大數據警務風險及其規制

李金鋒，陳如超

（西南政法大學，重慶 401120）

警務是維護社會治安秩序的一系列制度、機制、程序和方法 。根據《人民警察法》第1 條和第2 條規定，公安機關要通過預防、制止和懲治違法犯罪活動，來維護社會治安秩序。該法第6條第2 款和第3 款規定，公安機關肩負有“預防、制止和偵查違法犯罪活動”“制止危害社會治安秩序的行為”等職責。治安問題是對社會治安秩序造成或可能造成威脅和破壞的問題。①關于治安問題的界定，學界尚未達成統一的認識，現有“危害說”“規范說”“混合說”“實體說”四種論說。倡導“危害說”的學者認為，治安問題是對社會秩序造成破壞的行為，具有社會危害性。參見：金其高.中國社會治安防控［M］.北京：中國方正出版社，2004：22。倡導“規范說”的學者們認為，治安問題是違反法規范的行為，具有形式違法性。參見：梁立棟.治安管理學基礎理論教程［M］.北京：群眾出版社，199：62；馮鎖柱，鄒鐵力.治安論［M］.北京：群眾出版社，2005：16-50；李健和.治安學原理［M］.北京：中國人民公安大學出版社，2013：63；等。倡導“混合說”的學者們認為，治安問題具有形式違法性和社會危害性雙重特性。參見：楊瑞清.治安管理學通論［M］.南昌：江西人民出版社，2006：71；李曉明，何星.論“社會治安問題”的內涵［J］.法治研究，2012（2）：38-43；等。倡導“實體說”的學者們認為，治安問題是治安實體當中的一部分，治安實體是治安秩序的載體。治安實體有廣義和狹義之分：廣義的治安實體是指與治安危害緊密相關的客觀實在，既包括具有或可能具有治安危害的客觀實在，也包括預防、管理具有或可能具有治安危害的客觀實在，即治安實體不僅包括被管理的治安客體的外在物質形式，也包括治安主體和治安規范的外在物質形式；狹義的治安實體，僅僅是指具有或可能具有治安危害的客觀實在。參見：宮志剛.秩序：治安學的邏輯起點［J］.中國人民公安大學學報（社會科學版），2008（5）：107-111；陳涌清，王睒睒.治安實體研究——兼論治安秩序的形成［J］.凈月學刊，2015（3）：76-84；宮志剛、王彩元.治安學導論［M］.北京：中國人民公安大學出版社，2018：94-100；等。學者們的觀點雖然并不一致，但都認可治安問題應指向對社會治安秩序的威脅或破壞。從實踐情況來看，治安問題具有雙重性，既包括違反治安管理類法規和刑法的行為，①從狹義層面來講，一般違法行為主要指違反治安管理行為；從廣義層面來講，違法行為還包括犯罪行為。我國實行違法和犯罪二元制立法模式，二元制立法模式導致公安機關肩負刑事偵查和治安案件查處的雙重職責。參見：張澤濤.論公安偵查權與行政權的銜接［J］.中國社會科學，2019（10）：160-183；鄭新，高文英.違反治安管理行為與犯罪行為銜接問題的立法完善［J］.中國人民公安大學學報（社會科學版），2017，33（6）：68-78；等。又包括治安類法規和刑法未規定的客觀存在的危害社會治安秩序的行為，②治安問題的二重性表明，實踐中治安問題既具有規范性，又具有一定的社會性，警務活動既應防控具有形式違法性的造成或可能造成威脅和破壞的問題，又要防控不具有形式違法性但具有社會危害性的問題。參見：王瑞山.論治安問題研究在治安學中的措置［J］.中國人民公安大學學報（社會科學版），2018，34（1）：138-144.例如，未達到刑責年齡青少年所實施的危害性等同于違法犯罪的行為。警務運行必須聚焦的一個核心主題是如何對治安問題進行有效防控，以切實維護社會治安秩序。有效警務應能在治安問題發生的初端、中端和末端等三階段生成警務生產力，在問題發生的初端進行有效感知，在問題發生的中端進行有效預防，在問題發生的末端進行有效預警和處置，從而形成一種三階段四層面的有機防控體系。如果警務主體在某一個階段無法對治安問題形成有效防控，治安問題很有可能向下一個階段發展演變，從而對社會治安秩序造成威脅或破壞。有效防控要求警務主體在回應速度上能匹配甚至超前于治安問題的發生速度，在回應能力上能夠對治安問題進行有效預防和處置。③為對治安問題形成有效防控，強化社會治安秩序維護，中央和地方對警務實踐進行了總體設計和系列部署。中央層面出臺了很多相關文件，比如1991 年《中共中央國務院關于加強社會治安綜合治理的決定》，強調要運用政治、經濟、行政、法律、文化、教育等多種手段預防和打擊犯罪；2001 年中共中央、國務院出臺《關于進一步加強社會治安綜合治理的意見》，強調對社會治安實行動態管理，建立快速反應機制，加強對社會面的控制，堵塞違法犯罪漏洞；2015 年中共中央辦公廳、國務辦公廳印發《關于加強社會治安防控體系建設的意見》提出，要創新立體化社會治安防控體系，依法嚴密防范和懲治各類違法犯罪活動等。地方層面則進行了相應規劃和落實。比如，上海市公安局加快推進更高水平平安建設，不斷強化社會治安整體防控。參見：上海創新機制織密社會治安防控網［EB/OL］.中華人民共和國公安部官網（2022-12-30）［2023-04-30］https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841055/c8812741/content.html.；溫州公安深入實施“源、融、親”三型警務，著力打造“最嚴社會治安管理區域、最優警民和諧生態、最有影響‘三能’警隊”。參見：溫州：織密立體化社會治安防控體系網絡［N］.法制日報，2022-10-1（04）；江蘇省公安廳堅持問題導向、創新驅動，實行整體設計、項目推進，建立健全全時空控制、點線面結合、打防管控相銜接的立體化信息化社會治安防控體系。參見：山東高標準細措施構建立體化治安防控格局［N］.法制日報，2021-7-21（03）等。

一、傳統人力警務已不能對數字時代的高風險治安問題形成有效防控

不同時代的治安問題不同，所對應的警務模式有所區別。工業時代的治安問題屬于單一型，以盜竊、搶劫、故意傷害等傳統治安問題為主。與單一型治安問題所對應的警務模式是傳統人力警務。傳統人力警務主要依靠警察、民眾等人力來實現對治安問題的感知、預防和處置，相關的制度、機制、程序和方法設計也都圍繞人力執行展開。比如民警依靠線人、治安積極分子等來收集案件情報。囿于人力的不可集約性、智識有限性和非經濟性，傳統人力警務對治安問題的感知是一種有限感知，基于有限感知而產生模糊預防和碎片預警，這導致傳統人力警務的預防功能整體受限。比如，社區民警主要通過標準化的預防性控制來防止重點人口再次實施違法犯罪，但是對重點人口再次實施違法犯罪的概率有多高，以及何時會實施違法犯罪等問題，社區民警無法進行事先預測和精確預警，對重點人口的預防性控制多是基于經驗而進行的一種模糊性干預，預防的科學性和準確性不高。

良好的警務模式應能對治安問題形成有效防控。與預防功能相比，傳統人力警務的打擊功能比較強大，它將大量警務資源傾斜投放到了違法犯罪打擊上，主要體現在偵查民警待遇更高、偵查裝備更為先進、偵查人員晉升空間更大等方面。警務資源的傾斜投放，讓傳統人力警務的偵查能力遠高于預防能力，打擊功能更為凸顯。但傳統人力警務以經驗為驅動，與預防功能相似，其打擊功能的整體效能受限。不過，囿于傳統單一型治安問題的整體危害性有限，在黨委領導和政府主導下，傳統人力警務依靠強大的組織化調控［1］，能夠對工業時代單一型治安問題形成有效防控，確保治安問題在一種穩定可控的層面內運行?？傮w來講，傳統人力警務重打擊輕預防，是以打擊為中心的“事件—回應”被動型控制警務。①關于傳統警務屬于一種以打擊為中心的被動型控制警務的論述，參見：王忠敏.構建現代警務模式，提升警務工作效能——臨安公安“一平臺五中心”警務機制改革的探索與實踐［J］.浙江警察學院學報，2022（1）：113-117；張玲，姚添，王禹淋.我國現代警務機制改革的價值取向、演進邏輯與路徑選擇［J］.中國人民公安大學學報（社會科學版），2021，37（6）：97-106；王琛，周彬.大數據時代的警務模式改革［J］.中國人民公安大學學報（社會科學版），2018，34（4）：56-68；王懂懂.智能警務：大數據3.0 時代之現代警務運行模式思考［J］.北京警察學院學報，2018（1）：76-82；薛向君.當代美國警務理念與模式創新［J］.中國人民公安大學學報（社會科學版），2017，33（1）：81-90；阮奕茜.現代警務機制轉型芻議——“漳州110”的實踐啟示［J］.道路交通管理，2017（2）：36-38；邱雅嫻.犯罪預防設計：現代警務發展的必然選擇［J］.犯罪研究，2018（2）：7-15；張躍進.從傳統警務走向現代警務［J］.江蘇警官學院學報，2007（5）：138-144；等.以經驗驅動為支撐，傳統人力警務著力于案件發生后的回溯性偵查，是一種鮮明的工業時代社會控制模式（如圖1 所示）。

圖1 人力警務對傳統單一型治安問題有效防控運行邏輯樣態

隨著數字時代的到來，人類進入到真正的高風險社會。高度時空壓縮導致風險呈現出模糊性、多樣性、交織性、聯動性等樣態，社會治安問題由此發生了結構性變化：從傳統單一型治安問題轉變成傳統問題和現代問題共存的復合型治安問題?，F代治安問題的出現給傳統人力警務模式帶來了巨大挑戰。工業時代，人群多居住于城市空間，治安問題也多發生在城市空間；數字時代，網絡已成為民眾主要生活空間，網絡平臺成為人們日常消費、娛樂甚至是工作的社會交往場所，社會空間由物理一元轉向物理/電子二元［2］，網絡技術也被違法犯罪分子所利用，“技術已經成為生活的關鍵部分，它也成為了犯罪生活的一部分?！保?］“存儲的數據越多，有組織犯罪就越準備吞噬它?！保?］數字時代，風險和潛在自我威脅的釋放達到了前所未有的程度［5］。網絡空間形成了一條明顯的黑灰產業鏈條，②網絡犯罪產業鏈條分為上中下游。產業鏈上游提供技術工具，制作木馬病毒，通過網頁、郵件等形式“掛馬”，誘導用戶訪問下載并在用戶的電腦中種植木馬軟件，以此來獲取用戶電腦中的信息或者直接控制用戶的電腦；產業鏈中游將獲取的用戶賬號、密碼等信息通過數據平臺清洗后既可以用來盜取財產，也可以以用戶信息為對象直接轉賣獲利，而其控制的“僵尸網絡”在發動網絡攻擊時可以發揮巨大的作用。產業鏈的下游則以盜竊、詐騙等形式將獲取的數據變現。參見：新型網絡犯罪防不勝防，如何阻斷“黑灰產業鏈”？［EB/OL］.中央政法委中國長安網（2021-02-22）［2023-09-13］.http://www.chinapeace.gov.cn/chinapeace/c100007/2021-02/22/content_12453346.shtml.治安問題的發生重心從現實的城市空間轉移到虛擬的網絡空間。2015 年，我國犯罪拐點開始出現，以網絡為依托或利用網絡實施的新型違法犯罪總量急劇上升［6］，網絡犯罪占我國犯罪總量的 1/3，且呈不斷上升態勢［7］，數字時代的網絡吸引型犯罪特征逐漸顯現。

以網絡犯罪為代表的現代治安問題呈現出技術水平更高、隱蔽性更深、危害性更大、風險性更強等特征，傳統人力警務模式難以對其進行早期預測［8］，應對速度無法追趕現代治安問題的危害速度［9］，應對能力無法有效回應現代治安問題的智能化水平和復雜性程度［10］，事后監管離現代治安問題的距離又太遠［11］。同時，很多傳統治安問題也逐漸向網絡空間轉移，傳統治安問題的現代化轉向特征逐漸彰顯。傳統治安問題與現代治安問題交織共存，型構出數字時代的復合型治安問題，加劇了警務治理的難度，③數字時代，時空結構發生了變遷，社會“過程加速”和“結構加速”帶來多種安全風險交織疊加，傳統的“人員導向”安全防控機制運行成本變得越來越高，防控效果不僅難以在短時間內顯現，而且在人員甄別中還引發了一系列道德倫理問題。參見：姬艷濤.空間技術化：現代警務創新的時空邏輯［J］.公安學研究，2022，5（3）：44-65.國家正規強制機構所負擔的社會管制負荷成倍增加［12］，治安問題對財產的侵犯讓民眾的擔憂加深［13］，吉登斯所講的“失控社會”逐漸顯現。一般而言，國家權力介入的程度與防控對象的風險程度應成正比［14］。傳統人力警務重打擊輕預防的輕介入運行模式，已不能對數字時代的高風險治安問題形成有效防控，警務模式必須要向深介入的現代大數據警務轉變。

二、大數據警務防控高風險治安問題的四重結構轉型

與傳統人力警務相比，大數據警務利用技術賦能優勢，對復合型治安問題的回應程度更深，能夠在問題發生的初端、中端以及末端等三階段形成有效防控，①從實踐運行情況來看，有效防控要求大數據警務模式對治安問題能夠形成一種類似金融監管“穿透式”的感知和控制。金融領域的穿透式監管是落實監管強化并防范系統性風險的重要手段。監管只有具有穿透作用，才能及時有效感知、化解各種風險。參見：陳秋竹.金融監管規則介入司法裁判的合理性及其限度——基于穿透式監管對商事合同效力認定的影響［J］.南方金融，2021（3）：76-86；葉林，吳燁.金融市場的“穿透式”監管論綱［J］.法學，2017（12）：12-21；許戀天.互聯網金融“穿透式”監管研究［J］.金融監管研究，2019（3）：98-111；任怡多.金融科技穿透式監管的邏輯機理與制度構建［J］.蘇州大學學報（法學版），2022，9（2）：96-104；等。技術賦能讓警務主體能夠穿透遮蔽以窺視治安問題發生、演變的各個階段，警務主體的發現和處置能力更加強大，可以精準有力地開展各種防控措施。在初段感知、中端預防、末端預警和處置等層面產生四重結構轉型，生產出具有數字時代特點的三階段四層面有機防控體系。需要說明的是，社會控制不只是警察控制［15］。作為“數字看門人”［16］，以平臺企業為主的網絡服務提供者越來越重視投資網絡安全領域［17］。網絡服務提供者掌握有先進大數據技術，對平臺內違法違規行為進行快速感知、預警和處置［18］，“有用調查載體”的角色越來越突出［19］，網絡服務提供者被賦予了社會管理、犯罪控制、安全保障等職能，與公安機關共同擔負起防控治安問題的社會責任，以“平臺警務”為標志的第三方警務誕生［20］，大數據警務向“公私協作模式”深度發展［21］，有力助推了四重結構轉型的實現。

（一）第一重轉型：初端感知從有限感知轉向全面感知

感知的建立是所有管理活動包括應急管理的基礎［22］。萬物皆被記錄是大數據時代的底層運行結構。大數據技術通過記錄萬物，對治安要素可以進行接觸式的“定域性”精細解析，也可以進行非接觸式的“脫域化”精細解析［23］。人、車、地、物、組織等治安要素被高度解析后呈現出“顆?；焙汀叭ⅰ睜顟B［24］，單個治安要素的產生、發展、演變等生命過程從隱秘走向公開，治安要素的透明化程度大大增加，警務主體對治安要素的感知從有限感知邁向了全面感知。比如，對于電詐團伙利用網絡直播打賞洗錢，大數據警務可以對號商注冊打賞平臺賬號、被害人錢款到打賞賬號、幣商多級轉賣、主播公會以及粉絲購買代幣等資金流轉全過程進行感知，資金流轉過程呈現出一種透明的全息狀態。

從感知的渠道來講，大數據警務對治安要素感知主要有三種：一是警務主體利用自動識別感知技術和智能物理傳感器，對物理空間的數據進行感知，自動識別感知技術包括射頻技術、人臉識別、指紋識別、圖像識別、文字識別等，智能物理傳感器包括智能手表、智能手機、智能水表、智能電表等，形成規模后可以促成警務物聯網的產生；二是警務主體利用查詢擴展技術、文檔索引技術等網絡檢測技術，對電子空間的數據進行感知；三是網絡運營者通過接口技術、數據庫或日志采集、可信AI 等技術，對于平臺系統內的數據進行感知，比如螞蟻集團的智能風控能夠實現10 毫秒級的風險感知判定，平臺對數據進行感知后，要留存和保全相關數據，為警務執法提供技術支持。

（二）第二重轉型：中端預防從模糊預防轉向精確預防

為有效應對數字時代出現的高風險，最大程度減少復合型治安問題帶來的損失，警務活動必須從問題發生后的被動處置向問題發生前的主動預防邁進。預防比處罰更有價值。②預防比處罰成本更低，所帶來的社會效果更好，預防比處罰更有價值。參見：張葆葆.大數據時代下犯罪預測的應用與限制研究［J］.犯罪研究，2020（1）：16-23.要實現有效預防，警務主體應具有精準預測治安問題的能力。傳統警務所依賴的理論和技術多是一種模糊預測，基于模糊預測而開展的模糊預防很容易侵犯公民的合法權益。比如，當布拉頓基于破窗理論的模糊預防而對紐約市的一些低風險人群過度使用激進的強制手段時，市民給予了廣泛抱怨。大數據警務能夠利用算法對治安問題進行科學預測，從而推動預測警務的誕生。預測警務讓警務的預防模式從模糊預防邁向了精確預防。預測警務甚至可以實現對治安風險的預防，讓治安預防從問題預防提前到風險預防［25］。預測警務包括大數據預測和預測后的預防性控制兩個部分。從預測的具體對象來講，大數據預測包括三種類別：

一是對高危人員進行預測。高危人員是指有較高可能性會實施違法犯罪等治安問題的人員?！靶〔糠秩巳阂獙Υ蟛糠诌`法犯罪負責?！保?6］警務主體利用大數據技術對目標行為進行分析，研判其實施高危行為的概率，可以確定其是否屬于高危分子。比如，高危分子違法犯罪預測系統可以對重點人口進行同行分析、異常軌跡監測，根據積分模型確定其得分結果，然后給予紅黃橙綠四色不同級別預測。

二是對高危行為進行預測。高危行為是指較高可能會實施違法犯罪等治安問題的行為。對高危行為預測包括兩類：一類是對違法犯罪行為預測，警務主體通過對違法犯罪發生的規律，以及違法犯罪發生對周圍關聯物所帶來的影響，來預測犯罪走勢及結果［27］，比如蘇州公安利用PPS 犯罪預測系統，提供每日巡訪重點，進行針對性防范和打擊［28］；另一類是其他治安問題預測，即對治安事故、群體性事件進行預測，比如通過城市大腦對交通情況進行定時掃描和多維時空分析，預測交通擁堵地點，提前部署警力并進行車輛分流；對特定時空進行人流量實時檢測，預測人流量何時超過閾值，并提前做好警力安排，進行人流疏通，防止踩踏等事故發生。

三是對高?？臻g進行預測。高?？臻g預測主要集中于熱點時空預測。高?？臻g預測與西方興起的熱點警務密切相關［29］，犯罪的聚集性、穩定性及轉移性特征為預測熱點空間提供了理論基礎［30］。選取所要了解地區一定時間段內犯罪案件數據并進行清洗后，利用lasso 回歸分析來發現犯罪變量的顯著性，然后通過GIS 地理系統對犯罪地址進行編碼，確保犯罪數據和犯罪地址數據標準化，再將犯罪地址投射到地圖上，并根據犯罪密度不同對地圖進行染色，基于時序分析方法和機器學習技術，形成犯罪熱點時空變化圖，能夠對未來熱點地區進行預測［31］。

預測警務不單單是對目標對象的將來進行判定，還需要在預測后對高危分子、高危行為和高?？臻g進行預防性控制，以防止治安問題的發生。例如，美國阿爾罕布拉市警察局基于“PredPol”軟件進行犯罪預測并進行警務引導，2013 年1 月至2014 年1 月預測的犯罪類型下降了 20%［32］；匹茲堡警方建立了MAP 系統用以預測毒販的活動，能夠利用數據統計的結果識別犯罪模式，先發制人派遣警力［33］；北京市懷柔區公安局的犯罪預測系統，降低了發案率、提高了破案率［34］。

（三）第三重轉型：末端預警從碎片預警轉向系統預警

實踐中，一些治安問題的發生可能沒有經過治安風險轉化階段，或者治安風險向治安問題的演變發展速度過于迅速，或者治安問題的演變過程以及整體脈絡太過復雜，比如一些大型跨國網絡電信詐騙案件的發生和演變，傳統人力警務模式下警務主體不能及時發現和有效介入。大數據警務則能夠通過技術收集更充足的數據，對于某些具體案件可以收集全源數據。通過進行挖掘分析，大數據能夠對隱匿的治安問題進行自動發現，對演變過程以及整體脈絡比較復雜的治安問題進行系統畫像，推動治安問題的預警從碎片預警邁向了系統預警。從預警的方式角度來看，大數據警務預警包括以下兩種類型：

一類是關聯比對預警，即將感知到的目標信息與公安機關警務系統登記信息進行比對，符合標準的系統會自動觸網預警。比對預警分為同一性比對預警和異常性比對預警：同一性比對預警是指因感知信息與系統內登記的目標信息相同而預警，比如違法犯罪嫌疑人身份證號錄入公安機關登記系統后，一旦其出現住宿、網吧上網、乘坐飛機、出入境等行為，系統就會自動比對預警；異常性比對預警是指因感知信息與系統內登記信息不符而預警，比如出租房用水、電、氣量如果超出一般家庭使用情況，大數據系統會將其認定為群租房并進行預警；重點人口一旦長時間在中小學、幼兒園等重點區域附近逗留，系統會自動預警；陌生人員出現在小區3 次以上，大數據會推定其為小區內居住的流動人口，并將預警信息推送給社區民警，要求其進行落地核查。

另一類是行為算法預警，即通過聚類分析等大數據挖掘分析方法對違法犯罪行為進行建模，感知的行為一旦符合模塊化標準要求，大數據會進行自動預警。比如某公安局使用的異常行為技戰法，就是根據人體的動作、關節點的時空關系來進行算法判斷，兩個人如果膝肘掌腳等肢體關節變化超過2 秒不停的接觸，即判斷為異動，自動感知為打架、爭吵、追逐并進行預警；智慧交通系統根據車輛模型、運行軌跡以及是否通過檢測線等，通過大數據與AI 自學習分析，對運行流量、異常行駛、違規停車、交通事故等問題進行預警；利用警用地理信息系統和關系數據庫，通過離線流式計算，對套牌車輛進行大數據分析和預警；基于知識圖譜的網絡犯罪大數據關聯和社會網絡分析，可以從海量開源情報當中識別網絡犯罪嫌疑人［35］。

另外，從第三方警務角度來講，網絡服務提供者也會開展一些大數據預警行為?！毒W絡安全法》第47 條規定，網絡服務提供者應對平臺用戶發布的信息進行審查，發現有違法違規發布情況，應向有關主管部門報告。根據《刑法修正案（九）》的規定，網絡服務提供者如不履行法律、行政法規規定的信息網絡安全管理義務，可能面臨刑事處罰。平臺企業利用大數據技術，對平臺內出現的暴恐宣傳、違禁品售賣、意識形態滲透、黃賭毒等違法犯罪行為進行智能感知和預警［36］73-75。比如，螞蟻集團AI 語音機器人可以對50 多種電詐種類進行識別和預警，2022 年日均風險預警覆蓋率約50 萬人次［37］。

（四）第四重轉型：末端處置從經驗處置轉向科學處置

大數據警務下，人類和機器形成了一種結合共生關系［38］。大數據警務通過數據共享打破部門之間存在的信息壁壘，推動公安機關內部警務體制從部門制向大警種制變革，公安機關與其他警務主體之間也能夠基于合作開展數據共享。同時，大數據促使警務流程再造，形成了“情指行”一體化作戰，既能為警務主體決策提供情報，又能在特殊環境下實現自動化決策和自動化處置，警務處置從經驗處置邁向了科學處置。從處置的功能和作用來講，大數據警務科學處置主要包括以下三個方面：

一是通過挖掘提供決策依據。大數據技術能夠提供更全面更及時的感知信息，并通過數據碰撞、數據挖掘、嫌疑人畫像等技術分析治安問題運行規律，挖掘發現新的治安線索，為警務處置提供科學的決策依據，循證警務［39］、循數警務［40］、數據驅動型警務［41］等警務模式產生。比如，在波士頓馬拉松爆炸案中，美國中情局運用多重數據記錄，包括社交網站的照片和文字信息、移動基站的通信記錄、附近加油站、報攤的監控錄像等，綜合比對后最終鎖定嫌疑犯［42］。

二是依靠軟件實現在線管理。公安機關依托大數據技術實行在線處置，警務處置方式從“在場”處置轉向了“在線”處置，“在線”處置能夠更快更好地解決警務難題。比如，重慶某派出所創新了微信調解模式，使分處不同地域的矛盾糾紛雙方實現在線調解；四川眉山市運用“互聯網+”和大數據分析有效實施“8·31”工程，建立“吸毒人員服務管理平臺”“戒毒（康復）人員電子檔案”，開發“智能手機APP”，對吸毒人員實現有效管理。①該平臺分為人員管理、電子地圖、工作站管理、查詢統計、平臺管理和可視化六大部分，不僅能及時展現戒毒康復人員的地理位置，還能跟蹤外出軌跡，真正實現對全市12800 余名吸毒人員的“一網管控”。在外地的戒毒康復人員也可以進行遠程簽到、回傳吸毒檢測信息、實時提供動態視頻。同時，禁毒工作站、成員單位工作人員可運用該APP，實時進行家訪、談心、幫扶，回傳工作情況，對吸毒人員管控不再受時間空間限制。相關內容詳見：四川眉山公安借力“大數據”創新禁毒治理工作［EB/OL］.中華人民共和國公安部網（2018-05-18）［2023-09-18］.https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841055/c6127927/content.html.

三是利用技術實現自動處置。自動化決策對社會的影響越來越深刻［43］。對于比較簡單的治安問題，大數據系統可以根據算法進行自動化處置，解決警務主體無法到現場的難題，減少警務主體執法的成本。比如，“智慧交通”設備對行駛車輛進行電子抓拍，對識別的違規停車，系統可以自動化處罰；車主可以通過警務APP，查詢車輛違章情況，并在APP 內進行繳納罰款；電子身份證、電子駕駛證、電子居住證以及無犯罪記錄證明申辦都已實現自動化處置。

同時，作為公私協作的重要組成部分，互聯網服務提供者在其職責范圍內也會處置一些治安問題?；ヂ摼W服務提供者具有“積極道德義務”，主動承擔網絡生態系統內容審查和犯罪控制義務，防止成員在網絡平臺從事違法犯罪行為［36］71?；ヂ摼W服務提供者擁有監控、過濾敏感信息等權力，承擔了一部分公共職責［44］。比如，微博管理員依據《微博社區公約》《微博商業行為規范》對不良賬號進行禁言處置；字節跳動公司通過大數據智能監測和人員核查二元審查模式，每日對抖音平臺攔截違規信息10 億件［45］；支付寶智能風控首創了延時到賬功能，對警方初步認定的電詐交易進行凍結，警方一旦最終確認為電詐，資金轉賬就可以原路返回。

大數據警務還可以利用人工智能（AI）對網絡犯罪（AIC）進行“道德對抗攻擊”［46］，在初端感知、中端預防和末端預警處置等層面都展現出強勁的警務生產力（如圖2 所示）。警務模式從被動反應型警務轉向了主動預防型警務，對數字時代的復合型治安問題形成有效防控，備受公安機關的推崇。

圖2 大數據警務對復合型治安問題有效防控運行邏輯樣態

三、大數據警務防控高風險治安問題產生的全域治理風險

任何一種警務模式都隱含有二元面向：有效性面向和規范性面向。有效性面向,要求大數據警務的治安防控應能在“風險治理”上具有強效性；規范性面向，要求大數據警務所帶來的“治理風險”應盡可能降到最低。大數據警務強大的防控能力，使其能有效應對復合型治安問題所帶來的高風險，有效性面向所追求的“風險治理”目標基本得以實現；但大數據警務高強度防控所蘊含的超強高權，催生了彌散于治安問題防控各階段的全域“治理風險”，“治理風險”未降反升、點多線長面廣，成為懸掛在大數據警務之上的達摩克利斯之劍。

（一）初端風險：授權混亂和深采普采導致感知失度失范

大數據警務有效運行依賴較為廣泛的數據采集，但法律規范賦予公安機關采集數據的權力不足，公安機關無法采集到足以支撐大數據警務正常運行的數據資源。為了更有效治理復合型治安問題，個別地方公安機關實施了一些突破法規范設計的深采普采無差別采集行為，數據采集在形式與實質上產生了一定程度的背離。

一是對公安機關數據采集授權較為混亂。當前，授權公安機關數據采集的重要規范有如下幾種（如下頁表1 所示）。從表1 可以看出，多數法律規范對公安機關的數據采集權進行了二元限縮。其中，《個人信息保護法》對公安機關數據采集進行了“空間+目的”限縮，《反恐怖主義法》《公安機關辦理刑事案件程序規定》《公安機關辦理行政案件程序規定》等對公安機關數據采集進行了“種類+目的”限縮。但《公安派出所正規化建設規范》第18 條的規定，則對公安機關數據采集似乎進行了一種無限授權。根據該條規定，公安機關可以對轄區實有人口基本情況進行掌握和了解。不過，該規定內容比較抽象，沒有明確說明可以采集的人口基本情況數據包括哪些內容，而且該規范法律位階較低。從立法邏輯來講，作為下位法的《公安派出所正規化建設規范》與作為上位法的《個人信息保護法》等規范產生了一定沖突。除上述規范之外，公安機關內部也出臺了一些關于信息采集的規定，但都屬于內部規定，對外不具有法律效力。整體來講，當前法律規范授權較為混亂，上位法授予公安機關數據采集的權力較為有限。

表1 公安機關數據采集主要授權規范

二是警務數據無差別采集現象比較突出。實踐中，為實現對復合型治安問題的有效防控，一些地方的公安機關突破了上位法形式授權的約束，依靠大數據技術對數據進行了深采和普采，以能采盡采的方式對數據進行無差別采集。以采集主體來劃分，深采普采行為可以分為直接采集和間接采集兩種形式。公安機關對數據進行深采普采屬于直接采集。依照《公安派出所正規化建設規范》第18 條的授權，公安機關通過入戶調查走訪、私人監控設備介入等方式，對實有人口信息進行無差別數據采集。公安機關之外的其他主體對民眾數據的深采普采，屬于間接采集。一般來講，警務數據資源涉及企業數據、專業數據、行業數據和政務數據等多種數據類型［47］，很多數據是公安機關無權采集的。公安機關依照《公安機關辦理刑事案件程序規定》第61 條以及《關于辦理刑事案件收集提取和審查判斷電子數據若干問題的規定》第3 條等規定，①《公安機關辦理刑事案件程序規定》第61 條以及《關于辦理刑事案件收集提取和審查判斷電子數據若干問題的規定》第3 條都規定了公安機關在向有關單位和個人收集、調取證據時，有關單位和個人負有如實提供證據的“應當型”積極義務?！皯斝汀狈e極義務表明，有關單位和個人對數據的披露屬于強制披露?？梢砸筱y行、互聯網服務提供者等其他主體強制披露數據或解密數據，能夠采集到一般警務手段甚至是技術偵查手段所不能采集的數據。深采普采不可避免會侵犯民眾的隱私，比如現代公共監控設備可能會記錄并長期保存民眾私密數據［48］。

三是缺乏對抗數據無差別采集的結構力量。一方面，內在的結構設計制約淺層化，公安機關只需要辦案部門負責人批準，即可開具向第三方調證的通知書，②《公安機關辦理刑事案件程序規定》第62 條規定，公安機關向有關單位和個人調取證據，應當經辦案部門負責人批準?！豆矙C關辦理刑事案件電子數據取證規則》第41 條同樣規定，公安機關向有關單位和個人調取電子證據，應當經辦案部門負責人批準，開具《調取證據通知書》?？梢?，公安機關向第三方調證只需要辦案部門負責人批準即可?！缎淌略V訟法》第150 條規定，根據偵查犯罪的需要，經過嚴格的批準手續，可以采取技術偵查措施。 《數據安全法》第35 條規定，公安機關、國家安全機關因依法維護國家安全或者偵查犯罪的需要調取數據，應當按照國家有關規定，經過嚴格的批準手續?！豆矙C關辦理刑事案件程序規定》第265 條規定，公安機關需要采取技術偵查措施的，應當報請設區的市一級以上公安機關負責人批準?？梢钥闯?，對于技術偵查的審批主體層級要比向第三方調證高很多，這說明立法主體對技術偵查的重視程度要高于向第三方調證。這種低層次的內部審批比技術偵查的限制要寬容很多，所形成的實際制約力度不足。另一方面，外在的結構設計制約形式化。首先，第三方處于一種被動輸出者地位，網絡服務提供者等第三方原則上不能對抗公安機關，法律對第三方協助取證沒有限度規定，只要公安機關提供了調證等相關文件，第三方就必須提供所需數據，實踐中甚至出現了先協助取證后出具調證的反程序情況，第三方實際成為公安機關的警務助手；其次，民眾處于一種被動接受者地位，《民法典》第1034 條和《個人信息保護法》第2 條①《民法典》1034 條規定：自然人的個人信息受法律保護。個人信息是以電子或者其他方式記錄的能夠單獨或者與其他信息結合識別特定自然人的各種信息，包括自然人的姓名、出生日期、身份證件號碼、生物識別信息、住址、電話號碼、電子郵箱、健康信息、行蹤信息等。個人信息中的私密信息，適用有關隱私權的規定；沒有規定的，適用有關個人信息保護的規定?！秱€人信息保護法》第2 條規定：自然人的個人信息受法律保護，任何組織、個人不得侵害。等對個人信息保護規定沒有得到很好落實，主要體現為“告知＋私權抗辯”的缺失，日常狀態下大數據無感采集未對一般民眾設定告知程序，第三方協助取證采集案外第三人信息未對其進行事前或事后告知，民眾對自身信息被采集以及采集到何種程度并不知情，“剝奪了知情權就好像被搶奪了武器”［49］，知情權的缺失導致無法啟動否定權、刪除權等對抗數據采集的私權，私權對抗的形式化比較明顯；最后，檢察機關處于一種被動審查者地位，當前檢察機關對于公安機關調證監督屬于一種后置監督，公安機關調證不需要經過檢察機關事先批準，只有在移送起訴階段，調證數據和調證行為會隨卷宗一起進入到檢察機關視線，檢察機關才能進行事后審查，后置監督降低了審查效率，延緩了個人權益保護的及時性?？傮w來講，現階段警務數據采集屬于一種單向線性控制模式（如圖3 所示），針對數據采集權的對抗力量不足，對抗主體之間的連接斷裂，未形成有效的對抗合力。

圖3 警務數據采集領域的單向線性控制模式

（二）中端風險：雙重封閉和規范缺失導致預防失誤失據

警務活動本身具有極強的封閉性，算法也表現出一定的黑箱性，大數據警務呈現出雙重封閉特征。雙重封閉導致預防可能出現錯誤。同時，預防階段法規范的缺失實際上架空了預測警務，預測警務的預期達到的目的未能充分實現。

一是算法設計導致預防“兩偏”。大數據警務所依賴的算法多是非開源算法［50］，算法設計主要遵循“警方+技術提供方”二元封閉模式，即警方負責提出建設要求和提供相應數據，技術提供方則負責設計算法。在二元封閉設計過程中，算法元素必然會體現警方和技術提供方的價值觀，容易把犯罪高發地區以及特定身份人群打上高風險標簽［51］，特別是先前遭遇過“生存困境”的人，比如生活失意、心理失衡、家庭窮困、曾實施過違法犯罪等邊緣人群［52］。同時，警方采集的數據可能是臟數據或者是假數據。比如重點人口故意實施“去信息化”，外出時不攜帶手機等信息裝備，通過行為偽裝誘使數據采集產生錯誤。上述因素導致預防容易產生兩偏：偏差和偏見［53］。如果將過往的“生存困境”視為預測對象所遭遇的第一次傷害，預防偏差或偏見則會給預防對象帶來“二次傷害”，社會可能會基于預測警務帶來的標簽效應，減少或取消本應給予預測對象的利益供給和福利關照?！斑@些能預測我們可能生病、 拖欠還款和犯罪的算法會讓我們無法購買保險、無法貸款、甚至在實施犯罪前就被預先逮捕?！保?4］“二次傷害”可能讓預測對象“生存困境”更加嚴峻，從而加深了其向預測結果發展的可能性。因此，預測警務可能會產生自我實現預言的俄狄浦斯效應。②預測會產生自我實現的預言，還有另外一部分原因。預測某一區域是熱點空間之后，公安機關會投放更多的警力資源，與其他區域相比，公安機關在熱點空間更容易發現違法犯罪行為，從而證明熱點空間預測的準確性。但是，這種預測成功可能是因為警力資源投放更多引起的，并不能證明預測本身的科學性。

二是測不準產生侵犯性預防。大數據預測的基礎是認為人類有行為的連貫性，但是未來并不一定就是過去的延伸，人類行為不是簡單的機械運動，人類行為是一種自由意志的產物。大數據無法精準探視人的動機、自由意志等主觀精神［55］。同時，觀察者效應、霍桑效應等理論都表明，如果被測試者知道自己正在被預測，將會改變自己的行為，從而讓本來可能發生的預測結果不會發生。受數據有限性、人類認識的無知性等因素影響，大數據警務仍然會出現測不準問題［56］。另外，有學者認為，預測警務的準確性無法被證成［57］，也很難被證偽［58］。預測結果會出現“兩假”現象：假陽性現象和假陰性現象。①美國蘭德公司通過調研發現，預測警務具有數據依賴性，預測功能有限。一些犯罪學家認為，算法預測很少在監督下獨立而科學的進行，治安狀況的改善可能是多因素的結果，不一定是預測警務單一因素的結果。警察權所宣傳的良好預測犯罪效果不是依據系統的實證證據。2011 年起，洛杉磯警察局曾部署了“激光”（LASER）行動，以對特定地區的暴力犯罪分子和黑社會幫派進行預測，該局宣稱該項活動讓兇殺案平均每月減少22.6%。2019 年初洛杉磯警察局對“激光”行動進行了內部審查，發現預測軟件對拉美裔或非裔美國人占有很大歧視，判斷預測軟件“無法得出有意義的結論”，“激光”行動被迫結束。2020 年6 月，美國加利福尼亞州圣克魯斯縣認為預測警務對有色人種產生偏見，宣布禁用預測警務技術。參見：李皛.美國“預測性警務”的發展與困境（下）［J］.現代世界警察，2021（4）：50-55；馬克斯·普朗克研究所對斯圖加特當地警察局使用的 P R ECOBS 軟件進行了調查，認為該軟件能否為減少家庭入室盜竊活動做出貢獻仍然“難以判斷”。參見：魏怡然.預測性警務與歐盟數據保護法律框架：挑戰、規制和局限［J］.歐洲研究，2019，37（5）：86-102.假陽性現象指預測高風險區域犯罪發生率低，假陰性現象指預測低風險區域犯罪發生率高［59］?；阱e誤預測容易對“假陽性者”采取侵犯性預防（如圖4 所示），侵犯性預防是一種錯誤的預防性控制措施。

圖4 預測警務中侵犯性預防形成機理

三是預防性控制法律依據不足。根據控制手段是否對控制對象的權益形成限制，預防性控制可以分為任意型預防性控制和強制型預防性控制。任意型預防控制未對控制對象的權益形成限制，強制型預防性控制則相反?，F有法律規范對預防性控制的合法性授權供給不足，主要表現在兩個方面。一方面，對任意型預防性控制的法律規定不完善。這一點主要體現為高危分子的預防性控制法律授權不充分。任意型預防性控制的對象主要是高危分子，當前國家對于高危分子的認定屬于一種形式認定。根據《重點人口管理工作規定》和1999 年頒發的《關于將吸毒人員列為重點人口管理的通知》，高危分子主要局限于五類重點人口范疇。形式認定的表現就是對高危分子進行重點人口類型化設定，超出現有五類重點人口之外的其他人員，即便具有違法犯罪的高可能性，也不能成為高危分子；類型之內的人員，即便實施違法犯罪的概率很低，也屬于法律規定的高危分子。形式認定禁止對類型化之外的高危分子進行預防性控制，從而無法進行提前干預以有效阻止治安問題的發生。②劉金洋認為，應把問題青少年納入高危人員當中，參見：劉金洋.總體國家安全觀視域下涉治安不穩定人員的管控［J］.四川警察學院學報，2019，31（6）：18-23；王占軍把一些高危人員稱之為“類重點人口”，認為類重點人口包括行為已經觸犯治安管理法律規范、嚴重危害社會安全的曾經肇事肇禍的精神病人，已經表現出暴力傾向、病情不穩定且經專業精神衛生機構評估為高風險的精神病人，表現出暴力傾向但未造成危害的精神病人，已經觸犯法律但不符合刑罰處罰條件的青少年犯罪人員等，參見：王占軍.重點人口動態管控服務體系建構研究［J］.中國刑警學院學報，2018（2）：55-60；潘晶晶認為，情感失意、生活失落、心理失衡、行為失?！钡摹八氖藛T”實質上也構成高危人員，參見：潘晶晶.大數據背景下的重點人口管控問題研究［J］.遼寧警察學院學報，2020，22（3）：56-61.另一方面，對強制型預防性控制規定存在空白。數字時代網絡犯罪的行為速度和違法所得轉移速度等危害速度加快，要有效保障民眾利益不受損，警務主體回應速度就必須要能追得上網絡犯罪，甚至要超前于網絡犯罪，這就導致一些限制民眾權益的強制型預防性控制的出現，比如帶有強制色彩的預防性偵查措施出現。但是，《公安機關辦理刑事案件程序規定》第174條、《人民檢察院刑事訴訟規則》第551 條明確規定偵查機關立案前不得限制調查對象的人身、財產權益，強制型預防性控制尚缺乏有效生存的制度空間。

（三）末端風險：程序不足和責任不明導致處置失察失責

大數據警務屬于一種快速運轉的警務模式，基于傳統警務建立起來的執法程序回應和制約警察權的速度過慢，而且執法責任設定也與人機結合下的大數據警務不符，現有程序設計無法將大數據警務“關在籠子里”。主要體現在以下幾方面：

一是當事人對警務處置的權利制約不足?；谒惴ǖ拇髷祿詣踊幹檬且环N“非現場處置”的自動化機器執法［60］，機器執法讓執法關系從人與人之間的關系變成了機器與人之間的關系，警務主體從執法關系中隱匿、從執法現場中退出，當事人沒有陳述和辯解的對象及空間［61］63。在民眾看來，警察“在場”下的直接溝通至關重要［62］，直接溝通對民眾評價警察控制犯罪能力的影響很大［63］，自動化機器執法則消解了這一功能。自動化機器執法追求模式化和標準化，缺乏自由裁量環節，對于個案的特殊情況無法進行有效分析，是一種脫離主觀評價的純客觀主義判定，比如違法人員是否具有主觀動機、是否首次違法、有無免于處罰或減輕處罰的其他情節等，極易讓公眾產生為罰而罰的不公正感［64］。如果嚴格依據算法進行自動化處罰，很可能忽視個案的特殊性［61］64。同時，算法過于復雜且不透明，警務主體的解釋能力不足、解釋空間不大，在一定程度上降低了民眾對執法的可接受性。

二是檢察機關對大數據警務的監督乏力。一方面，傳統檢察監督模式無法進行有效監督。傳統檢察監督模式是基于人力對紙質卷宗的審查而實施的一種被動式監督，事前監督或事中同步監督的可行性不高。相較于傳統警務，大數據警務所生成的風險彌散于治安防控的各個階段，風險的種類更多、危害性更大，需要檢察機關進行事前監督或事中同步監督。為規制大數據警務帶來的風險，檢察監督模式急需轉型和發展。另一方面，大數據警務的封閉性阻礙了有效監督。與傳統警務相比，大數據警務具有更強的封閉性。大數據警務主要依據算法展開，算法不公開就無法對其進行規制，而不規制算法就無法從根本上制約算法所帶來的風險。另外，自動感知、自動預警等自動化機器執法具有極快的運行速度和高度復雜的技術設計，超出了人力監督所能拓展的極限，無形之中制造了一堵據斥檢察機關介入的阻隔墻。

三是機器執法出現過錯的責任主體不明。因算法存在瑕疵，自動化執法也會出現錯誤。但是，當機器執法尤其是自動化機器執法出現錯誤時，需要被追究責任的主體不太明確?，F有關于執法過錯責任追究的法律規定，仍是按照工業時代以人為對象的傳統警務模式來設計的，大數據警務模式下機器是否可以作為獨立的警務主體來對待，學界對其尚未達成共識，①關于人工智能是否可以成為執法過錯的責任主體，學界現有兩種不同的觀點。一種觀點認為，以人為中心的責任設定體系應該修正，人工智能具有一定辨識和自主行為能力，可以成為責任主體，或者強人工智能應當成為責任主體。參見：焦旋，張懿軒，鄒逸彬.人工智能時代刑事責任體系的重構［J］.東南大學學報（哲學社會科學版），2023，25（S1）：109-113；劉憲權.智能機器人工具屬性之法哲學思考［J］.中國刑事法雜志，2020（5）：20-34；李政權.人工智能時代的法律責任理論審思——以智能機器人為切入點［J］.大連理工大學學報（社會科學版），2019，40（5）：78-87；等。另一種觀點認為，以人為中心的責任設定體系不應改變，其能夠對人工智能執法產生的過錯進行涵攝，人工智能若成為責任主體，會產生制度、技術、倫理等方面的諸多困境，故人工智能不應成為責任主體。參見：陳洪兵.人工智能刑事主體地位的否定及實踐展開——兼評“反智化批判”與“偽批判”之爭［J］.社會科學輯刊，2021（6）：92-98；王充，董璞玉.人工智能時代刑事責任主體之再審視［J］.廣西社會科學，2020（12）：118-125；冀洋.人工智能時代的刑事責任體系不必重構［J］.比較法研究，2019（4）：123-137；姜濤，柏雪淳.誰之責任與何種責任：人工智能的責任模式配置慎思［J］.河南社會科學，2019，27（4）：54-62；等。警務領域的法規范也尚未進行規定。當算法瑕疵造成機器自動化執法出現錯誤時，所需追究的責任主體比較模糊。比如，機器人巡邏執法出現錯誤時，現有規范未明確責任主體。因責任主體不明確，實際上為警務人員避責提供了一個保護屏障，警務人員會更加青睞大數據技術，以躲避被追責的后果。這在一定程度上形成了大數據賦能警務人員、警務人員依賴大數據無限循環的莫比烏斯環。

總體來講，大數據警務在“風險治理”上比傳統警務更具有優勢，但所產生的“治理風險”比傳統警務更趨復雜嚴峻。大數據警務的規范性面向所面臨的問題較多，在一定程度上消解了其在有效性面向上所生產的效果。

四、規制大數據警務全域治理風險的全過程立體化進路

大數據警務穿透性防控所帶來的全域治理風險，主要是對規范性面向造成了現實危害或潛在威脅。鑒于大數據警務在各個階段所生成的“治理風險”類型、內容等各不相同，而且呈現出點多線長面廣的特征，對其風險規制應從初端、中端、末端等全過程的視閾出發，采取“法律+制度+技術”立體化的方法進行差異化回應，確保在不影響大數據警務有效性面向的同時，有針對性地矯正規范性面向所出現的問題。

（一）初端風險規制：以形式擴權和實質限權來規范數據采集

初端風險出現的根本原因在于，現行法規范對警務主體數據采集授權不足。警務主體為實現有效防控復合型治安問題目的，突破了現行法規范的授權，而相應的制約力量無法約束警務主體的數據采集權。因此，應從法律和制度兩個層面，適度擴大對數據采集的既有授權，并增強對抗數據采集的結構力量。

一方面，以形式擴權限制無差別數據采集。為解決形式與實質之間的背離問題，保障有效防控復合型治安問題基本警務效能的實現，建議對具有較高法律位階的《人民警察法》進行修改，適度授予公安機關安裝圖像采集、個人識別設備之外的數據采集權。形式上的適度擴權不僅是回應數字時代風險治理的需求，而且也限定了公安機關的數據采集能力。法規范不僅具有授權功能，更具有限權功能。對于超越法規范之外的數據采集將視為不當行為，這可以從規范層面制約實踐中出現的無差別采集亂象。同時，對數據采集進行分級分類采集管理。依照《公安數據元管理規程（GA/T541-2011）《公安信息化數據質量管理規范》（GA/T1000-2011）等標準規范和管理規范，根據數據與警務關聯度的強弱設定相應的采集標準，低關聯度隱私數據限制采集，無關聯度數據嚴禁采集。

另一方面，構建多向立體對抗型采集模式。從內在結構維度來講，應建立深層化的自制約束機制?？蓞⒄铡豆矙C關辦理刑事案件程序規定》關于技術偵查措施的要求，提升公安機關向第三方調證的內部審查層次，由市級以上公安機關負責人批準。從外在結構維度來講，應建立主動化的他制約束機制。首先，賦予第三方數據抗辯權，對強制披露規范進行完善，建立數據保護性對抗制度，對于公安機關實施的明顯違規調證行為以及提出的不相關調證要求，第三方可基于保護平臺成員權益目的拒絕協助，并可向檢察機關投訴，檢察機關有權予以合規審查［65］；第三方在協助提供案外第三人信息時，應向第三人通報相關情況。其次，增強民眾私權對抗能力，警務主體對大數據無感采集的范圍、內容以及采集后的數據處置、數據保管等情況進行告知，提供渠道讓民眾查閱所采集的信息，并能及時回應民眾提出的數據處分請求，讓數據運行與其所服務的警務目標重要程度成比例［66］98；民眾如果對公安機關的回應措施不滿，可以向檢察機關投訴。最后，建構檢察機關對公安機關調證的前置監督，嘗試建立重要數據采集檢察令狀制度［67］，對于涉及國家安全、公共安全等重大安全數據以及一些保密數據的采集或調證，應當事先經由檢察機關批準；同時，公安機關應當將數據采集的算法以及向第三方調證的方式、內容等要素向檢察機關公布，以便于檢察機關實行同步監督。

總之，警務行為是有邊界的，不能無比例違反治安行政以及刑事司法的核心價值［68］。通過完善內外兩個維度的結構設計，建立起多向立體對抗采集模式（如下頁圖5 所示），以有效規范警務數據采集行為。

圖5 警務數據采集領域的多向立體對抗模式

（二）中端風險規制：以算法開放和法律創制來優化預測警務

中端風險出現的主要原因在于算法的黑箱性進一步加劇了警務封閉性，警務中端領域的規范供給無法滿足預測警務的超前需求。因此，應從技術和制度兩個層面開放算法的黑箱，并完善預測警務領域的規范供給。

1.對警務算法進行開放性監測

美國學者用 “技術性正當程序”觀念來試圖解決這一問題，即通過強調編碼公開、開發公眾參與程序、系統軟件測試等來實現程序所要求的透明化、公開和可問責等要求［69］。首先，建立多元參與開放算法設計模式?！按a就是規則?！保?0］算法設計應從“警方-技術提供方”二元決定封閉模式轉為警方、技術提供方、專家、利益相關者、民眾代表等多元參與開放模式，包容性制度設計有利于繁榮，通過多元參與來對代碼編輯進行審慎檢查，以代碼規制這一過程控制方法來從根本上削弱算法偏見［71］；其次，建立算法測試和認證制度，為突破“科林格里奇困境”，算法設計之后應對其“魯棒性”和“數據隱私保護”等功能價值進行測試［72］，測試報告應提交國家認可的權威機構進行認證；再次，對算法安全風險進行智能動態檢測，政府基于公益委托負有良善管理人的注意義務［73］，應對算法風險進行智能動態檢測和評估，用AI 監測和評估AI；其四，完善數據溯源制度，將區塊鏈技術融入預測算法中，通過分布式節點驗證和哈希函數加密，生成公開透明賬本和共識機制，確保數據流轉、清洗、分析等不可篡改，讓算法最大程度具備“可審查性”［74］。

2.對預測警務進行風險性評估

第一，對預測結果進行落地核查。歐洲法院認為，大數據警務的干涉程度和目標重要程度應成正比［66］97，警務主體在實施預防性控制前，應對預測結果進行人為落地核查，避免產生侵犯性預防。第二，對核查結果科學性進行證明，作為對數據預測結果的一種修正，核查情況應以書面形式報給上級主管部門審核，以證明其科學性高于算法預測。第三，反饋完善算法預測系統，將預測結果出現錯誤的原因共享給算法設計者或算法系統，算法設計者或算法系統對漏洞進行修復完善，增強預測警務閉環運行的科學性（如圖6所示）。

圖6 基于開放算法的預測警務閉環運行機理

3.對高危分子進行精細化控制

其一，推動高危分子認定從形式認定走向實質認定。在規范層面重新界定高危人員認定標準，對實質上具備了治安問題實施高概率可能性的人員，應當被認定為高危分子，以有效對接大數據預測結果。需要注意的是，從公民合法權益保護角度來講，不能對實施一般違法行為的人員形式化為高危分子，只能將可能實施犯罪行為等其他治安問題的人員形式化為高危分子。其二，推動高危人員分級分類控制從粗放型走向精細型。當前，高危人員分級分類控制主要聚焦于嚴重肇事肇禍精神病人，對于其他高危人員的預防性控制較為粗放。應根據實施違法犯罪的概率性對高危人員進行分級分類認定，并根據不同級別實行不同的控制手段，以保持警察權在預測警務領域的謙抑性。其三，推動強制型預測性控制從空白授權走向有限授權。在高風險社會中，為保證民眾權益不被違法犯罪所侵犯，應給予警務主體合比例啟動預測警務的權力［75］，特別是治理網絡犯罪所需要的帶有強制性的預防性偵查權。對于強制型預防性控制權，應根據高危人員危險程度設置嚴格的啟動標準。

4.對預防性控制進行雙重優化

為提升預防性控制效果，應對預防性控制的主體結構和行為結構進行優化。一方面，預防性控制主體結構應從二元走向一元。當前，預防性控制主體結構是一種二元設計，即由偵查主體和治安管理主體共同實施預防性控制。偵查主體根據預測結果可以對高危分子或高危行為進行預防性控制，偵查行為從初查階段前移到預防性控制階段，偵查行為行政化傾向加強。實踐中，治安管理主體比偵查主體具有更豐富的預防性控制資源、知識、經驗和能力，預防性控制權可交由治安管理主體來統一實施。另一方面，預防性控制行為結構應從一元走向二元。傳統的預防性控制屬于權益干預類型，即要求高危分子單方面服從預防性控制措施，這種一元化控制模式容易產生形式主義和制度空轉。帕特蘭姆的社會本位理論認為現代社會生活可以有效恢復控制機制，降低犯罪水平［76］。因此，可建立處遇改善型的預防性控制，從改善高危分子的處境出發，幫助其修復破裂的社會關系，幫助其解決生活上和工作上的問題，以避免污名化、侵犯性預防以及二次困境的出現［77］。

（三）末端風險規制：以程序完善和責任明確來制約處置權力

末端風險出現的主要原因在于，傳統程序和責任規定未能跟上現代大數據警務的前進速度。為實現執法者與執法對象之間的武裝平等［78］，應從法律和制度兩個層面，完善既有的程序和責任規定，以建立與現代大數據警務相匹配的回應型規范［79］。

首先，完善當事人程序性抗辯四個環節?！俺绦蛘x被證明對塑造公民對警察合法性的看法、對警察的滿意度以及促進與警察的合作具有重要意義?！保?0］有研究表明，半自動化決策比完全自動化機器執法更為公平［81］，應推動完全自動化機器執法向半自動化決策模式轉變。一是建立同步陳述申辯程序，可以在電子告知單上注明異議申辯電話，被處罰人可以當場撥打電話進行“在線”陳述和申辯，以“在線”的方式與民眾開展非接觸式溝通，這種溝通形式類似于奧馬利所說的“模擬警務”［82］。二是建立專家協助陳述申辯機制，當事人可以聘請大數據分析師或律師，來協助自己評估算法預測性能。三是完善事后陳述申辯設計，當事人事后可通過電子空間網絡平臺或物理空間行政服務中心，進行陳述和申辯，對可能出現的處罰錯誤要求警務主體進行糾正或撤銷［83］。四是健全“申請—證明”說明理由制度，被懲罰者可申請要求警務主體對算法科學性和非歧視性進行證明，警務主體可向其公開大數據算法邏輯，比如提供算法運行規則的簡潔文檔，或提供國家認可的專業性認證文件。

其次，推動檢察監督模式實現三個轉變。根據《關于健全完善偵查監督與協作配合機制的意見》《中共中央關于加強新時代檢察機關法律監督工作的意見》等文件要求，數字時代檢察機關對大數據警務監督應實現三個轉變：從傳統案卷審查向智能數據審查轉變，從個案辦理式監督向類案辦理式監督轉變，從被動監督向主動監督轉變，積極構建數字檢察智能監督新模式，建立實質有效的第三方異體評估機制［84］。為此，應打破公安機關與檢察機關之間的數據壁壘，開放辦案數據以建立信息共享貫通關聯機制，檢察機關通過大數據檢察技術對偵查實現同步感知、同步解析和同步監督，并依靠區塊鏈存證技術讓偵查過程可追蹤可溯源，確保檢察監督能夠實現全過程有效介入。對于自動化決策、自動化處置等大數據警務，檢察機關可通過云端技術進行一種智能化的自動監督，用檢察AI 來制約警務AI。

最后，明確警務執法過錯責任兩個層次。嚴格來講，大數據警務屬于一種人工智能警務，對于大數據警務的責任分配應當區分研發生產與使用管理兩個層次［85］。內層是技術瑕疵引發的合同責任，該層次責任應遵循民事領域或行政領域的過錯責任原則，若合同未明確闡述技術可能存在瑕疵，但因技術瑕疵產生執法過錯而被追責后，公安機關可依據其與技術公司簽訂的合同規定，通過協商、訴訟等糾紛解決方式，要求技術公司承擔相應民事責任或行政責任。外層是機器執法過錯引發的執法責任，該層次責任應遵循嚴格責任原則，能夠對外產生效力。該層次責任設定原則是誰使用、誰管理、誰負責，使用和管理大數據技術的主體是公安機關，應推定公安機關對于技術存在的瑕疵具有明知性，公安機關應當承擔機器執法的過錯責任。民警個體不是大數據技術的管理者，不能承擔執法責任，除非其故意利用大數據技術讓機器執法產生過錯。

總之，數字時代的治安問題發生了結構性轉變，網絡犯罪等現代治安問題大量出現，治安問題由單一型向復合型轉變。為有效應對復合型治安問題所產生的巨大風險，警務模式從傳統人力警務轉向了現代大數據警務。具有更強防控功能的大數據警務是一把雙刃劍：一方面，從有效性面向來講，大數據警務對治安問題的防控表現出巨大的優勢；另一方面，從規范性面向來講，大數據警務的強大防控能力讓警察權的高權特征更加凸顯，給民眾合法權益保護帶來了風險和隱患。權力干預與權利保護之間產生了沖突。為調適二者之間的沖突，大數據警務應用需要控制在一個可接受的范圍之內，讓有效性和規范性能夠平衡發展。大數據警務是未來警務發展的方向和趨勢，各地在廣泛推進大數據警務建設的同時，一定要認真對待大數據警務所滋生的全域風險，確保民眾合法權益能夠得到更大程度的保護。