从被动应对到主动防控：我国预测性侦查的理论证成与规制选择

张全涛

（重庆警察学院 ，重庆 401331）

一、背景兴起：预测性侦查概念的提出与理论逻辑的证成

（一）风险社会背景下公共安全的需求催生数字时代的主动警务治理

随着全球疫情形势的加剧、单边主义的抬头、境外敌对因素的侵入以及境内社会转型时期个人行为的失范，各种违法犯罪行为对人民群众的生命财产安全造成了普遍威胁，人们对社会公共安全的普遍需求产生了深度的依赖。党的十八大以来，党中央决策部署的全面加强平安中国建设已经成为回应百姓对社会公共安全需求期待的重要实践。2015 年4 月13 日，由中共中央办公厅、国务院办公厅印发的《关于加强社会治安防控体系建设的意见》中明确提出：“公安机关要坚持情报主导警务的理念……加强对社会舆情、治安动态和热点、敏感问题的分析预测……提升有效的应对能力。”“充分运用现代信息技术，增强主动预防和打击犯罪的能力。”①中共中央办公厅、国务院办公厅：《关于加强社会治安防控体系建设的意见》，2015 年4 月13 日，http：//www.gov.cn/xinwen/2015-04/13/content_2846013.htm，2021 年11 月5 日访问。表明公安机关要实现对社会治安防控形势的主动性应对，就必须要充分应用现代化信息技术予以辅助。2019 年5 月7 日至8 日，习近平总书记在全国公安工作会议上强调：“把大数据作为推动公安工作创新发展的大引擎、培育战斗力生成新的增长点，全面助推公安工作质量变革、效率变革、动力变革。”①中国政府网：“习近平出席全国公安工作会议并发表重要讲话”，http：//www.gov.cn/xinwen/2019-05/08/content_5389743.htm，2021 年12 月8 日访问。进一步彰显科技强警是实现数字时代警务治理效能变革的根本要求。随后，全国公安机关开始充分利用大数据技术强化对犯罪行为的提前感知和精准防控，已经成为全面实现风险社会主动型警务治理以及推进国家治理体系和治理能力现代化建设的显著性标志。

（二）域内外预测性警务的兴起彰显犯罪治理的优势效能

近年来，随着大数据、人工智能技术的快速发展，各国警务部门利用数据算法预测技术的优势，依靠数据分析、监测跟踪加强对重点目标导向的高危人员犯罪预测以及多发型热点犯罪案件的空间预警已经成为各国警务部门实现主动警务治理的重要实践，预测性警务在犯罪治理效能上得到了进一步的彰显。

1.美国预测性警务的兴起及其犯罪治理效果的彰显。美国预测性警务最初源于刑事司法实践中的精算司法，标志性事件是1927 年芝加哥大学的社会学家欧内斯特·伯吉斯（Ernest Burgess）通过伊利诺伊州3000 次的假释记录对单个罪犯再次实施犯罪的可能性进行预测，以预测被定罪后假释的可能性［1］117。这种将个人系统化的风险因素进行综合考量之后应用于司法实践，被后来的学者称为“精算司法”［2］。而美国预测性警务的兴起与实践发展大概经历了以“数据驱动警务”为标志的预测性警务、以“计算机辅助热点警务”为标志的预测性警务以及以“大数据技术驱动”为标志的预测性警务三个阶段［1］1126-1143。其中，在以“数据驱动警务”为标志的预测性警务阶段，主要依据历史犯罪数据来预测可能实施财产犯罪活动的高危区域，然后重点部署巡逻警察增强对高危地区的巡逻频率，从而有效降低犯罪的发生。经过实践证明，犯罪治理的效果是非常明显的。②根据相关调查显示：在洛杉矶的测试中，前六个月的盗窃案下降了25%；在加利福尼亚州圣克鲁斯市，财产犯罪率下降了4%至11%；在加利福尼亚州阿罕布拉市，汽车失窃率下降了21%、盗窃车内财产率下降了8%。参见FERGUSON A G.Policing Predictive Policing［J］.Washington University Law Review，2017：1130.在以“计算机辅助热点警务”③“热点警务”是依靠大数据实施的一种主动警务治理模式。2012 年，洛杉矶警察局开始使用PredPol 设计的预测性警务软件——通过重复性理论模型而设计的专有算法开展的警务预测活动。该算法表明，一旦某个地点发生了犯罪，则其周围区域的犯罪风险也会变得更高。该软件通过历史的犯罪数据与特定的犯罪地点和犯罪时间数据的输入来确定未来犯罪最有可能发生的领域。参见BRAYNE S.Big Data Surveillance：The Case of Policing［J］.American Sociological Review，2017： 989.为标志的预测性警务阶段，主要是利用计算机技术辅助，基于特定地点反复发生暴力犯罪的历史犯罪数据与特定的犯罪时间、犯罪空间等特征因素结合，再联合警力资源的优化配置而进行的犯罪主动防控，这种预测性警务实践后来延伸至持械抢劫犯罪、枪击犯罪、故意伤害犯罪、有组织犯罪等方面，其犯罪治理的效果也是非常显著的。④根据相关犯罪统计显示，波士顿地区的暴力犯罪减少了17.3%，其中抢劫和暴力行为减少了19.2%，严重袭击的发生率降低了15.4%。参见FERGUSON A G. Policing Predictive Policing［J］.Washington University Law Review，2017：1134.在以“大数据技术驱动”为标志的预测性警务阶段，主要是以大数据技术的算法匹配为标志，通过对历史犯罪数据、受侵害人的数据以及社会关系网络数据等进行智能分析，通过对可能实施的犯罪人和潜在的被害人进行预测，从而实现对重点目标的高危犯罪人与可能性被害人进行预测，其突出的治理效果是对高危犯罪人员进行精准的防控⑤例如芝加哥警察局通过社交关系网络数据分析预测确定了高危人员犯罪的列表名单之后，再依据主题危险系数评分对具体的高危犯罪人员实施精准的干预。参见BUNTIN J. Social Media Transforms the Way Chicago Fights Gang Violence［J］.GOVERNING ，2013.以及对潜在受害人进行有效的预防。⑥同样，芝加哥警察局也会根据历史犯罪记录的数据确定一份谁最有可能被暴力犯罪所侵害的热点被害人名单（The Strategic Subjects List ，简称SSL），然后通过被侵害系数的高低进行排名，一旦被确定为高危的被害人名单，随后侦查人员、社会工作者和社区负责人就会根据自身职能职责进行具体的防范救济。具体参见https：//catalog.data.gov/dataset/strategicsubject-list，2020 年2 月23 日访问。

2.欧盟国家预测性警务的兴起及其犯罪治理效果的彰显。以荷兰、德国为代表的欧盟国家近年来也在积极利用大数据技术开展预测性警务实践活动。其中，荷兰是实施预测性警务实践较早的欧洲国家。早在2006 年，荷兰警察部门发布了一项战略计划，旨在从各类数据库中获取有关的数据信息加强对犯罪行为的精准识别。2013 年，阿姆斯特丹警察局与阿姆斯特丹自由大学联合开发了犯罪预测系统（forecasting system），通过对国家犯罪数据库中存储的犯罪地点、犯罪时间以及犯罪类型等历史数据进行关联分析，①详见：OOSTERLOO S，Gerwin van SCHIE V G. The Politics and Biases of the“Crime Anticipation System”of the Dutch Police［J］. Political Science，2018：33.实现对街面抢劫、入室盗窃等多发型侵财犯罪的提前感知和热点预测。根据相关调查显示，预测性警务实践对阿姆斯特丹地区大约60%的街面抢劫犯罪以及40%的入室盗窃犯罪能够实现提前预测。②详见：KOOTEN V EL. Predictive policing：An investigation into the use of the Crime Anticipation System by the Amsterdam police department and the safeguard against discrimination，Master Thesis of Tilburg Law School LLM Law & Technology，2018：15-16.在德国，预测性警务实践与荷兰有相似之处，都是针对热点地区和热点时间可能实施的侵财犯罪进行预测。因此，德国预测性警务实践的本质也是“基于空间犯罪概率计算的一种计算机辅助方法，即通过使用适当的度量来确定风险区域发生犯罪的可能性并引导警察未来行动”的警务活动。③参观Seidensticker，K.，Bode，F. & Stoffel，F. Predictive Policing in Germany，August 2018，p1.根据实证调查研究发现，其预测性警务实践对一般盗窃和入室盗窃等侵财犯罪也起到了积极的控制作用［3］。

3.我国预测性警务的兴起以及犯罪治理效果的彰显。我国预测性警务实践突出应用于电信网络诈骗犯罪的侦防。近年来，由于新型网络犯罪的严峻增长形势，特别是电信网络诈骗犯罪每年以20%～30%的速度在高速增长［4］，给人民群众的生命财产安全造成了严重的威胁，同时也导致了延续几千年一直位居刑事案件发案数量第一位的盗窃犯罪在2020 年出现了下降的拐点，而电信网络诈骗犯罪的发案数量已经跃居第一，导致了侦查机关“破不了、打不好、控不住”的被动局面。④该观点来自2020 年12 月13 日由公安部刑侦局、中国行为法学会侦查学分会、中国刑事警察学院主办，贵州黔东南苗族侗族自治州公安局承办的“刑事侦查前沿与热点问题研讨会”上公安部刑事侦查局的主题发言。随着侦查实践的深入推进，侦查机关一方面通过大数据技术的分析预测强化对高危犯罪地区的识别及其挂牌整治，⑤参见新华网：图解：中央点名挂牌18 个电信诈骗重点地区 5 个已摘牌，http：//www. xinhuanet. com/legal/2018-08/10/c_1123250870.htm，2021 年12 月9 日访问。另一方面又通过风险数据模型强化对涉诈高危犯罪人员的管控预警。⑥在涉嫌电信网络诈骗犯罪高危犯罪人员管控工作当中，已经形成了“政府牵头、公安机关主导、社会共同参与”的协同联动格局。例如安溪县人民政府发布的《安溪县赴境外诈骗窝点作案人员流出地专项整治“百日会战”工作方案》（安整领〔2018〕1 号）、《安溪县赴境外诈骗窝点作案人员流出地专项整治“百日会战”考核奖惩办法》（安整领〔2018〕2号）等文件；梅州市大埔县高陂镇人民政府印发的关于《高陂镇涉电信网络诈骗犯罪重点人员摸排管控工作方案》（陂府〔2020〕9 号）；金石镇人民政府印发的关于《金石镇打击治理电信网络新型违法犯罪专项行动宣传工作方案》《金石镇2020 年电信网络新型违法犯罪重点人员摸排管控工作方案》《金石镇打击治理电信网络新型违法犯罪“冬春攻势”行动方案》等都体现了对高危人员管控的方案。从2021年6 月到10 月，电信网络诈骗发案数已经实现连续5 个月的同比下降，⑦数据来源于2021 年12 月8 日公安部刑侦局官方微信公众号。电信网络诈骗犯罪的高位运行势头得到了有效的控制。

与此同时，侦查机关利用大数据分析技术，也强化了对潜在被害人的预警劝阻。以上海市公安局为例，侦查机关强化对犯罪前沿技术的数据分析，通过构建动态预警数据模型，建立了电信网络诈骗犯罪“短信劝阻、电话劝阻、上门劝阻”的分级分类递进预防劝阻模式。截止到2021 年9月，通过预测性侦查实践累计发送劝阻短信2900余万条，拨打劝阻电话192 万人次，上门劝阻干预29.1 万人次，有效劝阻经济损失约8.81 亿元［5］。再结合2020 年全国累计拦截诈骗电话1.4 亿个、发送预警诈骗短信8.7 亿条，及时预防劝阻970 万名群众，直接挽回经济损失1200 亿元［6］；以及2021 年以来，公安部刑侦局日均下发预警指令9.8万条，拦截诈骗电话13.8 亿次，发送预警诈骗短信15.7 亿条，紧急止付涉案资金3100 亿元，避免2056 万名群众受骗。⑧数据来源于2021 年12 月8 日公安部刑侦局官方微信公众号。实践证明，预测性警务实践的兴起与发展，已经从根本上扭转了犯罪侦查工作的被动局面，特别是对新型网络犯罪的高发态势实现了精准的防控和高效的治理。

综上，无论是以美国为代表的英美发达国家，还是以荷兰、德国为代表的欧洲国家，抑或是我国的侦查机关在犯罪主动防控方面的预测性侦查实践探索，其共同特点都显示了侦查机关利用数字技术强化对犯罪行为的精准预测和对被害预防的有效劝阻。从犯罪治理效能上评判，预测性警务实践的兴起，一定程度上改变了传统侦查工作被动应对的局面，转而走向了犯罪防控与被害预防的双向同步治理。

（三）预测性侦查理论的证成与犯罪治理逻辑的实现

就预测性侦查的概念提出而言，主要源于英美法系国家通说的“predictive policing” 一词，通过词义考察学可以发现，“predictive”就有“预言某事物即将发生”的意思［7］。之所以在域外普遍称为“预测性警务”而非“预测性侦查”，原因主要在于：一是英美法系国家未将警察体制进行严格的司法警察与行政警察二元划分；二是英美司法制度也未将刑事诉讼程序严格按照线型诉讼阶段论设置，其只要发现犯罪嫌疑，便可立即启动侦查。从域外的警务实践考察也可以发现，其预测的核心仍然是刑事犯罪案件。简言之，预测性警务实践的核心旨在辅助侦查机关决策在什么时间、什么地点以及如何采取最有效的干预措施实现对犯罪行为的精准防控［8］。其运行的基本思路是“应用数据分析技术——特别是犯罪定量技术——依靠算法模型手段——对未来犯罪加以精准干预”［9］。这种警务实践模式不仅是数据时代警务实践创新的产物，同样也是传统时代警务实践不足的有益补充。

结合我国司法实践的具体语境，可以将预测性侦查的概念界定为：通过对互联网、物联网、公安网等网络数据资源以及计算机系统存储的各类数据资源进行规模化的采集处理、存储与管理，以大数据的相关关系为特征，以各类算法模型为基础，通过人工或机器自动化手段对海量数据进行计算分析，对有证据证明即将实施或正在实施的犯罪案件或与犯罪相关的人员，依法进行的专门调查手段或强制性措施。

就预测性侦查的本质而言，是一种基于历史犯罪数据在机器学习之后，通过构建犯罪风险预测模型，再结合实时数据的流动情况而对犯罪行为进行的一种自动化预警与人工侦查相互配合的主动型侦查模式。从预测性侦查的实施的目的来看，主要是着眼于犯罪既遂之前的犯罪精准防控，当然根据案件侦查的需要，部分案件也可以根据侦查经营①侦查经营是侦查实践中的一种侦查策略，作为一种长线经营式的侦查方式，在遵循质量互变规律的前提之下，注重犯罪线索的深入挖掘和长期积累，以便实现串并更多案件、发现更多犯罪嫌疑人、掌握更多犯罪事实，最终实现“破系列、抓团伙、定全罪”的侦查目的。详见德丽娜尔·塔依甫，张尧.论侦查经营的几个基本问题［J］.中国人民公安大学学报（社会科学版），2016（3）：75-81；张尧，德丽娜尔·塔依甫.论侦查经营的历史渊源与理论基础——兼议两种侦查模式之嬗变［J］.云南警官学院学报，2017（3）：108-113.的需要，实现犯罪的既遂。从侦查机关介入案件的时间来看，预测性侦查介入案件的时间将提至犯罪预备或犯罪行为的着手阶段。从预测性侦查实践的价值追求来看，主要是为了改变以往侦查机关在犯罪已经造成严重危害后果之后疲于应对的局面，进而转向对犯罪行为的同时态感知、对犯罪发展的同频度防控以及对犯罪危害结果的最大限度挽回损失。

就预测性侦查理论的运行逻辑而言，主要是基于历史犯罪数据中关于人员特征数据的提取与犯罪类型特征数据的提取，构建犯罪风险预测模型（如图1 所示），再与动态的异常数据进行碰撞，识别出重点犯罪人员、重点犯罪类型或高危被害人，然后实施精准打击或精确预防（如图2 所示）。其中，对高危人员的预测性侦查路径主要是以“人”为中心，通过在刑事案件构成要素中抽取人与物的关系、人与人的关系、人与网络的关系、人与案件性质的关系、人与时间的关系、人与地域的关系等特征构建相应的犯罪预测模型或高危被害模型，待高危人员的现实动态数据中出现有上述预测模型相应的异常行为数据时，进行数据碰撞，明确具体的作案人或潜在的被害人，实施动态监测，然后分别实施侦查打击或犯罪的预防。对高危犯罪类型的预测性侦查主要是以高危犯罪类型的“构成要素特征”为中心，提取高危犯罪的“犯罪时间数据模型”“犯罪空间数据模型”“作案特征数据模型”“侵害目标数据模型”“涉案车辆数据模型”“伪装方式数据模型”“涉案物品数据模型”等建立高危犯罪类型风险模型，根据高危犯罪类型异常数据，然后与建立的犯罪类型风险特征数据库进行碰撞，从而发现高危犯罪行为，再结合犯罪发展的动态情况，实施精准的犯罪打击或犯罪防控。

图1 历史犯罪案件转化为犯罪风险模型图

图2 基于目标驱动型的预测性侦查实践路径图

二、总结反思：预测性侦查实践展开的程序性障碍与可能性风险

预测性侦查的实践逻辑是基于历史犯罪数据的类型化分析与实时异常数据的动态监测予以实现。从域内外预测性侦查实践的运行状况可以发现，既存在着人工智能数字技术在数据分析处理中存在的固有隐忧，也与现有我国刑事诉讼格局存在着程序上的冲突障碍，容易引发侦查权力与公民权利二元互动的“紧张状态”。

（一）预测性侦查的数据质量问题引发司法公正的潜在性风险

数据的质量直接影响着预测性侦查实践司法公正性的评判。当前，从域内外侦查实践所凸显的问题来看，在数据端的质量问题主要表现为数据的非中立性及数据存在的错误而引发的执法不公正问题。其中，在数据的非中立性方面，又表现为执法标准的非统一性与执法人员的偏见性所致［10］。以美国预测性侦查实践的观察为例，执法标准的非统一性是与美国现有警察制度的分散型体制相关，由于各地区执法标准各异，导致美国警察执法的自由裁量权较大，犯罪后的逮捕与不捕一定程度上并非完全根据犯罪人员的人身危险程度做出客观评判，而是很大程度上受执法对象的配合态度、案事件的紧急程度、社会公众的容忍限度等因素的影响。而录入执法系统的犯罪逮捕数据又是作为预测性侦查实践中个人风险因素评判的重要依据，这在一定程度上影响着预测结果的公正性价值。执法人员的偏见主要是执法主体先天存在的种族歧视所致，因此，在执法系统中输入的犯罪数据明显存在非中立化的现象，就此引发的预测性结果偏差①根据美国公民自由协会（American Civil Liberties Union，简称ACLU）的一项研究表明：尽管所有种族使用大麻的比率相当，但非洲裔美国人因拥有大麻而被捕的可能性是白人的3.73 倍，在某些州，这一数字上升了8.34 倍；马里兰州巴尔的摩市逮捕的大麻犯罪嫌疑人中有92%是黑人，佐治亚州富尔顿（包括亚特兰大）为87%，马里兰州乔治王子市为85%，田纳西州谢尔比为83%（包括孟菲斯），宾夕法尼亚州费城为82%。新奥尔良维拉研究所（Vera Institute）的一项研究表明，非裔美国人因大麻逮捕的人占重罪总数的94%，占全部大麻逮捕人数的85%。参见FERGUSON A G.The rise of big data policing：surveillance， race and the future of law enforcement［M］.New York：New York University Press，2017：56-57.也导致了警察在后期执法干预中出现了警察歧视和暴力执法现象。②2014 年1 月28 日密歇根州苏斯菲尔德警察打死25 岁的柯克兰；3 月22 日洛杉矶伊比利亚教区警察打死22 岁的怀特；8 月2 日马里兰州巴尔的摩警察打死38 岁的伍德逊；8 月11 日，密苏里州弗格森镇的警察打死手无寸铁的黑人青年迈克·布朗；8 月19 日蒙大拿州圣路易斯警方打死25 岁的鲍威尔；11 月22 日俄亥俄州克利夫兰警察打死12 岁的赖斯；11 月20 日纽约市布鲁克林警察打死28 岁的格里；12 月2 日，亚利桑那州凤凰城警察打死34 岁布里斯班等。参见：盘点近年来美国黑人遭暴力执法事件，原来种族主义才是流行病［EB/OL］.［2021-12-13］. https：//news.ifeng.com/c/7wt8SS0LoI4.

数据错误引发的预测性侦查结果偏差也在各国有所体现。例如我国基于犯罪数据的错误录入系统引发预测性侦查实践中对相关公民的错误决策，③由于将张磊的信息错误地录入进了全国违法犯罪人员信息资源库，导致对张磊宾馆住宿的过度盘查，且信息难以删除。详见张磊：我啥时能摘掉犯罪人员帽子？［N］.新晚报，2010-07-08（7）；江苏连云港的朱某为了找工作，向当地派出所申请开具无犯罪记录证明，但涉事派出所开具的4 份证明，都说他有犯罪记录，朱某一怒将派出所告上法院。详见金泽刚.两年开4 份错误犯罪记录，“信息共享”不背这个锅［EB/OL］.（2018-07-15）.https：//www.sohu.com/a/241282037_100144890.一定程度上导致了侦查权对公民权的过度滋扰和侵犯。同样，这一情况在美国的预测性侦查实践中也有所体现，由于犯罪记录数据的不精确，而出现了预测结果的“两假”现象［11］，即犯罪预测的假阳性现象（false positives）及假阴性（false negative）现象，其中，前者是指在预测的高风险区域并没有发生犯罪；而后者则指在预期的低风险区域实际上又发生了犯罪。

（二）预测性侦查的运行逻辑与现有的刑事诉讼格局存在程序冲突

在预测性侦查实践中，侦查的启动主要是基于前期高危犯罪类型和高危目标人员的犯罪风险模型的建立，在介入疑似的犯罪风险因素之后，预警系统将筛查出需要重点监测的目标人员和犯罪案件类型，再通过其他大数据资源的搜索或信息排查，综合判断是否需要介入警察权进行及时干预处置或通过刑事立案程序，启动案件侦查。因此，整个侦查启动的流程是“犯罪风险模型的建立——犯罪风险因素的介入——数据搜索、信息排查——启动侦查”。从预测性侦查的实践来看，在正式立案之前，侦查机关已经开始进行了大量的数据模型监测行为，虽然并非针对具体的个人，但这种带有规模性的数据筛查其主要的目的还是寻找发现相关的证据来进一步对犯罪线索进行核查，以判断是否具有犯罪事实，是否需要提前介入案件侦查。就是否具有犯罪事实来讲，则需要通过犯罪的构成要件来判断，而通说的四大犯罪构成要件，每一项都需要有相关的证据予以支撑，这就决定了预测性侦查阶段，侦查机关需要进行大量的证据搜查行为，这也意味着干预公民权利的程度并非“蜻蜓点水，一带而过”。因此，预测性侦查行为的启动将侦查机关介入的时间节点前置至犯罪行为的同时态、同频度，一定程度上与我国刑诉法关于立案屏蔽和侦查过滤功能的程序预设存在程序冲突。如何解决好这一问题，也是保障预测性侦查合法、规范运行的重要议题。

（三）预测性侦查的权力行使状态弱化了侦查权力监督制约机制

如前所述，预测性侦查的本质是以海量的数据为基础，以算法模型为手段而建构起来的新的侦查方式。而海量的数据分析、风险模型算法的核心是一种数据算法，这与传统的搜查、扣押等侦查行为存在着明显的区别。而这一新的侦查方式，在观照我国刑事诉讼法对现有的侦查行为规制的框架中，难以实现应有的对应，也直接导致了预测性侦查权力的行使直接弱化了现有侦查权力监督的基本格局。其突出表现在两个方面：一是在“权力—权力”监督格局中，侦查行为的科技化手段导致了检察监督的无所适从。以数据分析、算法决策著称的预测性侦查权力运行的抽象性和复杂性不仅给侦查过程的透明性带来了挑战，而且在海量数据之间基于算法模型分析挖掘得出的高危犯罪类型预测、高危犯罪人员预警以及高危被害人预防，有时也导致侦查主体难以理解算法决策的基本原理，这种侦查过程的“黑箱”效应，使天然具有侦查监督职责的检察机关变得无从着手。二是在“权利—权力”监督格局中，数据赋能侦查进一步加剧了侦辩平等的失衡。基于大数据、人工智能技术辅助的预测性侦查，进一步增强了侦查权力高效追诉刑事犯罪的诉求，数据挖掘、算法决策、秘密治罪、单方决策［12］等权力运行特征进一步拉大了刑事诉讼中国家权力与公民权利的悬殊格局［13］。其突出表现在侦辩双方的数据获取的失衡①例如在“吴云涛控告沈阳市公安局和平分局沈水湾派出所因拒绝向其提供公民个人信息的不作为案”中，受委托的执业律师凭律师执业证书和律师事务所证明，依据《中华人民共和国律师法》第35 条第二款规定向沈阳市公安局和平分局沈水湾派出所申请查询高忠显、高晓全、张兰的个人信息，派出所拒绝向原告提供公民信息。详见中国裁判文书网：沈阳市公安局和平分局沈水湾派出所、吴云涛统计行政管理（统计）二审行政判决书（2019）辽01 行终743 号。以及随着刑事案件办理过程中数据规模的不断增加，造成侦查机关在公民数据信息使用范围上的不断扩大以及侦辩双方在数据分析决策能力水平方面的显性失衡［14］。

三、规范治理：我国预测性侦查程序的规制思路与路径选择

预测性侦查是风险社会下侦查机关为有效应对智能化犯罪情势而创新犯罪治理的一种主动型侦查模式，是国家依据现代化技术推进治理体系和治理能力现代化建设的重要手段。预测性侦查与传统被动型侦查相比，是以海量数据为前提、以警务算法决策为手段、以人工侦查干预为导向的现代化权力运行状态。因此，结合其权力运行的理论逻辑及其实践表现，通过完善其权力运行的状态和供给公民权利保障的不足是有效规制我国预测性侦查程序健康发展的应然路径选择。

（一）构建预测性侦查程序运行的数据质量保障机制

任何犯罪预测技术的核心都是对数据的利用，任何数据驱动的警务系统都有可能被错误数据破坏的风险［15］。要确保我国预测性侦查程序向正当性的方向发展，就需要对数据资源的准确性加以保证，尤其是要着重解决数据收集、数据匹配、数据仓库和数据清洗中的错误或偏差问题［16］。

1.建立犯罪记录数据的定期核查清洗制度，确保预测性侦查的结果准确性。国家关于犯罪记录制度的创设，具有多重价值功能的追求。其基本功能是通过对犯罪人某些场域资格的限制或剥夺实现对犯罪行为的威慑及预防；其社会治理功能是通过犯罪记录的数据关联应用，推动社会管理手段的创新和社会治理能力的提升［17］。侦查机关对于犯罪记录数据应用的核心功能则是对犯罪行为的精准防控和对被害行为的有效预防。显然，犯罪数据的质量管理，直接关涉这一目标能否顺利实现。针对域内外预测性侦查实践基于数据质量问题引发的预测结果偏差，建立完善的犯罪记录数据定期清洗核查制度，是有效保障预测性侦查精确性的重要保障。对此，首先要强化对犯罪记录数据的精准核查制度。以当前深入推进公安大数据中心建设为契机，各级侦查部门要通过公安数据的标准化工作，严格按照《公安数据元管理规程》（GA/T541-2011）《公安数据元编写规则》（GA/T542-2011）等标准规范核查历史的犯罪记录数据，按照“谁录入、谁管理、谁核查”的机制构建犯罪记录数据的核查与检验，确保数据的准确性与标准性。其次，要建立犯罪数据核查的周期与反馈机制。通过建立明确的犯罪数据核查周期，定期主动进行犯罪记录数据的核查验证，才能在犯罪数据的共享应用中，凭借犯罪数据的搜索、比对、分布式查询等途径发现错误并及时进行反馈，实现对犯罪记录数据的核查检验。最后，要完善错误犯罪数据记录的立即删除制度。对于核查发现的错误犯罪记录数据，要建立及时的删除纠正制度，确保及时发现、及时纠正、及时删除，避免因为数据错误而造成预测性侦查结果错误的连锁反应。

2.构建差别化涉案数据的采集管理制度，确保预测性侦查实践的司法公正性。从目前关于刑事涉案人员的数据采集管理情况来看，并未区分涉案人员与非涉案人员的二元数据管理机制。特别是对于后期被排除嫌疑的涉案人员、被害人、被侵害人、证人等相关人员的数据，因数据采集的过程中难免会涉及当事人的高度隐私性信息，自然在依靠这些数据进行分析决策的预测性侦查阶段也难免会造成对相关人员的非公正性待遇。所以应当建立差别化涉案数据的采集管理制度，建立非涉案人员的数据消除制度。即对于未涉案人员的数据及时消除不进行存储管理，一方面可以保障相关人员的隐私信息，避免相关人员在日后的就业、资格准入、出行等方面产生不必要的预测性歧视障碍，不断推进侦查执法过程中的司法公正；另一方面也可以避免预测性侦查对未涉案人员的数据记录进行自动化决策而使其受到非公正的待遇。

（二）完善我国预测性侦查程序的正当化运行条件

相较于传统侦查行为而言，预测性侦查程序运行的显著特征在于将侦查行为的介入时间提前至犯罪行为发生的同时态、同频度。因此，预测性侦查程序的运行对现有刑事诉讼架构中立案价值的功能预设产生了两个方面的程序冲突：一是表现在侦查介入的时间上弱化了立案程序对侦查权启动的限制功能；二是表现在侦查对象上模糊了立案程序对刑事案件的过滤价值。对此，要确保预测性侦查程序的正当化运行，需要修订当前刑事诉讼法的立案程序条款以及建构预测性侦查程序严格的启动要件。

1.适当修正现有刑事诉讼立法中立案程序的条款内容。我国关于立案程序废除论①代表性论文有：刘瑞榕，刘方权.刑事诉讼程序启动研究——对我国现行立案制度的质疑［J］.中国刑事法杂志，2002（1）；韩立峰，孙广义.刑事侦查立案制度的理性反思［J］.中国人民公安大学学报，2008（3）；马婷婷.公诉案件立案功能论——以公安机关为视角［J］.法学评论，2018（2）；吕萍.刑事立案程序的独立性质疑［J］.法学研究，2002（3）；王德光，马明慧.侦查启动原理分析——兼谈立案程序的取消［J］.中国人民公安大学学报，2008（6）；任华哲，陈孟斌.我国刑事侦查启动模式之反思［J］.武汉大学学报（哲学社会科学版），2011（5）；刘根菊.刑事立案论［M］.北京：中国政法大学出版社，1994.的争论存在已久，从我国刑诉法的历次修改情况以及现行《刑事诉讼法》第109 条的规定可以窥见，立案程序的废除似乎暂时难以立足。但结合《公安机关办理刑事案件程序规定》②2020 年《公安机关办理刑事案件程序规定》第174 条规定：对接受的案件，或者发现的犯罪线索，公安机关应当迅速进行审查。发现案件事实或者线索不明的，必要时，经办案部门负责人批准，可以进行调查核实。调查核实过程中，公安机关可以依照有关法律和规定采取询问、查询、勘验、鉴定和调取证据材料等不限制被调查对象人身、财产权利的措施。但是，不得对被调查对象采取强制措施，不得查封、扣押、冻结被调查对象的财产，不得采取技术侦查措施。和《人民检察院刑事诉讼规则》③2019 年《人民检察院刑事诉讼规则》第551 条将“初查行为”修改为“调查核实”主要是因为初查是检察机关职务犯罪侦查实践中形成的工作制度，而调查核实则是检察机关履行法律监督职能的重要手段，也是检察机关查办司法工作人员相关职务犯罪的主要方式。将“初查”转化为“调查核实”，一是使立案审查阶段获取的证据有法可依、于法有据。二是调查核实的运用紧密地融合在法律监督职责之中，工作主动性和灵活性得到极大增强，使初查制度有了新的生机与活力，完善了职务犯罪侦查的立案审查规范。详见侯亚辉.从初查到调查核实：立案审查工作机制的完善［N］.检察日报，2020-02-09（003）.关于侦查机关实施调查核实（初查）行为的相关规定可以发现，仍然保留了立案之前的有限侦查权。显然这些规范性文件保留初查阶段的侦查权与大数据时代的到来，网络犯罪行为的隐蔽性、暴力恐怖犯罪的极端化等形势难以有效匹配，同时也难以有力回应预测性侦查程序运行的正当性质疑。对此，应当在现有被动型侦查程序启动条款上增设主动型侦查的基本条件，为预测性侦查程序的正当性运行提供法律条款的补给。据此，可以将现有刑诉法第109 条规定的“公安机关或者人民检察院发现犯罪事实或者犯罪嫌疑人，应当按照管辖范围，立案侦查”修改为“公安机关或者人民检察院发现犯罪事实或者犯罪嫌疑人的，应当按照职责权限，立即侦查。但在立案之前，侦查机关应当保护数据隐私，不得实施限制被调查对象人身、财产权利的措施。”首先，将“管辖范围”修订为“职责权限”，主要有三层含义：一是“职责权限”一词本身体现了刑事诉讼法关于案件管辖范围的内涵；二是“职责权限”一词更加明确了侦查机关对于犯罪案件具有积极主动侦查的职责任务；三是能进一步适应侦查机关应对新型网络犯罪而在组织形式上对传统刑事管辖权的调整。当前，针对网络贷款诈骗、网络刷单诈骗、杀猪盘诈骗、网络赌博等犯罪形势，为了增强侦查的有效性和主动性，公安部刑侦局已经调整了侦查的属地管辖原则，即凡是发现有电信网络诈骗犯罪线索的，立即将预警指令上报公安部刑事侦查局，公安部立即启动立案侦查工作，然后通过“技术反制——被害劝阻——紧急止付”①“技术反制”主要运用于新型网络犯罪的防控之中。具体而言，就是当预测模型将可疑数据推定为刑事犯罪时，侦查机关在审核之后，立即先行冻结银行卡、电信卡等措施阻止犯罪行为的继续实施；“被害人劝阻”是指对于刑事犯罪中被害人进行单独劝阻，减少犯罪损失；“紧急止付”是指在前两个预测性侦查失败之后，立即启动冻结银行卡账户以及阻断银行资金转账服务。三重侦查防范，再指令属地公安机关进行侦查，改变了传统案件“画地为牢”的侦查管辖弊端。其次，将“立案侦查”修改为“立即侦查”，目的是增强侦查机关在发现犯罪嫌疑或案件发生初期进行主动型侦查的合法性和职责性，使预测性侦查有法可依。最后，增设“但在立案之前，侦查机关应当保护数据隐私，不得实施限制被调查对象人身、财产权利的措施。”主要是修正当前立案程序的侦查过滤意义，将其纳入侦查的范畴，同时也对立案前的侦查行为实施的限度予以必要的限制。通过保护隐私信息，一方面是为了限制侦查机关对公民个人数据的使用范围，坚持比例性原则；另一方面避免侦查错误而导致对公民权利的最大伤害，体现立案前侦查行为的权力有限性和谨慎性原则。

2.严格确立我国预测性侦查程序的启动条件。在我国，侦查机关担负着日常社会治安的犯罪防范和刑事犯罪的侦查打击双重职责。侦查程序的启动设置，旨在解决公安机关行政管理权与刑事司法权的有效衔接，其向前可以有效链接各类警情的处理，向后可以延续侦查取证工作的推进，具有集“行政执法和刑事执法的衔接”“刑事立案和刑事侦查的接续”［18］等多重价值，是有效划分公安事权的重要标准。在当前侦查实践中，由于事权划分的不清晰，往往导致侦查机关的行政管理权与刑事侦查权的交叉混合使用。②详见2016 年12 月1 日公安部向社会征求意见的《人民警察法》（修订草案稿）第22—25 条内容。基于大数据犯罪预测模型的感知，当犯罪行为开始着手实施且具备一定的犯罪嫌疑条件时，基于侦查预测模型发布的预警指令，使侦查人员在接收到警情的指令后会迅速进行研判并形成两种决定：一是将犯罪行为终止在预备阶段；二是将犯罪行为进行侦查经营，待犯罪行为既遂之后，使其通过立案进入侦查程序。而预测性侦查的运行过程就是从“不特定的对象预防”向“特定对象侦查”逐步递进的过程（如图3 所示）。

图3 预测性侦查程序的运行流程图

在预测性侦查实践中，因为预测程序的启动同步于犯罪行为的发生，实际上是对高危的犯罪案件或高危犯罪人员在犯罪案件既遂之前所实施的一种警务监控措施，这类侦查实践的行政管理性质突出，但其主要的目的是以刑事案件的预测为主要对象，这也是各国在预测性侦查实践中的普遍做法。但是，如何限制我国预测性侦查程序的恣意启动，笔者认为，应当结合我国现行刑诉法第109 条的相关规定，③《中华人民共和国刑事诉讼法》第109 条规定：“公安机关或者人民检察院发现犯罪事实或者犯罪嫌疑人，应当按照管辖范围，立案侦查”。在“发现犯罪事实或犯罪嫌疑人”的基础上构建预测性侦查程序启动的“合理根据”标准。

一是在“犯罪事实的发现”方面，“合理根据”的标准建构应当以侦查机关发现了具备某种犯罪行为的数据线索为限。根据我国相关法律规定，侦查机关依法负有打击犯罪和保障人权的法定职责，对于发现的犯罪线索如果不及时进行侦查，就会造成更大的危害，就会构成渎职等违法犯罪行为的发生，不利于维护社会的稳定。因此，侦查自行发现有“犯罪线索”，应当在立即履行内部批准手续之后，开始启动侦查程序。由于我国侦查机关是打击犯罪的专门机关，经过长期的侦查经验积累或对于某类犯罪行为实施方式具有较强的专业性判断。因此，在预测性侦查这一阶段发现的犯罪线索往往是处于犯罪行为的预备阶段或正在实施阶段，主要表现为犯罪构成要件事实的数据零散状态，依靠大数据分析技术，只要具有相关的数据（证据）能够证明有犯罪事实（线索）的发生，或者这些犯罪线索或犯罪数据集合与特定的犯罪行为具有高度的契合性，就应当允许预测性侦查程序的启动。

二是在“犯罪嫌疑人的发现”方面，“合理根据”的标准建构应当以侦查机关掌握了能够直接识别或间接识别犯罪嫌疑人的数据线索为限。这类数据的来源主要是基于侦查机关在侦办其他案件或者常态化数据模型建构过程中所发现的犯罪嫌疑人的数据线索或犯罪事实。结合我国相关法律规范关于“信息的可识别性”规定，①目前，根据相关学者的统计，在中央层级的法律文件中，有关“个人信息”的现行有效规范达1000 多部。例如2017 年最高人民法院、最高人民检察院发布的《关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》（法释〔2017〕10 号）第1 条规定：刑法第253 条之一规定的“公民个人信息”，是指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身份或者反映特定自然人活动情况的各种信息，包括姓名、身份证件号码、通信通讯联系方式、住址、账号密码、财产状况、行踪轨迹等。如果单独的犯罪行为数据或经过集合之后形成的犯罪数据集能够高度识别犯罪嫌疑人正在实施某种犯罪行为或被害人会受到高度的侵害可能，那么就应当立即启动预测性侦查程序。而具体就犯罪嫌疑人可识别数据的判断标准应当包括要有相关的证据（数据）能够证明有犯罪行为事实的发生或者这些已经发生的犯罪行为事实（数据）能够直接或间接指向是由犯罪嫌疑人实施两个方面。

（三）健全我国预测性侦查程序的权力运行监督制约机制

如何破解预测性侦查权力运行的“算法黑箱”与检察机关侦查监督权的“无处着手”，以及预测性侦查程序中的数据侦查权的扩张与公民基本权的孱弱是健全我国预测性侦查权力运行规范的关键所在。为此，在“权力制约权力”格局中，强化预测性侦查权的算法决策公开透明机制［1］1151是解决检察机关实施侦查权有效监督的首要内容，同时完善预测性侦查程序的检察监督全覆盖，是实现侦查监督权落地落实的重要补充。在“权利监督权力”格局中，严格限制数据侦查权的应用范围及其赋予被追诉人的知情权行使是有效平衡两者紧张关系的主要手段。

1.构建预测性侦查程序的算法决策核验机制与检察监督的过程全覆盖。构建我国预测性侦查程序的算法决策核验机制，应辐射算法决策程序在开发端、设计端及其核验端的全程可控。对此，可以借鉴荷兰警察机关在侦查预测程序中的经验，在其犯罪预测系统（Crime Anticipation System，简称CAS）②荷兰警察机关CAS 犯罪预测系统的开发，是由阿姆斯特丹警察局与阿姆斯特丹自由大学联合研制，主要由阿姆斯特丹警察局主导完成，并且拥有警务数据官（data officer）主要就CAS 的可视化、数据应用的风险、预测系统的运行等提供可能性的解释、评估和验证，从而以便更好地部署警务行动。详见OOSTERLOO S，SCHIE G V.The Politics and Biases of the“Crime Anticipation System”of the Dutch Police［C］. CEUR Workshop Proceedings，2018：39.的创立过程中，预测性算法决策系统的开发、设计、审核全过程都是以侦查机关的专业人员为主体，并且形成了侦查决策的内部专业评审与算法设计公司的外部测试相结合，③域外相关学者认为强有力的过程保证可以弥补使用预测算法透明化的困难。详见ZARSKY T Z.Transparent Predictions［J］.U.ILL.L.REV.，2013：1553-1568；LUNA E. Transparent Policing［J］. LOWA L.REV.，2000：1107-1163.形成协同开发格局，从而保障算法程序的设计、决策系统的开发全程有侦查人员的有效参与，实现侦查与技术的“双向融合”，有力确保算法决策系统的设计、开发以及应用的全程可控，同时也为预测性侦查程序运行的监督提供着力点。

建立侦查权力运行监督的全覆盖，核心在于构建预测性侦查执法流程的全监督、侦查执法过程的全记录以及侦查执法数据的全程可回溯。结合2021 年10 月31 日由最高人民检察院、公安部联合制定的《关于健全完善侦查监督与协作配合机制的意见》的相关规定，应当全面建立公安机关与检察机关之间的执法信息共享机制。一是实现检察机关与侦查机关就预测性侦查程序算法决策程序的运行机理共享。通过侦查机关向检察监督部门共享可解释的程序运行知识图谱，使检察机关对算法决策系统运行机理予以充分的程序知识理解，并设置检察监督的程序节点，实现检察监督的有的放矢。二是创新网上侦查执法云监督的全过程。特别是对于侦查机关依据算法决策系统发现的可疑犯罪人员、可疑犯罪线索，要健全对是否具备“合理根据”的数据条件进行侦查监督，全面规范预测性侦查程序启动的数据（证据）要件。三是要大力运用区块链存证等先进技术，健全侦查执法流程数据的全保存、云记录，特别是对于需要侦查经营的刑事犯罪案件，要完善电子证据的全程存储记录制度，确保检察监督的过程性和透明性，从而实现预测性侦查在立案侦查之前程序运行的规范可回溯。

2.严格限制数据侦查权的使用范围与充分保障被追诉人知情权的依法行使。严格限制数据侦查权的最小使用范围是有效破解预测性侦查程序中侦辩双方在数据信息使用边界失衡的矛盾。在大数据时代，公民的数据信息存储于万事万物之中，在我国目前有关电子数据取证规定的文件当中，都是以搜查、扣押原始载体为原则，尤其是在预测性侦查阶段，为了进一步查明是否具有案件事实，侦查机关一般在数据搜索方面难以区分调查核实（初查）的范围界限，所以导致侦查人员进入虚拟环境中收集到的信息量大小以及信息内容范围远远超过了案件侦查的需要［19］。如果说大数据时代侦查机关无法对公民数据信息的搜集范围作一个明确界定，那么在预测性侦查程序的实践当中，应当对公民数据信息使用范围予以明确界定，即在预测性侦查阶段应当严格限制使用公民的隐私性信息，而只能使用公民的一般数据信息。①关于公民的一般信息与隐私信息的区分，目前我国尚无一致的结论，具体可见《个人信息保护法》《数据安全法》以及《信息安全技术 个人信息安全规范》（GB/T 35273-2020）等法律法规或规范性文件的规定。依据“数据可识别性”特征的划分，在预测性侦查阶段，应严格限制对个人财产数据、生物生理识别数据、个人行踪轨迹等涉及隐私程度非常高的数据信息的应用与恣意挖掘。在使用的过程中应当确保侦查权的“谨慎”行使状态，实现数据侦查权力的谦抑属性。

充分保证预测性侦查阶段被追诉人的知情权行使能够有效破解预测性侦查程序中侦辩双方诉讼地位失衡的矛盾。在预测性侦查阶段，侦查机关单方享有算法决策垄断的优势，一定程度上造成追诉活动中公民知情权的侵害［20］。如何规制算法决策垄断，域内外相关法律规定都有明确规定。在域外，2018 年5 月生效的欧盟GDPR 第22 条做出了相关的规定，②GDPR 第22 条第1 款规定：如果某种包括数据画像在内的自动化决策会对数据主体产生法律效力，或对其造成类似的重大影响，数据主体有权不受上述决策的限制。详见：京东法律研究院.欧盟数据宪章《一般数据保护条例》GDPR评述及实务指引［M］.北京：法律出版社，2018：242.赋予了数据主体不受算法决策（自动化决策）的权利。在我国，自2021 年11 月1 日起开始实施的《个人信息保护法》第24 条③我国《个人信息保护法》第24 条规定：个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。通过自动化决策方式向个人进行信息推送、商业营销，应当同时提供不针对其个人特征的选项，或者向个人提供便捷的拒绝方式。通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。也赋予了信息主体就自动化决策的结果享有知情权的规定。再结合《个人信息保护法》关于国家机关处理个人信息的相关规定，侦查机关履行法定职责依然应当遵守关于个人信息处理的相关规定。因此，从欧盟的GDPR 条款到我国的《个人信息保护法》条款，作为履行法定职责的侦查机关而言，都有义务保障公民的知情权。虽然，当前我国的刑事诉讼法并未对此作出回应，结合预测性侦查实践的基本样态，科以侦查机关担负算法决策的解释说明义务可以有效解决这一突出矛盾。对此可以从三个方面予以实现：一是赋予侦查机关的告知义务，即被预测算法决策干预的人员在第一次接受侦查机关的讯问时，应当告知被讯问的对象是基于侦查机关的预测性侦查算法的决策而发现的犯罪，如果对此产生疑问，在保证侦查工作秘密不被泄露的前提下应当通过同等可以接受的语言适当地向其本人或者辩护律师予以解释说明。二是在后续侦查的各个环节，如果存在被算法决策且对当事人的权利义务产生严重的影响，应当主动向被追诉人告知，确保其后期辩护内容的准备。三是赋予侦查机关在证据材料中附加对算法决策的解释说明义务，便于侦查监督机关及其司法审判机关就相关问题进行审查。

四、结语

高科技、智能化的现代犯罪情势凸显传统侦查理论与实践在应对犯罪打击与人权保障工作方面的掣肘。人们对公共安全的普遍需求与深度依赖催生侦查机关依靠大数据、智能化技术强化对犯罪治理工作的升级与改造。域内外预测性侦查实践的应运而生使得侦查机关在犯罪的精准防控与被害的有效预防方面彰显出主动性警务的优势价值。然而，实践中由于数据质量、算法决策、权力监督等方面出现的问题也亟须刑事诉讼理论予以有效的回应。本文通过对预测性侦查实践运行逻辑的理论证成与规制思考，不仅是对大数据时代预测性侦查在实践运行、制度完善、权力监督等方面进行的系列观察，也是在侦查工作向智能化方向转型的过程中对犯罪嫌疑人、被告人传统诉讼权向算法解释权、个人信息权以及数字辩护权等新型权利体系拓展的理论探索，从而能够不断推动数据时代侦查学理论研究与实践创新的协调发展、数据侦查权与公民数据权的平衡协调以及传统刑事诉讼理论与数字化实践运行的深度融合。