社會安全風險視域下預測性偵查的風險與多元治理

馬 方 唐 娜

一、引言

社會的發展經歷了農業文明時代、工業文明時代和全球化時代三種歷史形態。(1)寇麗平:《社會安全治理新格局》,北京:國家行政學院出版社,2018年,第4頁。在農業文明時代,社會的發展目標是拓展領土和耕地以及增加人口數量,以國家為主體的領土安全、人口安全、政治安全、經濟安全和軍事安全等是社會安全的主要范疇。隨著科學技術的發展、社會生產力的提高,社會發展進入工業文明時代,其社會安全的范疇也逐步納入了科技安全、社會安全、文化安全。而全球化時代的到來,推進了國際間政治、經濟以及文化的進一步交流,為世界提供了高度的安全,同時也使社會安全風險(2)社會安全風險在廣義上是指一種導致社會沖突,危及社會穩定和社會秩序的可能性,是一類基礎性的、深層次的、結構性的潛在危害因素,對社會的安全運行和健康發展會構成嚴重的威脅。在狹義上,社會安全風險是指由于所得分配不均、發生天災、政府施政對抗、結社群斗、失業人口增加造成社會不安、宗教糾紛、社會各階段對立、社會發生內爭等社會因素引起的風險,僅指社會領域的風險。參見:寇麗平:《社會安全治理新格局》,第4頁。迅速波及世界各地,形成連鎖反應。

全球化給世界帶來了空前的物質繁榮和社會進步。從互聯網到人工智能的發展,科技的更新換代為人們的生產生活帶來了諸多便利,同時,新技術在違法犯罪領域的應用也使社會安全陷入更為多元復雜的困境。尤其是進入21世紀后,現代化進程改變了犯罪結構,催生了大量新型網絡犯罪(3)韓德明:《風險社會中犯罪的規制和偵查》,北京:中國人民公安大學出版社,2016年,第8頁。,人類社會面臨的風險性不斷增強。犯罪形勢的變化迫使偵查工作從“被動應對”轉向“主動防控”的模式,這也為預測性偵查的發展提供了契機。預測性偵查作為大數據偵查衍生出的由算法支撐的一個分支,在偵查工作中發揮的積極作用就是可以預測未知的犯罪。然而,預測性偵查的發展并非一帆風順。預測性偵查既可能使偵查工作迎來曙光,也可能使偵查工作遭遇前所未有的風險。習近平總書記在黨的二十大報告中明確指出:“堅持安全第一、預防為主,建立大安全大應急框架,完善公共安全體系,推動公共安全治理模式向事前預防轉型。(4)習近平:《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》,《人民日報》2022年10月26日,第1版。”基于此,本文將在社會安全風險的視域下,全面分析預測性偵查面臨的風險,從數據層面、法律層面、技術層面實現對預測性偵查的多元治理,而不是局限于某一維度的傳統單元治理。

二、社會安全風險視域下預測性偵查的嬗變

偵查技術的每一次變革都會對公安工作產生重要影響。預測性偵查作為一項具有創新性的偵查行為,推動了公安工作從信息化偵查向大數據偵查邁進。雖然預測性偵查最大的優勢是以數據分析、高危人員監控跟蹤以及多發型熱點犯罪案件的空間預警為代表的數據算法預測技術,但是它又超越了數據算法預測本身,有效促進了公安工作的發展。

(一)預測性偵查的內涵界定

預測性偵查的概念主要來源于英美法系國家常說的“預測性警務”。國外通常將其稱之為“預測性警務”主要有兩個原因:其一,英美法系國家的警察體制沒有嚴格劃分為司法警察和行政警察;其二,英美司法制度并沒有嚴格按照線型訴訟階段理論設定刑事訴訟程序,因此只要發現犯罪嫌疑人,可以立即開始偵查。(5)張全濤: 《從被動應對到主動防控:我國預測性偵查的理論證成與規制選擇》,《中國人民公安大學學報(社會科學版)》2022年第3期,第23頁。從文獻資料中發現,美國學者針對預測性警務應用系統、風險評估等方面進行了大量研究。埃里克·巴克(Erik Bakke)博士在其論文當中定義了預測性警務,他認為預測性警務是指應用分析技術來確定犯罪可能發生的位置和可能實施犯罪的人。它既指將執法資源分配到各部門認為最需要的地方的傳統方法,也指現代預測性算法和代碼。(6)Erik Bakke,“Predictive Policing: The Argument for Public Transparency”,New York University Annual Survey of American Law,Vol.74,No.13,2018,pp.131-172.安德魯(Andrew G. F.)教授將預測性警務定義為一種警務戰略或戰術,旨在開發、使用信息和高級分析為前瞻性犯罪預防提供信息。預測性警務比巡警對一個地區的預感更客觀,它利用“大數據”的力量從隨機行為中找出規律,預測警務已成為任何打擊犯罪方法的通稱,這些方法包括依賴信息技術(通常是犯罪地圖數據和分析)、犯罪學理論、預測算法,并利用這些數據改善街頭的犯罪鎮壓。簡言之,預測性警務涉及計算機模型,該模型可以根據過去的犯罪統計數據和其他數據預測未來犯罪地點的區域。(7)Andrew G. Ferguson,“Predictive Policing and Reasonable Suspicion”,Emory Law Journal,Vol.62,No.259,2012,pp.259-326.因此,預測性警務的創新之處在于,它側重于預防“未來的犯罪”,而不是打擊“過去的犯罪”。

我國學者關于預測性偵查這個概念尚無統一的定義,有學者提出預測性偵查是通過對網絡數據資源進行規模化的采集、存儲與管理,以各類算法模型為基礎,通過對海量數據的計算和分析,依法對有證據證明即將實施或正在實施的犯罪案件或與犯罪相關的人員,采取的專門調查手段或強制性措施。(8)張全濤: 《從被動應對到主動防控:我國預測性偵查的理論證成與規制選擇》,《中國人民公安大學學報(社會科學版)》2022年第3期,第23頁。也有學者將預測性偵查著眼于案件的預備階段,其認為預測性偵查的實現在很大程度上依賴于大數據技術和人工智能技術,針對具有嚴重社會危害性或特定行為模式、行為規律的特定案件類型,如反恐、毒品犯罪、互聯網傳銷、電信詐騙等,因此,預測性偵查應當建立在有效識別犯罪預備行為的基礎之上。(9)李曉東、徐前: 《刑事一體化視域下預測性偵查的法律證成與實踐應用》,《中國刑警學院學報》2022年第4期,第73頁。

綜上所述,本文要研究的預測性偵查是基于社會安全風險視域下人們對社會公共安全的迫切需求來進行的。因此,本文對預測性偵查的概念界定為:預測性偵查是指法定偵查機關為了預測犯罪趨勢、預測犯罪熱點、識別高危人員等,所采取的以大數據技術為支撐,借助大數據平臺實施的一切以預測為核心的相關偵查行為。

(二)預測性警務的演變

預測性偵查的興起可以追溯至國外的預測性警務,而預測性警務最早起源于美國的刑事司法系統。歐內斯特·伯吉斯(Ernest Burgess)——芝加哥大學的社會學家,在1927年通過對假釋累犯的研究,觀察個人風險因素來預測被判假釋的單個罪犯再次實施犯罪的可能性(10)Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,pp.1109-1190.,這是美國刑事司法系統中的第一次犯罪預測實驗。此后,預測性警務逐漸應用于歐美各個國家,而在我國的興起和發展相對較晚。

1.預測性警務在國外的興起和發展

第一,預測性警務在美國的興起和發展。美國預測性警務的發展大致經歷了三個階段:從基于地點的財產犯罪預測(預測性警務1.0階段)演變至基于地點的暴力犯罪預測(預測性警務2.0階段),最后轉變為基于犯罪高危人員的精準預測(預測性警務3.0階段)。預測性警務向3.0的轉變也意味著預測的重點從地點轉移到了個人。(11)lbid.,p.1116.其中,預測性警務1.0是以“數據驅動警務”為主導,通過收集的歷史犯罪數據來預測可能發生財產犯罪的區域,在此類區域重點部署巡邏警力,增強巡邏頻率,從而有效降低犯罪率。(12)實驗結果顯示:在洛杉磯的測試中,前六個月的盜竊案下降了25%;圣克魯斯的財產犯罪率下降了4%至11%;阿罕布拉的汽車盜竊率下降了21%;在加利福尼亞州以外的地區,如西雅圖、亞特蘭大等城市,實施了預測性警務之后也取得了類似的積極成果。參見:Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,pp.1109-1190.預測性警務2.0是以“計算機輔助熱點警務”為主導,從本質上講,基于地點的環境脆弱性助長了暴力犯罪,研究人員開發了一種被稱為風險地形建模(RTM)(13)風險地形建模(RTM)用于研究某些類型的暴力犯罪,識別于特定犯罪相關的特定因素。風險地形建模不是關注過去的犯罪,而是關注當前會增加犯罪風險的環境因素。在紐瓦克的一項為期一年的研究中,新澤西的RTM地圖上顯示,每增加一個風險因素,搶劫的風險就會增加2.3%。參見:Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,pp.1109-1190.的風險評估技術,有針對性地在特定時間集中警力在特定地點進行巡邏,以減少暴力犯罪的發生,其犯罪治理效果也非常顯著。(14)實驗結果顯示:波士頓的暴力犯罪減少了17.3%,其中搶劫減少了19.2%,嚴重襲擊減少了15.4%。參見: Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,pp.1109-1190.預測性警務3.0是以“大數據技術驅動”為主導,通過對歷史犯罪數據、社會關系數據以及與犯罪傾向相關的其他因素進行分析與整合,對可能實施犯罪行為的嫌疑人和潛在的被害人進行識別、鎖定和監視,實現對高危人員的精準防控,從而降低犯罪率。(15)新奧爾良市根據Palantir公司提供的數據分析報告,對潛在的高危人員實施干預策略,其謀殺率下降了21.9%。參見:Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,pp.1109-1190.例如,芝加哥警察局根據歷史犯罪記錄確定一份誰最有可能被暴力犯罪所侵害的熱點被害人名單,然后通過被侵害系數的高低進行排名,一旦被列入高危被害人名單,隨后警察和社區負責人就會根據自身職能職責對其采取相應的防范措施。

第二,預測性警務在歐洲的興起和發展。預測性警務在歐洲國家也深受歡迎。荷蘭、德國、丹麥等國家都開始使用預測性警務工具,積極利用大數據技術開展預測性警務實踐活動。自2014年以來,預測性警務在德國一直是一個非常熱門的話題。由于德國聯邦制導致的不同管轄權,德國在實現預測性警務方面有各種不同的個體解決方案,例如,巴伐利亞州和巴登-符騰堡州使用的是Precobs(犯罪前觀察系統)(16)Precobs通過對“近重復”的自動模式檢測,已經建立了一個預警系統,為警方提供關于可能發生的犯罪行為的日常信息,特別是入室盜竊。巴伐利亞州也是德國第一個實施預測性警務解決方案的警察當局。參見:Seidensticker, Kai,Bode, Felix&Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.、柏林使用KrimPro(17)自2016年10月以來,KrimPro的預測區域擴展到整個柏林市,并且內部評估結果顯示,家庭入室盜竊案件數量明顯下降。參見:Seidensticker, Kai,Bode, Felix&Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.、黑森州的KLB行動(犯罪情況報告-執行)(18)黑森州刑事調查辦公室開發KLB預測技術是為了防止家庭入室盜竊,其目的是為警察提供更有效的戰略力量。參見:Seidensticker, Kai,Bode, Felix&Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.、下薩克森州使用PreMap(警察預測移動分析)(19)PreMap是由下薩克森州警方與IBM公司、卡爾斯魯厄服務研究所共同開發的預測系統,主要用于家庭入室盜竊的預測。參見:Seidensticker, Kai,Bode, Felix&Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.以及北萊茵-威斯特法倫州的SKALA(犯罪分析和預測系統)(20)SKALA旨在審查犯罪預測的可能性和局限性,并調查其相應的警察干預的效率和效力。參見:Seidensticker, Kai,Bode, Felix&Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.,其中,在德國運用最普遍的預測性警務模型是SKALA。從文獻資料中發現,德國各州用于預測性警務的解決方案大多數都是基于對入室盜竊的預測。(21)Seidensticker, Kai,Bode, Felix &Stoffel, Florian,“Predictive Policing in Germany”,Predictive Policing,2018,pp.1-7.2013年,阿姆斯特丹警察局和阿姆斯特丹自由大學共同開發了犯罪預測系統(CAS,Criminal Anticipation System),通過對全國犯罪數據庫中存儲的犯罪地點、犯罪時間以及犯罪類型等歷史數據的關聯分析(22)Serena Oosterloo &Gerwin van Schie,“The Politics and Biases of the“Crime Anticipation System”of the Dutch Police”,Political Science,2018,pp.201-218.,實現對街面搶劫、入室盜竊等多發型侵財犯罪的早期感知和熱點預測。CAS是荷蘭預測性警務領域的最新發展。CAS通過對歷史犯罪數據和其他輸入變量,比如最近的高速公路入口數據、該地區已知的犯罪企業以及有關居民的其他社會人口問題等這些數據進行綜合處理,可以預測出即將發生犯罪行為的犯罪地點。根據相關調查顯示,預測性警務的實踐可以提前預測到阿姆斯特丹地區約 60%的街面搶劫犯罪和40%左右的入室盜竊犯罪。(23)E.L. Van Kooten,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,pp.1-40.

2. 預測性警務在我國的興起和發展

預測性警務在我國的興起和應用相對較晚。2013年,我國公安機關首次使用預測警務系統,即北京市公安局懷柔分局正式投入使用的“犯罪數據分析及趨勢預測系統”。該系統可以梳理歷史刑事案件信息,也能夠運用數據模型有效評估出某個特定領域可能會發生的犯罪行為。蘇州市公安局蘇州工業園區分局唯亭派出所自2014年以來,其工作模式也從“案后研判”轉變為“案前預警”。該所通過犯罪預測系統分析相關數據,制定有針對性的偵查預防策略后,其轄區內刑事案件發案率下降了15%以上。(24)張蓓蓓: 《大數據時代下犯罪預測的應用與限制研究》,《犯罪研究》2020年第1期。廣東省公安廳為推進“智慧新警務”建設,在2018年提出了“13847”規劃(25)“13847”框架模式的具體內容是:一個愿景(為全國省級行政區的社會公共安全治理提供“廣東樣本”);三步走策略;八大創新警務應用(智慧新指揮、智慧新管控、智慧新偵查、智慧新防控、智慧新交管、智慧新監管、智慧新民生、智慧新警隊);四大智慧賦能工程(大數據工程、云網端工程、視頻云工程、警務云工程);以及北斗七星計劃。。廣州警方先后開發了智能視頻警務云平臺、刑事情報研判等系統,并且成立了廣州市反詐中心,2018年上半年,反詐騙中心成功勸阻潛在受害者57614人,共為73450人挽回損失2.45億元。(26)廣東省公安廳:《以智慧促警務常新 以忠誠護羊城平安》,http://gdga.gd.gov.cn/jwzx/jwyw/content/post_1090566.html.溫州市公安局搭建了“1+5+15+N”的作戰機制(27)“1+5+15+N”作戰機制主要內容包括:“1”是溫州市公安局“云上公安·在線警務”實戰中心;“5”是聯合指揮部、情報預警部、合成作戰部、信息支撐部、綜合協調部五大功能板塊;“15”是五大功能板塊下的十五個分區;“N”是在交警支隊、消防支隊、機場分局、軌道交通治安分局設立“云上公安、在線警務”實戰分中心,在城區公安分局和城區公安派出所設立“云上公安、在線警務”實戰子中心。,集實戰引領、情報主導、數據驅動于一體,實現立體化、信息化、精準化的打防體系。(28)溫州市公安局課題組: 《構建立體化信息化精準化社會治安防控體系》,《浙江警察學院學報》2019年第3期。目前,我國預測性警務主要應用于電信網絡詐騙犯罪的偵查和預防。自2006年以來,詐騙案件逐年增多,其中,電信詐騙在2013年成為詐騙犯罪的主要類型。2014年,我國電信詐騙犯罪立案40余萬起,每年幾乎以30%的速度在高速增長,僅一年時間,電信詐騙給被害人造成的經濟損失就高達107億元。(29)靳高風: 《2014年中國犯罪形勢分析與2015年預測》,《中國人民公安大學學報(社會科學版)》2015年第2期,第3頁。涉案金額較大、溯源困難、危害極大,且偵查成本高是當前電信詐騙犯罪的主要特點,因此,反電詐工作的重點已從事后偵查轉向了事前預防,利用大數據技術對電信網絡詐騙犯罪進行預警成為我國偵查工作的發展方向。

(三)預測性偵查的運行邏輯與實踐價值

完整的預測性偵查模式應具備三個必備要素,即海量數據信息、智能信息處理技術和及時有效的警務行動響應,其內在的邏輯關系應體現在同一警務工作流程中,缺少其中的任何一項都不能被稱為完整的預測性偵查模式。在社會安全風險的背景下,面對網絡犯罪、有組織犯罪和恐怖主義犯罪等,被動的偵查機制無法達到預期的犯罪控制效果。恐怖主義的無差別襲擊給社會造成的巨大負面影響無法快速消除,電信網絡詐騙造成的高額經濟損失也無法在短時間內填補。這意味著在應對現代化風險社會時,被動的偵查應對機制是薄弱的。(30)張曉華: 《數智時代預測性偵查的算法規制研究》,《中國人民公安大學學報(社會科學版)》2022年第4期。而預測性偵查的出現,在一定程度上改變了傳統偵查工作的被動應對局面。

1.預測性偵查的運行邏輯

在理論基礎層面,預測性偵查作為以大數據技術為支撐,借助大數據平臺來開展預測工作的一種偵查行為,其運行的理論依據必然是多源信息融合理論。多源信息融合理論是大數據領域中最為重要的基礎理論之一,這意味著運用到的基礎數據具有多源性和融合性,其價值主要體現在兩個方面:一方面,基礎數據的多源性有助于進一步挖掘數據的價值,提高數據分析的作用,避免數據信息出現漏洞與錯誤,幫助偵查人員提高決策的正確率;(31)化柏林、李廣建: 《大數據環境下多源信息融合的理論與應用探討》,《圖書情報工作》2015年第16期。另一方面,基礎數據的融合性促使與其相關的其他信息、資源之間的相互融合,使之與融合之前相比較產生更高的價值。因此,多源信息融合理論是預測性偵查得以發展的關鍵,其包含的相關性原理也使預測性偵查在數據挖掘時產生了更大的效能。(32)韓崇昭、朱洪艷、段戰勝:《多源信息融合》,北京:清華大學出版社,2022年,第1-4頁。

在預測方法層面,預測性偵查主要運用的是數據挖掘方法。數據挖掘方法是基于歷史數據和相關風險要素的狀態數據(實時數據),利用數據挖掘模型對犯罪行為發生的可能性及潛在的后果進行定量分析的一種社會安全風險分析方法。(33)胡嘯峰、申世飛:《社會安全風險分析方法概論》,北京:清華大學出版社,2021年,第78頁。因此,預測性偵查的運行邏輯通常包括數據收集、數據分析、警務操作和犯罪響應四個階段。在數據收集時,偵查人員需要考慮時間、地點和犯罪類型這三個重要變量。數據分析階段可分為兩個步驟進行:訓練步驟和預測步驟。在訓練步驟中,統計模型學習可用歷史數據中的相關模式:它將相關指標的值與新犯罪事件的風險聯系起來。在預測步驟中,實際預測是針對某個時間范圍(例如,第二天、下一周等)進行的。通過基于指示符的當前值輸出每個網格單元的風險百分比。由圖1可見,經過訓練的模型與歷史數據和潛在的未來數據一起用于計算觀察區域內犯罪發生的可能性,這是預測性偵查過程中最關鍵的部分,具體來說就是在“數據融合”之后進行“數據分析”,即在得出“預測”結論后采取相應的“警務操作”以“干預”現實中的犯罪,再通過“犯罪響應”的結果來“評估”預測結果的有效性,最后根據預測結果進一步調整“警務操作”和預測模型。考慮到現有的警力資源,通常會根據某個臨界閾值選擇風險最高的地區。然后,這些區域被繪制出來,通常按照風險值和犯罪類型進行顏色編碼。(34)Wim Hardyns &Anneleen Rummens,“Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges”,European Journal on Criminal Policy and Research,Vol.24,2018,pp.201-218.

圖1 預測性偵查業務流程(35)Perry W L. “Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations”,Rand Corporation, 2013.

2.預測性偵查的實踐價值

近年來,公安部為預防案件發生,減少群眾財產損失,推出了“國家反詐中心”App、96110預警勸阻熱線等反詐工具,通過構建預警數據模型,分析發現潛在的受害者,進行電信網絡詐騙犯罪“短信勸阻、電話勸阻、見面勸阻”的分級分類勸阻方式,實現精準預警、有效防范。為應對詐騙手段加速迭代變化的問題,公安部刑偵局堅持廣泛宣傳與精準宣傳相結合,部署推動各地公安機關線上線下齊抓共管。對于精準預警的對象和詐騙案件的受害人,偵查人員會進行“二次宣傳防范”,防止早期宣傳防范和勸阻的效果隨著時間的推移而減弱,從而增加群眾被騙的風險,全面提高反詐勸阻的質量和勸阻效率。實踐表明,預測性警務的興起和發展為我國公安工作做出了巨大貢獻,尤其是針對電信網絡詐騙犯罪的精準防控和高效治理。例如,山西省公安機關深化打擊電信網絡詐騙犯罪綜合治理,開展精準勸阻,切實守護群眾財產安全。2023年1月至6月,全省破獲電信網絡詐騙犯罪案件數同比上升75%,抓獲嫌疑人數同比上升71%,返還被騙資金1.38億元。(36)龐衛坤、高勇凱:《山西返還被騙資金逾億元》,《人民公安報》2023年8月2日,第2版。2022年12月,浙江諸暨市公安局陶鑄派出所創建了企業微信號,該微信號會及時發出放貸前要求解凍款、認證款、手續費等詐騙行為的提醒。截至目前,該微信號已添加轄區內群眾7萬余人,阻止了電詐案件200余起。(37)張天培:《全鏈條打擊,遏制電詐上升態勢》,《人民日報》2023年6月28日,第11版。為保護人民群眾的“錢袋子”,增強人民群眾的反詐騙“免疫力”,銀川市公安局建立了專業的反詐預警勸阻隊伍,確保對預警指令的快速反應。2023年1月至4月,銀川市共處置預警信息88.9萬余條,見面勸阻1.3萬余人,攔截案件2.6萬余起,勸阻止付金額1.43億元。(38)中國人民共和國公安部:《寧夏銀川強化預警勸阻筑牢反詐防線》,https://www.mps.gov.cn/n2255079/n4876594/n5104076/n5104080/c9074655/content.html.

在預測性警務方面,歐美國家開發出的成熟的商業化軟件在各國預測性警務實踐中已得到廣泛應用并取得了顯著效果。不同軟件所針對的犯罪類型、采用的預測模型和算法以及應用評估效果都存在些許差異。例如,PredPol(現為Geolitica)采用余震模型與機器學習算法,對財產類和暴力類犯罪進行預測,主要應用于美國洛杉磯、亞特蘭大、圣克魯斯等近60個城市,洛杉磯在使用PredPol后,犯罪數量平均降低7.4%(39)George Mohler,et al,“Randomized Controlled Field Trials of Predictive Policing”,Journal of the American Statistical Association,Vol.110,No.512,2015,pp.1399-1411.。HunchLab (現為 ShotSpotterRMissionsTM)也采用的是機器學習方法,針對財產類、暴力類犯罪進行預測,主要應用于美國皮奧里亞、費城、林肯、紐約、新城堡、塔科馬、皮爾斯等地,費城在使用了HunchLab之后,財產類犯罪明顯下降(40)Jerry H. Ratcliffe,et al,“The Philadelphia Predictive Policing Experiment”,Journal of Experimental Criminology,Vol.17,2021,pp.15-41.。RTMDx采用風險地形建模的預測算法,可針對多種犯罪類型進行預測,應用于美國堪薩斯城、紐瓦克、大西洋城、紐約、紐黑文、澤西城等地,使用RTMDx之后,紐瓦克的槍支暴力犯罪下降了35%(41)Joel M. Caplan,et al,“Crime in Context: Utilizing Risk Terrain Modeling and Conjunctive Analysis of Case Configurations to Explore the Dynamics of Criminogenic Behavior Settings”,Journal of Contemporary Criminal Justice,Vol.33,No.2,2017,pp.133-151.,科羅拉多斯普林斯的盜竊機動車犯罪減少33%(42)Leslie W. Kennedy,et al,“Vulnerability and Exposure to Crime: Applying Risk Terrain Modeling to the Study of Assault in Chicago”,Applied Spatial Analysis and Policy,Vol.9,2016,pp.529-548.。CAS采用神經網絡模型算法,對財產類、暴力類犯罪進行預測,阿姆斯特丹預估該系統可準確預測15%的入室盜竊和33%的搶劫,但實際應用效果未知(43)Wim Hardyns &Anneleen Rummens,“Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges”,European Journal on Criminal Policy and Research,Vol.24,2018,p.207.。PreCobs采用鄰近重復模型預測算法,僅預測居住區入室盜竊犯罪,主要應用于德國巴伐利亞州、巴登-符騰堡州等6個州;瑞士的蘇黎世、巴塞爾市、阿爾高州等(44)lbid.,p.209.,經過實驗證明,德國紐倫堡和慕尼黑的犯罪率下降了14%,而嚴格控制的地區下降了近30%(45)Andrew Tieu,“Precobs App Predicts Crimes before They Happen”,Paper Presented to the Fututism,November 30,2016,https:// futurism. com/precobs-app-predicts-crimes-before-they-happen.,蘇黎世全市半年的入室盜竊下降了40%(46)J?rg Thoma,“Precobs:Berlin Will Mit Software Einbrüche Vorhersagen”,Paper Presented to the Golem.December 2,2014,https://www.golem.de/news/precobs-berlin-will-mit-software einbrueche-vorhersagen-1412-110918.html.。

三、社會安全風險視域下預測性偵查的主要特征與風險

目前,我國的經濟發展進入了新常態,社會發展依然面臨著諸多不平衡、不協調的問題。雖然刑事案件的數量呈下降趨勢,但詐騙案件呈現出了“案數下降、金額上升”的新特點,非法集資犯罪高發形成了新的社會安全風險,而安全風險呈現出的多層次、多方面狀態不僅影響到了人民的生活也是社會治理面臨的重大挑戰。黨的二十大報告指出:“堅持以人民為中心的發展思想。維護人民根本利益,增進民生福祉,不斷實現發展為了人民、發展依靠人民、發展成果由人民共享,讓現代化建設成果更多更公平惠及全體人民。(47)習近平:《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》,《人民日報》2022年10月26日,第1版。”因此,消除社會安全風險,維護社會穩定是當務之急。預測性偵查作為新一代可能引發革新的偵查行為,其本質是一種預測未知犯罪的警務工具,具有前瞻性、相關性、技術性等諸多特征,為公安工作帶來了諸多便利,也為消除社會安全風險做出了巨大貢獻,但同時,也在預測價值、公民個人隱私以及算法模型層面存在著多重風險。

(一)預測性偵查的前瞻性與價值風險

預測性偵查的不同在于其要求偵查人員運用大數據技術主動發現犯罪線索,而不是被動的等待案件發生后尋找犯罪嫌疑人。大數據的核心就是預測(48)[英]維克托·邁爾-舍恩伯格,肯尼思·庫克耶:《大數據時代》,盛楊燕、周濤譯,浙江:浙江人民出版社,2013年,第71頁。,預測性偵查中犯罪預測的結果為偵查機關預防犯罪指明了方向。預測性偵查的前瞻性主要體現在偵查研判結果上,無論是對于犯罪熱點的預測還是高危人員的預測,都是通過對海量的數據信息進行分析、研判得出的結果。然而,具有前瞻性的預測結果在為偵查人員發現犯罪、做出決策提供依據的同時,預測性偵查在提高執法效率和配置警力資源方面的價值也受到了質疑。

預測性偵查在很大程度上是基于對過去犯罪數據的推斷,然而,并非所有的犯罪都被報告和記錄,并非所有的犯罪都包括在用于預測的犯罪數據庫中。一方面,在收集數據的過程中存在人為誤差。(49)Andrew G. Ferguson,“Predictive Policing and Reasonable Suspicion”,Emory Law Journal,Vol.62,No.259,2012,p.317.大部分數據收集的工作是由偵查人員完成的,最初收集時可能會出現錯誤。例如,偵查人員可能會記錄下錯誤的犯罪現場地址,或者在計算機記錄過程中出現數據輸入錯誤,又或者在數據整合時可能會出現重復輸入的錯誤。這意味著數據收集工作必須準確,并且必須有適當的程序來確保所有報告的犯罪都被錄入系統。(50)孟菲斯警察局是早期應用預測性警務的代表,其Blue C.R.U.S.H(利用統計歷史減少犯罪)項目立即取得了成功,該系統被譽為一項革命性的突破,降低了孟菲斯市的犯罪率。然而,在2011年,政府內部審計發現存在7.9萬份警察備忘錄,其中記錄了潛在的犯罪行為,但未計入犯罪統計。這些文件使人們對減少犯罪的范圍產生了質疑,因為許多潛在的犯罪根本沒有輸入計算機系統。犯罪報告和記錄的不精確性不僅會影像數據的準確性,還會影響警務資源的重點分配。參見:Andrew G. Ferguson,“Predictive Policing and Reasonable Suspicion”,Emory Law Journal,Vol.62,No.259,2012,pp.259-326.另一方面,預測性偵查所使用的數據缺乏完整性。數據的不完整性主要體現在:某些犯罪往往會持續向公安報警,如殺人、盜竊案件;而有些犯罪受害人往往選擇不報警,或者極少數受害人會報警,如家庭暴力、性侵。在電信網絡詐騙犯罪中也存在同樣的問題,詐騙金額較大的案子,受害人通常會選擇報警,而涉案金額較小的情況下(如被騙金額在千元以下)受害人通常不會報警,或者選擇報警,但由于涉案金額小,無法立案。這就會導致一些社區民眾對當前的警務實踐感到失望,所以在犯罪行為發生后拒絕報警。因此,形成犯罪預測的數據可能會受到所收集的犯罪數據類型的限制,并且可能會因收集過程中的錯誤而進一步失真,導致預測結果的有效性受到質疑。

(二)預測性偵查的相關性與隱私風險

預測性偵查之所以能夠在偵查工作中應用并取得一定成效,是因為其運行邏輯中應用的海量數據和算法模型關注的是相關關系。傳統的偵查工作關注的是因果關系,通過勘查犯罪現場來認識犯罪行為,很難提前干預到犯罪行為的預備階段。(51)蔣勇: 《大數據偵查的體制之維:基于權力關系的審視》,《中國人民公安大學學報(社會科學版)》2022年第1期。而預測性偵查則能夠通過處理這些海量數據,進行二次挖掘之后,找出“人、事、地點”的相關性規律。例如,大數據可以通過立體式數據畫像,分析出犯罪嫌疑人的性格特征和行為習慣,如通話規律、行蹤軌跡、生活作息、人際關系等一系列的個人信息,從而有效地引導辦案人員查找線索、搜集證據,并據此制定審訊策略。

然而,預測性偵查在數據收集和處理的過程中難免會侵害到公民的個人隱私權。完整的預測過程從自動收集數據、清理分析數據到確定犯罪嫌疑人,都可以在完全不接觸信息提供者的條件下,在虛擬的數據空間進行信息提取和處理的操作,換言之,想要獲取一個人的全部生活軌跡,只需要動幾下鼠標就能做到。美國自建國以來,政府監控就一直困擾著美國人,使用私營部門的大數據技術來完善政府監控的確會引發公眾不滿,而現代商業背景下由大數據推動的預測性警務的興起則進一步剝奪了美國民眾的安全感。(52)Erik Bakke,“Predictive Policing: The Argument for Public Transparency”,New York University Annual Survey of American Law,Vol.74,No.13,2018,p.139.在實際情況中,警方使用大數據技術作為調查方法的確會干預到公眾的隱私權。任何級別的監視在某種程度上都具有侵入性。即使沒有實施拘留或逮捕等執法行為,僅僅是影響公眾自由表達和行為的監視也可能具有侵入性,因為監視需要加強對個人的關注,窺探我們的隱私,在某些情況下,還需要配合警方的調查工作。而如今的社會現狀是,我們生活在無處不在的監控攝像頭底下,以及各類應用軟件上精準的數據推送(如視頻軟件根據用戶喜好推送相關視頻,購物軟件根據消費者的瀏覽記錄或消費記錄推送相關商品),又或者你在感興趣的網站上注冊之后,個人信息可能會被各種商業機構非法存儲或擴散出去,這幾乎讓我們變成了“透明人”。因此,在這個獲取個人信息易如反掌的時代,公民必然會對預測性偵查是否合理、合法以及數據是否會泄漏和盜用心存疑慮,也在一定程度上損害了公民與警方的關系以及對警方的信任。

(三)預測性偵查的技術性與算法風險

我國的預測技術大致經歷了三個發展階段:原始社會借助個人經驗的預測階段,集陰陽、五行、周易等于一體的古代傳統預測階段,以現代數學方法和計算機技術為基礎的科學階段。(53)王二院:《警務預測技術》,北京:中國人民公安大學出版社,2018年,第8-16頁。目前,預測性偵查主要是通過以大數據為基礎的算法模型對犯罪行為進行預測,使用大規模數據的海量存儲、采集和分析,同時結合互聯網上的各種公開數據,運用技術化、智能化的設備對犯罪風險進行綜合評估,實現了前瞻性預警和即時響應。值得注意的是,算法模型具有機器學習的能力,這將使預測過程變得較難掌控,而機器學習取決于數據,可以訪問的數據的數量、質量以及輸入系統的方式都會影響到學習的效果,進而影響到由算法生成的信息的有效性、準確性和實用性。

預測性偵查的吸引力很大程度上在于算法模型為公安機關做出決策提供了一個依據。然而,任何技術手段都有利有弊,算法模型也會面臨相應的風險,除非算法過程擁有足夠的透明度,并確保由算法生成的信息起到真正的作用。從目前實施的情況來看,預測性偵查的各個階段都缺乏透明度,即使是像犯罪統計這樣簡單的事情。一方面,由于收集的數據信息量太大,使得對預測基礎來源的透明度評估變得復雜。這就導致數據中的錯誤很難被發現,即使發現了錯誤也面臨著如何修復的難題,此外,還有意想不到的個人或文化偏見可能會影響數據質量、評分系統、源代碼,從而影響預測結果。(54)Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,p.1146.另一方面,算法的本質進一步模糊了這個過程。除了技術人員,公安機關也會看到預測結果,但由于算法的復雜性,偵查人員中很少有人能理解其中的學習模式和數學原理。換言之,預測性偵查過程中所涉及的技術復雜性,使得除技術人員以外的外部人員幾乎不可能確定程序的準確性、有效性或公平性。因此,即使公安機關可以看到這個系統是否有效,但他們無法看到這個系統是如何運作的。這種透明度的缺乏不僅僅是新技術的結果,也受到了算法模型專有性質的影響,導致整個系統都有建立在未知和不可知的數據庫上的風險。

四、社會安全風險視域下預測性偵查的多元治理路徑

習近平總書記在黨的二十大報告中明確指出:“必須堅定不移貫徹總體國家安全觀,把維護國家安全貫穿黨和國家工作各方面全過程,確保國家安全和社會穩定。(55)習近平:《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》,《人民日報》2022年10月26日,第1版。”預測性偵查作為一項還未發展成熟的新生事物,隨著技術的不斷提升,將對定義、驗證研究及其有效性進行評估。目前,預測性偵查正處于風口浪尖,既給公安工作帶來了諸多發展機遇,也伴隨著眾多社會安全風險。因此,在預測性偵查的發展歷程中,只有事先梳理其在實施過程中可能會面臨的重大挑戰,預先制定好相應的治理對策,堅持中國共產黨的全面領導,充分發揮人民群眾的力量,形成多元主體群防群治的治理格局,方可實現預測性偵查發展的行穩致遠。

(一)重視數據治理,發揮預測性偵查的預測價值

任何數據驅動的警務系統的好壞都取決于所涉及的數據,如果數據收集、記錄、分析或保留存在缺陷,則整個系統都會存在缺陷并受到質疑。為了應對預測性偵查在數據收集過程中存在的人為誤差和數據不完整性的問題,偵查人員必須解決數據收集、數據匹配、數據倉庫和數據清理中固有的錯誤,以證明預測技術是否可靠和準確,充分發揮預測性偵查的預測價值。對預測技術是否可靠和準確的有效性評估通常從兩個方面入手:預測性分析的有效性(主要指做出了多少正確的預測分析或者預測結果遺漏了多少犯罪行為,以及實施預測性偵查之前的犯罪率與實施預測性偵查之后的犯罪率的對比)和相對于被預測性偵查取代的當前方法的成本。(56)Wim Hardyns &Anneleen Rummens,“Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges”,European Journal on Criminal Policy and Research,Vol.24,2018,p.212.一方面,若預測技術能夠為犯罪預測提供可靠和準確的決策依據,則可以使偵查活動更加高效、合法和公平。有學者認為,相對于有缺陷的調查方法而言,預測技術是一個更有效的替代方案,其能夠以更低的經濟成本和社會成本實現更安全的街道。(57)Kai Seidensticker,“SKALA - Predictive Policing in North Rhine-Westphalia”,European Law Enforcement Research Bulletin,2021,pp.47-60.而在電信網絡詐騙這類沒有犯罪現場的案件中,重點是對于高危人員的預測,那么數據的可靠性和準確性就顯得尤為重要。另一方面,預測性偵查中使用到的算法模型相比較增加警力規模而言更便宜、更安全,通過提高對犯罪發生地點和時間的估計的準確性,就可以使公安工作更加有效和高效。

充分發揮預測性偵查的預測價值可以從以下三個方面入手:可靠的數據收集,不同警種部門、不同層級之間和其他單位的明確溝通以及偵查人員的應對戰略。首先,提供可靠的數據收集很重要。畢竟,數據質量將顯著影響犯罪預測的最終質量。因此,有必要對公安機關內部的數據質量和數據收集過程進行評估,以確保預測性偵查有效實施。其次,公安機關內部不同警種部門和不同層級之間的溝通需要明確。預測性偵查具有跨學科的特點:它需要公安機關內部各個部門之間的協作,以及與其他企業單位之間的合作。例如,公安機關內部應該打開數據共享通道,不同警鐘、不同區域、不同部門之間實現資源互通。以及加強公安機關與互聯網公司、電信公司、銀行等第三方企業的合作。如果在辦理案件的過程中需要其他行業部門提供涉案人員的相關信息,單位利益應向社會利益讓步,配合公安機關的偵查工作,破除行業資源共享的壁壘,在合理合法的情況下,滿足公安機關打擊犯罪的需要。最后,公安機關對所提供的犯罪預測的應對策略也很重要。預測性偵查的長期目標是通過促進更有效地利用警務資源來降低犯罪率。(58)Wim Hardyns &Anneleen Rummens,“Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges”,European Journal on Criminal Policy and Research,Vol.24,2018,p.215.要認識到這一點,處理犯罪預測的方式就非常重要。以電信網絡詐騙為例,反詐中心的預警系統會實時檢測異常通話并發出預警,通常采取發送短信提醒,以及偵查人員電話勸阻或上門勸阻等干預措施;對于受害人已經向詐騙賬戶轉賬的情況,反詐中心會將該受害人的銀行卡識別為“受騙賬戶”,對其銀行卡采取“保護性止付”等措施,防止受害人再次被騙進行轉賬。公安機關對于犯罪預測結果的應對策略會影響到預測性偵查的長期效力,因此,偵查人員和該領域的研究人員仍需要不斷去探索更有效的應對方式。

(二)堅持法律治理,建立監督委員會以保護公民個人隱私

預測性偵查正在快速發展,事實上,預測技術的發展已經遠遠超過了圍繞這一主題的法律或政策制定。一般而言,公安機關與第三方公司開展的警務合作很少受到公眾監督。然而,預測技術的相關性致使預測性偵查缺乏強有力的法律規制和第三方法律監管機構的監管。如果僅僅依靠算法來解決信任問題,會有更大的風險。預測性偵查的實施需要經過合理性和合法性的審查,有不當行為時需要及時糾正,取得成功時需要總結經驗。為此,想要預測性偵查長期有效的發展,就需要針對預測性偵查建立專門的監督委員會來重新檢測數據收集和數據分析的合法性(59)Andrew G. Ferguson,“Predictive Policing and Reasonable Suspicion”,Emory Law Journal,Vol.62,No.259,2012,p.316.,其能夠在一定程度上規避隱私風險。

如果第三方公司和公安機關目前掌握著這個數據庫的“鑰匙”,那么,這些“鑰匙”應該交給誰就成了需要考慮的問題。就預測性偵查而言,監督需要一定程度的透明度,而這種透明度應面向公眾。監督委員會皆由公安機關的辦案部門來執行是不現實的。一是由于公安機關內部的自我監管可能會缺乏客觀性;二是基于數據收集的技術具有復雜性,大多數偵查人員對此沒有深入學習,知之甚少,使得自我監管具有挑戰性。因此,要想監督委員會發揮最大效能,較為理想的監管方式應當是由公安機關成立專門的監督部門,組成人員包括偵查人員、了解算法模型的技術人員、互聯網公司工作人員、銀行職員,以及相當數量的公民等,公安機關履行主要監督職責。理由有以下幾點:第一,有助于保障公民對于信息收集的知情權。目前我國對于公民知情權的法律規范尚不完善,《刑事訴訟法》第152條對于技術偵查措施的規定中只包括對個人隱私保密,未規定在技術偵查措施實施后告知犯罪嫌疑人的相關程序,而信息主體無從知悉信息被監控以及使用的事實。(60)程雷: 《大數據背景下的秘密監控與公民個人信息保護》,《法學論壇》2021年第3期。第二,有助于問責,防止偵查人員的不當行為。公民的參與有助于防止和糾正偵查人員濫用權力的行為,并保護公眾免受秘密監控活動的影響。第三,當不當行為確實發生時,監督委員會能夠為受害者提供救濟措施。監督委員會有助于為預測性偵查劃定可接受行為的界限,并確保執法機構沒有侵害到個人權利。第四,有利于推動預測性偵查的革新。監督委員會的建立是為了在前期對整個預測流程進行審查,若存在問題或漏洞會提前發現并進行干預,因此,監督委員會的建立不僅可以改善預測性偵查實施過程中存在的缺陷,還有助于預測性偵查的推廣和改革。第五,有利于增加公民與執法機構之間的信任。(61)Erik Bakke,“Predictive Policing: The Argument for Public Transparency”,New York University Annual Survey of American Law,Vol.74,No.13,2018,p.144.從長遠來看,監督委員會在一定程度上能夠保證預測性偵查實施的合法性和合理性,并確保執法機構公開信息主體的個人信息使用情況,因此,有助于增加公民對執法機構的信任感。

(三)強化技術治理,公開算法決策以增強公眾信任度

預測性偵查若想得到長久的發展和應用,那么數據公開和算法透明是必不可少的。算法公開是困難的,一方面,可能會涉及到商業秘密,商業機構以此為由拒絕公開;另一方面,非專業技術人員無法理解算法預測模型,即使公開也毫無意義和價值。但是,相比較偵查人員依靠經驗做出的預判而言,預測性偵查能提供更具有準確性的結果正是因為強大的數據庫和算法模型,如果不公開,則無法對算法的可靠性和準確性進行審查,進一步導致公眾對預測性偵查有效性的質疑。

要確保算法的透明度,可以從以下三個方面入手:首先,創建一個獨立的審計系統。偵查人員根據犯罪預測系統做出相應的執法行為后,若結果存在偏差,可能會對犯罪嫌疑人或其他民眾造成不公正待遇,而創建一個獨立的審計系統則可以進行審查以認定算法決策是否公正、合理。該系統應當包含完整的數據收集、數據分析和數據維護的過程,例如,該系統能夠檢查數據是否被收集、記錄和輸入,以及數據如何被收集、記錄和輸入,該審計系統還應當包括同行評審和算法的外部測試。(62)Andrew G. Ferguson,“Policing Predictive Policing”,Washington University Law Review,Vol.94,No.5,2017,p.1152.當然,此審計系統需要由專業的數據分析人員進行操作,因為他們了解預測系統,能夠看到所做的聲明是否得到數據的支持。其次,公開發布相關指標,讓公眾判斷預測性偵查是否實現了目標。審計系統需要創建一個通知機制來保存審計結果,并在適當的時候發布它們。而判斷預測性偵查工作是否有效,就需要該系統提供一種評估標準。這個評估標準可以具有客觀性,即為降低犯罪率而設定的目標,可以是具有主觀性的,由指定的專業人員判斷該計劃是否達到了某些目標,也可以是具有比較性質的,即與犯罪分析師的預測相比較的目標集。無論選擇哪種類型的評估標準,對于判斷任何預測系統的有效性都是必要的。最后,在各級公安機關部門內建立培訓計劃。所有需要偵查人員審核和判斷的事情都應該成為培訓計劃的一部分,即確保數據處理工作有效并得到遵守。需要注意的是,算法公開限定在一定范圍內即可,全面深度透明是不現實的。(63)胡銘、嚴敏姬: 《大數據視野下犯罪預測的機遇、風險與規制——以英美德“預測警務”為例》,《西南民族大學學報(人文社會科學版)》2021年第12期,第90頁。一方面,算法的確會涉及到商業秘密。若是毫無限制地公開,會導致一些商業機構的專有技術外泄,造成公司利益嚴重損失;另一方面,揭示算法的預測過程是為了增強公眾與執法機構的信任度。公眾對于算法透明度問題的憤怒主要是由于政府秘密監控和無止境的數據挖掘,因此,公眾需要的是執法機構對于公開算法的態度以及明確承擔責任的問題。相較于算法模型的具體預測過程,公眾更想了解的是為什么使用該算法模型,其中所涉及的數據是否可靠、公正,以及是否包含個人或文化偏見等。

五、結語

在大數據技術方興未艾的背景下,預測性偵查作為最具發展潛力的新一代偵查行為,被稱為從傳統偵查階段邁向大數據驅動偵查階段的先驅。以數據分析、監測跟蹤高危人員以及多發型熱點犯罪案件的空間預警為代表的數據算法預測技術蔚然成風,充分說明了預測性偵查的強大生命力。但是,從預測性偵查的運用原理上看,它是一把雙刃劍,既可能劃破技術黑暗的長空,為偵查工作帶來光明,也可能使偵查工作遭遇前所未有的重大挑戰。在預測性偵查快速發展的背景下,我國需要充分發揮預測性偵查的價值,建立監督委員會以保護公民個人隱私,公開算法決策以增強公眾信任度等方面對預測性偵查進行多元治理。

目前,全球主要發達國家和地區積極推進預測性偵查的研究和實施,一些國家甚至開發了不同類型的犯罪預測系統,呈現出國家技術與法律規制的激烈競爭態勢。我國在預測性偵查的實踐層面,尤其是在電信網絡詐騙犯罪中的偵防處于世界領先位置。在預測性偵查的風險治理方面,應當堅持中國共產黨的全面領導。黨的二十大報告明確提出:“堅持黨中央對國家安全工作的集中統一領導,完善高效權威的國家安全領導體制。(64)習近平:《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》,《人民日報》2022年10月26日,第1版。”同時,也要積極發揮私人部門、公民社會組織和人民群眾的力量,政府、企業、人民群眾應當攜起手來,形成多方參與、多元主體齊抓共管的治理格局,以避免或減少政府一家獨攬社會公共事務造成的弊端。