犯罪网络化背景下传统刑事技术的侦查应用研究

来源 :中国人民公安大学 | 被引量 : 0次 | 上传用户:hamainini
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网络高速发展,推动社会经济民生高速发展进步,我国已然成为世界上网络建设使用强国。鉴于网络有着高效、互联,使用成本低且网络参与者之间无直接接触等特点,诸如诈骗、盗窃、赌博、贩毒等传统犯罪为降低犯罪成本,提高犯罪收益,并逃避公安机关的侦查打击,逐渐将具体犯罪行为借助网络实施,取代了面对面的直接接触实施。犯罪网络化具有“五C”特点,即隐蔽性特征(Cryptic)、互联性特征(Connected)、复杂性特征(Complicated)、非接触性特征(Contactless)和跨区域性特征(Cross-regional),产生了极大的社会危害性。网络犯罪大量取代传统犯罪,在案件侦查中多依靠网侦、技侦等侦查技术与手段获取线索与证据,运用传统刑事技术的物理空间缺失,并且以视频侦查为代表的新型侦查技术与手段在传统案件的线索获取效率方面远超传统刑事技术,传统刑事技术陷入了没落的境地。除客观案件形式变化和侦查技术与手段更新的影响外,对于传统刑事技术效能根深蒂固的思维惯性、传统刑事技术的自身属性、在案件侦查中重线索轻证据、盲目追求网络数字形式和职责范围过大等主客观因素,才是传统刑事技术在当前背景下侦查应用面临困境的根本原因。为了对传统刑事技术在当前背景下依然有着重要作用进行证明,并探索传统刑事技术在犯罪网络化背景下的创新发展,在坚持“一条主线”,即传统刑事技术为案件提供证据的前提下,探究了传统刑事技术在“三条分支”,即拓展现实应用场景,丰富证据提取类型、发挥技术基础优势,创新侦查应用路径、融合相关技术手段,提升线索证据效能三方面的创新应用。
其他文献
学位
学位
学位
学位
学位
学位
行人跟踪与再识别技术是计算机视觉领域的重要研究方向。行人跟踪是根据视频初始帧中行人的状态预测其后续运动轨迹;行人再识别是通过技术手段对不同点位行人图像进行相似性度量,判断是否属于同一个人。由于行人姿态多变、环境存在差异,行人跟踪与再识别技术易受遮挡、形变、脱离视野等因素影响,导致算法准确率较低,在实际应用过程中难以满足现实需求。因此,行人跟踪与再识别方法具有一定的研究价值。本文围绕基于孪生神经网络
社区是我国老年人日常居住、活动的主要区域之一,老年人在社区室外活动及出行过程中面临多种威胁其身体健康乃至生命安全的风险,这些风险在时空轨迹上往往表现出一定的异常性,例如,在外出时意外摔倒、走失、因体力不支而被困等。然而,目前专门针对社区老年人异常轨迹预警的相关研究和系统应用极少,因此,本文融合轨迹数据、身份属性数据、天气数据,研究社区老年人异常轨迹预警方法,设计并实现预警系统。本文的研究内容和结果
行人再识别是计算机视觉技术的热点问题之一,主要对不同摄像机点位获取到的图像或视频序列中的行人目标进行检索匹配和同一认定。受光照、复杂背景、遮挡以及行人姿态各异的影响,行人再识别算法在实际应用中存在提取特征鲁棒性较差的问题,导致识别精度较低,难以满足实际应用需求,因此行人再识别受到众多学者的关注。本文围绕基于深度学习的跨域行人再识别方法,在行人检测、行人再识别、人脸识别等方面展开研究。具体工作内容如
目前,互联网中越来越多的数据冗余堆积,严重影响人们获取感兴趣的事件信息,如何利用好海量的数据信息,对其进行抽取识别,挖掘出大量数据背后隐藏的价值,是事件识别领域的研究方向。通过传统的模式识别和机器学习方法来处理突发事件识别,在面对复杂问题时,模型表现能力较为局限,对于深层次事件信息特征的抽取,模型的泛化能力和特征的提取能力受到一定程度的制约。本文针对以上问题,采用深度神经网络作为主要研究手段,开展