論大數(shù)據(jù)警務(wù)及其法律控制

張濤

〔摘要〕 在推進國家治理體系和治理能力現(xiàn)代化的背景下，大數(shù)據(jù)技術(shù)在警察執(zhí)法中廣泛使用?；诖耍恼逻\用規(guī)范分析、案例分析、比較分析的研究方法，研究了大數(shù)據(jù)警務(wù)的技術(shù)邏輯、實踐運用、社會風(fēng)險及法律控制。研究表明，在大數(shù)據(jù)警務(wù)實踐中，“臟數(shù)據(jù)”往往導(dǎo)致公民平等權(quán)保護受到威脅;警察機關(guān)大量歸集、處理和使用個人數(shù)據(jù)，對公民個人信息隱私造成侵犯;算法系統(tǒng)缺乏透明度和問責(zé)機制，導(dǎo)致公民權(quán)利得不到有效救濟。為了防范大數(shù)據(jù)警務(wù)系統(tǒng)的異化，我國應(yīng)當(dāng)制定警務(wù)數(shù)據(jù)采集規(guī)范，確保個人數(shù)據(jù)的合理使用;建立警務(wù)系統(tǒng)評估機制，定期檢測系統(tǒng)存在的風(fēng)險;賦予公眾算法解釋權(quán)，強化事后的監(jiān)督問責(zé)。

〔關(guān)鍵詞〕 大數(shù)據(jù)警務(wù);算法;人工智能;法律規(guī)制

〔中圖分類號〕TP31113;D6311〔文獻標(biāo)識碼〕A〔文章編號〕1008-2689（2020）03-0069-09

引 言

數(shù)據(jù)是信息、知識和智慧的基礎(chǔ)和前提。①20世紀90年代以來，信息技術(shù)日新月異，信息產(chǎn)業(yè)持續(xù)發(fā)展，信息化、數(shù)字化已成為當(dāng)今時代的重要特征，“凡事皆可量化”②“萬物皆數(shù)”已經(jīng)成為現(xiàn)實。隨著物聯(lián)網(wǎng)、云計算、機器學(xué)習(xí)、人工智能等技術(shù)的發(fā)展，我們已經(jīng)進入了一個以海量信息和數(shù)據(jù)挖掘為特征的大數(shù)據(jù)時代，人們的生活、工作與思維都發(fā)生了大變革[1]（1）。在第四次工業(yè)革命背景下，人類的行為決策和公共治理方式向著智慧化方向發(fā)展，大數(shù)據(jù)技術(shù)成為數(shù)字時代的“望遠鏡”或“顯微鏡”，使我們可以看到并計量之前我們一無所知的新事物[2]（8）。警察執(zhí)法模式也開始向“智慧警務(wù)”或“大數(shù)據(jù)警務(wù)”發(fā)展。2017年7月，國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出“促進人工智能在公共安全領(lǐng)域的深度應(yīng)用，推動構(gòu)建公共安全智能化預(yù)警與控制體系”。大數(shù)據(jù)警務(wù)逐漸成為法學(xué)、公共管理學(xué)、社會學(xué)、數(shù)據(jù)科學(xué)等學(xué)科共同關(guān)注的重要課題。

自美國“9·11”事件以后，世界各國的警務(wù)部門都在積極探索警務(wù)模式之變革，而大數(shù)據(jù)技術(shù)為警務(wù)模式創(chuàng)新提供了重要契機。根據(jù)美國警察行政研究論壇于2014年出版的《警務(wù)的未來趨勢》（Future Trends in Policing），受調(diào)查的200家美國警察機構(gòu)中，有70%的警察機構(gòu)表示將在2到5年內(nèi)實施或加強對大數(shù)據(jù)警務(wù)的使用[3]（3）。我國各級公安機關(guān)也在積極探索大數(shù)據(jù)警務(wù)實踐，四川省瀘州市公安局于2018年1月成立了“大數(shù)據(jù)警察支隊”，專門負責(zé)大數(shù)據(jù)警務(wù)資源的開發(fā)與應(yīng)用，實現(xiàn)對各類風(fēng)險隱患的敏銳感知、精確預(yù)警[4];上海市公安局于2019年7月成立了“數(shù)據(jù)處”，成為全國省級公安機關(guān)中首家獨立的“數(shù)據(jù)警察”部門[5]。

大數(shù)據(jù)警務(wù)對警務(wù)部門而言，既是機遇，亦是挑戰(zhàn)。大數(shù)據(jù)的核心就是預(yù)測，是把數(shù)學(xué)算法運用到海量的數(shù)據(jù)上來預(yù)測事情發(fā)生的可能性，許多單純依靠人類判斷力的領(lǐng)域都將會被大數(shù)據(jù)技術(shù)所改變甚至取代[1]（16）。大數(shù)據(jù)技術(shù)在警察執(zhí)法中的應(yīng)用，不但可以降低警察執(zhí)法成本，提高執(zhí)法的準確性，而且還能提高執(zhí)法效率，及時應(yīng)對突發(fā)情況，在一定程度上還能限制執(zhí)法者的自由裁量權(quán)[6]。美國圣克魯斯警察局在第一年使用大數(shù)據(jù)警務(wù)技術(shù)Pred Pol后，盜竊案件下降11%，搶劫案件下降27%[7];四川瀘州市自實施大數(shù)據(jù)警務(wù)以來，2017年、2018年刑事發(fā)案率分別下降2098%、147%[8]。然而，大數(shù)據(jù)警務(wù)實踐也存在諸多亟待解決的風(fēng)險議題，如因“臟數(shù)據(jù)”而導(dǎo)致的社會公平問題、因海量數(shù)據(jù)采集（挖掘）而導(dǎo)致的個人隱私問題、因大量數(shù)據(jù)存儲而導(dǎo)致的數(shù)據(jù)安全問題等等[9]。這些風(fēng)險議題在很大程度上尚未得到法律界的認真討論與審查，若不妥善應(yīng)對，將嚴重影響“智慧公安”的建設(shè)進程，出現(xiàn)警察權(quán)力行使與公民個人權(quán)利保護失衡的局面[10]。

在全面推進國家治理體系和治理能力現(xiàn)代化的背景下，大數(shù)據(jù)警務(wù)雖然能夠提升警察執(zhí)法的效能，但卻存在侵犯公民權(quán)益的風(fēng)險?；诖耍疚闹攸c分析了大數(shù)據(jù)警務(wù)的技術(shù)邏輯和運行現(xiàn)狀，闡釋大數(shù)據(jù)警務(wù)實踐中存在的主要風(fēng)險，從行政法的角度提出規(guī)制大數(shù)據(jù)警務(wù)的建議。

一、 大數(shù)據(jù)警務(wù)的技術(shù)邏輯

大數(shù)據(jù)警務(wù)作為一個綜合性概念，目前尚未有明確而統(tǒng)一的定義。為了理解大數(shù)據(jù)警務(wù)的基本內(nèi)涵，我們可以從大數(shù)據(jù)本身入手。一般認為，“大數(shù)據(jù)”是收集和分析大量數(shù)據(jù)集的簡稱，目的是揭示隱藏的模式或規(guī)律[11]。以此為基礎(chǔ)，大數(shù)據(jù)警務(wù)則是以物聯(lián)網(wǎng)、云計算、數(shù)據(jù)挖掘等信息技術(shù)為支撐，以警務(wù)信息化為核心，實現(xiàn)警務(wù)數(shù)據(jù)的“強度整合、高度共享、深度應(yīng)用”之目標(biāo)的警務(wù)發(fā)展新理念和新模式。從本質(zhì)上看，大數(shù)據(jù)警務(wù)作為有別于“小數(shù)據(jù)警務(wù)”的一種新型的警務(wù)發(fā)展形態(tài)，其背后的技術(shù)支撐主要體現(xiàn)在兩個方面：一是數(shù)據(jù)，二是算法。

（一） 數(shù)據(jù)是大數(shù)據(jù)警務(wù)的基礎(chǔ)

“數(shù)據(jù)”這個詞在拉丁文里是“已知”的意思，也可以理解為“事實”，計量和記錄一起促成了數(shù)據(jù)的誕生[1]（104）。大數(shù)據(jù)是現(xiàn)代通信技術(shù)、計算機技術(shù)和人工智能技術(shù)快速發(fā)展的產(chǎn)物，之所以產(chǎn)生如此巨大的數(shù)據(jù)量，概括起來主要有以下幾個方面的原因： 1.由于各種傳感設(shè)備的使用，使人們能夠快速感知并獲取到更多事物;2.由于海量存儲技術(shù)的出現(xiàn)，這些事物的部分甚至全部數(shù)據(jù)就可以存儲;3.現(xiàn)代通信工具的使用，改變了數(shù)據(jù)傳輸?shù)姆绞剑笠?guī)模海量實時數(shù)據(jù)能夠及時收集和存儲;4.由于各種智能分析和數(shù)據(jù)挖掘工具的出現(xiàn)，使大數(shù)據(jù)的加工處理成為可能[12]（21）。在大數(shù)據(jù)時代，文字、圖片、位置、溝通等均可以轉(zhuǎn)化為數(shù)據(jù)，因此大數(shù)據(jù)時代亦可稱為“一切事物的數(shù)據(jù)化”時代，這就為大數(shù)據(jù)警務(wù)的興起提供了重要的時代背景。正如邁爾-舍恩伯格和肯尼思·庫克耶所指出的“數(shù)據(jù)的真實價值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而絕大部分則隱藏在表面之下?！?[1]（134）

警務(wù)部門作為與個人、企業(yè)及其他組織聯(lián)系最為緊密的部門，一直在“默默地”收集、存儲及處理各種類型的數(shù)據(jù)，這就為大數(shù)據(jù)警務(wù)的出現(xiàn)奠定了堅實的基礎(chǔ)?！度嗣窬旆ā返?條第1款對警察的職責(zé)進行了明確規(guī)定《中華人民共和國人民警察法》第2條第1款規(guī)定：“人民警察的任務(wù)是維護國家安全，維護社會治安秩序，保護公民的人身安全、人身自由和合法財產(chǎn)，保護公共財產(chǎn)，預(yù)防、制止和懲治違法犯罪活動?！?，概括起來大致可以分為“保護個人生命、身體及財產(chǎn)安全”和“維護公共安全與秩序”兩大部分。在履行警察職責(zé)的活動中，既有限制公民的權(quán)利和自由的活動，也有非限制公民的權(quán)利和自由的活動，無論是哪種活動，收集處理各種數(shù)據(jù)均是必不可少的環(huán)節(jié)。從公安信息化基礎(chǔ)設(shè)施建設(shè)角度看，我國先后開啟了“金盾工程”“平安城市”“雪亮工程”等公安信息化工程。通過攝像頭、射頻識別、智能終端、傳感器等泛在網(wǎng)技術(shù)，實現(xiàn)了對公安管理要素與治安控制對象的物質(zhì)屬性、環(huán)境狀況、行為態(tài)勢等靜、動態(tài)信息進行大規(guī)模、分布式的信息采集與狀態(tài)辨識[13]。如今，治安監(jiān)控系統(tǒng)、道路監(jiān)控系統(tǒng)、居民身份系統(tǒng)、現(xiàn)場圖像采集系統(tǒng)等系統(tǒng)中的有效數(shù)據(jù)奠定了大數(shù)據(jù)警務(wù)發(fā)展的基礎(chǔ)。

（二） 算法是大數(shù)據(jù)警務(wù)的靈魂

大數(shù)據(jù)問題的核心就是大數(shù)據(jù)技術(shù)，即從各種各樣的巨量數(shù)據(jù)中，快速獲得有價值信息的技術(shù)，而大數(shù)據(jù)分析則主要是借助于數(shù)據(jù)分析工具以及數(shù)據(jù)挖掘算法，從海量的數(shù)據(jù)中挖掘出有價值的信息。數(shù)據(jù)挖掘算法是大數(shù)據(jù)分析的理論核心，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)數(shù)據(jù)本身具備的特點。何為算法呢？如今普遍認可的算法定義是：算法是解決特定問題求解步驟的描述，在計算機中表現(xiàn)為指令的有限序列，并且每條指令表示一個或多個操作。[14]（12）數(shù)據(jù)挖掘算法在實踐中主要的目標(biāo)是模式識別和行為預(yù)測。模式識別是指通過對數(shù)據(jù)集中的數(shù)據(jù)域進行數(shù)據(jù)分析，識別出可由人類解釋的數(shù)據(jù)模式，獲得對問題的深入理解，從而實現(xiàn)分類、個性化、精細化管理;行為預(yù)測主要是通過使用數(shù)據(jù)集中的目標(biāo)對象的一些屬性來預(yù)測我們所關(guān)心的變量的未知或未來的值，輔助決策支持。[15]（213）

各類算法工具為大數(shù)據(jù)警務(wù)創(chuàng)造了無限可能性，其核心就是將“因果關(guān)系”轉(zhuǎn)變?yōu)椤跋嚓P(guān)關(guān)系”，將“合理懷疑”轉(zhuǎn)變?yōu)椤按髷?shù)據(jù)懷疑”。在傳統(tǒng)的警察執(zhí)法中，警務(wù)部門主要是根據(jù)收集的各類數(shù)據(jù)按照因果關(guān)系進行分析;而在大數(shù)據(jù)警務(wù)中，警務(wù)部門通過找到一個現(xiàn)象的關(guān)聯(lián)物，相關(guān)關(guān)系就可以幫助我們捕捉現(xiàn)在和預(yù)測未來。如果A和B經(jīng)常在一起，我們只需要注意到B發(fā)生了，就可以預(yù)測A也發(fā)生了。這有助于我們預(yù)測A可能會發(fā)生什么，即使我們不可能直接測量或觀察到A[1]（70）。此外，在警察執(zhí)法中，警察盤查權(quán)是一種重要的權(quán)力，它是警務(wù)部門對可疑人員和可疑場所進行臨時阻攔、盤問、檢視、檢查。[16]警察行使盤查權(quán)的一個重要條件是“合理懷疑”或“有違法犯罪嫌疑”，其標(biāo)準一般是建立在警察的經(jīng)驗判斷之上，而“經(jīng)驗”常常被隨意擴大。在大數(shù)據(jù)警務(wù)中，大數(shù)據(jù)的相關(guān)關(guān)系分析法更準確、更快，而且不易受偏見的影響。如果正確使用大數(shù)據(jù)懷疑（big data suspicion）[17]，不僅可以提高準確性和效率，而且還能對犯罪活動模式產(chǎn)生意想不到的洞察。

二、 大數(shù)據(jù)警務(wù)在我國的實踐應(yīng)用

大數(shù)據(jù)警務(wù)成為警務(wù)工作創(chuàng)新的重要內(nèi)容，在實踐中，我國各級警務(wù)部門結(jié)合自身的工作實踐，開發(fā)出不同的大數(shù)據(jù)警務(wù)模式，從方法和功能上來劃分，主要可以分為兩大類。

（一） 以時空為導(dǎo)向的大數(shù)據(jù)警務(wù)

在犯罪環(huán)境學(xué)理論中，有一種被稱為“犯罪地理學(xué)”（criminal geography）的理論，其旨在研究犯罪的空間和時間分布，它的發(fā)展可以追溯到比利時統(tǒng)計學(xué)家阿道夫·凱特勒（Adolphe Quetelet）和法國統(tǒng)計學(xué)家安德烈·米歇爾·格雷（André Michel Guerry）的研究，以及美國犯罪學(xué)者克利福德·R·肖（Clifford R. Shaw）和亨利·D·麥凱（Henry D. McKay）在芝加哥的研究。[18]如今，“日?；顒永碚摗保╮outine activities theory）“犯罪制圖”（crime mapping）“社會解組理論”（social disorganization theory）等理論已經(jīng)成為犯罪環(huán)境學(xué)中的重要理論，也為以時空為導(dǎo)向的大數(shù)據(jù)警務(wù)奠定了理論基礎(chǔ)。

警務(wù)部門在以往的執(zhí)法過程中積累了大量的違法犯罪案件數(shù)據(jù)，已經(jīng)發(fā)生的每個案件都可能包含如下特征信息：某一特定區(qū)域的重點人口數(shù)量、整個地區(qū)的重點人口、某一特定區(qū)域的年犯案數(shù)、整個地區(qū)的年犯案數(shù)、某一特定地區(qū)的流動人口數(shù)量等[19]（140），借助這些數(shù)據(jù)，前述犯罪學(xué)理論可以得到進一步研究和檢驗。目前在國際大數(shù)據(jù)警務(wù)實踐中，已經(jīng)開發(fā)出一些相對比較獨立，且以時空為導(dǎo)向的大數(shù)據(jù)警務(wù)系統(tǒng)（軟件），比較有代表性的主要有以下三類：1.PredPol系統(tǒng)，該系統(tǒng)可以提供多項預(yù)測服務(wù)，但是最重要的是對入室盜竊、汽車盜竊、汽車扒竊這三類案件的犯罪地點進行預(yù)測;2.Risk Terrain Modeling系統(tǒng)，該系統(tǒng)能夠?qū)δ骋坏貐^(qū)的地理風(fēng)險因素進行評估和預(yù)測，然后向執(zhí)法部門提出建議，從而避免該地區(qū)再次發(fā)生犯罪;3.HunchLab系統(tǒng)，該系統(tǒng)綜合了前述兩種系統(tǒng)的特點，既能預(yù)測犯罪風(fēng)險區(qū)域，也能針對這些風(fēng)險提出有針對性的警務(wù)策略。[20]（494-496）

在我國大數(shù)據(jù)警務(wù)實踐中，也有許多以時空為導(dǎo)向的大數(shù)據(jù)警務(wù)系統(tǒng)，并且在警察執(zhí)法中發(fā)揮了非常重要的輔助作用，極大地提升了執(zhí)法效率。北京市公安局懷柔分局于2013年4月正式上線運行“犯罪數(shù)據(jù)分析和趨勢預(yù)測系統(tǒng)”，該系統(tǒng)收錄了懷柔區(qū)近9年來16萬余件犯罪案件數(shù)據(jù)。2014年5月，該系統(tǒng)預(yù)測提示：近期泉河派出所轄區(qū)北斜街發(fā)生盜竊案的可能性較高。泉河派出所加大對該區(qū)域的巡邏，并于5月7日抓獲一名盜竊汽車內(nèi)財物嫌疑人[21]。蘇州市公安局于2014年3月正式上線運行“犯罪預(yù)測系統(tǒng)”，該系統(tǒng)匯集了以往案發(fā)數(shù)據(jù)、人口信息、地理信息、氣象信息等多種數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)進行智能建模，預(yù)測轄區(qū)案件的高發(fā)區(qū)域及法案概率，把重點防控區(qū)域用圖形界面直觀展現(xiàn)出來[22]。

（二） 以個人為導(dǎo)向的大數(shù)據(jù)警務(wù)

在警務(wù)部門履行職責(zé)的過程中，提前發(fā)現(xiàn)和識別“有違法犯罪嫌疑的人員”一直是重點，警務(wù)部門許多權(quán)力的行使均與此有關(guān)，如《人民警察法》第9條規(guī)定的“警察盤查權(quán)”。在犯罪學(xué)理論中，“集中威懾”（focused deterrence）與以個人為導(dǎo)向的大數(shù)據(jù)警務(wù)密切相關(guān)?！凹型亍痹从?0世紀90年代美國波士頓一個有名的減少團伙暴力犯罪項目，波士頓警察局將威懾技術(shù)聚焦于那些警局已經(jīng)掌握的涉及街頭團伙和暴力犯罪人身上，讓一些問題地方的某些人意識到執(zhí)法部門在關(guān)注他們，如果他們違法犯罪，執(zhí)法部門可能會竭力讓他們?nèi)氇z，進而受到嚴厲懲罰。最終證據(jù)表明，與一般威懾相比，集中威懾能夠有效減少街頭犯罪和團伙暴力犯罪。[23]（54-55）

以個人為導(dǎo)向的大數(shù)據(jù)警務(wù)主要是利用大數(shù)據(jù)來識別和調(diào)查潛在的犯罪嫌疑人、過去的犯罪嫌疑人以及潛在的受害人。就識別未來有高犯罪風(fēng)險的人之方法而言，大部分方法與評估個人風(fēng)險有關(guān)。傳統(tǒng)的方法將風(fēng)險因素的數(shù)量相加，從而創(chuàng)建一個整體風(fēng)險評分;大數(shù)據(jù)警務(wù)則采用回歸和分類模型，將風(fēng)險因素的存在與一個人犯罪的概率聯(lián)系起來。就識別過去犯罪的嫌疑人之方法而言，主要是利用犯罪現(xiàn)場提供的信息將嫌疑人與犯罪聯(lián)系起來，既可以直接進行識別，也可以通過排除來識別。就識別潛在的受害人之方法而言，基于時空或犯罪嫌疑人的大數(shù)據(jù)警務(wù)技術(shù)均可適用，因為要想識別潛在的受害者，往往要先識別有犯罪風(fēng)險的個人或群體[24]（9-11）。

在我國的大數(shù)據(jù)警務(wù)實踐中，也有許多以個人為導(dǎo)向的大數(shù)據(jù)警務(wù)系統(tǒng)，對于識別潛在的犯罪嫌疑人或受害者、以及過去的犯罪嫌疑人發(fā)揮了重要作用。貴陽市公安局自2017年以來開始建設(shè)“人像大數(shù)據(jù)系統(tǒng)”，依托“塊數(shù)據(jù)指揮中心”“天網(wǎng)工程”等信息基礎(chǔ)設(shè)施，運用人臉識別技術(shù)，實現(xiàn)對潛在犯罪嫌疑人或受害者以及過去的犯罪嫌疑人的識別。2017年，“人像大數(shù)據(jù)系統(tǒng)”協(xié)助抓獲各類犯罪嫌疑人375人，其中全國在逃人員39名，破獲各類案件400余起。[25]天津市公安局反詐騙中心通過大數(shù)據(jù)警務(wù)系統(tǒng)甄別潛在受害人，2018年及時勸阻受害人62萬人次，避免損失115億元。[26]

三、 大數(shù)據(jù)警務(wù)實踐中的風(fēng)險議題

數(shù)據(jù)驅(qū)動的決策系統(tǒng)正在融入社會生活的方方面面，無論是個人還是組織機構(gòu)，對于自動化決策的熱情似乎前所未有的高漲。警務(wù)部門越來越多地使用各種大數(shù)據(jù)技術(shù)來預(yù)測、預(yù)防和調(diào)查犯罪，所有的大數(shù)據(jù)技術(shù)均有可能存在各種不利影響，大數(shù)據(jù)警務(wù)系統(tǒng)也不例外。

（一） 因“臟數(shù)據(jù)”而引發(fā)的不公平對待

如前所述，數(shù)據(jù)是大數(shù)據(jù)警務(wù)系統(tǒng)的基礎(chǔ)，因此任何數(shù)據(jù)驅(qū)動的系統(tǒng)均有被“臟數(shù)據(jù)”（bad data）破壞的風(fēng)險。從數(shù)據(jù)科學(xué)的角度看，臟數(shù)據(jù)的類型很多并且每種臟數(shù)據(jù)出現(xiàn)的原因也不盡相同，大致可以分為單源數(shù)據(jù)和多源數(shù)據(jù)的“臟數(shù)據(jù)”，前者是指不完整數(shù)據(jù)、不正確數(shù)據(jù)、不可理解數(shù)據(jù)、過時數(shù)據(jù)、數(shù)據(jù)重復(fù)等;后者主要是指重復(fù)數(shù)據(jù)、數(shù)據(jù)沖突等。[27]（96）大數(shù)據(jù)警務(wù)系統(tǒng)通常綜合了多種基礎(chǔ)數(shù)據(jù)庫，因此臟數(shù)據(jù)的種類及來源更為復(fù)雜，一旦這些數(shù)據(jù)在性別、職業(yè)、民族、學(xué)歷等方面存在偏見，就可能導(dǎo)致歧視性結(jié)果，造成不公平對待，正所謂“偏見進，偏見出”。美國馬里蘭大學(xué)教授弗蘭克·帕斯奎爾（Frank Pasquale）在《黑箱社會》（The Black Box Society）一書中指出，算法并不能杜絕基本的歧視問題，而只是會使那些沒有事實根據(jù)的負面假設(shè)匯集成偏見。算法的編寫是由人完成的，而人又會將其價值觀嵌入算法，編寫算法過程中使用的數(shù)據(jù)也會不可避免地帶有人的偏見。[28]（55）

美國學(xué)者索倫·巴洛卡斯（Solon Barocas）和安德魯·塞爾布斯特（Andrew Selbst）專門對大數(shù)據(jù)的“差別影響”（disparate impact）進行了研究[29]。他們認為，所有的算法決策均存在四個根本性問題：1. 定義偏見，目標(biāo)變量及其關(guān)聯(lián)的類標(biāo)簽的定義將決定數(shù)據(jù)挖掘的內(nèi)容;2. 訓(xùn)練數(shù)據(jù)偏見，訓(xùn)練數(shù)據(jù)若包含偏見因素將導(dǎo)致歧視性的數(shù)據(jù)挖掘結(jié)果;3. 特征選擇偏見，在決定哪些屬性納入分析的過程中若存在偏見將導(dǎo)致嚴重結(jié)果;4. 代理偏見，決策者在對大數(shù)據(jù)分析結(jié)果進行解釋和適用時可能存在偏見。在此基礎(chǔ)上，安德魯·塞爾布斯特進一步對大數(shù)據(jù)警務(wù)中的“差別影響”進行了研究[30]。他認為，大數(shù)據(jù)警務(wù)系統(tǒng)因“臟數(shù)據(jù)”而導(dǎo)致不公平對待已經(jīng)是不爭的事實，如果這種情況繼續(xù)不受法律規(guī)制，那么大數(shù)據(jù)警務(wù)系統(tǒng)將強化和擴大刑事司法系統(tǒng)中的歧視。除非社會認識到這種緊迫性，并迅速采取行動，否則我們將對大數(shù)據(jù)警務(wù)系統(tǒng)的歧視性差別影響習(xí)以為常。

在我國警察執(zhí)法實踐中，歧視問題也時常發(fā)生，尤其是社會階層歧視，這導(dǎo)致選擇性執(zhí)法現(xiàn)象嚴重[31]。警務(wù)部門在火車站、地鐵站、機場等公共場所實施盤查措施時，往往明顯地將盤查對象的個人因素作為啟動盤查措施的考慮基礎(chǔ)。研究表明，社會大眾以及新聞媒體對于“農(nóng)民工”存在不少“污名化”的現(xiàn)象，認為農(nóng)民工群體是問題群體（如違法犯罪率高、不文明、不禮貌、不誠信等）[32]。這種刻板印象也被帶入警察執(zhí)法過程中，“農(nóng)民工”及其居住場所常常成為警務(wù)部門檢查的重點，并形成一系列“執(zhí)法數(shù)據(jù)”納入大數(shù)據(jù)警務(wù)系統(tǒng)中。這些表面“客觀”的數(shù)據(jù)可能實際上正在使原有的偏見得到加深和強化。假設(shè)警務(wù)部門過去一段時間中更加關(guān)注“農(nóng)民工”集中的城中村，那么該地區(qū)的違法犯罪數(shù)量肯定會在總體違法犯罪數(shù)據(jù)中占據(jù)很高的比例，而這僅僅是因為警務(wù)部門恰巧重點檢查了該地區(qū)，而不是因為這些地區(qū)的犯罪率的確比其他地區(qū)高。一旦這些“客觀”數(shù)據(jù)將該地區(qū)認定為“犯罪高發(fā)”地區(qū)，那么對這些地區(qū)的巡查將會更為嚴密，那么被發(fā)現(xiàn)的違法犯罪現(xiàn)象可能就會越多，而背后的原因可能是真正的犯罪問題，也可能是應(yīng)付上級的逮捕配額（如“掃黑除惡”），歧視性執(zhí)法問題便會依然存在并且難以解決。[28]（60）

（二） 大量數(shù)據(jù)歸集、共享與處理造成隱私侵犯

數(shù)據(jù)歸集、共享和處理是大數(shù)據(jù)分析中的重要環(huán)節(jié)。目前所采集的大部分數(shù)據(jù)中都包含個人信息，而且存在著各種各樣的誘因，讓數(shù)據(jù)控制者或處理者想盡辦法去采集更多、存儲更久、利用更徹底，甚至有的數(shù)據(jù)表面上并不是個人數(shù)據(jù)，但是經(jīng)由大數(shù)據(jù)處理之后就可以追溯到個人[1]（196）。關(guān)于大數(shù)據(jù)對個人隱私造成的影響，國內(nèi)外許多學(xué)者都展開了專門的研究。美國學(xué)者邁克爾·弗羅恩金（Michael Froonmkin）提出“隱私已死”。他認為，政府和企業(yè)快速部署“隱私破壞技術(shù)”（privacydestroying technologies），導(dǎo)致個人信息隱私岌岌可危。這些技術(shù)包括交易數(shù)據(jù)的日常收集、公共場所越來越多的自動化監(jiān)控、人臉識別技術(shù)和其他生物識別技術(shù)的使用、手機追蹤、車輛跟蹤、衛(wèi)星監(jiān)控、工作場所監(jiān)控等。[33]

面對大數(shù)據(jù)大量、多樣及快速的特征，籠統(tǒng)地討論大數(shù)據(jù)中的隱私保護問題并不能夠準確找出大數(shù)據(jù)對隱私產(chǎn)生的影響。因此，本文認為，應(yīng)當(dāng)從數(shù)據(jù)生命周期的角度出發(fā)，對數(shù)據(jù)利用行為的不同階段所隱含的隱私問題進行精準分析。美國隱私法權(quán)威丹尼爾·沙勒夫（Daniel Solove）以數(shù)據(jù)利用為基礎(chǔ)的分類方式將隱私分為四個階段，分別是信息歸集、信息處理、信息散布和侵害。[34]其中信息歸集包含數(shù)據(jù)的產(chǎn)生和歸集;信息處理涵蓋后續(xù)存儲至分析的步驟;信息散布則是數(shù)據(jù)控制者散布數(shù)據(jù)給第三人;侵害則是討論侵入和干擾決定等行為，可以進一步分為16個類型，即信息歸集階段分為監(jiān)控、訊問兩個部分，信息處理包含加總、身份辨識、不安全、目的外使用等問題，信息散布涉及違反保密、揭露、暴露、增加近用、欺詐、盜用、失真。

大數(shù)據(jù)警務(wù)系統(tǒng)通常融合了多種不同來源的數(shù)據(jù)，即使每種數(shù)據(jù)的歸集都是合法、適當(dāng)且必要的，但是一旦加上大數(shù)據(jù)的大量、多樣的特征，再加上算法的分析處理，除了可以產(chǎn)生意想不到的預(yù)測結(jié)果外，也容易造成個人身份的重新識別、增加個人檔案的信息內(nèi)容和建立個人活動的追蹤。如果再結(jié)合類比數(shù)據(jù)一同使用，如人臉識別系統(tǒng)、車輛追蹤系統(tǒng)等，個人隱私暴露的風(fēng)險也隨之增加。在大數(shù)據(jù)警務(wù)實踐中，警務(wù)部門利用大數(shù)據(jù)警務(wù)系統(tǒng)對個人行動軌跡進行“畫像”的事例大量存在。例如，江蘇公安機關(guān)從2017年便開始智慧警務(wù)系統(tǒng)建設(shè)，該系統(tǒng)匯聚融合了1200多類近8000億條各種資源數(shù)據(jù)，不僅能夠繪制個人的活動軌跡，而且還能預(yù)測未來活動去向?！皝砟軋缶又壽E、走明去向、全程掌控”已經(jīng)成為江蘇智慧警務(wù)的建設(shè)目標(biāo)[35]。攀枝花市米易縣公安局在2020年“新型冠狀病毒”防控期間，利用大數(shù)據(jù)平臺，對外來人員、返鄉(xiāng)人員進行排查，結(jié)合各卡點車輛信息、人員信息以及人臉識別，最快只需10分鐘就能鎖定排查對象在米易縣的活動軌跡。[36]這些事例一方面反映出大數(shù)據(jù)警務(wù)對于提升執(zhí)法效率、準確性的積極作用;但另一方面也隱含著對個人隱私的威脅，其合法性也有待進一步討論，個人信息的無限制歸集、共享使用可能違反“目的限制原則”，而個人活動軌跡的公布則將對個人隱私造成直接侵犯。

（三） 自動化算法系統(tǒng)缺乏透明度與問責(zé)機制

算法透明和算法問責(zé)一直是算法規(guī)制研究中的重點議題。一般認為，算法透明作為一種重要的算法規(guī)制原則，其側(cè)重點主要在于事前對自動化決策系統(tǒng)進行規(guī)制，其功能主要在于增加算法控制者的可問責(zé)性，并且滿足算法規(guī)制對象的知情權(quán)[37]。算法問責(zé)，在計算機科學(xué)家看來可能是在設(shè)計算法之前應(yīng)當(dāng)遵循的詳細規(guī)范，從更廣泛意義上來看，算法問責(zé)應(yīng)當(dāng)是計算機科學(xué)家、社會公眾、法院及其他審查人員通過技術(shù)措施、法律機制（訴訟）實施的事后監(jiān)督[38]。算法透明與算法問責(zé)之間是一種相互促進的關(guān)系，要破除“算法黑箱”，既要遵循透明度原則，也應(yīng)當(dāng)具備相應(yīng)的問責(zé)機制。

按照目前各級警務(wù)部門實施大數(shù)據(jù)警務(wù)系統(tǒng)的情況來看，幾乎所有類型的大數(shù)據(jù)警務(wù)系統(tǒng)都缺乏透明度和問責(zé)機制。大數(shù)據(jù)警務(wù)系統(tǒng)和其他自動化算法系統(tǒng)遇到了同樣的難題，即技術(shù)復(fù)雜性使得局外人幾乎不可能判斷程序的準確性、有效性和公平性。對于警務(wù)人員而言，他們可以察覺到大數(shù)據(jù)警務(wù)系統(tǒng)是否在運行，但是他們無法探知大數(shù)據(jù)警務(wù)系統(tǒng)是如何運行的;對于社會大眾、新聞媒體、法院而言，他們可能知道大數(shù)據(jù)警務(wù)系統(tǒng)存在問題，但卻無法拿出合理的證據(jù)予以證明。這種透明度與問責(zé)機制的缺乏不僅是新技術(shù)快速發(fā)展使然，也是知識產(chǎn)權(quán)專有的結(jié)果。如果警察、法院或公民不能理解大數(shù)據(jù)警務(wù)系統(tǒng)，如果律師、記者和學(xué)者不能質(zhì)疑這些技術(shù)，那么大數(shù)據(jù)警務(wù)系統(tǒng)都將面臨合法性與合理性的危機。

四、 對大數(shù)據(jù)警務(wù)的法律控制

隨著國家治理體系和治理能力現(xiàn)代化的不斷推進，大數(shù)據(jù)警務(wù)已經(jīng)勢在必行。我們在追求大數(shù)據(jù)警務(wù)帶來的技術(shù)紅利同時，不能忽略隱含其中的風(fēng)險議題。為了在技術(shù)創(chuàng)新與權(quán)利保護之間保持平衡，需要建構(gòu)大數(shù)據(jù)警務(wù)的法律控制機制。

（一） 制定警務(wù)數(shù)據(jù)采集規(guī)范，確保個人數(shù)據(jù)的合理使用

從個人數(shù)據(jù)保護的角度看，個人數(shù)據(jù)處理與利用是個人數(shù)據(jù)歸集的必然結(jié)果;從政府信息公開和政府?dāng)?shù)據(jù)開放的角度看，政府?dāng)?shù)據(jù)應(yīng)當(dāng)有完整的歸集和處理，才能有充分正確的信息對人民公開。因此，數(shù)據(jù)的歸集、處理和利用均應(yīng)當(dāng)有完善健全的法制規(guī)范，才能在考量行政效率的同時兼顧個人數(shù)據(jù)的保護。大數(shù)據(jù)警務(wù)系統(tǒng)對個人數(shù)據(jù)的匯集與使用主要體現(xiàn)在兩個方面：一方面是警務(wù)部門直接從個人、組織歸集個人數(shù)據(jù);另一方面是警務(wù)部門整理、利用他人或其他機關(guān)共享的各種數(shù)據(jù)。為了能夠規(guī)范個人數(shù)據(jù)的歸集、處理與使用，確保個人信息隱私不受侵犯，應(yīng)當(dāng)從以下兩個方面完善相關(guān)規(guī)范。

其一，制定明確的警務(wù)部門個人數(shù)據(jù)采集規(guī)范。目前關(guān)于個人數(shù)據(jù)的采集，我國尚未制定專門的法律規(guī)范，一些基本的原則或規(guī)則主要散見于其他法律中，不過大部分主要針對私營部門的數(shù)據(jù)采集行為。例如，全國人民代表大會常務(wù)委員會于2012年12月頒布實施的《關(guān)于加強網(wǎng)絡(luò)信息保護的決定》第2條便規(guī)定：“網(wǎng)絡(luò)服務(wù)提供者和其他企業(yè)事業(yè)單位在業(yè)務(wù)活動中收集、使用公民個人電子信息，應(yīng)當(dāng)遵循合法、正當(dāng)、必要的原則，明示收集、使用信息的目的、方式和范圍，并經(jīng)被收集者同意，不得違反法律、法規(guī)的規(guī)定和雙方的約定收集、使用信息?！鼻笆鲆?guī)定已經(jīng)基本上涵蓋了目前國際上有關(guān)個人信息保護的通用基本原則，因此也應(yīng)當(dāng)適用于警務(wù)部門的個人數(shù)據(jù)采集行為。目前日本專門制定了《行政機關(guān)個人信息保護法》，其他國家也紛紛在個人信息保護法中對行政機關(guān)個人信息采集行為予以規(guī)范，我國應(yīng)當(dāng)以此為借鑒，結(jié)合我國的實踐經(jīng)驗，制定專門的警務(wù)部門個人數(shù)據(jù)采集規(guī)范，建立統(tǒng)一的數(shù)據(jù)集采集、錄入標(biāo)準和審核標(biāo)準，并且確立數(shù)據(jù)質(zhì)量的責(zé)任主體。

其二，嚴格規(guī)范警務(wù)部門（人員）處理、使用個人數(shù)據(jù)的行為。個人數(shù)據(jù)的處理、使用是大數(shù)據(jù)警務(wù)系統(tǒng)中的重要環(huán)節(jié)，盡管最終的處理過程是由算法完成，但是從數(shù)據(jù)的前期處理，到算法的技術(shù)設(shè)計，均是由人在進行。因此，應(yīng)當(dāng)加強對大數(shù)據(jù)警務(wù)系統(tǒng)設(shè)計人員、管理人員的法律與倫理要求，加強對他們的培訓(xùn)，避免他們將自己的個人偏見帶入數(shù)據(jù)處理和系統(tǒng)設(shè)計中;同時還要強化個人責(zé)任體系，對于那些借助“職務(wù)之便”，利用大數(shù)據(jù)警務(wù)系統(tǒng)從事違法犯罪的警務(wù)人員或技術(shù)公司，造成損失的應(yīng)當(dāng)承擔(dān)賠償責(zé)任，涉嫌刑事犯罪的，應(yīng)當(dāng)依法追究刑事責(zé)任。

（二） 建立警務(wù)系統(tǒng)評估機制，定期檢測系統(tǒng)存在的風(fēng)險

大數(shù)據(jù)警務(wù)系統(tǒng)的設(shè)計、使用并非一勞永逸，換言之，此時無風(fēng)險并不意味著彼時無風(fēng)險。美國學(xué)者安德魯·弗格森（Andrew Ferguson）認為，無論是輸入數(shù)據(jù)和輸出結(jié)果的問題，還是系統(tǒng)的錯誤、偏見等問題，均指向一個解決方案，那便是檢測，用于警務(wù)的大數(shù)據(jù)技術(shù)必須不斷檢測和重新檢測。[39]他進一步指出，警務(wù)部門在部署大數(shù)據(jù)警務(wù)系統(tǒng)時必須明確回答以下幾個問題：1. 擬使用的大數(shù)據(jù)技術(shù)所要解決的風(fēng)險是什么？2. 能否確保系統(tǒng)輸入的適當(dāng)性（如數(shù)據(jù)的正確性、方法的可靠性等）？3. 能否確保系統(tǒng)輸出的適當(dāng)性（如對警務(wù)實踐、社會的影響）？4. 能否對系統(tǒng)進行測評以確保透明度和問責(zé)機制？5. 使用大數(shù)據(jù)警務(wù)系統(tǒng)是否尊重了公民的自主權(quán)？此外，在歐盟的個人數(shù)據(jù)保護法制中，“個人數(shù)據(jù)保護影響評估”“自動化決策影響評估”等已經(jīng)成為數(shù)據(jù)控制者或處理者的法定義務(wù)。[40]結(jié)合國外的理論與實踐經(jīng)驗，本文認為，應(yīng)當(dāng)從以下兩方面完善大數(shù)據(jù)警務(wù)系統(tǒng)評估機制。

其一，從評估的階段來看，應(yīng)當(dāng)完善大數(shù)據(jù)警務(wù)系統(tǒng)的事前、事中和事后評估。從目前我國大數(shù)據(jù)警務(wù)實踐來看，各級警務(wù)部門大部分遵循了“個別試點運行+全面上線運行”的模式，即先在某一個區(qū)域?qū)Υ髷?shù)據(jù)警務(wù)系統(tǒng)進行小范圍試點，然后再推廣應(yīng)用到整個警務(wù)系統(tǒng)。這種模式可以視為是大數(shù)據(jù)警務(wù)系統(tǒng)的事前評估機制，對大數(shù)據(jù)警務(wù)系統(tǒng)的效果進行測評，視情況進行修正完善后交付正式運行。然而，在大數(shù)據(jù)警務(wù)系統(tǒng)正式上線運行以后，相應(yīng)的評估機制往往付之闕如。因此，本文認為，應(yīng)當(dāng)完善大數(shù)據(jù)警務(wù)系統(tǒng)的事前、事中和事后評估機制。在實施的全過程，對大數(shù)據(jù)警務(wù)系統(tǒng)可能給警務(wù)實踐和公民權(quán)利帶來的影響、存在的法律風(fēng)險和技術(shù)風(fēng)險進行全面評估，并通過互聯(lián)網(wǎng)、新媒體等載體向社會公眾公布評估報告，接受社會公眾的監(jiān)督。

其二，從評估的主體來看，應(yīng)當(dāng)完善大數(shù)據(jù)警務(wù)系統(tǒng)的自我評估和第三方評估。警務(wù)部門作為大數(shù)據(jù)警務(wù)系統(tǒng)的設(shè)計者、管理者，由警務(wù)部門開展內(nèi)部自我評估，可以有效利用其自身的實踐經(jīng)驗優(yōu)勢，這對于提升大數(shù)據(jù)警務(wù)系統(tǒng)運行的穩(wěn)定性意義重大。但是從行政法理論看，個人不應(yīng)當(dāng)做自己案子的法官，所以應(yīng)該由高等院校、科研機構(gòu)、科技公司等第三方機構(gòu)來對大數(shù)據(jù)警務(wù)系統(tǒng)進行評估。這樣做一方面可以充分發(fā)揮第三方機構(gòu)的專業(yè)優(yōu)勢，將最新的技術(shù)發(fā)展應(yīng)用到大數(shù)據(jù)警務(wù)中;另一方面也可以利用第三方機構(gòu)的中立地位，提升公眾對大數(shù)據(jù)警務(wù)系統(tǒng)的信任。

（三） 賦予公眾算法解釋權(quán)，強化公眾的事后監(jiān)督問責(zé)

大數(shù)據(jù)警務(wù)系統(tǒng)以各種數(shù)據(jù)資源為基礎(chǔ)，借助算法技術(shù)，直接對行政相對人的行為進行預(yù)判，并輔助警務(wù)部門的決策（如啟動盤問、專項執(zhí)法等），已經(jīng)具備了傳統(tǒng)警察權(quán)的效果，成為一種新的技術(shù)權(quán)力，有學(xué)者將其稱為“算法權(quán)力”[41]。為了防止算法權(quán)力異化，必須對其進行有效規(guī)制，其中最為重要的是要賦權(quán)行政相對人。

其一，賦予公眾算法解釋權(quán)。算法解釋權(quán)是公眾對自動化算法決策提出異議的權(quán)利，以保護個人自主與尊嚴[42]。面對“算法黑箱”，我們不能聽之任之。盡管大數(shù)據(jù)警務(wù)系統(tǒng)作出的決策是由機器或算法作出，但只要融入到警察機關(guān)的行政行為中，并且最終對行政相對人的合法權(quán)益造成影響，那么就應(yīng)當(dāng)允許行政相對人提出反對意見。從理論上看，公眾享有算法解釋權(quán)與行政機關(guān)“說明理由”義務(wù)是相對應(yīng)的，警察機關(guān)對其作出的決定或裁決應(yīng)當(dāng)進行正當(dāng)性說明[43]。從域外法制經(jīng)驗來看，歐盟《通用數(shù)據(jù)保護條例》第15條第1款（h）項規(guī)定，參見https：//gdprinfo.eu/art15gdpr/。當(dāng)數(shù)據(jù)處理已經(jīng)開始，且若存在算法決策，算法控制者應(yīng)當(dāng)向算法決策相對人披露這一信息，尤其是決策系統(tǒng)適用的邏輯以及此類自動化處理對于算法決策相對人的意義及可能后果等“有意義的信息”。

其二，賦予公眾事后救濟的權(quán)利?！坝袡?quán)利必有救濟”，行政相對人對于大數(shù)據(jù)警務(wù)系統(tǒng)除了享有算法解釋權(quán)以外，還應(yīng)當(dāng)具有異議權(quán)、修復(fù)權(quán)、反對權(quán)。具體而言，首先應(yīng)當(dāng)允許行政相對人對大數(shù)據(jù)警務(wù)系統(tǒng)的決策向主管機關(guān)提出異議。其次，如果發(fā)現(xiàn)大數(shù)據(jù)警務(wù)系統(tǒng)的不利決策是由數(shù)據(jù)錯誤、缺漏、過時造成，應(yīng)當(dāng)允許個人向主管機關(guān)要求修復(fù)數(shù)據(jù)的權(quán)利。最后，若行政相對人始終無法接受大數(shù)據(jù)警務(wù)系統(tǒng)作出的決策，應(yīng)當(dāng)允許行政相對人推出算法決策，并為其提供人為決策。歐盟《通用數(shù)據(jù)保護條例》第22條第1款便規(guī)定，參見https：//gdprinfo.eu/art22gdpr/。個人有權(quán)不受完全依據(jù)自動化處理作出的且對其產(chǎn)生法律或類似重大影響的決策的約束，這就是所謂的“反對權(quán)”，盡管上述權(quán)利的行使還存在諸多限制條件，但也不失為一種有益嘗試。

結(jié) 語

新興的大數(shù)據(jù)警務(wù)系統(tǒng)打破了警察機關(guān)與行政相對人之間的權(quán)力結(jié)構(gòu)平衡，存在諸多風(fēng)險議題，亟待進行法律規(guī)制。面對大數(shù)據(jù)警務(wù)系統(tǒng)的廣泛運用，一方面，我們需要不斷進行技術(shù)創(chuàng)新，發(fā)揮大數(shù)據(jù)警務(wù)系統(tǒng)在優(yōu)化警察執(zhí)法、推進社會治理智慧化方面的優(yōu)勢;另一方面，我們也應(yīng)當(dāng)恪守法治精神，將大數(shù)據(jù)警務(wù)系統(tǒng)納入法治軌道，避免不當(dāng)使用對公民的知情權(quán)、隱私權(quán)、平等權(quán)等合法權(quán)益造成侵害。與所有人工智能法律規(guī)制議題一樣，大數(shù)據(jù)警務(wù)系統(tǒng)的法律控制是一個系統(tǒng)工程，并非一項制度、一部法律就能解決，因此需要不同的學(xué)科、不同的治理主體共同參與，形成社會共治的局面。此外，無論是大數(shù)據(jù)警務(wù)系統(tǒng)的設(shè)計，還是大數(shù)據(jù)警務(wù)系統(tǒng)的運行，我們均應(yīng)當(dāng)堅持“以人為本”的精神，正如邁爾-舍恩伯格和肯尼思·庫克耶在《大數(shù)據(jù)時代》一書中所指出的：“大數(shù)據(jù)并不是一個充斥著運算法則和機器的冰冷世界，人類的作用依然無法被完全替代。大數(shù)據(jù)為我們提供的不是最終答案，只是參考答案，幫助只是暫時的，而更好的方法和答案還在不就的未來?！?[1]（233）

〔參考文獻〕

[1]

[英]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].盛楊燕，周濤 譯.杭州：浙江人民出版社，2013.

[2] [美]史蒂夫·洛爾.大數(shù)據(jù)主義[M].胡小銳，朱勝超 譯.北京：中信出版社，2015.

[3] Police Executive Research Forum. Future Trends in Policing[M]. Washington， D.C.： Office of Community Oriented Policing Services， 2014.

[4] 岳東. 瀘州市公安局成立全省首支大數(shù)據(jù)警察支隊[EB/OL].（2018-01-31）[2020-02-05].四川新聞網(wǎng)http：//scnews.newssc.org/system/20180131/000852634.html.

[5] 鄭瑩瑩，李姝徵.“數(shù)據(jù)警察”亮相上海[EB/OL]. （2019-07-25） [2020-02-05].中國新聞網(wǎng)https：//baijiahao.baidu.com/s？id=1640038782151978140&wfr=spider&for=pc.

[6] 譚俊.大數(shù)據(jù)技術(shù)在警察執(zhí)法中的應(yīng)用及挑戰(zhàn)[J].行政法學(xué)研究，2018，（6）：128-135.

[7]Huet， E. Server and protect： predictive policing firm PredPol promises to map crime before it happens[EB/OL].（2015-02-11）[2020-02-05].https：//www.forbes.com/sites/ellenhuet/2015/02/11/predpolpredictivepolicing/#4763ab24f9bf.

[8]劉嫚.四川首個大數(shù)據(jù)警察支隊帶來警務(wù)變革： 刑事案發(fā)率明顯下降[EB/OL].（2019-07-18）[2020-02-05].搜狐新聞http：//m.sohu.com/a/327775435_161795.

[9]高文英.警務(wù)數(shù)據(jù)的應(yīng)用與執(zhí)法方式改革探究——以貴州、四川瀘州警務(wù)數(shù)據(jù)的應(yīng)用為例[J].警學(xué)研究，2019，（1）：5-13.

[10]夏菲.警務(wù)科技化進程中的公民權(quán)利保障[J].華東政法大學(xué)學(xué)報，2019，22（5）：84-95.

[11]Cohen， J. E. What privacy is for[J].Harvard Law Review， 2013， 126（7）：1904-1933.

[12]翟云.智慧治理：“互聯(lián)網(wǎng)+”時代的政府治理創(chuàng)新[M].北京：國家行政學(xué)院出版社，2016.

[13] 張兆端. 智慧公安：大數(shù)據(jù)時代的警務(wù)模式[M]. 北京：中國人民公安大學(xué)出版社， 2015.

[14]周延森. 數(shù)據(jù)結(jié)構(gòu)[M]. 北京：北京郵電大學(xué)出版社， 2019.

[15]馬國富. 基于云計算的監(jiān)獄數(shù)據(jù)安全與大數(shù)據(jù)挖掘[M]. 保定：河北大學(xué)出版社， 2016.

[16]萬毅.論盤查[J].法學(xué)研究，2006，（2）：126-137.

[17]Ferguson， A. G. Big data and predictive reasonable suspicion[J]. University of Pennsylvania Law Review， 2015， 163（2）： 327-410.

[18]譚遠宏.從動機到機會——犯罪地理學(xué)的興起[J].山東警察學(xué)院學(xué)報，2016，28（6）：19-29.

[19]陶衛(wèi)東. 模糊信息理論與警務(wù)智能決策[M]. 北京：科學(xué)技術(shù)文獻出版社， 2016.

[20] Lave， T. R. & Eric Miller， J.（eds.） The Cambridge Handbook of Policing in the United States[M]. Cambridge： Cambridge University Press， 2019.

[21] 李濤. 北京懷柔建“犯罪預(yù)測系統(tǒng)”收錄9年案件數(shù)據(jù)[EB/OL].（2014-06-17）[2020-02-06].中國新聞網(wǎng)http：//www.chinanews.com/fz/2014/06-17/6287303.shtml.

[22]丁國鋒.蘇州公安犯罪預(yù)測系統(tǒng)上線6個月，大數(shù)據(jù)助推警務(wù)改革[EB/OL]. （2014-10-9） [2020-02-06].法制網(wǎng)http：//legal.china.com.cn/2014-10/09/content_33711795.htm.

[23][加]歐文·沃勒. 智慧的犯罪控制：共建安全未來的指南[M]. 呂巖 譯.北京：中國法制出版社， 2018.

[24]Perry，W. L.， McInnis， B.， Price， C. C.， Smith， S. C. & Hollywood， J. S. Predictive Policing： The Role of Crime Forecasting in Law Enforcement Operations[M]. RAND Corporation， 2013.

[25] 張鵬.貴陽創(chuàng)建“人像大數(shù)據(jù)”系統(tǒng)[N].貴陽晚報，2018-3-8（A05）.

[26]周斌，張馳. 政法機關(guān)大數(shù)據(jù)戰(zhàn)略守護平安[N]. 法制日報，2019-1-17（3）.

[27]蔡莉，朱揚勇. 大數(shù)據(jù)質(zhì)量[M]. 上海：上?？茖W(xué)技術(shù)出版社， 2017.

[28][美]弗蘭克·帕斯奎爾.黑箱社會：控制金錢和信息的數(shù)據(jù)法則[M].趙亞男，譯.北京：中信出版社，2015.

[29]Barocas， S. & Selbst， A. D. Big datas disparate impact[J].California Law Review， 2016， 104（3）： 671-732.

[30]Selbst， A. D. Disparate impact in big data policing[J]. Georgia Law Review， 2017， 52（1）： 109-196.

[31] 戴治勇.選擇性執(zhí)法[J].法學(xué)研究，2008，30（4）：28-35.

[32]李建新，丁立軍.“污名化”的流動人口問題[J].社會科學(xué)，2009，（9）：56-64，189.

[33]Froomkin， A. M. The death of privacy[J]. Stanford Law Review， 2000， 52（5）： 1461-1544.

[34]Solove， D J. A taxonomy of privacy[J]. University of Pennsylvania Law Review， 2006， 154（3）： 477-564.

[35] 趙家新.江蘇深挖大數(shù)據(jù)打造智慧警務(wù)[N].人民公安報，2018-3-27（1）.

[36]彭莉.最快10分鐘鎖定活動軌跡！米易縣大數(shù)據(jù)助力疫情防控[EB/OL]. （2020-2-5） [2020-02-7].川報觀察https：//cbgc.scol.com.cn/news/228914？from=groupmessage.

[37]沈偉偉.算法透明原則的迷思——算法規(guī)制理論的批判[J].環(huán)球法律評論，2019，41（6）：20-39.

[38]約叔華·A.克魯爾，喬安娜·休伊，索倫·巴洛卡斯，愛德華·W.菲爾頓，喬爾·R.瑞登伯格，大衛(wèi)·G.羅賓遜，哈蘭·余，沈偉偉，薛迪.可問責(zé)的算法[J].地方立法研究，2019，4（4）：102-150.

[39] Ferguson， A. G. Policing predictive policing[J]. Washington University Law Review， 2017， 94（5）： 1109-1190.

[40] 肖冬梅，譚禮格.歐盟數(shù)據(jù)保護影響評估制度及其啟示[J].中國圖書館學(xué)報，2018，44（5）：76-86.

[41] 張凌寒.算法權(quán)力的興起、異化及法律規(guī)制[J].法商研究，2019，36（4）：63-75.

[42]解正山.算法決策規(guī)制——以算法“解釋權(quán)”為中心[J].現(xiàn)代法學(xué)，2020，42（1）：179-193.

[43]王立勇.論正當(dāng)程序中的說明理由制度[J].行政法學(xué)研究，2008，（02）：60-66，84.

（責(zé)任編輯：夏 雪）

On Big Data Policing and Its Legal Control

ZHANG Tao

（School of Law， China University of Political Science and Law， Beijing 100088， China）

Abstract： In the background of advancing the modernization of the national governance capabilities and system， big data technology is widely used in police law enforcement. Based on this， the article uses the research methods of normative， case and comparative analysis to study the technical logic， practical application， social risks and legal control of big data policing. In the practice of big data policing， “dirty data” often leads to threats to citizens equal rights protection. The massive collection， processing and use of personal data by police agencies infringes on personal information privacy. The algorithm systems have no transparency and accountability mechanism， which leads to the lack of effective relief for personal rights. In order to prevent the alienation of big data policing， China should formulate police data collection laws to ensure the reasonable use of personal data， establish risk assessment system to regularly detect the risks of the big data policing， give the public the right of algorithm interpretation and strengthen the public accountability.

Key words： big data policing; algorithm; artificial intelligence; legal regulation