□数字赋能刑事取证是利用数据算法技术对存储于网络与计算机系统中的海量数据进行收集、共享、清洗、比对和挖掘，将不同时空的犯罪信息数据转换为海量结构化数据，通过对案件信息的相关性分析清晰勾勒出网络犯罪的事实脉络。
□数字赋能刑事取证应紧紧围绕网络犯罪的行为特性，从“数字驱动”取证思维、基于数字技术的“主动”取证以及数字赋能智慧取证三重路径寻求突破。
随着互联网技术的发展，网络犯罪成为新型犯罪的重要形态，特别是以电信网络诈骗犯罪为代表的新型网络犯罪社会危害性大，且发案量逐年上升，已成为打击犯罪重点和难点。网络犯罪不仅具有智能化技术特征与复杂的因果联系，由于其打破了物理时空的限制，犯罪行为在网络虚拟空间与现实空间不断交叠，还具备非接触的行为特质。此种非接触性犯罪行为并无直接发案现场及相关痕迹物证，而是以电子数据形式即时记录、留存，致使以发案现场为起点、在有限数据范围创建因果关系模型的传统刑事取证思维日渐式微。
数字赋能与刑事司法的深度融合为网络犯罪的证据获取与运用注入新活力。《国务院关于加强数字政府建设的指导意见》明确提出，坚持数字赋能，积极推动数字化治理模式创新，推动社会治理模式从单向管理转向双向互动、从线下转向线上线下融合，着力提升社会治安防控、公共安全保障、基层社会治理等领域数字化治理能力。数字赋能打破了传统刑事取证的时空一维性限制，从现实空间延伸至虚拟空间，拓宽网络犯罪事实认知路径。具体而言，数字赋能刑事取证是利用数据算法技术对存储于网络与计算机系统中的海量数据进行收集、共享、清洗、比对和挖掘，将不同时空的犯罪信息数据转换为海量结构化数据，通过对案件信息的相关性分析清晰勾勒出网络犯罪的事实脉络。相较于传统刑事取证方法，数据赋能刑事取证充分展现了从海量数据中挖掘“数据—行为”相关关系的事实认知效用，这是其证明网络犯罪事实的独特优势。
基于此，数字赋能刑事取证应紧紧围绕网络犯罪的行为特性，从“数字驱动”取证思维、基于数字技术的“主动”取证以及数字赋能智慧取证三重路径寻求突破。
“数据驱动”取证思维。数据赋能刑事取证强调以海量数据为动力、以相关关系为核心、以大数据技术为支撑，重点着眼于发现和分析海量数据信息与行为事实之间的直接关联关系。换言之，数据赋能刑事取证，以数据为驱动力，案件事实证明以海量数据的抽象归纳为客观预设，这种以数据归纳结论为先导的认知范式，称为“数据驱动”取证思维，海量数据的相关性成为网络犯罪事实证明的关键所在。
“数据驱动”取证思维，使侦查机关摆脱了对口供的依赖，海量数据的相关性成为网络犯罪事实证明的关键所在。在小数据时代，侦查人员在发案现场所获取证据信息是相对有限的。为查明案件事实，侦查人员只能依据这些有限的碎片化信息之间的关联关系锁定犯罪嫌疑人，以口供为起点获取事实证明的相关证据，并通过因果关系验证完成对案件事实的回溯。可见，传统取证思维具有“口供中心”的特性。而网络犯罪是通过网络虚拟空间向不特定对象实施犯罪行为，存在“去中心化”属性。此种属性虽使得传统刑事取证指向模糊或失去焦点，却为“数据驱动”取证思维提供了客观现实基础。网络犯罪通过虚拟空间实施犯罪行为过程中，留存并生成了以核心事实为中心向外弥散的海量镜像数据。这些弥散的镜像数据不仅包含结构化数据，还混杂着海量的非结构化数据，离犯罪事实内核越远，数据量越庞大，也变得愈加冗杂，但数据与行为之间的对应关系与相关关系是始终不变的。由此，通过数据“量”的积累、挖掘，能够根据数据之间相关性的拓扑联动，在海量信息点的基础上，描绘出事实信息图谱，以此客观地认知行为与案件事实的因果关系，继而完成刑事取证任务。
基于数字技术的“主动”取证。传统接触性犯罪多发生在现实空间，由于时空不可逆特性，侦查人员只能在犯罪行为发生后，通过收集有限的证据信息以回溯案件事实，具有明显的被动性。而实施犯罪与开展侦查存在时间差，这期间证据受现实环境的影响易出现毁损或灭失。如此一来，事实的回溯变得更加艰难。另外，从实体法视角看，社会危害性是犯罪行为的固有属性。当犯罪行为对社会个体的权利造成侵害后，侦查机关通过对报案、控告等线索研判，再决定是否启动侦查取证程序。无疑，此种“被动”取证路径与网络犯罪并不相配。网络犯罪中，行为人往往利用伪装使被害人“自愿配合”，行为的隐蔽性加大了侦查机关及时取证的难度。大数据时代相关性分析提供了一系列新视野和有用的预测，数字赋能使侦查机关主动开展网络犯罪侦查成为现实。
数字赋能在刑事取证方面的应用，对尚未或正在发生的“未知”案件表现为对潜在犯罪行为的“主动”侦查取证。预测是大数据的核心价值，其原理在于，将事物、现象的规律转化为数据之间的数理关系，通过对数理关系的分析，预知未来走向。因此，侦查机关必须依托“雪亮工程”和公安大数据平台等数据库建设，才能不断满足“主动”取证的数据需求。首先，侦查人员可将过往相关案例予以数据化处理，借助数字技术得出网络犯罪的活动规律及行为特征，以此建立预警机制。当行为人实施犯罪行为时，映射其行为的镜像数据会触发预警机制，这些镜像数据将是侦查人员获取证据的重要来源。其次，数据赋能的操作根据侦查人员主观需要的变化而获得不同价值，侦查人员根据大数据分析能够预测某地区的犯罪热点与发展趋势，实时记录社会个人的行为数据，侦查人员可依此主动识别犯罪人、发现犯罪行为，为刑事取证提供科学依据与现实基础。传统刑事取证注重经验的实证分析，信息相对滞后且主观性强，网络犯罪的不确定性使得传统刑事取证在证明潜在犯罪方面的实效边际递减。而基于数字技术的“主动”侦查利用算法技术，整合多个地区的数据资源，通过海量数据的实时分析生成可视化数据画像并定期更新，以及时反映犯罪行为的变化趋势。相较于前者而言，后者在刑事取证中更具有客观真实性与现实可行性，从而提高惩治网络犯罪的事实证明能力。
数字赋能智慧取证。数字赋能刑事取证最本质的属性是在数字算法技术的支持下，将不同空间留存的犯罪信息痕迹转换为海量镜像数据成为可能，进而取证主体可以通过对镜像数据的相关性分析清晰勾勒出案件事实的脉络。从事实证明的视角看，网络犯罪的罪数形态较为复杂，事实行为的实体法性质事关刑事取证方向。然而网络犯罪管辖权隶属不同侦查部门，这意味着相关犯罪数据的“全量”采集需要多个侦查部门的协作配合，即智慧侦查的合成作战。智慧侦查是基于智慧数据的关联化、数据化、可视化等智能性，构建多警种协同配合、层级数据互相融合、情报资源互相整合的刑事取证联动机制。可见，智慧侦查以数据需求为导向，在刑事取证过程中强调数据资源的开放共享。因此，智慧侦查的合成作战不仅指侦查机关内部的数据共享，还包括网络信息服务者的数据协作。一方面，侦查机关内部应打破数据壁垒，建立多元互通的共享数据取证体系，将数字赋能侦查的效益最大化。在大数据时代，如果各部门固守数据资源，大量有价值的数据资源无法被盘活，则大量犯罪数据痕迹也无法被获取。网络犯罪侦查大多从公民财产、婚姻状况、银行账户等多维度个人信息的综合利用切入，而侦查机关内部掌握的数据资源指向存在差异。因此，侦查机关应立足于网络犯罪侦查实践应用，通过整合各部门数据资源达成数据高度共享，以充分发挥多元数据融合的相关性分析作用，形成刑事取证合力。另一方面，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。该法以设定义务的形式强化了侦查机关的数据调取权，为侦查机关开展刑事取证工作创造了便利条件。以朱某操纵证券市场案为例，侦查机关从网络信息服务者处获取了犯罪嫌疑人的网络账户IP地址、犯罪实施工具的MAC地址及涉案账户资金交易往来，最终认定案件事实。可见，侦查机关通过挖掘、分析相关数据可以获取、审查犯罪证据，进而实现对网络犯罪的事实认定。
（作者分别为西南政法大学新型网络犯罪侦查研究中心助理研究员、四川省成都市蒲江县人民检察院检委会专职委员）
