李金锋，陈如超
（西南政法大学，重庆 401120）
警务是维护社会治安秩序的一系列制度、机制、程序和方法 。根据《人民警察法》第1 条和第2 条规定，公安机关要通过预防、制止和惩治违法犯罪活动，来维护社会治安秩序。该法第6条第2 款和第3 款规定，公安机关肩负有“预防、制止和侦查违法犯罪活动”“制止危害社会治安秩序的行为”等职责。治安问题是对社会治安秩序造成或可能造成威胁和破坏的问题。①关于治安问题的界定，学界尚未达成统一的认识，现有“危害说”“规范说”“混合说”“实体说”四种论说。倡导“危害说”的学者认为，治安问题是对社会秩序造成破坏的行为，具有社会危害性。参见：金其高.中国社会治安防控［M］.北京：中国方正出版社，2004：22。倡导“规范说”的学者们认为，治安问题是违反法规范的行为，具有形式违法性。参见：梁立栋.治安管理学基础理论教程［M］.北京：群众出版社，199：62；
冯锁柱，邹铁力.治安论［M］.北京：群众出版社，2005：16-50；
李健和.治安学原理［M］.北京：中国人民公安大学出版社，2013：63；
等。倡导“混合说”的学者们认为，治安问题具有形式违法性和社会危害性双重特性。参见：杨瑞清.治安管理学通论［M］.南昌：江西人民出版社，2006：71；
李晓明，何星.论“社会治安问题”的内涵［J］.法治研究，2012（2）：38-43；
等。倡导“实体说”的学者们认为，治安问题是治安实体当中的一部分，治安实体是治安秩序的载体。治安实体有广义和狭义之分：广义的治安实体是指与治安危害紧密相关的客观实在，既包括具有或可能具有治安危害的客观实在，也包括预防、管理具有或可能具有治安危害的客观实在，即治安实体不仅包括被管理的治安客体的外在物质形式，也包括治安主体和治安规范的外在物质形式；
狭义的治安实体，仅仅是指具有或可能具有治安危害的客观实在。参见：宫志刚.秩序：治安学的逻辑起点［J］.中国人民公安大学学报（社会科学版），2008（5）：107-111；
陈涌清，王睒睒.治安实体研究——兼论治安秩序的形成［J］.净月学刊，2015（3）：76-84；
宫志刚、王彩元.治安学导论［M］.北京：中国人民公安大学出版社，2018：94-100；
等。学者们的观点虽然并不一致，但都认可治安问题应指向对社会治安秩序的威胁或破坏。从实践情况来看，治安问题具有双重性，既包括违反治安管理类法规和刑法的行为，①从狭义层面来讲，一般违法行为主要指违反治安管理行为；
从广义层面来讲，违法行为还包括犯罪行为。我国实行违法和犯罪二元制立法模式，二元制立法模式导致公安机关肩负刑事侦查和治安案件查处的双重职责。参见：张泽涛.论公安侦查权与行政权的衔接［J］.中国社会科学，2019（10）：160-183；
郑新，高文英.违反治安管理行为与犯罪行为衔接问题的立法完善［J］.中国人民公安大学学报（社会科学版），2017，33（6）：68-78；
等。又包括治安类法规和刑法未规定的客观存在的危害社会治安秩序的行为，②治安问题的二重性表明，实践中治安问题既具有规范性，又具有一定的社会性，警务活动既应防控具有形式违法性的造成或可能造成威胁和破坏的问题，又要防控不具有形式违法性但具有社会危害性的问题。参见：王瑞山.论治安问题研究在治安学中的措置［J］.中国人民公安大学学报（社会科学版），2018，34（1）：138-144.例如，未达到刑责年龄青少年所实施的危害性等同于违法犯罪的行为。警务运行必须聚焦的一个核心主题是如何对治安问题进行有效防控，以切实维护社会治安秩序。有效警务应能在治安问题发生的初端、中端和末端等三阶段生成警务生产力，在问题发生的初端进行有效感知，在问题发生的中端进行有效预防，在问题发生的末端进行有效预警和处置，从而形成一种三阶段四层面的有机防控体系。如果警务主体在某一个阶段无法对治安问题形成有效防控，治安问题很有可能向下一个阶段发展演变，从而对社会治安秩序造成威胁或破坏。有效防控要求警务主体在回应速度上能匹配甚至超前于治安问题的发生速度，在回应能力上能够对治安问题进行有效预防和处置。③为对治安问题形成有效防控，强化社会治安秩序维护，中央和地方对警务实践进行了总体设计和系列部署。中央层面出台了很多相关文件，比如1991 年《中共中央国务院关于加强社会治安综合治理的决定》，强调要运用政治、经济、行政、法律、文化、教育等多种手段预防和打击犯罪；
2001 年中共中央、国务院出台《关于进一步加强社会治安综合治理的意见》，强调对社会治安实行动态管理，建立快速反应机制，加强对社会面的控制，堵塞违法犯罪漏洞；
2015 年中共中央办公厅、国务办公厅印发《关于加强社会治安防控体系建设的意见》提出，要创新立体化社会治安防控体系，依法严密防范和惩治各类违法犯罪活动等。地方层面则进行了相应规划和落实。比如，上海市公安局加快推进更高水平平安建设，不断强化社会治安整体防控。参见：上海创新机制织密社会治安防控网［EB/OL］.中华人民共和国公安部官网（2022-12-30）［2023-04-30］https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841055/c8812741/content.html.；
温州公安深入实施“源、融、亲”三型警务，着力打造“最严社会治安管理区域、最优警民和谐生态、最有影响‘三能’警队”。参见：温州：织密立体化社会治安防控体系网络［N］.法制日报，2022-10-1（04）；
江苏省公安厅坚持问题导向、创新驱动，实行整体设计、项目推进，建立健全全时空控制、点线面结合、打防管控相衔接的立体化信息化社会治安防控体系。参见：山东高标准细措施构建立体化治安防控格局［N］.法制日报，2021-7-21（03）等。
不同时代的治安问题不同，所对应的警务模式有所区别。工业时代的治安问题属于单一型，以盗窃、抢劫、故意伤害等传统治安问题为主。与单一型治安问题所对应的警务模式是传统人力警务。传统人力警务主要依靠警察、民众等人力来实现对治安问题的感知、预防和处置，相关的制度、机制、程序和方法设计也都围绕人力执行展开。比如民警依靠线人、治安积极分子等来收集案件情报。囿于人力的不可集约性、智识有限性和非经济性，传统人力警务对治安问题的感知是一种有限感知，基于有限感知而产生模糊预防和碎片预警，这导致传统人力警务的预防功能整体受限。比如，社区民警主要通过标准化的预防性控制来防止重点人口再次实施违法犯罪，但是对重点人口再次实施违法犯罪的概率有多高，以及何时会实施违法犯罪等问题，社区民警无法进行事先预测和精确预警，对重点人口的预防性控制多是基于经验而进行的一种模糊性干预，预防的科学性和准确性不高。
良好的警务模式应能对治安问题形成有效防控。与预防功能相比，传统人力警务的打击功能比较强大，它将大量警务资源倾斜投放到了违法犯罪打击上，主要体现在侦查民警待遇更高、侦查装备更为先进、侦查人员晋升空间更大等方面。警务资源的倾斜投放，让传统人力警务的侦查能力远高于预防能力，打击功能更为凸显。但传统人力警务以经验为驱动，与预防功能相似，其打击功能的整体效能受限。不过，囿于传统单一型治安问题的整体危害性有限，在党委领导和政府主导下，传统人力警务依靠强大的组织化调控［1］，能够对工业时代单一型治安问题形成有效防控，确保治安问题在一种稳定可控的层面内运行。总体来讲，传统人力警务重打击轻预防，是以打击为中心的“事件—回应”被动型控制警务。①关于传统警务属于一种以打击为中心的被动型控制警务的论述，参见：王忠敏.构建现代警务模式，提升警务工作效能——临安公安“一平台五中心”警务机制改革的探索与实践［J］.浙江警察学院学报，2022（1）：113-117；
张玲，姚添，王禹淋.我国现代警务机制改革的价值取向、演进逻辑与路径选择［J］.中国人民公安大学学报（社会科学版），2021，37（6）：97-106；
王琛，周彬.大数据时代的警务模式改革［J］.中国人民公安大学学报（社会科学版），2018，34（4）：56-68；
王懂懂.智能警务：大数据3.0 时代之现代警务运行模式思考［J］.北京警察学院学报，2018（1）：76-82；
薛向君.当代美国警务理念与模式创新［J］.中国人民公安大学学报（社会科学版），2017，33（1）：81-90；
阮奕茜.现代警务机制转型刍议——“漳州110”的实践启示［J］.道路交通管理，2017（2）：36-38；
邱雅娴.犯罪预防设计：现代警务发展的必然选择［J］.犯罪研究，2018（2）：7-15；
张跃进.从传统警务走向现代警务［J］.江苏警官学院学报，2007（5）：138-144；
等.以经验驱动为支撑，传统人力警务着力于案件发生后的回溯性侦查，是一种鲜明的工业时代社会控制模式（如图1 所示）。
图1 人力警务对传统单一型治安问题有效防控运行逻辑样态
随着数字时代的到来，人类进入到真正的高风险社会。高度时空压缩导致风险呈现出模糊性、多样性、交织性、联动性等样态，社会治安问题由此发生了结构性变化：从传统单一型治安问题转变成传统问题和现代问题共存的复合型治安问题。现代治安问题的出现给传统人力警务模式带来了巨大挑战。工业时代，人群多居住于城市空间，治安问题也多发生在城市空间；
数字时代，网络已成为民众主要生活空间，网络平台成为人们日常消费、娱乐甚至是工作的社会交往场所，社会空间由物理一元转向物理/电子二元［2］，网络技术也被违法犯罪分子所利用，“技术已经成为生活的关键部分，它也成为了犯罪生活的一部分。”［3］“存储的数据越多，有组织犯罪就越准备吞噬它。”［4］数字时代，风险和潜在自我威胁的释放达到了前所未有的程度［5］。网络空间形成了一条明显的黑灰产业链条，②网络犯罪产业链条分为上中下游。产业链上游提供技术工具，制作木马病毒，通过网页、邮件等形式“挂马”，诱导用户访问下载并在用户的电脑中种植木马软件，以此来获取用户电脑中的信息或者直接控制用户的电脑；
产业链中游将获取的用户账号、密码等信息通过数据平台清洗后既可以用来盗取财产，也可以以用户信息为对象直接转卖获利，而其控制的“僵尸网络”在发动网络攻击时可以发挥巨大的作用。产业链的下游则以盗窃、诈骗等形式将获取的数据变现。参见：新型网络犯罪防不胜防，如何阻断“黑灰产业链”？［EB/OL］.中央政法委中国长安网（2021-02-22）［2023-09-13］.http://www.chinapeace.gov.cn/chinapeace/c100007/2021-02/22/content_12453346.shtml.治安问题的发生重心从现实的城市空间转移到虚拟的网络空间。2015 年，我国犯罪拐点开始出现，以网络为依托或利用网络实施的新型违法犯罪总量急剧上升［6］，网络犯罪占我国犯罪总量的 1/3，且呈不断上升态势［7］，数字时代的网络吸引型犯罪特征逐渐显现。
以网络犯罪为代表的现代治安问题呈现出技术水平更高、隐蔽性更深、危害性更大、风险性更强等特征，传统人力警务模式难以对其进行早期预测［8］，应对速度无法追赶现代治安问题的危害速度［9］，应对能力无法有效回应现代治安问题的智能化水平和复杂性程度［10］，事后监管离现代治安问题的距离又太远［11］。同时，很多传统治安问题也逐渐向网络空间转移，传统治安问题的现代化转向特征逐渐彰显。传统治安问题与现代治安问题交织共存，型构出数字时代的复合型治安问题，加剧了警务治理的难度，③数字时代，时空结构发生了变迁，社会“过程加速”和“结构加速”带来多种安全风险交织叠加，传统的“人员导向”安全防控机制运行成本变得越来越高，防控效果不仅难以在短时间内显现，而且在人员甄别中还引发了一系列道德伦理问题。参见：姬艳涛.空间技术化：现代警务创新的时空逻辑［J］.公安学研究，2022，5（3）：44-65.国家正规强制机构所负担的社会管制负荷成倍增加［12］，治安问题对财产的侵犯让民众的担忧加深［13］，吉登斯所讲的“失控社会”逐渐显现。一般而言，国家权力介入的程度与防控对象的风险程度应成正比［14］。传统人力警务重打击轻预防的轻介入运行模式，已不能对数字时代的高风险治安问题形成有效防控，警务模式必须要向深介入的现代大数据警务转变。
与传统人力警务相比，大数据警务利用技术赋能优势，对复合型治安问题的回应程度更深，能够在问题发生的初端、中端以及末端等三阶段形成有效防控，①从实践运行情况来看，有效防控要求大数据警务模式对治安问题能够形成一种类似金融监管“穿透式”的感知和控制。金融领域的穿透式监管是落实监管强化并防范系统性风险的重要手段。监管只有具有穿透作用，才能及时有效感知、化解各种风险。参见：陈秋竹.金融监管规则介入司法裁判的合理性及其限度——基于穿透式监管对商事合同效力认定的影响［J］.南方金融，2021（3）：76-86；
叶林，吴烨.金融市场的“穿透式”监管论纲［J］.法学，2017（12）：12-21；
许恋天.互联网金融“穿透式”监管研究［J］.金融监管研究，2019（3）：98-111；
任怡多.金融科技穿透式监管的逻辑机理与制度构建［J］.苏州大学学报（法学版），2022，9（2）：96-104；
等。技术赋能让警务主体能够穿透遮蔽以窥视治安问题发生、演变的各个阶段，警务主体的发现和处置能力更加强大，可以精准有力地开展各种防控措施。在初段感知、中端预防、末端预警和处置等层面产生四重结构转型，生产出具有数字时代特点的三阶段四层面有机防控体系。需要说明的是，社会控制不只是警察控制［15］。作为“数字看门人”［16］，以平台企业为主的网络服务提供者越来越重视投资网络安全领域［17］。网络服务提供者掌握有先进大数据技术，对平台内违法违规行为进行快速感知、预警和处置［18］，“有用调查载体”的角色越来越突出［19］，网络服务提供者被赋予了社会管理、犯罪控制、安全保障等职能，与公安机关共同担负起防控治安问题的社会责任，以“平台警务”为标志的第三方警务诞生［20］，大数据警务向“公私协作模式”深度发展［21］，有力助推了四重结构转型的实现。
（一）第一重转型：初端感知从有限感知转向全面感知
感知的建立是所有管理活动包括应急管理的基础［22］。万物皆被记录是大数据时代的底层运行结构。大数据技术通过记录万物，对治安要素可以进行接触式的“定域性”精细解析，也可以进行非接触式的“脱域化”精细解析［23］。人、车、地、物、组织等治安要素被高度解析后呈现出“颗粒化”和“全息”状态［24］，单个治安要素的产生、发展、演变等生命过程从隐秘走向公开，治安要素的透明化程度大大增加，警务主体对治安要素的感知从有限感知迈向了全面感知。比如，对于电诈团伙利用网络直播打赏洗钱，大数据警务可以对号商注册打赏平台账号、被害人钱款到打赏账号、币商多级转卖、主播公会以及粉丝购买代币等资金流转全过程进行感知，资金流转过程呈现出一种透明的全息状态。
从感知的渠道来讲，大数据警务对治安要素感知主要有三种：一是警务主体利用自动识别感知技术和智能物理传感器，对物理空间的数据进行感知，自动识别感知技术包括射频技术、人脸识别、指纹识别、图像识别、文字识别等，智能物理传感器包括智能手表、智能手机、智能水表、智能电表等，形成规模后可以促成警务物联网的产生；
二是警务主体利用查询扩展技术、文档索引技术等网络检测技术，对电子空间的数据进行感知；
三是网络运营者通过接口技术、数据库或日志采集、可信AI 等技术，对于平台系统内的数据进行感知，比如蚂蚁集团的智能风控能够实现10 毫秒级的风险感知判定，平台对数据进行感知后，要留存和保全相关数据，为警务执法提供技术支持。
（二）第二重转型：中端预防从模糊预防转向精确预防
为有效应对数字时代出现的高风险，最大程度减少复合型治安问题带来的损失，警务活动必须从问题发生后的被动处置向问题发生前的主动预防迈进。预防比处罚更有价值。②预防比处罚成本更低，所带来的社会效果更好，预防比处罚更有价值。参见：张葆葆.大数据时代下犯罪预测的应用与限制研究［J］.犯罪研究，2020（1）：16-23.要实现有效预防，警务主体应具有精准预测治安问题的能力。传统警务所依赖的理论和技术多是一种模糊预测，基于模糊预测而开展的模糊预防很容易侵犯公民的合法权益。比如，当布拉顿基于破窗理论的模糊预防而对纽约市的一些低风险人群过度使用激进的强制手段时，市民给予了广泛抱怨。大数据警务能够利用算法对治安问题进行科学预测，从而推动预测警务的诞生。预测警务让警务的预防模式从模糊预防迈向了精确预防。预测警务甚至可以实现对治安风险的预防，让治安预防从问题预防提前到风险预防［25］。预测警务包括大数据预测和预测后的预防性控制两个部分。从预测的具体对象来讲，大数据预测包括三种类别：
一是对高危人员进行预测。高危人员是指有较高可能性会实施违法犯罪等治安问题的人员。“小部分人群要对大部分违法犯罪负责。”［26］警务主体利用大数据技术对目标行为进行分析，研判其实施高危行为的概率，可以确定其是否属于高危分子。比如，高危分子违法犯罪预测系统可以对重点人口进行同行分析、异常轨迹监测，根据积分模型确定其得分结果，然后给予红黄橙绿四色不同级别预测。
二是对高危行为进行预测。高危行为是指较高可能会实施违法犯罪等治安问题的行为。对高危行为预测包括两类：一类是对违法犯罪行为预测，警务主体通过对违法犯罪发生的规律，以及违法犯罪发生对周围关联物所带来的影响，来预测犯罪走势及结果［27］，比如苏州公安利用PPS 犯罪预测系统，提供每日巡访重点，进行针对性防范和打击［28］；
另一类是其他治安问题预测，即对治安事故、群体性事件进行预测，比如通过城市大脑对交通情况进行定时扫描和多维时空分析，预测交通拥堵地点，提前部署警力并进行车辆分流；
对特定时空进行人流量实时检测，预测人流量何时超过阈值，并提前做好警力安排，进行人流疏通，防止踩踏等事故发生。
三是对高危空间进行预测。高危空间预测主要集中于热点时空预测。高危空间预测与西方兴起的热点警务密切相关［29］，犯罪的聚集性、稳定性及转移性特征为预测热点空间提供了理论基础［30］。选取所要了解地区一定时间段内犯罪案件数据并进行清洗后，利用lasso 回归分析来发现犯罪变量的显著性，然后通过GIS 地理系统对犯罪地址进行编码，确保犯罪数据和犯罪地址数据标准化，再将犯罪地址投射到地图上，并根据犯罪密度不同对地图进行染色，基于时序分析方法和机器学习技术，形成犯罪热点时空变化图，能够对未来热点地区进行预测［31］。
预测警务不单单是对目标对象的将来进行判定，还需要在预测后对高危分子、高危行为和高危空间进行预防性控制，以防止治安问题的发生。例如，美国阿尔罕布拉市警察局基于“PredPol”软件进行犯罪预测并进行警务引导，2013 年1 月至2014 年1 月预测的犯罪类型下降了 20%［32］；
匹兹堡警方建立了MAP 系统用以预测毒贩的活动，能够利用数据统计的结果识别犯罪模式，先发制人派遣警力［33］；
北京市怀柔区公安局的犯罪预测系统，降低了发案率、提高了破案率［34］。
（三）第三重转型：末端预警从碎片预警转向系统预警
实践中，一些治安问题的发生可能没有经过治安风险转化阶段，或者治安风险向治安问题的演变发展速度过于迅速，或者治安问题的演变过程以及整体脉络太过复杂，比如一些大型跨国网络电信诈骗案件的发生和演变，传统人力警务模式下警务主体不能及时发现和有效介入。大数据警务则能够通过技术收集更充足的数据，对于某些具体案件可以收集全源数据。通过进行挖掘分析，大数据能够对隐匿的治安问题进行自动发现，对演变过程以及整体脉络比较复杂的治安问题进行系统画像，推动治安问题的预警从碎片预警迈向了系统预警。从预警的方式角度来看，大数据警务预警包括以下两种类型：
一类是关联比对预警，即将感知到的目标信息与公安机关警务系统登记信息进行比对，符合标准的系统会自动触网预警。比对预警分为同一性比对预警和异常性比对预警：同一性比对预警是指因感知信息与系统内登记的目标信息相同而预警，比如违法犯罪嫌疑人身份证号录入公安机关登记系统后，一旦其出现住宿、网吧上网、乘坐飞机、出入境等行为，系统就会自动比对预警；
异常性比对预警是指因感知信息与系统内登记信息不符而预警，比如出租房用水、电、气量如果超出一般家庭使用情况，大数据系统会将其认定为群租房并进行预警；
重点人口一旦长时间在中小学、幼儿园等重点区域附近逗留，系统会自动预警；
陌生人员出现在小区3 次以上，大数据会推定其为小区内居住的流动人口，并将预警信息推送给社区民警，要求其进行落地核查。
另一类是行为算法预警，即通过聚类分析等大数据挖掘分析方法对违法犯罪行为进行建模，感知的行为一旦符合模块化标准要求，大数据会进行自动预警。比如某公安局使用的异常行为技战法，就是根据人体的动作、关节点的时空关系来进行算法判断，两个人如果膝肘掌脚等肢体关节变化超过2 秒不停的接触，即判断为异动，自动感知为打架、争吵、追逐并进行预警；
智慧交通系统根据车辆模型、运行轨迹以及是否通过检测线等，通过大数据与AI 自学习分析，对运行流量、异常行驶、违规停车、交通事故等问题进行预警；
利用警用地理信息系统和关系数据库，通过离线流式计算，对套牌车辆进行大数据分析和预警；
基于知识图谱的网络犯罪大数据关联和社会网络分析，可以从海量开源情报当中识别网络犯罪嫌疑人［35］。
另外，从第三方警务角度来讲，网络服务提供者也会开展一些大数据预警行为。《网络安全法》第47 条规定，网络服务提供者应对平台用户发布的信息进行审查，发现有违法违规发布情况，应向有关主管部门报告。根据《刑法修正案（九）》的规定，网络服务提供者如不履行法律、行政法规规定的信息网络安全管理义务，可能面临刑事处罚。平台企业利用大数据技术，对平台内出现的暴恐宣传、违禁品售卖、意识形态渗透、黄赌毒等违法犯罪行为进行智能感知和预警［36］73-75。比如，蚂蚁集团AI 语音机器人可以对50 多种电诈种类进行识别和预警，2022 年日均风险预警覆盖率约50 万人次［37］。
（四）第四重转型：末端处置从经验处置转向科学处置
大数据警务下，人类和机器形成了一种结合共生关系［38］。大数据警务通过数据共享打破部门之间存在的信息壁垒，推动公安机关内部警务体制从部门制向大警种制变革，公安机关与其他警务主体之间也能够基于合作开展数据共享。同时，大数据促使警务流程再造，形成了“情指行”一体化作战，既能为警务主体决策提供情报，又能在特殊环境下实现自动化决策和自动化处置，警务处置从经验处置迈向了科学处置。从处置的功能和作用来讲，大数据警务科学处置主要包括以下三个方面：
一是通过挖掘提供决策依据。大数据技术能够提供更全面更及时的感知信息，并通过数据碰撞、数据挖掘、嫌疑人画像等技术分析治安问题运行规律，挖掘发现新的治安线索，为警务处置提供科学的决策依据，循证警务［39］、循数警务［40］、数据驱动型警务［41］等警务模式产生。比如，在波士顿马拉松爆炸案中，美国中情局运用多重数据记录，包括社交网站的照片和文字信息、移动基站的通信记录、附近加油站、报摊的监控录像等，综合比对后最终锁定嫌疑犯［42］。
二是依靠软件实现在线管理。公安机关依托大数据技术实行在线处置，警务处置方式从“在场”处置转向了“在线”处置，“在线”处置能够更快更好地解决警务难题。比如，重庆某派出所创新了微信调解模式，使分处不同地域的矛盾纠纷双方实现在线调解；
四川眉山市运用“互联网+”和大数据分析有效实施“8·31”工程，建立“吸毒人员服务管理平台”“戒毒（康复）人员电子档案”，开发“智能手机APP”，对吸毒人员实现有效管理。①该平台分为人员管理、电子地图、工作站管理、查询统计、平台管理和可视化六大部分，不仅能及时展现戒毒康复人员的地理位置，还能跟踪外出轨迹，真正实现对全市12800 余名吸毒人员的“一网管控”。在外地的戒毒康复人员也可以进行远程签到、回传吸毒检测信息、实时提供动态视频。同时，禁毒工作站、成员单位工作人员可运用该APP，实时进行家访、谈心、帮扶，回传工作情况，对吸毒人员管控不再受时间空间限制。相关内容详见：四川眉山公安借力“大数据”创新禁毒治理工作［EB/OL］.中华人民共和国公安部网（2018-05-18）［2023-09-18］.https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841055/c6127927/content.html.
三是利用技术实现自动处置。自动化决策对社会的影响越来越深刻［43］。对于比较简单的治安问题，大数据系统可以根据算法进行自动化处置，解决警务主体无法到现场的难题，减少警务主体执法的成本。比如，“智慧交通”设备对行驶车辆进行电子抓拍，对识别的违规停车，系统可以自动化处罚；
车主可以通过警务APP，查询车辆违章情况，并在APP 内进行缴纳罚款；
电子身份证、电子驾驶证、电子居住证以及无犯罪记录证明申办都已实现自动化处置。
同时，作为公私协作的重要组成部分，互联网服务提供者在其职责范围内也会处置一些治安问题。互联网服务提供者具有“积极道德义务”，主动承担网络生态系统内容审查和犯罪控制义务，防止成员在网络平台从事违法犯罪行为［36］71。互联网服务提供者拥有监控、过滤敏感信息等权力，承担了一部分公共职责［44］。比如，微博管理员依据《微博社区公约》《微博商业行为规范》对不良账号进行禁言处置；
字节跳动公司通过大数据智能监测和人员核查二元审查模式，每日对抖音平台拦截违规信息10 亿件［45］；
支付宝智能风控首创了延时到账功能，对警方初步认定的电诈交易进行冻结，警方一旦最终确认为电诈，资金转账就可以原路返回。
大数据警务还可以利用人工智能（AI）对网络犯罪（AIC）进行“道德对抗攻击”［46］，在初端感知、中端预防和末端预警处置等层面都展现出强劲的警务生产力（如图2 所示）。警务模式从被动反应型警务转向了主动预防型警务，对数字时代的复合型治安问题形成有效防控，备受公安机关的推崇。
图2 大数据警务对复合型治安问题有效防控运行逻辑样态
任何一种警务模式都隐含有二元面向：有效性面向和规范性面向。有效性面向,要求大数据警务的治安防控应能在“风险治理”上具有强效性；
规范性面向，要求大数据警务所带来的“治理风险”应尽可能降到最低。大数据警务强大的防控能力，使其能有效应对复合型治安问题所带来的高风险，有效性面向所追求的“风险治理”目标基本得以实现；
但大数据警务高强度防控所蕴含的超强高权，催生了弥散于治安问题防控各阶段的全域“治理风险”，“治理风险”未降反升、点多线长面广，成为悬挂在大数据警务之上的达摩克利斯之剑。
（一）初端风险：授权混乱和深采普采导致感知失度失范
大数据警务有效运行依赖较为广泛的数据采集，但法律规范赋予公安机关采集数据的权力不足，公安机关无法采集到足以支撑大数据警务正常运行的数据资源。为了更有效治理复合型治安问题，个别地方公安机关实施了一些突破法规范设计的深采普采无差别采集行为，数据采集在形式与实质上产生了一定程度的背离。
一是对公安机关数据采集授权较为混乱。当前，授权公安机关数据采集的重要规范有如下几种（如下页表1 所示）。从表1 可以看出，多数法律规范对公安机关的数据采集权进行了二元限缩。其中，《个人信息保护法》对公安机关数据采集进行了“空间+目的”限缩，《反恐怖主义法》《公安机关办理刑事案件程序规定》《公安机关办理行政案件程序规定》等对公安机关数据采集进行了“种类+目的”限缩。但《公安派出所正规化建设规范》第18 条的规定，则对公安机关数据采集似乎进行了一种无限授权。根据该条规定，公安机关可以对辖区实有人口基本情况进行掌握和了解。不过，该规定内容比较抽象，没有明确说明可以采集的人口基本情况数据包括哪些内容，而且该规范法律位阶较低。从立法逻辑来讲，作为下位法的《公安派出所正规化建设规范》与作为上位法的《个人信息保护法》等规范产生了一定冲突。除上述规范之外，公安机关内部也出台了一些关于信息采集的规定，但都属于内部规定，对外不具有法律效力。整体来讲，当前法律规范授权较为混乱，上位法授予公安机关数据采集的权力较为有限。
表1 公安机关数据采集主要授权规范
二是警务数据无差别采集现象比较突出。实践中，为实现对复合型治安问题的有效防控，一些地方的公安机关突破了上位法形式授权的约束，依靠大数据技术对数据进行了深采和普采，以能采尽采的方式对数据进行无差别采集。以采集主体来划分，深采普采行为可以分为直接采集和间接采集两种形式。公安机关对数据进行深采普采属于直接采集。依照《公安派出所正规化建设规范》第18 条的授权，公安机关通过入户调查走访、私人监控设备介入等方式，对实有人口信息进行无差别数据采集。公安机关之外的其他主体对民众数据的深采普采，属于间接采集。一般来讲，警务数据资源涉及企业数据、专业数据、行业数据和政务数据等多种数据类型［47］，很多数据是公安机关无权采集的。公安机关依照《公安机关办理刑事案件程序规定》第61 条以及《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》第3 条等规定，①《公安机关办理刑事案件程序规定》第61 条以及《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》第3 条都规定了公安机关在向有关单位和个人收集、调取证据时，有关单位和个人负有如实提供证据的“应当型”积极义务。“应当型”积极义务表明，有关单位和个人对数据的披露属于强制披露。可以要求银行、互联网服务提供者等其他主体强制披露数据或解密数据，能够采集到一般警务手段甚至是技术侦查手段所不能采集的数据。深采普采不可避免会侵犯民众的隐私，比如现代公共监控设备可能会记录并长期保存民众私密数据［48］。
三是缺乏对抗数据无差别采集的结构力量。一方面，内在的结构设计制约浅层化，公安机关只需要办案部门负责人批准，即可开具向第三方调证的通知书，②《公安机关办理刑事案件程序规定》第62 条规定，公安机关向有关单位和个人调取证据，应当经办案部门负责人批准。《公安机关办理刑事案件电子数据取证规则》第41 条同样规定，公安机关向有关单位和个人调取电子证据，应当经办案部门负责人批准，开具《调取证据通知书》。可见，公安机关向第三方调证只需要办案部门负责人批准即可。《刑事诉讼法》第150 条规定，根据侦查犯罪的需要，经过严格的批准手续，可以采取技术侦查措施。
《数据安全法》第35 条规定，公安机关、国家安全机关因依法维护国家安全或者侦查犯罪的需要调取数据，应当按照国家有关规定，经过严格的批准手续。《公安机关办理刑事案件程序规定》第265 条规定，公安机关需要采取技术侦查措施的，应当报请设区的市一级以上公安机关负责人批准。可以看出，对于技术侦查的审批主体层级要比向第三方调证高很多，这说明立法主体对技术侦查的重视程度要高于向第三方调证。这种低层次的内部审批比技术侦查的限制要宽容很多，所形成的实际制约力度不足。另一方面，外在的结构设计制约形式化。首先，第三方处于一种被动输出者地位，网络服务提供者等第三方原则上不能对抗公安机关，法律对第三方协助取证没有限度规定，只要公安机关提供了调证等相关文件，第三方就必须提供所需数据，实践中甚至出现了先协助取证后出具调证的反程序情况，第三方实际成为公安机关的警务助手；
其次，民众处于一种被动接受者地位，《民法典》第1034 条和《个人信息保护法》第2 条①《民法典》1034 条规定：自然人的个人信息受法律保护。个人信息是以电子或者其他方式记录的能够单独或者与其他信息结合识别特定自然人的各种信息，包括自然人的姓名、出生日期、身份证件号码、生物识别信息、住址、电话号码、电子邮箱、健康信息、行踪信息等。个人信息中的私密信息，适用有关隐私权的规定；
没有规定的，适用有关个人信息保护的规定。《个人信息保护法》第2 条规定：自然人的个人信息受法律保护，任何组织、个人不得侵害。等对个人信息保护规定没有得到很好落实，主要体现为“告知＋私权抗辩”的缺失，日常状态下大数据无感采集未对一般民众设定告知程序，第三方协助取证采集案外第三人信息未对其进行事前或事后告知，民众对自身信息被采集以及采集到何种程度并不知情，“剥夺了知情权就好像被抢夺了武器”［49］，知情权的缺失导致无法启动否定权、删除权等对抗数据采集的私权，私权对抗的形式化比较明显；
最后，检察机关处于一种被动审查者地位，当前检察机关对于公安机关调证监督属于一种后置监督，公安机关调证不需要经过检察机关事先批准，只有在移送起诉阶段，调证数据和调证行为会随卷宗一起进入到检察机关视线，检察机关才能进行事后审查，后置监督降低了审查效率，延缓了个人权益保护的及时性。总体来讲，现阶段警务数据采集属于一种单向线性控制模式（如图3 所示），针对数据采集权的对抗力量不足，对抗主体之间的连接断裂，未形成有效的对抗合力。
图3 警务数据采集领域的单向线性控制模式
（二）中端风险：双重封闭和规范缺失导致预防失误失据
警务活动本身具有极强的封闭性，算法也表现出一定的黑箱性，大数据警务呈现出双重封闭特征。双重封闭导致预防可能出现错误。同时，预防阶段法规范的缺失实际上架空了预测警务，预测警务的预期达到的目的未能充分实现。
一是算法设计导致预防“两偏”。大数据警务所依赖的算法多是非开源算法［50］，算法设计主要遵循“警方+技术提供方”二元封闭模式，即警方负责提出建设要求和提供相应数据，技术提供方则负责设计算法。在二元封闭设计过程中，算法元素必然会体现警方和技术提供方的价值观，容易把犯罪高发地区以及特定身份人群打上高风险标签［51］，特别是先前遭遇过“生存困境”的人，比如生活失意、心理失衡、家庭穷困、曾实施过违法犯罪等边缘人群［52］。同时，警方采集的数据可能是脏数据或者是假数据。比如重点人口故意实施“去信息化”，外出时不携带手机等信息装备，通过行为伪装诱使数据采集产生错误。上述因素导致预防容易产生两偏：偏差和偏见［53］。如果将过往的“生存困境”视为预测对象所遭遇的第一次伤害，预防偏差或偏见则会给预防对象带来“二次伤害”，社会可能会基于预测警务带来的标签效应，减少或取消本应给予预测对象的利益供给和福利关照。“这些能预测我们可能生病、 拖欠还款和犯罪的算法会让我们无法购买保险、无法贷款、甚至在实施犯罪前就被预先逮捕。”［54］“二次伤害”可能让预测对象“生存困境”更加严峻，从而加深了其向预测结果发展的可能性。因此，预测警务可能会产生自我实现预言的俄狄浦斯效应。②预测会产生自我实现的预言，还有另外一部分原因。预测某一区域是热点空间之后，公安机关会投放更多的警力资源，与其他区域相比，公安机关在热点空间更容易发现违法犯罪行为，从而证明热点空间预测的准确性。但是，这种预测成功可能是因为警力资源投放更多引起的，并不能证明预测本身的科学性。
二是测不准产生侵犯性预防。大数据预测的基础是认为人类有行为的连贯性，但是未来并不一定就是过去的延伸，人类行为不是简单的机械运动，人类行为是一种自由意志的产物。大数据无法精准探视人的动机、自由意志等主观精神［55］。同时，观察者效应、霍桑效应等理论都表明，如果被测试者知道自己正在被预测，将会改变自己的行为，从而让本来可能发生的预测结果不会发生。受数据有限性、人类认识的无知性等因素影响，大数据警务仍然会出现测不准问题［56］。另外，有学者认为，预测警务的准确性无法被证成［57］，也很难被证伪［58］。预测结果会出现“两假”现象：假阳性现象和假阴性现象。①美国兰德公司通过调研发现，预测警务具有数据依赖性，预测功能有限。一些犯罪学家认为，算法预测很少在监督下独立而科学的进行，治安状况的改善可能是多因素的结果，不一定是预测警务单一因素的结果。警察权所宣传的良好预测犯罪效果不是依据系统的实证证据。2011 年起，洛杉矶警察局曾部署了“激光”（LASER）行动，以对特定地区的暴力犯罪分子和黑社会帮派进行预测，该局宣称该项活动让凶杀案平均每月减少22.6%。2019 年初洛杉矶警察局对“激光”行动进行了内部审查，发现预测软件对拉美裔或非裔美国人占有很大歧视，判断预测软件“无法得出有意义的结论”，“激光”行动被迫结束。2020 年6 月，美国加利福尼亚州圣克鲁斯县认为预测警务对有色人种产生偏见，宣布禁用预测警务技术。参见：李皛.美国“预测性警务”的发展与困境（下）［J］.现代世界警察，2021（4）：50-55；
马克斯·普朗克研究所对斯图加特当地警察局使用的 P R ECOBS 软件进行了调查，认为该软件能否为减少家庭入室盗窃活动做出贡献仍然“难以判断”。参见：魏怡然.预测性警务与欧盟数据保护法律框架：挑战、规制和局限［J］.欧洲研究，2019，37（5）：86-102.假阳性现象指预测高风险区域犯罪发生率低，假阴性现象指预测低风险区域犯罪发生率高［59］。基于错误预测容易对“假阳性者”采取侵犯性预防（如图4 所示），侵犯性预防是一种错误的预防性控制措施。
图4 预测警务中侵犯性预防形成机理
三是预防性控制法律依据不足。根据控制手段是否对控制对象的权益形成限制，预防性控制可以分为任意型预防性控制和强制型预防性控制。任意型预防控制未对控制对象的权益形成限制，强制型预防性控制则相反。现有法律规范对预防性控制的合法性授权供给不足，主要表现在两个方面。一方面，对任意型预防性控制的法律规定不完善。这一点主要体现为高危分子的预防性控制法律授权不充分。任意型预防性控制的对象主要是高危分子，当前国家对于高危分子的认定属于一种形式认定。根据《重点人口管理工作规定》和1999 年颁发的《关于将吸毒人员列为重点人口管理的通知》，高危分子主要局限于五类重点人口范畴。形式认定的表现就是对高危分子进行重点人口类型化设定，超出现有五类重点人口之外的其他人员，即便具有违法犯罪的高可能性，也不能成为高危分子；
类型之内的人员，即便实施违法犯罪的概率很低，也属于法律规定的高危分子。形式认定禁止对类型化之外的高危分子进行预防性控制，从而无法进行提前干预以有效阻止治安问题的发生。②刘金洋认为，应把问题青少年纳入高危人员当中，参见：刘金洋.总体国家安全观视域下涉治安不稳定人员的管控［J］.四川警察学院学报，2019，31（6）：18-23；
王占军把一些高危人员称之为“类重点人口”，认为类重点人口包括行为已经触犯治安管理法律规范、严重危害社会安全的曾经肇事肇祸的精神病人，已经表现出暴力倾向、病情不稳定且经专业精神卫生机构评估为高风险的精神病人，表现出暴力倾向但未造成危害的精神病人，已经触犯法律但不符合刑罚处罚条件的青少年犯罪人员等，参见：王占军.重点人口动态管控服务体系建构研究［J］.中国刑警学院学报，2018（2）：55-60；
潘晶晶认为，情感失意、生活失落、心理失衡、行为失常”的“四失人员”实质上也构成高危人员，参见：潘晶晶.大数据背景下的重点人口管控问题研究［J］.辽宁警察学院学报，2020，22（3）：56-61.另一方面，对强制型预防性控制规定存在空白。数字时代网络犯罪的行为速度和违法所得转移速度等危害速度加快，要有效保障民众利益不受损，警务主体回应速度就必须要能追得上网络犯罪，甚至要超前于网络犯罪，这就导致一些限制民众权益的强制型预防性控制的出现，比如带有强制色彩的预防性侦查措施出现。但是，《公安机关办理刑事案件程序规定》第174条、《人民检察院刑事诉讼规则》第551 条明确规定侦查机关立案前不得限制调查对象的人身、财产权益，强制型预防性控制尚缺乏有效生存的制度空间。
（三）末端风险：程序不足和责任不明导致处置失察失责
大数据警务属于一种快速运转的警务模式，基于传统警务建立起来的执法程序回应和制约警察权的速度过慢，而且执法责任设定也与人机结合下的大数据警务不符，现有程序设计无法将大数据警务“关在笼子里”。主要体现在以下几方面：
一是当事人对警务处置的权利制约不足。基于算法的大数据自动化处置是一种“非现场处置”的自动化机器执法［60］，机器执法让执法关系从人与人之间的关系变成了机器与人之间的关系，警务主体从执法关系中隐匿、从执法现场中退出，当事人没有陈述和辩解的对象及空间［61］63。在民众看来，警察“在场”下的直接沟通至关重要［62］，直接沟通对民众评价警察控制犯罪能力的影响很大［63］，自动化机器执法则消解了这一功能。自动化机器执法追求模式化和标准化，缺乏自由裁量环节，对于个案的特殊情况无法进行有效分析，是一种脱离主观评价的纯客观主义判定，比如违法人员是否具有主观动机、是否首次违法、有无免于处罚或减轻处罚的其他情节等，极易让公众产生为罚而罚的不公正感［64］。如果严格依据算法进行自动化处罚，很可能忽视个案的特殊性［61］64。同时，算法过于复杂且不透明，警务主体的解释能力不足、解释空间不大，在一定程度上降低了民众对执法的可接受性。
二是检察机关对大数据警务的监督乏力。一方面，传统检察监督模式无法进行有效监督。传统检察监督模式是基于人力对纸质卷宗的审查而实施的一种被动式监督，事前监督或事中同步监督的可行性不高。相较于传统警务，大数据警务所生成的风险弥散于治安防控的各个阶段，风险的种类更多、危害性更大，需要检察机关进行事前监督或事中同步监督。为规制大数据警务带来的风险，检察监督模式急需转型和发展。另一方面，大数据警务的封闭性阻碍了有效监督。与传统警务相比，大数据警务具有更强的封闭性。大数据警务主要依据算法展开，算法不公开就无法对其进行规制，而不规制算法就无法从根本上制约算法所带来的风险。另外，自动感知、自动预警等自动化机器执法具有极快的运行速度和高度复杂的技术设计，超出了人力监督所能拓展的极限，无形之中制造了一堵据斥检察机关介入的阻隔墙。
三是机器执法出现过错的责任主体不明。因算法存在瑕疵，自动化执法也会出现错误。但是，当机器执法尤其是自动化机器执法出现错误时，需要被追究责任的主体不太明确。现有关于执法过错责任追究的法律规定，仍是按照工业时代以人为对象的传统警务模式来设计的，大数据警务模式下机器是否可以作为独立的警务主体来对待，学界对其尚未达成共识，①关于人工智能是否可以成为执法过错的责任主体，学界现有两种不同的观点。一种观点认为，以人为中心的责任设定体系应该修正，人工智能具有一定辨识和自主行为能力，可以成为责任主体，或者强人工智能应当成为责任主体。参见：焦旋，张懿轩，邹逸彬.人工智能时代刑事责任体系的重构［J］.东南大学学报（哲学社会科学版），2023，25（S1）：109-113；
刘宪权.智能机器人工具属性之法哲学思考［J］.中国刑事法杂志，2020（5）：20-34；
李政权.人工智能时代的法律责任理论审思——以智能机器人为切入点［J］.大连理工大学学报（社会科学版），2019，40（5）：78-87；
等。另一种观点认为，以人为中心的责任设定体系不应改变，其能够对人工智能执法产生的过错进行涵摄，人工智能若成为责任主体，会产生制度、技术、伦理等方面的诸多困境，故人工智能不应成为责任主体。参见：陈洪兵.人工智能刑事主体地位的否定及实践展开——兼评“反智化批判”与“伪批判”之争［J］.社会科学辑刊，2021（6）：92-98；
王充，董璞玉.人工智能时代刑事责任主体之再审视［J］.广西社会科学，2020（12）：118-125；
冀洋.人工智能时代的刑事责任体系不必重构［J］.比较法研究，2019（4）：123-137；
姜涛，柏雪淳.谁之责任与何种责任：人工智能的责任模式配置慎思［J］.河南社会科学，2019，27（4）：54-62；
等。警务领域的法规范也尚未进行规定。当算法瑕疵造成机器自动化执法出现错误时，所需追究的责任主体比较模糊。比如，机器人巡逻执法出现错误时，现有规范未明确责任主体。因责任主体不明确，实际上为警务人员避责提供了一个保护屏障，警务人员会更加青睐大数据技术，以躲避被追责的后果。这在一定程度上形成了大数据赋能警务人员、警务人员依赖大数据无限循环的莫比乌斯环。
总体来讲，大数据警务在“风险治理”上比传统警务更具有优势，但所产生的“治理风险”比传统警务更趋复杂严峻。大数据警务的规范性面向所面临的问题较多，在一定程度上消解了其在有效性面向上所生产的效果。
大数据警务穿透性防控所带来的全域治理风险，主要是对规范性面向造成了现实危害或潜在威胁。鉴于大数据警务在各个阶段所生成的“治理风险”类型、内容等各不相同，而且呈现出点多线长面广的特征，对其风险规制应从初端、中端、末端等全过程的视阈出发，采取“法律+制度+技术”立体化的方法进行差异化回应，确保在不影响大数据警务有效性面向的同时，有针对性地矫正规范性面向所出现的问题。
（一）初端风险规制：以形式扩权和实质限权来规范数据采集
初端风险出现的根本原因在于，现行法规范对警务主体数据采集授权不足。警务主体为实现有效防控复合型治安问题目的，突破了现行法规范的授权，而相应的制约力量无法约束警务主体的数据采集权。因此，应从法律和制度两个层面，适度扩大对数据采集的既有授权，并增强对抗数据采集的结构力量。
一方面，以形式扩权限制无差别数据采集。为解决形式与实质之间的背离问题，保障有效防控复合型治安问题基本警务效能的实现，建议对具有较高法律位阶的《人民警察法》进行修改，适度授予公安机关安装图像采集、个人识别设备之外的数据采集权。形式上的适度扩权不仅是回应数字时代风险治理的需求，而且也限定了公安机关的数据采集能力。法规范不仅具有授权功能，更具有限权功能。对于超越法规范之外的数据采集将视为不当行为，这可以从规范层面制约实践中出现的无差别采集乱象。同时，对数据采集进行分级分类采集管理。依照《公安数据元管理规程（GA/T541-2011）《公安信息化数据质量管理规范》（GA/T1000-2011）等标准规范和管理规范，根据数据与警务关联度的强弱设定相应的采集标准，低关联度隐私数据限制采集，无关联度数据严禁采集。
另一方面，构建多向立体对抗型采集模式。从内在结构维度来讲，应建立深层化的自制约束机制。可参照《公安机关办理刑事案件程序规定》关于技术侦查措施的要求，提升公安机关向第三方调证的内部审查层次，由市级以上公安机关负责人批准。从外在结构维度来讲，应建立主动化的他制约束机制。首先，赋予第三方数据抗辩权，对强制披露规范进行完善，建立数据保护性对抗制度，对于公安机关实施的明显违规调证行为以及提出的不相关调证要求，第三方可基于保护平台成员权益目的拒绝协助，并可向检察机关投诉，检察机关有权予以合规审查［65］；
第三方在协助提供案外第三人信息时，应向第三人通报相关情况。其次，增强民众私权对抗能力，警务主体对大数据无感采集的范围、内容以及采集后的数据处置、数据保管等情况进行告知，提供渠道让民众查阅所采集的信息，并能及时回应民众提出的数据处分请求，让数据运行与其所服务的警务目标重要程度成比例［66］98；
民众如果对公安机关的回应措施不满，可以向检察机关投诉。最后，建构检察机关对公安机关调证的前置监督，尝试建立重要数据采集检察令状制度［67］，对于涉及国家安全、公共安全等重大安全数据以及一些保密数据的采集或调证，应当事先经由检察机关批准；
同时，公安机关应当将数据采集的算法以及向第三方调证的方式、内容等要素向检察机关公布，以便于检察机关实行同步监督。
总之，警务行为是有边界的，不能无比例违反治安行政以及刑事司法的核心价值［68］。通过完善内外两个维度的结构设计，建立起多向立体对抗采集模式（如下页图5 所示），以有效规范警务数据采集行为。
图5 警务数据采集领域的多向立体对抗模式
（二）中端风险规制：以算法开放和法律创制来优化预测警务
中端风险出现的主要原因在于算法的黑箱性进一步加剧了警务封闭性，警务中端领域的规范供给无法满足预测警务的超前需求。因此，应从技术和制度两个层面开放算法的黑箱，并完善预测警务领域的规范供给。
1.对警务算法进行开放性监测
美国学者用 “技术性正当程序”观念来试图解决这一问题，即通过强调编码公开、开发公众参与程序、系统软件测试等来实现程序所要求的透明化、公开和可问责等要求［69］。首先，建立多元参与开放算法设计模式。“代码就是规则。”［70］算法设计应从“警方-技术提供方”二元决定封闭模式转为警方、技术提供方、专家、利益相关者、民众代表等多元参与开放模式，包容性制度设计有利于繁荣，通过多元参与来对代码编辑进行审慎检查，以代码规制这一过程控制方法来从根本上削弱算法偏见［71］；
其次，建立算法测试和认证制度，为突破“科林格里奇困境”，算法设计之后应对其“鲁棒性”和“数据隐私保护”等功能价值进行测试［72］，测试报告应提交国家认可的权威机构进行认证；
再次，对算法安全风险进行智能动态检测，政府基于公益委托负有良善管理人的注意义务［73］，应对算法风险进行智能动态检测和评估，用AI 监测和评估AI；
其四，完善数据溯源制度，将区块链技术融入预测算法中，通过分布式节点验证和哈希函数加密，生成公开透明账本和共识机制，确保数据流转、清洗、分析等不可篡改，让算法最大程度具备“可审查性”［74］。
2.对预测警务进行风险性评估
第一，对预测结果进行落地核查。欧洲法院认为，大数据警务的干涉程度和目标重要程度应成正比［66］97，警务主体在实施预防性控制前，应对预测结果进行人为落地核查，避免产生侵犯性预防。第二，对核查结果科学性进行证明，作为对数据预测结果的一种修正，核查情况应以书面形式报给上级主管部门审核，以证明其科学性高于算法预测。第三，反馈完善算法预测系统，将预测结果出现错误的原因共享给算法设计者或算法系统，算法设计者或算法系统对漏洞进行修复完善，增强预测警务闭环运行的科学性（如图6所示）。
图6 基于开放算法的预测警务闭环运行机理
3.对高危分子进行精细化控制
其一，推动高危分子认定从形式认定走向实质认定。在规范层面重新界定高危人员认定标准，对实质上具备了治安问题实施高概率可能性的人员，应当被认定为高危分子，以有效对接大数据预测结果。需要注意的是，从公民合法权益保护角度来讲，不能对实施一般违法行为的人员形式化为高危分子，只能将可能实施犯罪行为等其他治安问题的人员形式化为高危分子。其二，推动高危人员分级分类控制从粗放型走向精细型。当前，高危人员分级分类控制主要聚焦于严重肇事肇祸精神病人，对于其他高危人员的预防性控制较为粗放。应根据实施违法犯罪的概率性对高危人员进行分级分类认定，并根据不同级别实行不同的控制手段，以保持警察权在预测警务领域的谦抑性。其三，推动强制型预测性控制从空白授权走向有限授权。在高风险社会中，为保证民众权益不被违法犯罪所侵犯，应给予警务主体合比例启动预测警务的权力［75］，特别是治理网络犯罪所需要的带有强制性的预防性侦查权。对于强制型预防性控制权，应根据高危人员危险程度设置严格的启动标准。
4.对预防性控制进行双重优化
为提升预防性控制效果，应对预防性控制的主体结构和行为结构进行优化。一方面，预防性控制主体结构应从二元走向一元。当前，预防性控制主体结构是一种二元设计，即由侦查主体和治安管理主体共同实施预防性控制。侦查主体根据预测结果可以对高危分子或高危行为进行预防性控制，侦查行为从初查阶段前移到预防性控制阶段，侦查行为行政化倾向加强。实践中，治安管理主体比侦查主体具有更丰富的预防性控制资源、知识、经验和能力，预防性控制权可交由治安管理主体来统一实施。另一方面，预防性控制行为结构应从一元走向二元。传统的预防性控制属于权益干预类型，即要求高危分子单方面服从预防性控制措施，这种一元化控制模式容易产生形式主义和制度空转。帕特兰姆的社会本位理论认为现代社会生活可以有效恢复控制机制，降低犯罪水平［76］。因此，可建立处遇改善型的预防性控制，从改善高危分子的处境出发，帮助其修复破裂的社会关系，帮助其解决生活上和工作上的问题，以避免污名化、侵犯性预防以及二次困境的出现［77］。
（三）末端风险规制：以程序完善和责任明确来制约处置权力
末端风险出现的主要原因在于，传统程序和责任规定未能跟上现代大数据警务的前进速度。为实现执法者与执法对象之间的武装平等［78］，应从法律和制度两个层面，完善既有的程序和责任规定，以建立与现代大数据警务相匹配的回应型规范［79］。
首先，完善当事人程序性抗辩四个环节。“程序正义被证明对塑造公民对警察合法性的看法、对警察的满意度以及促进与警察的合作具有重要意义。”［80］有研究表明，半自动化决策比完全自动化机器执法更为公平［81］，应推动完全自动化机器执法向半自动化决策模式转变。一是建立同步陈述申辩程序，可以在电子告知单上注明异议申辩电话，被处罚人可以当场拨打电话进行“在线”陈述和申辩，以“在线”的方式与民众开展非接触式沟通，这种沟通形式类似于奥马利所说的“模拟警务”［82］。二是建立专家协助陈述申辩机制，当事人可以聘请大数据分析师或律师，来协助自己评估算法预测性能。三是完善事后陈述申辩设计，当事人事后可通过电子空间网络平台或物理空间行政服务中心，进行陈述和申辩，对可能出现的处罚错误要求警务主体进行纠正或撤销［83］。四是健全“申请—证明”说明理由制度，被惩罚者可申请要求警务主体对算法科学性和非歧视性进行证明，警务主体可向其公开大数据算法逻辑，比如提供算法运行规则的简洁文档，或提供国家认可的专业性认证文件。
其次，推动检察监督模式实现三个转变。根据《关于健全完善侦查监督与协作配合机制的意见》《中共中央关于加强新时代检察机关法律监督工作的意见》等文件要求，数字时代检察机关对大数据警务监督应实现三个转变：从传统案卷审查向智能数据审查转变，从个案办理式监督向类案办理式监督转变，从被动监督向主动监督转变，积极构建数字检察智能监督新模式，建立实质有效的第三方异体评估机制［84］。为此，应打破公安机关与检察机关之间的数据壁垒，开放办案数据以建立信息共享贯通关联机制，检察机关通过大数据检察技术对侦查实现同步感知、同步解析和同步监督，并依靠区块链存证技术让侦查过程可追踪可溯源，确保检察监督能够实现全过程有效介入。对于自动化决策、自动化处置等大数据警务，检察机关可通过云端技术进行一种智能化的自动监督，用检察AI 来制约警务AI。
最后，明确警务执法过错责任两个层次。严格来讲，大数据警务属于一种人工智能警务，对于大数据警务的责任分配应当区分研发生产与使用管理两个层次［85］。内层是技术瑕疵引发的合同责任，该层次责任应遵循民事领域或行政领域的过错责任原则，若合同未明确阐述技术可能存在瑕疵，但因技术瑕疵产生执法过错而被追责后，公安机关可依据其与技术公司签订的合同规定，通过协商、诉讼等纠纷解决方式，要求技术公司承担相应民事责任或行政责任。外层是机器执法过错引发的执法责任，该层次责任应遵循严格责任原则，能够对外产生效力。该层次责任设定原则是谁使用、谁管理、谁负责，使用和管理大数据技术的主体是公安机关，应推定公安机关对于技术存在的瑕疵具有明知性，公安机关应当承担机器执法的过错责任。民警个体不是大数据技术的管理者，不能承担执法责任，除非其故意利用大数据技术让机器执法产生过错。
总之，数字时代的治安问题发生了结构性转变，网络犯罪等现代治安问题大量出现，治安问题由单一型向复合型转变。为有效应对复合型治安问题所产生的巨大风险，警务模式从传统人力警务转向了现代大数据警务。具有更强防控功能的大数据警务是一把双刃剑：一方面，从有效性面向来讲，大数据警务对治安问题的防控表现出巨大的优势；
另一方面，从规范性面向来讲，大数据警务的强大防控能力让警察权的高权特征更加凸显，给民众合法权益保护带来了风险和隐患。权力干预与权利保护之间产生了冲突。为调适二者之间的冲突，大数据警务应用需要控制在一个可接受的范围之内，让有效性和规范性能够平衡发展。大数据警务是未来警务发展的方向和趋势，各地在广泛推进大数据警务建设的同时，一定要认真对待大数据警务所滋生的全域风险，确保民众合法权益能够得到更大程度的保护。