摘要：在涉煙違法犯罪活動(dòng)手法不斷更新?lián)Q代、日趨智能化、隱蔽化的背景下，如何突破常規(guī)監(jiān)管手段瓶頸，挖掘和利用好內(nèi)部監(jiān)督線索和社會(huì)舉報(bào)信息等情報(bào)資源，在整網(wǎng)集群打擊地下環(huán)節(jié)化上下足功夫成為刻不容緩的問題。方法是以數(shù)據(jù)為基礎(chǔ)，整合應(yīng)用、探索涉煙情報(bào)資源集中采集和有效研判，創(chuàng)新構(gòu)建“數(shù)據(jù)生態(tài) + 智能研判 + 精準(zhǔn)打擊”實(shí)戰(zhàn)體系。結(jié)果是：基于數(shù)據(jù)中臺建設(shè)、AI 模型開發(fā)、多場景應(yīng)用的全流程整合，總結(jié)提煉了案件串并、要素歸集、專案打擊等 3 種全新戰(zhàn)法，結(jié)合典型案例分析了理論支撐下的新型實(shí)戰(zhàn)體系開展實(shí)戰(zhàn)。結(jié)論表明：該體系下的情報(bào)響應(yīng)效率提高至 60％以上，案件破獲時(shí)長縮短 40％～50％，切實(shí)提高了監(jiān)管效能。

關(guān)鍵詞：涉煙情報(bào)；數(shù)據(jù)中臺；智能研判；精準(zhǔn)打擊；區(qū)塊鏈存證

一、引言

由于數(shù)字經(jīng)濟(jì)和國家治理方式不斷發(fā)展完善，涉煙違法犯罪行為的發(fā)展日趨復(fù)雜，手段愈發(fā)高明，而且正朝著更加“高級”的方向演進(jìn)變化。目前的涉煙違法犯罪主要有以下幾個(gè)特點(diǎn)：第一，作案環(huán)節(jié)更加環(huán)環(huán)相扣。第二，作案手法更加趨向于專業(yè)。第三，證據(jù)呈現(xiàn)形式更加多樣。第四，行為方式更加隱蔽，借助暗網(wǎng)、比特幣等新型手段逃避打擊。第五，社會(huì)危害性和打擊難度越來越大。第六，逐步形成了體系龐大的犯罪產(chǎn)業(yè)鏈條，通過控制龐大的犯罪利益鏈維持和引導(dǎo)整個(gè)網(wǎng)絡(luò)型團(tuán)伙式犯罪。

（一）產(chǎn)業(yè)鏈條跨區(qū)域化

犯罪鏈條橫貫于產(chǎn)、供、銷各個(gè)環(huán)節(jié)，形成了“產(chǎn)供銷”一體的犯罪網(wǎng)絡(luò)。非法生產(chǎn)的窩點(diǎn)分散于監(jiān)管盲區(qū)較多的偏遠(yuǎn)地區(qū)，利用西南山區(qū)的廢棄廠棚、華北地區(qū)的空閑農(nóng)房，經(jīng)改裝貨車、冷鏈車等車輛通過高速公路、鄉(xiāng)村道路等多條線路運(yùn)輸至浙江等地，并通過市內(nèi)小賣部或電商平臺等渠道進(jìn)行銷售。某地市海關(guān)查獲了價(jià)值約 2.4 億的假煙產(chǎn)品，案件涉及浙江、安徽、上海和江蘇等地。其查獲假煙案件的真假比由以往的 7:3 變?yōu)?3:7，造假窩點(diǎn)均處于銷售網(wǎng)點(diǎn)附近，在浙江省內(nèi)存在內(nèi)環(huán)式產(chǎn)業(yè)集群，假煙產(chǎn)制銷售一條龍作業(yè)，非法獲得利潤 1.2 億元。

（二）犯罪手段技術(shù)化

不法分子利用暗網(wǎng)交易、虛擬貨幣結(jié)算、加密通信等各類逃避打擊的技術(shù)開展活動(dòng)，“絲綢之路”“黑市綠洲”等暗網(wǎng)平臺是煙草案件的重點(diǎn)。2023 年監(jiān)測到暗網(wǎng)涉煙交易頻次較 2022 年同比增長 35%以上。涉煙交易過程中使用的瀏覽器主要是 Tor 瀏覽器，使用的通訊軟件主要是 Signal、Telegram 等，資金結(jié)算主要用比特幣、門羅幣等虛擬貨幣完成，難以采取技術(shù)手段實(shí)施針對性的技戰(zhàn)法加以有效打擊。

（三）證據(jù)獲取碎片化

電子數(shù)據(jù)占涉煙案件證據(jù)比例超過 75%，散落于互聯(lián)網(wǎng)社交平臺、交易平臺、物流運(yùn)輸?shù)榷鄠€(gè)異質(zhì)異構(gòu)場景。以網(wǎng)絡(luò)售假案件為例，交易信息分布于微信小程序、二手交易平臺，物流信息分散于 17 家快遞系統(tǒng)，通信信息存于加密 APP 中。依靠傳統(tǒng)的手工方式整理耗時(shí)長達(dá) 20 個(gè)工作日，證據(jù)很有可能在此過程中出現(xiàn)滅失的情況。

（四）危害后果擴(kuò)散化

假煙泛濫造成的國家稅款流失超過 200 億元，相當(dāng)于 150 萬箱正規(guī)卷煙的稅收收入；假煙焦油含量超出正常值 40%，一氧化碳超出正常值 60%，一旦抽食極容易造成身體的各種不適，危害身體健康；非法電子煙沖擊正常煙草經(jīng)營，2023 年無資質(zhì)電子煙企業(yè)超過 500 家，未成年人購買涉煙案件同比增加 25%以上。

針對新的犯罪挑戰(zhàn)，傳統(tǒng)的依靠人工排查、舉報(bào)線索的監(jiān)管方式已經(jīng)不能滿足需求。人工排查的地域有限，人員不多，每日平均只能查到不到 200 條數(shù)據(jù)；依靠群眾舉報(bào)線索的數(shù)量較少，占比不到 30%。本文嘗試從基于數(shù)據(jù)的監(jiān)管模式出發(fā)，以數(shù)據(jù)為核心推動(dòng)監(jiān)管轉(zhuǎn)型，形成以“數(shù)據(jù)生態(tài) + 智能研判 + 精準(zhǔn)打擊”為核心的涉煙情報(bào)體系建設(shè)，在大數(shù)據(jù)分析下發(fā)揮對涉煙情報(bào)的深挖實(shí)效，并在此基礎(chǔ)上為行業(yè)內(nèi)監(jiān)管提供新思路。

二、涉煙情報(bào)數(shù)據(jù)資源整合路徑

（一）構(gòu)建 “四庫一中心” 數(shù)據(jù)生態(tài)體系

案件特征數(shù)據(jù)庫。全維度案件要素結(jié)構(gòu)化管理收集過去 10 年約 2.3 萬起煙草案件的數(shù)據(jù)，建立起具有三大特點(diǎn)的數(shù)據(jù)庫，構(gòu)建了涉煙犯罪“數(shù)字檔案庫”。

（1）時(shí)空特征。借助 GIS 地理信息系統(tǒng)生成案發(fā)地?zé)崃D，并應(yīng)用 Kernel 密度估計(jì)算法，呈現(xiàn)出不同的案發(fā)時(shí)間段和地點(diǎn)分布的特點(diǎn)。經(jīng)過數(shù)據(jù)分析，可以得出，在年度的 12 月至下一年度 2 月期間發(fā)生案件的頻率比季度均值高出 25%，因?yàn)榇藭r(shí)正值春節(jié)前期市場需求旺盛；高速公路服務(wù)區(qū)、城鄉(xiāng)結(jié)合部的物流園區(qū)等節(jié)點(diǎn)案件密度相當(dāng)于一般區(qū)域的 3.2 倍，因此制定“節(jié)假日重點(diǎn)防控”和“物流節(jié)點(diǎn)精準(zhǔn)布控”的防控措施。

（2）行為特征。收集 86 種作案手法建立標(biāo)簽庫，采用自然語言處理技術(shù)進(jìn)行案件文書語義解析，自動(dòng)為案件貼上“偽裝運(yùn)輸(占比 38%)”、“虛假電商引流(占比 22%)”、“跨境走私(占比 15%)”等標(biāo)簽；使用 TF - IDF 算法算出案件手法與歷史案件手法相似度，在 30 秒內(nèi)可找到相似案件供參考。比如有一種新類型的“直播帶貨偽裝售假”案件，該案件匹配到“虛假電商引流”的標(biāo)簽后，快速查找到了 2022 年在廣東發(fā)生過的類似案件，并調(diào)取了當(dāng)?shù)剞k案民警當(dāng)年采取的偵查措施，研判用時(shí)減少 40%。

（3）關(guān)聯(lián)特征。采用 Neo4j 圖數(shù)據(jù)庫搭建人員、設(shè)備、案件之間的關(guān)聯(lián)網(wǎng)圖，其中人員有 21000 人、作案工具 18000 件、案件共涉及 23000 起，所畫出的邊分別用“參與”“使用”“關(guān)聯(lián)”來表示聯(lián)系。根據(jù) PageRank 算法找出圖的核心成員。通過對某個(gè)跨省團(tuán)伙案的研究發(fā)現(xiàn)，在大量貨運(yùn)、運(yùn)輸案件節(jié)點(diǎn)中，出現(xiàn)了 1 個(gè)關(guān)聯(lián)度很高的物流司機(jī)（物流節(jié)點(diǎn)權(quán)重達(dá)到 0.87)，并且其頻繁地與 3 個(gè)制造窩點(diǎn)產(chǎn)生密切的往來，從該圖中可直接得出此人是該案的大鏈主，以此作為突破口快速偵破案件。

該數(shù)據(jù)庫可以進(jìn)行案件相似度的智能匹配，運(yùn)用余弦相似度算法來計(jì)算案件特征向量，在 3 秒之內(nèi)就可以檢索到 TOP10 相似案件，為偵查提供歷史案件的參考。據(jù)統(tǒng)計(jì)，在協(xié)助公安機(jī)關(guān)破獲 2023 年的重復(fù)作案的案件中，70%的案件是通過上述功能快速確定出了有價(jià)值的線索。

主體檔案知識庫。動(dòng)態(tài)風(fēng)險(xiǎn)畫像精準(zhǔn)識別重點(diǎn)對象累積起來的 230 萬涉煙市場主體數(shù)據(jù)資源經(jīng)過整合之后，形成了三層立體畫像，做到精準(zhǔn)監(jiān)管的“一主體一檔案”。

（1）基礎(chǔ)畫像。融合企業(yè)注冊信息、企業(yè)信用評價(jià)、經(jīng)營資質(zhì)等 128 項(xiàng)靜態(tài)數(shù)據(jù)為市場主體打造“數(shù)字身份證”，通過 OCR 技術(shù)自動(dòng)識別煙草專賣零售許可證并及時(shí)同步認(rèn)領(lǐng)更新，自動(dòng)抓取符合條件的無資質(zhì)經(jīng)營主體 3.2 萬戶，并快速啟動(dòng)預(yù)警程序。

（2）動(dòng)態(tài)畫像。連接菜鳥或順豐物流平臺及工行、農(nóng)行等銀行系統(tǒng)，可實(shí)時(shí)查看物流頻次(單日出現(xiàn) 5 倍以上的訂單量變化)，以及大額資金流(超過 5 萬元的大額轉(zhuǎn)賬)等共 18 項(xiàng)動(dòng)態(tài)指標(biāo)，形成經(jīng)營主體經(jīng)營行為的時(shí)間序列模型，利用滑動(dòng)窗口算法檢測異常波動(dòng)。發(fā)現(xiàn)該零售戶平時(shí)周均訂單量只有 20 件左右，但突然增加到 85 件，其資金流動(dòng)、大額流水都與經(jīng)營業(yè)務(wù)不符，系統(tǒng)直接判定為“高風(fēng)險(xiǎn)”。

（3）風(fēng)險(xiǎn)畫像。采用 XGBoost 算法建立風(fēng)險(xiǎn)評分模型，結(jié)合基礎(chǔ)畫像(40%)、動(dòng)態(tài)畫像(50%)和歷史違法記錄(10%)自動(dòng)產(chǎn)生 0—100 分的風(fēng)險(xiǎn)值，將分?jǐn)?shù)大于等于 80 分設(shè)置成紅色預(yù)警，由相關(guān)人員 48 小時(shí)內(nèi)負(fù)責(zé)核查，將分?jǐn)?shù)在 60～79 分設(shè)置成黃色預(yù)警，作為每月的重點(diǎn)關(guān)注對象。比如 2023 年某某零售戶就是由于該戶連續(xù) 3 個(gè)月風(fēng)險(xiǎn)評分為 85 分以上，經(jīng)過排查后發(fā)現(xiàn)其真實(shí)情況是為假煙分銷窩點(diǎn)，在此窩點(diǎn)查獲假煙 2.3 萬條，其假煙銷售金額達(dá)到了每月銷假率超過 50 萬元。

物流追蹤數(shù)據(jù)庫。全鏈路包裹溯源技術(shù)突破通過對接 17 家主要的快遞企業(yè)的數(shù)據(jù)接口、處理日均約 1200 萬條的運(yùn)單信息、建立“包裹 - 網(wǎng)點(diǎn) - 分撥中心 - 發(fā)件人”的逆向追溯模型以及實(shí)現(xiàn)在全國范圍內(nèi)使用單碼進(jìn)行“一碼溯源”。

（1）OCR 智能識別?；?PaddleOCR 深度學(xué)習(xí)框架分析運(yùn)單圖片，經(jīng)過對帶字運(yùn)單的手寫體、模糊字體等做數(shù)據(jù)增強(qiáng)的訓(xùn)練后，可得到正確率高達(dá) 98%的字段識別，從而能夠自動(dòng)把運(yùn)單信息轉(zhuǎn)為文字并提取出來（收件人、發(fā)件人、貨物名稱、重量、體積等 21 項(xiàng)），提高人工效率達(dá) 10 倍以上。

（2）運(yùn)單號關(guān)聯(lián)分析。運(yùn)用圖數(shù)據(jù)庫將運(yùn)單號與中轉(zhuǎn)網(wǎng)點(diǎn)、運(yùn)輸車輛和收件地址等關(guān)聯(lián)起來建立運(yùn)輸網(wǎng)絡(luò)圖譜。某起案件中，發(fā)現(xiàn)存在 30 天以內(nèi)同名發(fā)件人向 12 個(gè)不同虛假收件地址寄送 12 包、包裹合計(jì)僅以 2.5～3.5kg（系假煙常見包裝重量）的可疑物郵作為一次貨運(yùn)業(yè)務(wù)量，并經(jīng)由該公司虛假收件地址累積下來形成的可疑運(yùn)單號被判定為“可疑發(fā)件人”。經(jīng)調(diào)查核實(shí)確認(rèn)為一個(gè)非法物流中轉(zhuǎn)站，并從其站點(diǎn)查處待運(yùn)輸假煙共計(jì) 58 萬包。

這個(gè)模型溯源準(zhǔn)確率達(dá)到 89%，把以往 72 小時(shí)的溯源人工耗時(shí)縮減到 2 小時(shí)，2023 年通過該模型協(xié)助破獲的物流環(huán)節(jié)案件數(shù)量占比達(dá)到整個(gè)案件數(shù)的 90%，是查獲運(yùn)輸物流的一個(gè)強(qiáng)有力的“千里眼”。

三、智能研判技術(shù)應(yīng)用

（一）AI 驅(qū)動(dòng)的情報(bào)分析模型

時(shí)空碰撞算法：多維度軌跡關(guān)聯(lián)識別融合涉案人員手機(jī)信令的日均 3000 萬個(gè)定位點(diǎn)、物流車輛的 GPS 軌跡及資金交易的時(shí)間空間戳，形成“人、車、錢”的三維時(shí)空碰撞模型，實(shí)現(xiàn)軌跡交叉分析。

（1）軌跡匹配。采用 DTW 算法計(jì)算軌跡與線路的相似度，在相同算法條件下當(dāng)相似度≥0.75 時(shí)認(rèn)為二者“軌跡重合”，識別準(zhǔn)確率達(dá)到 92%。某邊境專案顯示，在某一時(shí)間段內(nèi)三名涉案人員的軌跡分別與五輛車物流車輛軌跡產(chǎn)生三處重合區(qū)域均位于邊境無人區(qū)內(nèi)并觸發(fā)一級最高級預(yù)警。

（2）時(shí)空關(guān)聯(lián)。所謂“時(shí)空碰撞”是指當(dāng)人的位置、車輛的?？课恢没蛸Y金交易地的時(shí)間及距離間隔在 1 小時(shí)以內(nèi)，且距離不超過 500 米。2023 年發(fā)生的一起走私案，采用這個(gè)辦法共鎖定了 3 處中轉(zhuǎn)倉庫，查扣走私卷煙 15 萬條，案值超過 8000 萬元，比以前人工的方式查得快 6 倍。

知識圖譜構(gòu)建。五維關(guān)聯(lián)網(wǎng)絡(luò)可視化運(yùn)用 Neo4j 圖數(shù)據(jù)庫構(gòu)建“人員 - 物品 - 事件 - 地點(diǎn) - 時(shí)間”五維關(guān)聯(lián)圖譜，實(shí)現(xiàn)案件要素的可視化關(guān)聯(lián)分析，形成犯罪網(wǎng)絡(luò)“全景圖”。

（1）節(jié)點(diǎn)屬性。人員節(jié)點(diǎn)存放人員的信息，包括是否為違法犯罪人員以及以前是否有過涉案的歷史；物品節(jié)點(diǎn)包括假煙的品牌、制假設(shè)備(如：制假設(shè)備有無報(bào)關(guān)手續(xù)、產(chǎn)地是哪里)；事件節(jié)點(diǎn)主要包括交易的時(shí)間、手段和涉案金額；地點(diǎn)節(jié)點(diǎn)經(jīng)緯度、區(qū)域類型(如：倉庫或者零售點(diǎn)等)；時(shí)間點(diǎn)要具體到分。

（2）關(guān)系建模。通過“參與”“運(yùn)輸”“交易”“生產(chǎn)”等 12 種關(guān)系邊，清晰呈現(xiàn)犯罪網(wǎng)絡(luò)結(jié)構(gòu)。某跨區(qū)域案件中，圖譜顯示某物流司機(jī)（人員節(jié)點(diǎn)）與 3 個(gè)假煙窩點(diǎn)（地點(diǎn)節(jié)點(diǎn)）存在“每日 3 次運(yùn)輸”關(guān)聯(lián)，且運(yùn)輸車輛（物品節(jié)點(diǎn)）與案件（事件節(jié)點(diǎn)）的作案工具匹配，迅速鎖定其為關(guān)鍵鏈條節(jié)點(diǎn)，為全鏈條打擊提供突破口。

（二）區(qū)塊鏈存證技術(shù)應(yīng)用

電子證據(jù)全流程固化利用 Hyperledger Fabric 構(gòu)建移動(dòng)端存證 APP，把現(xiàn)場證據(jù)做到“采集即上鏈”，杜絕電子證據(jù)被篡改以及取證難的問題。

（1）證據(jù)采集。執(zhí)法人員使用 APP 拍攝的現(xiàn)場照片和錄制的音視頻以及采集的語音，在 App 里自動(dòng)生成時(shí)間戳(精確到毫秒)、地點(diǎn)(經(jīng)度緯度誤差≤5 米)及執(zhí)行人的信息，形成為經(jīng)辦行政案件使用的關(guān)鍵證據(jù)元數(shù)據(jù)。

（2）上鏈固化。運(yùn)用 SHA - 256 哈希對證據(jù)數(shù)據(jù)進(jìn)行加密，并通過共識機(jī)制發(fā)送到區(qū)塊鏈節(jié)點(diǎn)上，每個(gè)區(qū)塊都包含有本區(qū)塊的哈希值和上一個(gè)區(qū)塊的哈希值，而下一區(qū)塊需要采用上一個(gè)區(qū)塊的哈希值為輸入數(shù)據(jù)，則該證據(jù)上鏈形成了證據(jù)鏈，該證據(jù)鏈條不可篡改。以某行政訴訟案為例，在使用區(qū)塊鏈存證后，該院接收證據(jù)并認(rèn)定的時(shí)間從以前的兩周減為四天，司法采信效率提高了七成多，當(dāng)天立案的 16 件新收案件采用該方式實(shí)現(xiàn)全覆蓋。

四、實(shí)戰(zhàn)場景應(yīng)用案例

（一）“蜂群式” 定向打擊模式、跨區(qū)域協(xié)同作戰(zhàn)典范案例背景

按照 2023 年浙閩兩地?zé)煵莶块T對數(shù)據(jù)的研判，某物流園區(qū)有大量單日異常包裹的流動(dòng)量，每天都要達(dá)到正常情況下的 3 倍以上，且出現(xiàn)一批大量密集流入這一物流園的異常包裹，并且總重集中于 2.5—3.5kg 左右。再結(jié)合資金流進(jìn)行比對，確定有 6 個(gè)“小額多頻”收款賬戶，單日超過 200 筆的收款，且單筆都是 500—1000 元，該地很可能存在跨區(qū)域的假煙網(wǎng)絡(luò)。

實(shí)施過程。一是可疑包裹篩查?；谖锪髯粉檾?shù)據(jù)庫篩選分析了近 1.2 萬件可疑包裹，采取重定量匹配（重 2.5～3.5kg）和地址量化匹配（收件地址均是便利店、雜貨鋪等）、和發(fā)件人判定（3 個(gè)發(fā)件人配 12 個(gè)虛假地址），將目標(biāo)包裹鎖定到 8700 個(gè)，降查范圍到 75 個(gè)網(wǎng)點(diǎn)。 二是資金鏈穿透分析。反洗錢系統(tǒng)分析顯示，收款賬戶的資金被經(jīng)過了 5 層虛擬貨幣混幣器洗白之后，流向了某境外交易所，我們通過區(qū)塊鏈瀏覽器追蹤資金流向，發(fā)現(xiàn)了接收洗白過來的資金的核心賬戶有 3 個(gè)，以及對應(yīng)的操盤手，也就是該貿(mào)易公司的法定代表人。三是同步收網(wǎng)行動(dòng)。組建三省五市聯(lián)合指揮中心，采用 LBS 圍欄方式，對 12 個(gè)重點(diǎn)目標(biāo)(2 個(gè)生產(chǎn)窩點(diǎn)、5 個(gè)中轉(zhuǎn)站、5 個(gè)零售終端)施行半徑 500 米動(dòng)態(tài)巡查管控，并安排無人機(jī)空中巡邏、地面警力布控；依靠可視化指揮平臺，多部門行動(dòng)時(shí)差控制在 15 分鐘之內(nèi)，確保了全市 18 個(gè)行動(dòng)小組同步收網(wǎng)。

實(shí)戰(zhàn)成效。這次行動(dòng)查獲假煙 38 萬條，案值 2 億以上，摧毀生產(chǎn)窩點(diǎn) 2 處，搗毀物流中轉(zhuǎn)站 5 處，搗毀銷售終端 17 處，抓獲犯罪嫌疑人 23 名，從線索發(fā)現(xiàn)到收網(wǎng)僅用了 14 天時(shí)間，比以往傳統(tǒng)的跨區(qū)域案件整整少用時(shí)了 36 天。實(shí)現(xiàn)了對整個(gè)犯罪鏈條的“全環(huán)節(jié)斬?cái)唷薄?/p>

（二）涉煙輿情監(jiān)測系統(tǒng)，網(wǎng)絡(luò)空間精準(zhǔn)預(yù)警技術(shù)架構(gòu)

借助 NLP 技術(shù)來建立暗語識別模型，完成涉煙暗語“精準(zhǔn)捕捉”的三個(gè)主要工作流程如下：

詞庫建設(shè)。收錄“茶葉桶”“電子禮盒”“外貿(mào)原單”等 132 種涉煙暗語，利用 Word2Vec 進(jìn)行詞向量訓(xùn)練，借助于語義相關(guān)、上下文文意相關(guān)性進(jìn)行動(dòng)態(tài)增詞，并補(bǔ)充 2023 年新出現(xiàn)的“國賓禮品”“定制茶禮”等新型涉煙暗語 23 條。

語義分析：使用 BERT 預(yù)訓(xùn)練模型去識別文檔中存在的一些潛藏的相關(guān)性，“量大從優(yōu)，支持批發(fā)”與“非煙草制品”關(guān)聯(lián)在一起，用注意力機(jī)制辨別是否屬于疑似售假信息，并且準(zhǔn)確率達(dá)到了 91%。

實(shí)時(shí)監(jiān)測。對接抖音、微信、快手等各平臺 API 接入，每日加工處理上萬條社交信息；建立三級預(yù)警模式（紅、黃、藍(lán)），紅色預(yù)警信息發(fā)布后 1 小時(shí)內(nèi)響應(yīng)處理。

應(yīng)用成果。今年第一季度，核查到新型的暗語“茶煙套裝”、“外貿(mào)尾貨香煙”，確認(rèn)是掩護(hù)走私煙銷售的話術(shù)，具體查獲 37 個(gè)涉煙抖音賬號和 21 條涉煙微信朋友圈。從“線索研判 - 證據(jù)固定 - 聯(lián)合查處”全流程 72 小時(shí)之內(nèi)，就實(shí)現(xiàn)賬號封停、線下查處，堵塞了網(wǎng)絡(luò)上涉及的 21 條銷售途徑，牽涉到了 5 萬余名潛在消費(fèi)者，并將潛在消費(fèi)者的卷煙需求也進(jìn)行了徹底的遏制，實(shí)現(xiàn)了對網(wǎng)絡(luò)售假的“早發(fā)現(xiàn)、早打擊、早阻斷”。

五、實(shí)施建議與展望

（一）人才梯隊(duì)建設(shè)：打造專業(yè)化情報(bào)隊(duì)伍

打造“分析師資格認(rèn)證體系”，開展三級分析師人才培養(yǎng)，在人才培養(yǎng)上建立起“金字塔型”的能力結(jié)構(gòu)。

初級分析師（數(shù)據(jù)工程師）。要會(huì)做數(shù)據(jù)清洗（用 Python Pandas）、會(huì)做報(bào)表可視化工具（Tableau）、會(huì)做數(shù)據(jù)庫（會(huì) SQL）。崗位職責(zé)：開展基礎(chǔ)數(shù)據(jù)處理、報(bào)表生成工作。達(dá)到國家局初級數(shù)據(jù)分析師認(rèn)證（通過率為 65％）。

中級分析師（算法工程師）。熟悉 Python/R 編程，熟悉機(jī)器學(xué)習(xí)（隨機(jī)森林、LSTM）、熟悉圖數(shù)據(jù)庫（Neo4j）操作；能獨(dú)立完成模型訓(xùn)練以及情報(bào)分析相關(guān)工作；要求具有 3 年以上項(xiàng)目實(shí)戰(zhàn)經(jīng)驗(yàn)，獲得中級(機(jī)率小于 40%)認(rèn)證者優(yōu)先。

高級分析師（情報(bào)專家）。具備戰(zhàn)略研判能力，在大要案處置方面能夠組織跨部門、跨系統(tǒng)聯(lián)合研判和布控指揮；同時(shí)要親自參研并經(jīng)手過 10 起以上的大要案，并取得通過率僅為 20% 的高級認(rèn)證。

根據(jù)指導(dǎo)意見，建議省級研判中心配備 1.5 人/百萬人口的專業(yè)人員，并要求在 2025 年底前達(dá)到每個(gè)省份至少有 20 名高級分析師，50 名中級分析師的人才儲備量，在此基礎(chǔ)上經(jīng)常性地組織開展數(shù)據(jù)建模大賽、案例復(fù)盤研討會(huì)等業(yè)務(wù)，每年要組織不低于 4 次，來不斷地鍛煉和提升團(tuán)隊(duì)的實(shí)戰(zhàn)能力，把研判中心培育成為“懂業(yè)務(wù)、精技術(shù)、會(huì)研判”的團(tuán)隊(duì)。

（二）技術(shù)迭代方向：前沿技術(shù)融合創(chuàng)新

涉煙犯罪預(yù)測模型。采用 LSTM 時(shí)間序列法，將過去 3 年以上的全部案件數(shù)據(jù)、節(jié)日影響因素（節(jié)假日期間）等 12 項(xiàng)因素為輸入項(xiàng)預(yù)測未來 3—6 個(gè)月作案高發(fā)區(qū)和作案手法，同時(shí)實(shí)驗(yàn)發(fā)現(xiàn)該模型應(yīng)用于 2024 年的測試集（“春節(jié)前物流環(huán)節(jié)案件”）的預(yù)測準(zhǔn)確率達(dá)到了 82%，并據(jù)此提出了針對性的節(jié)日重點(diǎn)時(shí)期、提前專項(xiàng)檢查的相關(guān)性措施建議。

元宇宙技術(shù)應(yīng)用。建設(shè)虛擬倉庫和物流園區(qū)的數(shù)字孿生模型，運(yùn)用 Unity3D 技術(shù)實(shí)現(xiàn)以 1:1 場景還原，利用 VR 設(shè)備進(jìn)入虛擬場景開展案發(fā)情景模式還原或刑事偵查方案推演，例如虛擬倉庫內(nèi)不同布控點(diǎn)位或不同人員路線設(shè)置下對隱蔽性犯罪的識別效果檢驗(yàn)，據(jù)此確定最佳的攝像頭點(diǎn)位及人員行進(jìn)路線，盡可能發(fā)揮和提升其發(fā)現(xiàn)隱蔽性犯罪的作用，預(yù)計(jì)于 2025 年前建成第一批應(yīng)用場景試點(diǎn)。

（三）制度保障措施

數(shù)據(jù)安全與合規(guī)管理出臺《涉煙數(shù)據(jù)安全管理辦法》，分級分類，構(gòu)筑“數(shù)據(jù)安全防護(hù)網(wǎng)”。

一級數(shù)據(jù)（核心敏感數(shù)據(jù)）。包括個(gè)人信息、銀行賬戶、密鑰、密談的聊天記錄等內(nèi)容都做到“數(shù)據(jù)不出域”進(jìn)行聯(lián)邦學(xué)習(xí)，并且杜絕明文傳輸?shù)那闆r，同時(shí)使用指紋加動(dòng)態(tài)口令進(jìn)行二次認(rèn)證的方式才能被訪問。

二級數(shù)據(jù)（重要業(yè)務(wù)數(shù)據(jù)）。對于包含有物流面單、電子煙 IMEI、市場主體信息等這些敏感的信息，在實(shí)施脫敏操作之后才能夠被調(diào)用或者看到相關(guān)信息，而且需要經(jīng)過部門負(fù)責(zé)人的審批后才能夠開展查看工作。

三級數(shù)據(jù)（一般業(yè)務(wù)數(shù)據(jù)）。包含輿情公開以及案件統(tǒng)計(jì)報(bào)表，設(shè)定角色權(quán)限（只有縣級局能查本局?jǐn)?shù)據(jù)），記錄操作日志（保留五年）。

四級數(shù)據(jù)（共享數(shù)據(jù)）。包含行業(yè)報(bào)告，政策文件，開放的基礎(chǔ)查詢，支撐業(yè)務(wù)分析，不用審批登記使用用途。

制定數(shù)據(jù)泄露應(yīng)急預(yù)案，在發(fā)生數(shù)據(jù)泄密后按“監(jiān)測發(fā)現(xiàn)（10 分鐘內(nèi)報(bào)警）- 風(fēng)險(xiǎn)評估（30 分鐘內(nèi)定級）- 處置修復(fù)（2 小時(shí)內(nèi)止損）- 復(fù)盤改進(jìn)（24 小時(shí)內(nèi)報(bào)告）”工作流程進(jìn)行應(yīng)急處置，組織開展應(yīng)急演練 3 次，實(shí)現(xiàn) 2023 年數(shù)據(jù)安全事件應(yīng)急響應(yīng)效率提高 50%。

結(jié)論：

涉煙情報(bào)數(shù)據(jù)實(shí)戰(zhàn)應(yīng)用已經(jīng)成為一線實(shí)戰(zhàn)的重要武器，已經(jīng)形成“數(shù)據(jù)生態(tài)＋智能研判＋精準(zhǔn)打擊”的新模式，實(shí)現(xiàn)了從被動(dòng)響應(yīng)到主動(dòng)出擊的轉(zhuǎn)變；其中，公安部 110 部試點(diǎn)工作在 2018 年以來取得較為良好的試點(diǎn)效果，情報(bào)響應(yīng)快（60%以上）、案件偵破周期短（40%－50%）均取得了良好的試點(diǎn)成效，為推動(dòng)全國立體化大情報(bào)工作提供了寶貴的思路和可參考的方向。

借助技術(shù)賦能，借助不斷發(fā)展的 AI 技術(shù)，不斷完善數(shù)據(jù)治理體系，努力克服多源數(shù)據(jù)融合效率低、模型泛化能力差等難題；將 AI 技術(shù)與業(yè)務(wù)場景深度融合，進(jìn)一步實(shí)現(xiàn)由“事后打擊”到“事前預(yù)防”的突破；進(jìn)一步加強(qiáng)跨部門協(xié)同工作機(jī)制創(chuàng)新，構(gòu)建起“數(shù)據(jù)共享、線索共研、打擊共通”的大監(jiān)管格局。最終形成“數(shù)據(jù)感知 - 智能研判 - 精準(zhǔn)處置 - 效能評估”全鏈條閉環(huán)，并利用大數(shù)據(jù)助推監(jiān)管現(xiàn)代化發(fā)展，幫助筑牢煙草市場秩序、保障國家稅收和維護(hù)消費(fèi)者利益的安全網(wǎng)，在新時(shí)代背景下凸顯數(shù)據(jù)監(jiān)管的絕對核心價(jià)值。

參考文獻(xiàn)：

[1]國家局. 2022 年全國煙草專賣管理報(bào)告 [R]. 北京：國家煙草專賣局，2023.

[2]陳慶，王磊，李洋?；谥R圖譜的涉煙犯罪情報(bào)分析研究 [J]. 情報(bào)雜志，2022 (5): 45 - 51.

[3]李航。統(tǒng)計(jì)學(xué)習(xí)方法 [M]. 北京：清華大學(xué)出版社，2019.

[4]中國信通院。區(qū)塊鏈白皮書（2023 年）[Z]. 北京：中國信息通信研究院，2023.

[5]陳兵.AI 時(shí)代，如何打破“數(shù)據(jù)孤島”釋放數(shù)據(jù)效能？[EB/OL].http://m.toutiao.com/group/7372801028347019815/, 2024 - 05 - 25.