征,国家安全若得不到保障,社会将会陷入无序状态,人民的各项权利保障问题也无从谈起,因此,危害国家安全罪可以视为是其他类罪的保障罪。鉴于危害国家安全犯罪法益侵害的严重性,其预测性侦查的内容与形式亦不同于一般犯罪,危害国家安全犯罪的预测侦查应当更加强调干预节点的前移(这一节点应前移至涉危线索发现之前)以及涉危群体或人员的预判,以更加精密的算法处理和预测模型进行数据挖掘。

具体而言,干预节点前移主要可以通过对涉及危害国家安全犯罪的多源数据进行时空轨迹数据分析,总结其中的时空变化规律,为发现危害国家安全的线索进行前置性技术预备。所谓时空轨迹数据,是随着时空而改变的动态数据,属于时间数据和空间数据的结合,对时空轨迹数据的挖掘主要包括了聚集、异常、频繁、伴随等模式[9]。基于时空轨迹数据分析的体系框架包含了三个层次:一是轨迹数据的感知层,主要是利用大数据技术手段获取涉危群体或人员的位置、时间、访问频率、共现模式等信息;二是知识发现层,主要是依托数据挖掘、数据碰撞、机器学习等技术分析与理解涉危群体或人员的活动规律和特性,预测个体行为或群体事件;三是应用层,主要是在前两个层次的基础上,将时空轨迹数据分析应用于危害国家安全犯罪领域,为侦查机关提供信息化服务与决策支持[10]。

危害国家安全犯罪情报的时空轨迹数据分析是对涉危群体或人员进行预判的前提,在总结出时空变化规律进而掌握了重点人员相关动态之后,应对涉危重点群体或人员进行分级侦查,一般情况下可将涉危群体或人员分为三个等级,依次分别由国家安全部、国家安全厅、国家安全局进行情报侦查和专项调查工作。

二、危害国家安全犯罪领域预测侦查的价值

预测性侦查模式的建构是一种现代性不断增强的过程,这个过程中的全景式数据收集和分析手段使犯罪侦查工作不再局限于有限的时间和空间之内,以数据相关关系为基础的大数据预测依托算法学习和各种可视化技术,给犯罪侦查工作带来了全新的机遇。

(一)塑造国家安全维护新思维

危害国家安全活动主要可以概括为两种形式:一是侵略行为;二是恐怖行为。我国刑法分则第一章所规定的12个危害国家安全犯罪罪名,与侵略行为相关的罪名有分裂国家罪、煽动分裂国家罪、颠覆国家政权罪、煽动颠覆国家政权罪等;与恐怖行为相关的罪名较多,如组织、领导、参加恐怖组织罪、帮助恐怖活动罪、准备实施恐怖活动罪等。无论是侵略行为抑或恐怖行为都具有反人类的特性,其法益侵害的严重性程度决定了预测性侦查应用的必要性,而预测性侦查模式的建构又形塑了预测预防预警、打早打小的国家安全维护新思维。预防犯罪比惩罚犯罪更高明,此乃一切优秀立法的主要目的[11],在国家安全维护新思维形成的背后是预测性侦查思维模式的实质性转变,预测性侦查的真正魅力在于其以相关性为主导的思维模式改变了传统的注重考量现象背后的因果关系的因果思维。

在相关性思维的指导下,对信息化时代危害国家安全犯罪行为产生的海量数据进行全样收集和关联分析成为可能。传统的危害国家安全犯罪的行为方式如派遣入境、实地勘探、布建“观察哨”等在大数据时代已难以适用,犯罪分子开始利用互联网技术优势,进行黑客攻击、网络策反、线上联络,或采用公开招募式的常规化情报勘探,所获取的敏感数据一般通过涉密网络进行传输,隐蔽性和虚拟化成为危害国家安全犯罪行为的主要特征。与此同时,犯罪分子在网络空间的敌对活动必定会留下大量数据,如信息留痕、网站浏览记录、网站停留时间、资金流向等,大数据技术可对海量相关数据进行全样本收集,通过对不同数据的分析、挖掘、训练,可以获取危害国家安全犯罪分子的经常联络时间、方法规律、涉案地点等情报数据,并且因大数据技术不受时空限制,可以跨越区域和信息的双重门槛,能够对国内各地区所发生的危害国家安全事件进行关联分析,建立不同罪案的联系网[12],为犯罪预测提供反馈。

(二)实现国家安全犯罪情报信息整合共享

大数据时代,我国的国家安全范畴处于全面拓展期,国家安全的内涵与外延不断扩充,时空领域亦愈来愈宽广,内部因素与外部因素彼此交互,不同于一般刑事犯罪,国家安全的范围已涵盖政治、军事、外交、经济、文化、社会、科技、网络、生态、太空、资源与生物等诸多领域,甚至《安全生产法》亦被全国人大常委会纳入国家安全法律体系,这表明生产安全已经被列入国家安全的重要领域[13]。面对如此宽泛的国家安全范畴,犯罪情报信息亦呈现出多源异构特征,为提升案件侦破效率和犯罪针对准确性,建立起统一的数据资源共享平台,对诸多情报信息进行整合共享已成为危害国家安全犯罪领域侦查工作的重心,而预测性侦查所依托的数据基础、算法优化和算力可以在收集到海量优质数据资源后形成危害国家安全犯罪行为的信息流,在对相关信息流进行处理并预测之后,可以对有关信息流和推演结论进行整合,形成涉危害国家安全犯罪行为的资源库。数据资源库是犯罪预测机制构建的重要基础,各地国家安全机关可以建立数据库融合共享平台,充分对其他国家安全机关所共享的数据信息进行对接和整合,最大限度地提升犯罪预测侦查工作效率。国家安全机关各部门及各地国家安全机关在获得共享的资源库之后,可以再次对犯罪样本数据进行模型训练,并通过聚类算法获取数据库中犯罪信息的共性特征,再对本地区所发生的危害国家安全犯罪相关数据进行比较分析,提高侦查工作精准度。

危害国家安全犯罪发生之后,将产生大量的结构化数据、半结构化数据及非结构化数据,如煽动颠覆国家政权罪,犯罪分子通常制造、散布敌视国家政权和社会主义制度的言论,或捏造、散布诋毁国家制度的虚假事实,以引起公众仇视既有的党政体制,而虚假言论和事实往往是通过各类社交媒体和交往工具得以跨时空传播,基于数据分析和机器学习的预测性侦查,可以从源头上识别虚假信息的发布平台,获取罪犯设备信息、登录IP和昵称等多维信息,电信、互联网企业还可以对传输的信息进行区分,及时获取和堵截相关数据。

(三)有效判别罪与非罪、此罪与彼罪,增强侦查准确性

在危害国家安全犯罪的预测性侦查实践中,侦查的启动主要是基于前期所预设的国家安全犯罪类型和重点涉危群体或人员的犯罪风险模型,预测性侦查所使用的数据碰撞、数据挖掘和镜像技术具有客观理性特征,在一定程度上摆脱了决策者认知水平、情感动机和研判能力的制约,可以准确复盘和演绎潜在威胁,对潜在的风险进行精准性评估和监控。

首先,在罪与非罪层面,预测性侦查运用科学方法对决策过程进行解构、重塑和模型化、数据化、结构化,决策过程中的分析手段和推演结论都是经过科学理性验证判断的结果,较之经验决策模式具有更高的理性程度,一方面可以减少因决策者的认知限制导致的结论偏差,另一方面还可以实现法律价值的平衡[14]。如行为人因反对国家的某项政策而聚众起哄闹事,甚至采用武器暴力冲击国家机关,而国家安全机关基于经验所进行的线索收集很可能带有入罪倾向,行为人的民族、性别、阶级和财富都可能对其进行犯罪分析产生影响,并且由于该行为符合武装暴乱罪的行为特征,加之经验主导的犯罪侦查不具有对大量类似案情之间对比分析的可能性,侦查机关有可能将该行为定性为武装暴乱罪,如此,公民基本权利也许会受到侵犯。而大数据赋能的犯罪侦查在收集、分析相关线索得出初步结论之后,还可以在数据资源库中寻找类似案件进行对比分析,以保证结论的科学性和合理性。

其次,在此罪与彼罪层面,基于预设的犯罪类型风险模型,只有介入疑似的犯罪风险因素之后,预警系统才会启动预警工作,再通过对其他数据资源的搜索和信息排查,综合判断是否需要侦查机关提前介入,因此,此种预警流程可以有效避免侦查阶段的犯罪定性错误问题。以武装叛乱罪与武装暴乱罪的界分为例,两者的共同之处都在于行为方式高度的暴力性和危害性,区别则在于是否反抗现行政权,但是由于“叛乱”和“暴乱”在立法上具有互斥性而在一般生活意义上具有包容性,导致在司法实践中侦查人员难以厘清具有经验上种属关系的“叛乱”和“暴乱”,易将两者混淆。如上文所述,危害国家安全犯罪的预测侦查更加强调干预节点的前移以及涉危群体或人员的预判,而以各种大数据技术和算法为依托的预测侦查在对时空轨迹数据分析阶段就可以根据相关人员是否存在反抗现行政权的言论、是否存在为反抗现行政权而所做的预备活动等予以综合判断其是否与现政权为敌,进而锚定重点涉危群体或人员,准确区分此罪与彼罪。

(四)确保涉危证据留痕与追溯

刑法规定了危害国家安全犯罪普遍高于其他犯罪的刑罚,甚至部分罪名存在死刑,其刑罚的严厉性程度决定了危害国家安全案件的侦办更应重视办案流程的正当性和证据收集的合法性。而基于大数据技术进行的预测侦查能够通过数据留痕使案件预测过程得以保存,通过涉危证据留痕,侦查机关必要时可以说明其所访问的数据库、预测步骤、执法条件等,从而可以证明他们是如何锁定犯罪嫌疑人并采取行动的。例如,国家安全机关在捕获犯罪嫌疑人之后,可以向其说明执法依据是综合研判所收集到的网络痕迹、通联情况、关联犯罪人信息、个人信息库、移动轨迹等,以排除犯罪嫌疑人的合理怀疑。涉危证据留痕可以在移送审查起诉阶段和审判阶段减轻公诉方的证明压力,在出现执法错误时,还可以作为侦查机关内部回溯追责的依据。若侦查人员依据预测结果而产生逮捕错误,可以责令其进行解释说明,基于预测流程的可视化和客观性,如果不能证明执法错误是客观原因导致时,则可以启动追责程序。在非传统危害国家安全犯罪领域,侦查机关在办案时,其侦办行为的方式、方法、过程也会面临着当事人和社会舆论的监督与质疑,在侦查机关根据预测结论采取进一步措施后,未来可能需要对侦办行为和依据进行说明甚至产生责任追溯问题[15]。

三、危害国家安全犯罪的预测侦查流程模型

相较于一般犯罪的预测侦查,危害国家安全犯罪领域的预测侦查更加注重干预节点的前移,而这一节点已经前移至涉危线索发现之前。通过对涉危数据的时空轨迹数据分析得出其移动规律,可以准确迅速地发现对危害国家安全犯罪预警有参考价值的线索并及时处理。以下流程是基于历史发生的危害国家安全犯罪的相关数据所进行的模型设计:

(一)涉危数据收集和导入

涉危数据属于犯罪数据中的特殊数据,通过风险评估方法可以初步判定具有较高风险的涉危数据信息,这些数据信息即为侦查机关所需重点关注的“移动对象”,对涉危数据的收集和导入是预测模型构建的前提环节。在网络空间和现实世界实施的危害国家安全犯罪会产生不同存在形式的“证据留痕”,由此导致两种空间中数据采集形式的不同,在基于“网络空间”的危害国家安全犯罪场合,侦查人员可直接利用大数据技术进行数据收集,而在基于“现实世界”的危害国家安全犯罪场合,线下收集数据并进行数据导入成为数据采集的主要方式。

1.基于“网络空间”的危害国家安全犯罪的数据收集

犯罪分子在网络空间中实施的危害国家安全行为如发布煽动性言论、传输敏感性信息、资金转移、网络盗窃和篡改、网络监听、对政府和军工进行网络攻击等,必然会引起网络空间的信息互换或转移,一方面犯罪分子在自身使用的信息化设备或所侵入的计算机系统中会留下电子痕迹,另一方面这些电子数据也会在其登录所途经的有关网络站点中有所保留。运用大数据技术如网络过滤、网络监控、网络定位、人肉搜索等可以迅速捕获国家安全机关所需的“证据留痕”。

2.基于“现实世界”的危害国家安全犯罪的数据导入

现实世界实施的危害国家安全犯罪主要表现为行为人与境外组织、机构、个人进行线下联络、谋划,或者建立线下窝点纠集、网罗成员、组建危害国家安全的组织,或者线下散布反动言论、进行实地刺探活动、提供场所和物资,以及实行行为只能由线下进行的犯罪,如武装叛乱、暴乱罪、叛逃罪等。在这种场合,大数据技术对犯罪数据的收集作用较为有限,要实现犯罪的精准预测,需各地国家安全机关建立统一、专业的数据资源库,侦查机关各部门和各地侦查机关在收集犯罪数据信息之后,再将来源各异、结构不同的数据信息导入数据库,经过不断对已有数据资源的整合和各种实时信息的收集,可以形成庞大的涉危害国家安全犯罪数据库。

(二)涉危数据预处理

涉危数据预处理是进行涉危数据时空轨迹分析的必要前提,在获取原始数据之后,需要根据危害国家安全犯罪情报信息的特点对数据进行筛选,剔除涉危数据中的“噪声”,保留反映犯罪分子真实意图的“信号”,除了常规化筛选以外,涉危数据的预处理强调选择对于侦办危害国家安全犯罪更具参考价值的数据信息,即时空轨迹数据。对于涉危时空轨迹数据的选择,应重点关注具有时空交互的数据、重点位置数据、群体或人员移动数据等,针对这些数据进行聚集模式挖掘,可以预测危害国家安全犯罪活动的群体事件。

(三)涉危数据时空轨迹规律分析

涉危时空轨迹数据记录了目标对象的行为特征,包括重点位置、活动时间、移动方向等信息。如前文所述,基于时空轨迹数据分析的体系框架包含了三个层次,这里主要涉及第二个层次,即知识发现层,主要是利用数据挖掘等各种大数据技术总结涉危数据时空轨迹规律,包括涉危重点人员的位置分布规律、时空交互规律、危害国家安全活动时序规律等。相关规律的总结主要依赖时空轨迹聚集模式进行挖掘,即将具有相似行为的时空对象划分到同一组当中,以辅助侦查机关预测和监控可能的危害国家安全犯罪。

(四)综合评估

综合评估是犯罪预测的最后一环,在经历了涉危数据采集、涉危数据预处理并总结出涉危数据时空轨迹规律之后,可以依循相关规律主动获取危害国家安全活动的线索,并且根据时空轨迹规律获取的线索往往具有高价值密度,待侦查机关收集足够的线索之后可以根据大数据间的相关关系,建立起以输入目标为核心的完整的关联网,对危害国家安全行为的预备、走向、可能产生的后果以及发生的概率进行综合研判。综合评估之后有三种结果:行为不会对国家安全造成威胁,无需采取行动;行为可能危害国家安全,需采取一般预防措施;行为将会造成危害国家安全的后果,需进行果断应对。

四、危害国家安全犯罪预测侦查的保障机制建构

危害国家安全犯罪领域中的预测性侦查有其自身机制建构的特殊性,其更加注重干预节点前移和涉危重点群体和人员的预判决定了在涉危情报数据的开发利用、融合共享机制的建立和涉危群体、人员的确定以及管控等层面不同于其他普通犯罪的预测性侦查。

(一)可视化开发和利用涉危情报数据

大数据技术的机器翻译和图像、语音识别等功能使得涉危情报数据的高效开发和利用成为可能。目前,我国为进行预测侦查所搭建的数据收集和应用平台是集数据存储、数据清洗、数据分析、数据可视化等功能为一体的综合数据平台[16],而更加强调干预节点前移的危害国家安全犯罪领域的预测侦查,应在情报数据产生的过程中即时实现数据的智能可视化,同时,在涉危情报数据的可视化分析中,应当将所收集到的各种时空轨迹数据转化为追踪和预测涉危重点群体或人员的实际线索,并通过图像、图形等形式予以直观表达。

依托深度算法学习和智能识别功能,侦查机关可以对涉危重点群体或人员的网络、时空演化进行可视化分析并模拟犯罪时空画像,使得涉危重点群体或人员的网络结构、演化规律、风险区域等都以直观可视的图像表现出来,提高案件侦办效率、优化决策过程。为此,侦查机关应着重开发涉危情报数据的动态感知系统,利用可视化技术感知涉危情报数据的动态分析过程,在攻坚动态感知系统的同时,注重行动决策支持系统的建构,两种系统相辅相成、互为表里,共同促进侦查机关动态掌握涉危重点群体或人员的活动空间规律、群体或个体行动法则,实时感知其行为的动态变化和异常状况,并预测其发展趋势和可能行为[17]。

(二)内部和外部双向推进涉危数据融合共享

危害国家安全犯罪的严厉性程度决定了关于涉危行为的所有情报数据应比一般刑事犯罪数据能够更加迅速流通、融合、共享。基于国家安全法益的极端重要性以及预测预防预警、打早打小的国家安全维护新思维,涉危数据的融合共享应当在一般刑事犯罪的预测侦查所建立的融合共享平台的基础上,更加强调数据信息调配的统一性和管理的集中性,具体而言,可以从内部和外部两个方面推进涉危数据资源互联互通。

在内部,应从纵向和横向两个维度建立涉危数据共享机制,首先是各级国家安全机关应在现有数据库的基础上,由国家安全部负责建立起一个统辖全国的总数据中心,各省级国家安全机关设立数据分中心,负责统管本省 (自治区、直辖市)的侦查数据,各地市级国家安全机关可单设统一数据中心,负责收集和管理本辖区的涉危数据;横向上则是不同地区国家安全机关要打破数据壁垒,对一些基础性和重要的数据库应当在全国范围内共享应用,至少要做到共同上级有权查询、获取所管辖区域的涉危数据[18]。在外部,国家安全机关应当与社会各行业建立起涉危数据信息共享机制,重点与可能和危害国家安全犯罪侦查有关的部门、机构、行业推进数据的互动、共享和整合,如金融、电信、科技、航空、航运、气象等部门。

(三)分级确定和侦查涉危重点群体或人员

涉危重点群体或人员分级确定和侦查是危害国家安全犯罪预测侦查高效运行的关键,在根据既往相关数据确定涉危重点群体或人员之后,可以相关重点群体和人员为关注重心,重点预测和监控其未来行为。涉危重点群体和人员大致包括以下几类:一是国家分裂势力激进组织的核心人员和在逃人员;二是涉嫌与境外敌对势力或极端组织勾结、为境外提供敏感情报信息或接受境外指令的人员或群体;三是大肆宣扬极端宗教思想、制作或传播涉嫌危害国家安全的宗教极端宣传品的人员或群体;四是涉嫌组织、策划、实施分裂国家、破坏国家统一、叛乱或暴乱的人员或群体;五是在网上传播虚假信息或以其他方式煽动颠覆国家政权的人员或群体;六是频繁出入国境和在我国留学的活动异常人员;七是扬言以极端方式表达诉求且具有安全风险的人员;八是其他涉嫌从事危害国家安全的人员或群体。

在确定涉危重点群体或人员之后,可以根据危险程度将相关涉危重点群体或人员划分为三个层次等级,对不同等级的群体或人员分别由国家安全部、国家安全厅、国家安全局进行预测侦查。对于一级涉危重点群体和人员,由国家安全部牵头实施预测侦查工作,由内设相关部门负责情报的收集、筛选、分析和研判,并最终作出犯罪预测,在管控方面,对于一级涉危重点群体和人员,应建立专案专档,综合采取侦查手段,严格防范并开展侦控。对于二级涉危重点群体或人员,由省级国家安全机关开展情报收集和预测活动,省级公安机关、反恐机构等可以辅助预测侦查工作,在管控方面,应建立线索档案,强化调查核实,深入组织论证。对于三级涉危重点群体或人员则由市级国家安全局负责预测侦查,由于三级涉危人员的风险程度有所下降,部分人员可能受敌对势力所裹挟、蒙蔽,可以针对性地对其开展教育、感化或使用行政、经济手段进行规制,并对其定期进行危害评估,及时上报上级国家安全机关。

五、危害国家安全犯罪预测侦查适用的规范

大数据对于新形势下的危害国家安全犯罪侦查工作在犯罪人预测、电子取证、犯罪发展态势预测等方面存在巨大价值,数据驱动型的预测侦查模式比以往任何时候对数据信息都更加渴求,这种渴求极易导致侦查机关在数据收集和使用时实施各种出格行为,加之大数据本身固有缺陷,在数据的收集、使用、整合阶段都可能产生一定风险。

(一)秉承尊重隐私原则,保障个人隐私安全

尊重人权和法治是有效治理危害国家安全犯罪的关键,人权不应成为犯罪治理的受害者[19]。危害国家安全犯罪虽然在所有刑事案件中占比不大,属于较为小众的案件类型,但近年来随着敌对势力不断进行渗透破坏活动,此类案件类型的数量有了较为明显的提升,基于大数据的犯罪预测可能具有侵犯公民隐私权的风险,例如,对恐怖分子及其关联人员的预测,必然会根据既有线索对个人数据进行全面收集,如个人的教育经历、家庭情况、社会关系网、宗教民族等,犯罪嫌疑人原本正常活动所留下的杂乱无章、“原子化”存在、隐含隐私的碎片化数据,可能被大数据多次挖掘,重新排列组合,进而再进行犯罪预测的利用[20]。在进行数据存储、数据共享的同时,涉案人员的隐私也存在着被境外黑客攻击或因保管不当而造成数据泄露等安全风险问题[21],个人隐私于犯罪预测之中有保障不足之隐忧。

当然,危害国家安全犯罪不同于一般刑事犯罪,鉴于国家安全的极端重要性、侦查工作的隐蔽保密性,在数据利用与隐私保护的协调层面,无法在同等程度上与普通刑事案件保持一致,如严格遵守“个人自决”原则、“知情同意”原则等,但侦查机关对数据的获取使用也并非肆无忌惮、完全不受限制的,对涉及危害国家安全犯罪案件的数据利用应遵循基本的伦理准则和严格的程序要求。

在伦理准则层面,侦办危害国家安全犯罪案件应秉承以下两个方面的原则。其一,确立无害原则,无害原则要求侦查机关不应该用大数据技术给犯罪嫌疑人或其他人员造成直接或间接的伤害,如恶意披露隐私、滥用个人信息、肆意删改数据等,该原则是最低的数据使用伦理道德标准[22];其二,确立保密原则,遵守保密原则的目的在于避免算法偏见和歧视,侦查机关基于大数据技术所进行的犯罪预测很有可能导致犯罪标签化,严格执行数据信息和处理结果的保密纪律可以有效避免这一后果[23]。

在侦查程序适用层面,国家安全机关采取技术侦查措施应受到严格限制。根据《刑事诉讼法》第一百五十 条到一百五十二条的规定,以及《国家安全机关技侦工作规定》《国家安全机关办理刑事案件程序规定》等要求,国家安全机关采取技术侦查措施有特定的适用范围和严格的程序要求,只能在立案之后通过国家安全机关负责人严格的批准手续,按照批准的措施种类、适用对象和实施期限执行。

(二)坚守算法透明原则,杜绝滑入算法黑箱

国家安全机关是隐蔽战线上维护国家安全和利益的专业职能部门,国家安全机关技术侦查部门采取技术侦查措施依据的是《刑事诉讼法》以及内部《国家安全机关技侦工作规定》等规范性文件,在传统国家安全领域,国家安全机关工作任务的特殊性决定了其办案流程的保密性和工作方式的隐蔽性,因此,在危害国家安全犯罪案件侦办过程中,出于对国家秘密的保护以及对侦查手段的保密,保持算法预测的相对不透明成为必要,但是这种算法不透明并不是绝对的不透明,到案件移送审查阶段或审判阶段,国家安全机关或公诉机关应当在相对范围内向犯罪嫌疑人说明算法预测的相关问题,此处的说明并非意味着国家安全机关或公诉机关要提供更多的信息,重要的是明确责任的承担问题,同时,保持算法的相对透明性并不是公布整个犯罪预测的具体工作流程,而是公布侦查机关使用算法的原因,其中的衡量因素是否含有偏见、是否违背公平正义等。

在非传统国家安全领域,侦查机关工作任务的保密性有所减弱,相对地,算法透明程度应有所增强。算法黑箱具有封闭性、歧视性与风险性等问题,封闭性影响预测结果的准确性,歧视性影响犯罪预测的公正性,风险性则导致预测工作的监管难度增大[24]。以恐怖主义犯罪中算法黑箱的歧视性为例,侦查机关在收集到足够数据之后,算法运行得以开始,算法编写者根据特定需要,建立算法运行模型,编写算法运行程序,算法运算往往通过人为干预和设置的方式进行,并最终得出所欲结果[25],而主观性较强的人为干预有产生算法偏见和歧视风险,侦查机关可能在数据深度训练时进行具有主观倾向的数据标注和识别工作,一些与预测结果无关的变量可能被引入预测系统,并最终导致歧视性结果。因此,在非传统国家安全领域中,加强算法预测的透明度极为重要,侦查机关可以采取宣传措施加强公众对算法预测的了解度,向公众说明算法预测只是合理安排警务工作的技术工具,并不针对特定个人,并且在某些情况下,侦查机关可以披露算法,揭示犯罪预测的流程,增强执法工作的可信度。

(三)坚持“人机共治”,避免陷入数据独裁

广泛的网络应用场景使刺探、窃取国家情报数据等危害国家安全的犯罪更有作为空间,同时,侦查机关运用大数据进行犯罪预测、犯罪认知、电子取证等工作也已成为常态,目前几乎所有的危害国家安全犯罪案件都会运用大数据技术辅助侦查工作,尤其是在电子取证方面,电子证据的数量指数式增长,法律地位也不断提升,并且经过数十年的探索,我国已经初步形成了由国家安全机关主导,刑侦、技侦、经侦等相关部门配合参与的电子取证制度体系。在大数据的驱动下,危害国家犯罪案件正由“回溯性”侦查向“预测性”侦查转变,大数据技术的嵌入,也正在形塑“以人员为中心”向 “以数据为中心”转变的刑事侦查理念[26]。然而,大数据在赋能侦查工作的同时,也使得侦查人员固有的思维方式受到了很大的影响,对大数据的过分依赖使数据技术逐渐成为预测侦查规则建构的主导因素,可以说,大数据在一定程度上正挟持、支配着预测侦查工作,算法产生了权力的雏形[27]。

这种数据独裁现象极易使预测侦查工作因过于刻板而陷入停滞状态,所得出的犯罪预测结果也并非科学,因为科学决策不同于绝对理性的标准型决策。对危害国家安全犯罪案件的预测侦查工作本身并非一项非常严谨的科学探索活动,运用大数据技术得出的预测结果只是在原本经验决策的基础上使之更加理性、科学、准确、有效。因此,大数据时代的预测侦查讲求的应当是“人机共治”,注重的应当是理性主义与经验主义的平衡,预测结果所体现的也应该是侦查人员的主观能动性和大数据技术的科学理性的统一,而不是对大数据的过度迷信和膜拜。可以说,任何基于大数据的分析,其主体只能是侦查人员。