【摘要】为提高犯罪侦查效率，保障侦查行为的客观性，大数据被广泛应用于侦查领域。通过对公安机关自有数据系统和社会面数据系统中各种大数据的搜索、查询、比对与分析，能够发现犯罪线索、查获犯罪证据、抓获犯罪嫌疑人、侦破犯罪案件。但是，大数据在犯罪侦查中的应用也存在“数据孤岛”、大数据技术落后、大数据专家不足、侵犯公民隐私权和威胁国家安全等问题。因此，应当打破数据壁垒，破解“数据孤岛”困境，发展大数据技术，培养大数据人才，加强大数据信息立法，保护公民隐私和国家安全。
【关键词】犯罪侦查；大数据；应用分析；
目前，大数据作为一种技术，一种思维变革方式和方法论，被广泛应用于政府治理和社会管理，以及公民生产、生活的各个领域。在犯罪侦查领域，侦查人员也广泛应用内外部数据库中之大数据，查找犯罪线索、搜集犯罪证据和查获犯罪嫌疑人。但是，对于什么是“大数据”，如何合法、合理和有效运用“大数据”等方面，则存在着一些需要亟待解决的问题。因此，有必要对这些问题加以厘清与分析，以服务于我国犯罪侦查之理论与实践。
“大数据”：一种方法论解读
大数据内涵与特征分析
一般认为，广义上，大数据是指从各种海量信息中迅速获得有价值信息的能力；狭义上，大数据是指“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”。笔者认为，大数据包括海量数据集合、数据分析技术及大数据分析结果三层涵义。首先，大数据是海量数据的集合，它们构成了大数据分析的基础，并且这些数据具有量大、结构多样等特征；其次，大数据是一种以数据挖掘为核心的数据分析技术，只有通过数据挖掘分析技术，才能够挖掘出数据背后存在的价值；最后，大数据还强调经过分析、处理后所获取的数据结果，它们常常能够反映出数据背后的各种规律，是大数据所具有的价值和精髓所在。
此外，在理解大数据时，还应当注意以下几点：一是大数据的基础在于“数据化”。从大数据的视角来看，任何事物、现象和行为都是由数据构成的，通过数据的描述可以还原出任何现象、行为及其背后的存在规律。因此，“数据化”原理是大数据运用的前提与基础；二是大数据的数据之“大”是相对的。大数据最显著特征就是数据之“大”，这是相对于小数据而言的。在传统的小数据时代，受数据采集技术条件所限，人们只能采取抽样调查法，选取一定的样本进行对象分析。在大数据时代，收集所有数据成为可能，完全可以通过相关技术收集到与某一事物相关的所有数据，达到“样本＝全体”的数量级别；三是大数据的核心在于数据背后蕴藏的价值。大数据本身并不意味着大价值，如果不对数据进行挖掘、处理和分析，大数据只能是一堆枯燥乏味的“数据集合体”。只有对各种大数据进行挖掘、处理和分析，才能找出大数据背后的各种规律、特征，真正发挥大数据的应有作用。
大数据具有4“V”特征，即“Volume”（海量数据）、“Variety”（多型多样）、“Velocity”（存储处理高速）、“Value/Veracity”（价值与真实性）。
（1）Volume（海量数据）。大数据的起始计量单位往往至少是PB（1024TB＝1PB）级别乃至EB（1024PB＝1EB）、ZB（1024EB＝1ZB）级别，而传统数据在量上通常以MB、GB为处理单位。“未来10年全球数据将以40%以上的速度增长，2020年全球数据量将达到35ZB，为2009年（0.8ZB）的44倍”。
（2）Variety（多型多样）。大数据是非结构化数据和半结构化数据，数据类型丰富，主要表现为文档、图片、音频、视频、日志、链接等；数据来源广泛，主要表现为社交网站、门户网站、电子邮件、微博等。在数据模型的选择上，大数据逐渐向着notnoly（NoSQL）发展，且呈现出“立体化”特点。传统数据（小数据）则多为结构化数据，数据处理模型为结构化查询语言（Structure Query Language），即SQL，且呈现出“平面化”特点。
（3）Velocity（存储处理高速）。在大数据条件下，计算机设备可在极短时间内快速处理各种数据流。大数据的高速化处理，需要处理者对时间具有高度的敏感性，对现代决策者的素质、决策能力提出了新的更高要求。
（4）Value/Veracity（价值与真实性）。IBM认为，大数据具有真实性（Veracity），真实性将会推动人们运用先进的数学方法和数据融合技术，进一步提高数据的质量，创造出更高的价值。IDC认为，大数据具有高价值性（Value），而这种高价值更多地蕴含在碎片化的低价值度的数据之中，所以，在大数据时代，亟待人们解决的最大难题是如何通过强大的机器运算，更迅速高效地完成大数据之价值“提纯”。
思维、方法：大数据与“小数据”比较
从方法论的角度解读，大数据与传统“小数据”相比，除上述4“V”特征方面的差异外，在思维模式、思维方法上也存在着很大的不同。
首先，大数据分析与某事物相关的所有数据，即全数据模式，而不是依靠分析少量的数据样本。小数据采取随机采样，通过抽样数据获得最大化信息。长期以来，由于受到科技水平发展限制，人们形成并习惯于采用随机抽样法，用最少量的数据去获得更多的研究结果。大量的事实也证明，随机采样在现代社会，特别是现代测量领域取得了巨大成功，成为不可或缺的测量分析方法。“统计学的一个目的就是用尽可能少的数据证实尽可能重大的发现”。随机采样依赖于采样的绝对随机性，一旦采样过程中存在任何偏见，分析结果就会相去甚远。在大数据时代，海量数据的涌现，数据挖掘与处理技术的根本变化，导致随机采样的适应范围变得越来越狭窄，对大数据背后之微观细节的探究也显得力有不逮。大数据不采用随机分析法这样的路径，而是采用所有数据的方法，即全数据模式，从“总体”上去研究、分析事物的微观深层次信息。
其次，大数据接受数据的纷繁复杂，不再追求精确性。小数据则强调追求精确。对“小数据”而言，最基本、最重要的要求就是减少错误，保证质量。因为收集的信息量比较少，所以必须确保记录下来的数据尽量精确。在采样的时候，对精确度的要求就更高更苛刻。在大数据时代，大量的数据表现为非结构化、半结构数据，如果不接受混杂，将有95%的非结构化数据无法利用。“大数据不仅让我们不再期待精确性，也让我们无法实现精确性。接受数据的不精确和不完美，我们反而能够更好地进行预测，也能够更好地理解这个世界。”要想获得大数据带来的好处，混杂应该是一种标准途径，而不应该是竭力避免的。
再次，大数据强调“是什么”而不是“为什么”。小数据强调“为什么”的因果关系，相关关系的探求仅限于“线性”。在小数据时代，相关关系分析和因果关系分析是探究世界的两个基本路径，都要经历“建立假设→进行实验→假设要么被证实要么被推翻”这一复杂过程。但是，由于受到分析者偏见，相关关系分析数据难以取得，以及收集这些数据耗资巨大的影响，大部分相关关系分析仅限于寻求“线性关系”，而非发现数据的“非线性关系”。在大数据时代，海量数据的存在，分析思路和分析工具、方法的更新，开阔了人们的视野，使人们注意到很多以前不曾注意到的各种联系，掌握了以前无法理解的复杂技术和社会动态。更为重要的是“通过去探求‘是什么’而不是‘为什么’，相关关系帮助我们更好地了解了这个世界。”
犯罪侦查中的大数据及其应用
大数据之数据来源
在犯罪侦查中，大数据之来源主要有两个：一是社会面的大数据；二是公安机关自有的大数据。
（1）社会面的大数据。近年来，信息技术飞速发展，互联网、物联网、云计算等技术深入社会生活的方方面面，形成了各种不同形式的社会面大数据源。
第一，来自互联网的大数据。这些数据大多存储在：Oracle、DB2、SQL server等数据库；Excel、电子邮件服务器等数据源；Hadoop（分布式处理平台）系统，如Apche Cloudea等；No SQL数据库，如Cassandra等。此外，云平台，如Salesforce.com；社会网站，如新浪微博、搜狐微博、腾讯微博等，也存储有海量数据。近年来，侦查人员在侦查思维、侦查决策，以及侦查路径的选择等方面，受来自社会面大数据的影响越来越大，甚至有些案件侦破的信息或者线索都是直接来源于社会面的大数据。
第二，来自官方的大数据。在公权力运行过程中，官方机构（党政机关、司法机关、群团机关等）为实施有效管理，通过各种内设系统输入和输出的话语、文件、口号、音频、视频等数据，构成了来自官方的大数据。来自官方的大数据，可分为三类：一类是惠及民生、免费公开的数据；二是有偿公开、有价值的数据；三是不能公开的数据。这些数据是公权力运行的实际表现，因而也成为公众了解公共事务所依赖的大数据。目前，中国有用数据信息的80%由不同的官方机构掌控，对于犯罪侦查来说，它是一个重要的数据来源。
第三，来自企业的大数据。企业是大数据的重要来源，如交通运输、银行、通信、房地产、物流、中介等行业，几乎每时每刻都在产生海量数据。根据我国相关立法规定，这些数据一般不允许对外公开、外流和丢失。此外，从行业机密考虑，企业也不允许随意公开、外流和丢失其经营数据，因而，企业的数据积累是最为全面、最为详细的。更为重要的是，为了防范风险，知名企业大多会通过建立容灾系统，以保护企业的数据。即使是发生了重大自然灾害，企业的有关数据也能够被完好保存下来。企业的数据积累也是犯罪侦查中大数据的重要来源。
第四，来自公民个人的大数据。公民个人的大数据，涉及到公民个人的学习、生活、生产、工作、婚姻、家庭及个人隐私等方面，如健康状况、电话号码、银行账号等；涉及到公民个人在日常生活中的活动行程，包括上网、电子邮件、短信、博客、微博、微信等自媒体数据。此外，还有公民个人在其职业活动中形成的各种数据，如写作、科研、发明等。因此，公民个人的基本数据是犯罪侦查中大数据的重要来源之一。
（2）公安机关的大数据。长期以来，我国公安机关十分重视数据信息系统建设。1999年1月公安部启动“金盾工程”项目，2006年11月，“金盾工程”一期顺利完成验收。2008年2月22日，“金盾工程”二期项目由国家发改委立项建设。
目前，我国公安机关已建成了多个数据查询功能的信息系统。此外，公安部还建成一些专门的数据信息系统。综合来看，公安机关已经建成的自有数据信息系统中，涵盖了如人口类、刑侦类、治安类、监管类、交通类等多类别数据信息。社会面数据信息系统和公安机关自有数据信息系统中存储了与人、事、物、证、案（事）件、行为轨迹、电磁信息有关的各种海量数据，它们对于寻找犯罪线索、收集犯罪证据，查获犯罪嫌疑人，侦破犯罪案件，具有巨大的数据支撑和保障作用。
犯罪侦查中大数据之应用
大数据时代，“我们时刻都暴露在‘第三只眼睛’之下：谷歌监视着我们的网页浏览习惯，亚马逊监视着我们的购物习惯，而微博什么都知道，不仅窃听到我们心中的‘TA’，还有我们的社交关系网”，“我们的隐私被第二次利用了”。大数据具有强大的数据搜集、数据管理、数据分析、数据挖掘和数据重组、预测功能。基于上述的强大功能，大数据在犯罪侦查中的作用和地位日益凸显，用于发现犯罪线索、犯罪证据，侦破案件。
（1）数据库搜索。社会面数据库和公安机关自有数据库，在建库时都根据数据库本身的内容，建立了相应的查询功能及站内搜索功能。通过对库内海量数据的查询、搜索和比对，能够发现犯罪线索、犯罪证据，甚至侦破案件。例如，在侦查未知名尸体案件时，由于侦查之初并不知晓被害人是谁，除在新闻媒体上发布尸体认领通报，组织排查和辨认外，还可以将提取到的死者指纹、DNA检验结果，通过指纹数据库、DNA数据库进行检索、比对，认定死者身源；也可以将死者的DNA检验结果与其亲属的DNA进行比对，认定死者身源。
（2）互联网搜索。互联网数据以文本、图像、视频、音频等形式分散在各个网页，需要应用搜索引擎技术。在犯罪侦查中，通常是将与案件或者犯罪嫌疑人有关的关键词输入互联网进行搜索，并根据互联网反馈信息进行多次搜索分析。输入的检索信息越多，搜索结果的范围就越精确。通过基本的互联网搜索，一般可以了解某个人的工作、生活等基本信息，如果再进一步搜索就能够找到某个人的手机号、邮箱号、网络账号等较为私密的信息。这种利用相关关系进行的搜索，对发现犯罪线索、犯罪证据，抓获犯罪嫌疑人非常有用。例如，在盗窃案件中，犯罪嫌疑人常常利用网络进行销赃，侦查人员在互联网上输入被盗物品的规格、型号、特征等，就可能找到犯罪线索、犯罪证据，甚至直接查获犯罪嫌疑人。但需要说明的是，互联网上的信息丰富且混杂，不少信息可能是不真实的或者是过时的，这就需要侦查人员根据案件情况对网络信息的真实性进行分析判断。
（3）数据碰撞。数据碰撞是指侦查人员以社会面大数据和公安机关自有的大数据为基础，选取一种或者几种数据为标识数据进行碰撞，并利用时空数据缩小碰撞范围，从而发现犯罪线索、犯罪证据，侦破案件。在侦查实践中，作为数据碰撞基础的数据库主要有社会面数据库和公安机关自有的数据库。数据碰撞的类型有话单数据碰撞、网络通信数据（如QQ、微信、微博等）碰撞、轨迹数据碰撞、交易数据碰撞等。
（4）数据挖掘。“数据就像一个神奇的钻石矿，当它的首要价值被发挥后仍能不断给予。它的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，而绝大部分都隐藏在表面之下。”数据挖掘是大数据的核心技术，数据挖掘的精髓在于对海量数据进行二次、甚至多次挖掘与分析，发现事物、现象背后所隐藏的深层次信息、线索和规律。犯罪侦查中，常用的数据挖掘分析技术主要有以下几种：一是关联性分析，它能够发现不同数据项之间的关系；二是分类分析，即根据数据的特征，分别建立每个数据类别之模型，然后根据数据的属性，将数据分配到不同特征的级别之中；三是聚类分析，即将具有相似性的数据整合在一起；四是时序分析，即对时间因素的关联性进行分析，找出数据在时间上所呈现的规律；五是异常分析，即找出数据集中明显不同于既定数据模式的数据。
（5）数据画像。犯罪侦查中，面对海量数据，侦查人员借助各种分析软件，运用数据挖掘等方法，可对犯罪嫌疑人或者相关人员的身份、行为特征、兴趣爱好、人际关系等情况进行深入分析，给犯罪嫌疑人“数据画像”。在大数据画像技术下，犯罪嫌疑人会成为大数据下的“透明人”，其身份信息、行为轨迹、消费习惯、经济状况、家庭关系、兴趣爱好、人际交往等特征一般都会完整地展现出来。
（6）犯罪网络关系分析。犯罪网络关系是指以某一位或者几位犯罪嫌疑人、以某一种或者几种犯罪、以某一类或者几类犯罪为中心，根据该一位或者几位犯罪嫌疑人与其他网络用户的联系频率、互动频率、兴趣相似度、共同好友数量等指标，或者围绕着某一种或者几种犯罪，或者某一类或者几类犯罪，各个犯罪嫌疑人的联系频率、互动频率、共同好友关系等指标，建立起来的网络联系关系网。
许多犯罪，特别是一些集团犯罪、团伙犯罪，都具有群体性特点，犯罪成员呈现组织化、团伙化形式，犯罪成员之间有着明确的分工、各司其职、互相配合。对这种犯罪成员之间通过网络的相互联系、分工合作关系的分析，就是“犯罪网络分析”。犯罪网络分析方法适用于所有的有组织犯罪，如恐怖组织犯罪、带有黑社会性质的组织犯罪等。特别是在网络犯罪呈扩大化趋势的今天，很多犯罪分子都通过网络进行串联，为犯罪网络分析提供了便利的“数据”条件，通过犯罪嫌疑人的即时通信数据、社交数据等，可以还原出犯罪网络关系图，掌握犯罪嫌疑人的全面信息及犯罪组织成员之间的分工合作关系，并以此为突破口，挖掘进一步的犯罪网络关系，直到最后侦破犯罪案件。
犯罪侦查中大数据应用面临的问题与解决之道
面临的问题
大数据在犯罪侦查中的广泛应用，促进了侦查思维、侦查模式和侦查方法的深刻变化，提高了侦查效率，但大数据在犯罪侦查的广泛应用也面临着以下亟待解决的问题：
1、犯罪侦查中的“数据孤岛”问题。“数据孤岛”是指因数据标准不一致等问题，造成不同机构、部门之间的信息系统无法兼容，数据无法互相利用，而形成了一个个相对孤立的数据区域。利用大数据进行犯罪侦查，需要各种信息系统之间的彼此开放和联通互通。“一方面政府掌握着大量核心数据，占数据总量95%以上的非结构化数据被束之高阁；另一方面，一些企业拥有专业数据分析应用技术，却只能望宝山兴叹。”
从社会面大数据来说，现有的各种数据系统分别归属于中央、地方的各级党政机关、人大机关、政协机关、法院系统和检察院系统，以及各个独立的企事业单位、社会团体和组织，且各种数据信息尚未实现互联互通，“数据孤岛”困境十分突出。同时，上述机关、企事业单位、社会团体和组织公开数据的程度也非常低，且有数据碎片化、数据割据之嫌。这些都严重影响侦查机关对各种数据的深度挖掘和比对分析。
从公安机关自身的大数据来说，公安部建立了与犯罪侦查有关的各种数据信息系统，并且出台了一些部门规章和内部规定以规范各种数据信息的收集、录入，但与犯罪侦查的现实需要相比，数据在“量”上还存在很大不足。同时，大量的无用、虚假数据信息被收集、录入公安部的数据信息系统，导致数据在“质”上也难以满足犯罪侦查的需求。在数据信息系统的互联互通方面，基本上实现了全国层面的互联互通，以及数据查询与比对分析，但全国地方的省、市、县公安机关之间，以及同一行政区域的公安机关内部的不同警种之间，数据信息系统并不能互联互通，各种数据仍然无法实现共享。
2、大数据技术落后，“数据专家”不足。与其他数据技术发达国家相比，在数据获取、挖掘、整合、使用等技术方面，我国整体上相对比较落后，现有的技术储备已经不能满足运用大数据之现实需要，这导致在犯罪侦查中大数据的价值无法得到充分体现。大数据时代，数据类型呈现结构化、半结构化、非结构化相融合特征，海量数据带来了存储方式的变化。怎样才能有效地把有用数据从海量的混杂数据中剥离出来，数据技术，特别是数据挖掘、分析技术在其中起着十分关键的作用。
数据收集、挖掘、整合与分析，是一个非常复杂的工作过程，需要一大批既具有本专业或者相关研究领域的专业知识，又精通大数据技术的专门人才或者专家。现阶段，我国公安机关缺乏将侦查专业知识与大数据专业知识相结合的专家，侦查人员根本不了解大数据专业知识，技术人员也仅仅掌握一般的大数据专业知识，而非大数据领域的“数据专家”。由于缺乏“数据专家”，无法在犯罪侦查中有效地收集、挖掘和分析大数据，导致大量的有用数据处于“休眠”状态，无法在犯罪侦查中发挥其应有作用。面对大数据，如果不能进行挖掘、分析，犯罪侦查中大数据的作用就难以发挥；如果挖掘不深入、全面，分析错误，就会导致侦查决策出现失误，导致侦查方向出现错误。
3、大数据应用与个人隐私保护问题。大数据时代，个人生活的方方面面都被高度数据化，个人乘车（机）记录、消费记录、通信记录、网上浏览记录、住宿记录等数据，都能勾勒出一个人的社会行为轨迹和社会活动轨迹，通过对个人轨迹的全面、深入挖掘与分析，可以了解一个人的全部社会活动情况，甚至能够把握一个人的行为特征和心理特征。
大数据在犯罪侦查中的应用，推动了侦查人员思维方式和侦查方法的变革，增强了侦查机关的破案能力。但对数据信息系统中海量数据的挖掘、分析和利用，也导致了公民个人隐私权的克减与损害。“大数据挖掘分析得越精准、应用领域越广阔，个人隐私和数据安全保护就会变得越紧迫。”与犯罪侦查有关的大数据涉及到普通公民、公职人员的一切社会行为和社会活动，以及与其有过交集的其他社会组织和普通公民的一切社会行为和社会活动，侦查过程中对上述领域数据的挖掘、分析和利用，必然会给社会成员的正常生活带来严重影响，造成社会成员隐私权的严重克减和侵害。
4、大数据应用与国家安全问题。在安全层面，“大数据安全”已经影响到国家战略安全。大数据时代，网络空间中，诸多涉及国家安全机密数据的潜在威胁与日俱增。
“大数据直接影响到国家安全和社会稳定，是一个国家数字主权的体现，是关系到国家安全的战略性问题。”《中华人民共和国网络安全法》第28条规定：“网络运营者应当为公安机关、国家安全机关依法维护国家安全和侦查犯罪的活动提供技术支持和协助。”该条规定表明，在维护国家安全和侦查犯罪时，公安机关、国家安全机关有权使用网络中的各种数据。在犯罪侦查中，大数据的应用必然涉及到社会面数据信息系统和公安机关自有数据信息系统中各种数据的挖掘、分析和应用，而各种信息系统中的不同数据则涉及到不同国家机关、社会团体、企业事业单位、公职人员和普通公民的相关信息和行为记录。对这些数据的挖掘、分析和利用，如果不能做到严格规范和保密，就很可能泄露出去，为西方敌对势力及敌对分子所掌握和利用，进而影响到我国的国家安全。
解决之道
解决犯罪侦查中大数据应用中面临的问题，应从多方入手，综合施策。
1、建立数据共享机制，打破数据壁垒，破解“数据孤岛”困境
当下，解决犯罪侦查中大数据应用中面临的问题，当务之急是打破数据壁垒、促进公安机关与社会面数据库之间的共享，促进公安机关内部数据库之间的共享。国务院《促进大数据发展纲要》的核心内容就是建立数据共享和开放机制，强调要加强数据的跨部门、跨区域共享，加强政府数据与社会数据的汇聚整合，加强执法部门之间的数据流通。打破数据壁垒，破解数据孤岛，建立数据共享机制，应当从两个方面入手：一是公安机关内部要建立数据共享机制，从纵向上打破各级侦查机关的数据壁垒，横向上打破不同地域侦查机关之间的数据壁垒，实现公安机关自有各种信息系统的互联互通，建立数据共享、查询渠道。二是建立公安机关与社会面数据共享机制，依法共享诸如工商、税务、银行、通信、房地产、车辆、证券、股票、电力、网络、医疗、社保、物流等行业的数据。在现阶段，侦查机关可以通过与相关行业签署共建协议、合作协议等方式，通过开放接口或者拷贝的形式获取进入社会面数据库的部分权限。
2、实施大数据国家战略，发展大数据技术，培养大数据专家
大数据是一场革命，“用数据说话、用数据决策、用数据管理、用数据创新，这将给国家治理方式带来根本性变革。”为此，世界各国都制定了自己的大数据国家战略，强力发展大数据技术，培养大数据人才。“数字治国”、循“数”管理已成为发达国家发展的基本思路。为实施大数据国家战略，国务院发布了《关于积极推进“互联网＋”行动的指导意见》《关于运用大数据加强对市场主体服务和监管的若干意见》《促进大数据发展行动纲要》，强调发展大数据国家战略，以及大数据技术的发展与大数据人才的培养。
在我国，大数据在犯罪侦查中的应用已十分普遍，但由于受到小数据时代侦查思维、侦查观念的影响，公安机关并未真正将犯罪侦查中的大数据应用提高到战略层面，在大数据技术的发展、大数据人才的培养方面，也存在着较大差距。因此，公安机关应当制定自己的大数据侦查发展战略，推进公安大数据技术发展，利用普通高等院校、科研院所，以及部属公安院校和地方公安院校等，大量培养大数据专门人才。特别要以《促进大数据发展行动纲要》为指导，不断建立健全各种支撑犯罪侦查的数据信息系统、构建犯罪侦查分析模型，通过各种方式和途径为各级公安机关培养一批既通晓侦查专业知识，又具有大数据专业知识的“业务专家”或者专门人才，为大数据在犯罪侦查中的深度应用提供人才和专业智力支撑。
3、加强信息立法，规范大数据应用，保障个人隐私安全
大数据时代，“第三只眼”无处不在，每个人都身处监控之下，个人隐私随时随地都可能受到侵害。如何规范大数据应用成为一个必须解决的问题。为此，《中华人民共和国网络安全法》第42条、第44条、第45条，对网络运营者、个人和组织、依法负有网络安全监督管理职责的部门及相关工作人员保护公民个人信息安全的义务和责任做出了明确规定。《刑法修正案》（九）将非法获取公民个人信息罪取消，规定为侵犯公民个人信息罪，在一定程度上体现了对公民个人信息的保护，同时也为打击该类犯罪提供了重要的法律依据。
但是，我国犯罪侦查领域的个人信息保护尚处于法律真空状态，造成了犯罪侦查过程中公民个人隐私保障的缺失。因此，应当通过修改刑事诉讼法或者其他相关法律、法规，增加犯罪侦查中个人信息查询、挖掘、比对等内容，明确信息数据的拥有者、使用者和管理者的法律权利、义务与责任，给“第三只眼”戴上“法律”眼罩，以保障大数据在犯罪侦查中应用的合理、合法。
此外，为了保障国家安全，保障国家“数据主权”，除加强贯彻实施《中华人民共和国国家安全法》《中华人民共和国反恐怖主义法》《中华人民共和国网络安全法》，以及刑法对数据信息保护的规定外，还应当制定一部《中华人民共和国信息安全法》，设专章规定“国家信息安全保护”，规范包括侦查机关在内的不同主体对自有和社会面大数据的应用，切实保护国家的“数据主权”。
作者：王彬
来源：中国刑警学院学报
声明：本文来自新经侦大数据，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
