机遇与挑战：公安大数据应用的反思与变革

黄 攀

（云南省公安厅，昆明 650032）

随着“金盾工程”“天网工程”“雪亮工程”等一系列公安信息化战略的实施,公安机关收集、存储和分析数据信息的能力显著提升,警务数据也呈现出前所未有的规模化和集约化的发展态势。在海量公安数据的赋能之下,传统警务开始向智慧警务发展。无论是行政服务、治安管理还是犯罪预警、侦查办案,各项工作效率的提高都凸显出公安大数据的重要价值。不仅如此,公安大数据也为提升国家治理体系和治理能力现代化水平提供了技术保障。在正在实施的“十四五”规划中,国家对大数据发展做出了全新定位,强调大数据不仅仅是一项新兴技术,更是融入我国经济社会发展各领域的新理念、新资源和新动力。这对公安大数据的应用发展和融入国家大数据战略提出了新的要求。但是,当前我国公安大数据应用在突飞猛进的同时亦面临诸多挑战和风险,如公安大数据应用相关立法缺失、监督管控机制缺位等。因此,深入反思和分析公安大数据应用中存在的问题并探索解决对策,对于推进大数据应用和促进公安工作发展具有重要意义。

一、大数据时代公安工作的机遇

当前我国正处在社会转型的关键时期,社会治理工作日益精细化,人民群众对于公安工作也提出了更高的要求。公安机关承担着国家行政管理和刑事司法双重职能,一方面,在国务院“放管服”改革的背景下,公安机关需要不断优化职能,提升行政服务质量;另一方面,当前犯罪活动隐蔽化、智能化、国际化的演变趋势要求公安机关不断提升犯罪治理的现代化水平。为应对上述挑战,同时随着公安工作与大数据应用的不断融合,近年来传统的警务工作加速向智慧公安转型,公安工作由此迎来诸多发展机遇。

(一)提高公安行政服务质量

提高公安行政服务质量,重点在于按照国务院“放管服”改革的要求,在公安行政服务领域通过简政放权、科学调配资源和优化流程等方式,确保公安服务便民利民。公安大数据应用依托大数据平台,对业务关联数据进行收集、筛查、开发、交换,可以实现数据存储、异构数据融合、统一接口、编解码服务、数据挖掘和可视化服务处理等功能,同时通过原始数据与业务信息的转换[1],能够实现工作流程优化、警务信息整合传递、区域警种协调协作,全面提升公安行政工作效率。大数据技术运用于公安行政服务的最大优势在于其具备针对海量信息的收集和智能筛选功能,如通过分析用户的需求或习惯,在数据库中检索出各种关联要素并根据需求的紧迫程度进行排列[2]。因此,将大数据技术运用于日常公安行政服务如公安行政审批、户籍办理、治安管控、交通管理等业务工作,可以为优化运行流程、科学设置部门、提升服务效率等提供决策依据;公安机关也可以针对日常警务工作中工作人员和群众反映较多的问题进行大数据统计和分析,并利用大数据算法寻求和采取改进措施如开发智能预警系统、加强监督检查等。总之,大数据应用能够帮助公安机关更加及时有效地回应群众需求,锁定群众最关切的问题并开展重点攻坚,同时可以为公安机关提供更加具有针对性的优化方案和更加精准的技术支持,进而提高公安行政服务质量。

(二)缓解公安警力资源压力

警力不足一直以来是制约公安工作发展的现实难题,随着人口和信息流动不断加速、犯罪活动日趋复杂以及群众对公安工作质量提出更高要求,当前警力供需已然严重失衡。而面对社会转型期不断增多的风险和矛盾,公安机关的职能呈现出泛化与过度扩张的趋势,加之部门设置的不合理,造成原本紧张的警力资源被浪费的现象日益突出。尽管各地公安机关也在不断尝试和探索警务新机制、优化调配内部资源并呼吁增加警力投入,但是受制于各地有限的财政能力和编制规模,难以从根本上纾解这一困境。此外,碎片化的社会信息和数据、公安不同业务数据之间的壁垒、治安管理和犯罪预防管控的分离、案件侦查线索的孤立化、情报信息传递的不畅和预测研判模式的单一等,导致有限的警力投放更加难以为继。因此,科技兴警方针下的现代警务机制改革开始“向科技要警力”“向技术要战斗力”。大数据技术与警务活动的深度融合,智能算法在公安工作各领域的全面应用,为破解警力不足难题提供了新的路径。基于公安大数据的智能情报挖掘和检索、智能数据关联和模型优化等应用体系,整合公安网和互联网的各种信息,深度挖掘警务数据,能够提供异常警情预警、犯罪热点区域预测、治安风险预报,从而服务领导决策和警务实战,实现有限警力资源的合理配置、精准投放、有的放矢,发挥警力的最大效能。

(三)提升公安机关社会治理现代化水平

《中共中央关于党的百年奋斗重大成就和历史经验的决议》提出要“建设更高水平的平安中国,完善社会治理体系”。公安机关作为“中国之治”的重要主体,必须全面把握推进国家治理体系和治理能力现代化对于公安工作的新要求[3]。传统公安活动中警务信息数量较少、获取途径有限、存储管理模式单一、分析研判手段滞后,导致公安情报成果的转化受到限制,影响决策的精准度与科学性。因此在大数据时代,公安机关参与社会治理需要以精准的情报信息为先导,运用大数据提升社会治理现代化水平[4]。当前“情报主导警务”已经成为警务工作的主流模式,不仅使警务信息实现了从“小数据”到大数据的规模扩张,更让公安机关参与社会治理的模式从经验治理向数字治理转变,在情报支撑层面实现了数字化、关联化、立体化、可视化、动态化,为社会治理工作中的治安管理与打击犯罪提供了高效的研判分析手段、科学的计量方法和多维的治理视野。特别是以大数据为基础的人工智能技术应用可以通过数据挖掘和建模分析,针对具体场景设计决策方案,并对不同决策方案进行量化比较分析,进而为公安机关参与社会治理的具体决策提供依据[5]。从治安管理和犯罪预防的角度而言,利用公安大数据的智能分析功能,以公安治理具体目标为靶向,在海量关联数据信息中智能筛选和捕获关键信息,借助警情预警模型、高危人员预警模型、犯罪热点预警模型、人员轨迹预警模型等提升公安机关的动态监控和异常观测应急能力,有助于公安机关社会治理的重心从事后被动处置向事前预测、预防和预警转变。

二、公安大数据应用中的风险与挑战

公安大数据的迅速发展与广泛应用是科技兴警与实施国家大数据战略的必然要求。虽然大数据应用可以提升公安行政服务质量、缓解公安警力资源压力、提高公安机关社会治理现代化水平,但实践中亦面临诸多风险与挑战。

(一)公安职能进一步泛化的风险

公安大数据应用一方面提高了警务活动的效率、缓解了警力资源的不足,另一方面也使公安机关承担了大量的非警务职能,增加了公安职能泛化的风险。大数据的本质是海量数据的集合[6],公安大数据亦是如此。常见的公安业务数据资源包括来自互联网、通信、热点、卡口、人际交往、线上交易等的多种数据,可以展示人的身份、价值属性、生活属性、关系属性、行为偏好等人群微观行为特征和空间特征[7]。这些数据除了来自公安内部收集的业务数据外,还包括从其他行政部门、企事业单位获取的数据。当前随着公安大数据规模的不断扩大,公安大数据在社会治理中的运用程度越来越深、范围越来越广,例如,在疫情防控常态化的形势之下,公安大数据被大量用于病例的流调溯源工作。因此大数据应用在帮助公安机关掌握大量信息的同时,也导致其他部门承担的工作越来越多地依赖于公安大数据的应用,使公安机关承担了大量非警务公共服务职能,进而造成公安机关的职能变得更加宽泛,公安机关在社会治理中的定位逐渐模糊。由于目前我国法律未明确公安大数据应用的服务范围,作为一种具有消费非竞争性和非排他性的公共品,公安大数据应用的扩大化势必导致公安机关的职能出现配置错误,其实质则是行政法意义上的行政主体的“错位”与“越位”。

(二)大数据侦查的法律风险

公安大数据应用在实现刑事侦查高效化、打击犯罪精准化的同时,也引发了大数据侦查与刑事诉讼现有原则理念、制度规范之间的冲突。

1.大数据侦查与刑事诉讼原则之间的冲突

大数据技术在侦查中的应用主要是指公安机关利用大数据强大的分析功能,通过犯罪预测提前介入侦查,或在犯罪行为完成之后确定侦查范围和侦查对象。在此过程中,公安机关需要借助大数据应用事先设定目标对象,然后找到目标对象的活动轨迹,并以此为基础进行后续的监控、追踪等。值得注意的是,目标对象的设定是以预设其“有罪”为逻辑前提的[8],因此公安机关通过大数据预测犯罪的侦查方式实际上是在尚未获得明确犯罪证据的情况下对侦查对象做出的有罪假设,显然这种给特定人预先贴上有罪标签的做法与刑事诉讼无罪推定的基本原则相悖。另外,根据《中华人民共和国刑事诉讼法》(以下简称《刑事诉讼法》)的规定,侦查机关实施立案侦查的条件是有犯罪事实发生、需要追究刑事责任,因此侦查活动具有事后性,是对已经着手实施或完成的犯罪行为进行的证据固定与收集。从这个角度看,公安机关通过大数据预测犯罪的侦查方式与《刑事诉讼法》的上述规定在价值取向上存在偏差[9]。

2.大数据侦查措施的定性问题

大数据侦查从功能上看是一种侦查措施,因此其在刑事诉讼领域中的应用应当遵循程序法定的基本原则,而当下《刑事诉讼法》及相关司法解释并未对大数据侦查做出规定,导致大数据侦查措施的性质模糊不清,难以对其进行法律规制与监督。尽管公安大数据侦查在案件证据的搜集、固定保全以及筛选分析等方面与传统侦查措施的证据收集、勘验检查和技术侦查等在功能上具有相似之处,但是《刑事诉讼法》对于传统侦查措施的规定并不能适用于大数据侦查。从传统侦查措施的概念外延来看,公安大数据侦查与传统侦查在功能上存在交叉,但前者并不是后者的下位概念,因此在审批和法律适用上无法直接套用《刑事诉讼法》关于现有侦查措施的规定,这导致大数据侦查缺乏程序法上的依据。

3.大数据侦查与刑事证据规则之间的冲突

关联性是《刑事诉讼法》对于侦查活动所收集的证据进行评判的标准之一,即要求证据与待证事实之间具备互相联系的特征。刑事证据的关联性问题主要是经验层面的内容[10]。而借助公安大数据开展侦查取证的对象是海量的数据,这些数据具有流动性、开放性的特征。不同于传统侦查措施,大数据侦查实际上是在特定时间、范围条件下的一种抽样获取证据的行为,获得的结论往往超越一般人对于证据关联性的经验判断能力,加之大数据侦查取证的相关性及合理边界并不完全是人为确定的[11],因此大数据侦查对传统的以经验判断为基础的刑事证据审查提出了挑战。

(三)公安大数据应用的侵权风险

随着大数据时代的到来,人类生产生活的诸种行为和社会活动的各类要素都可以体现为数据形态,并留下实时的数据痕迹。信息数据技术的快速发展使公安机关的数据收集达到前所未有的广度和深度。由于维护国家安全和打击犯罪的需要,公安机关对其他行政机关、企事业单位和社会组织等所掌控数据的调取几乎不存在实质性的障碍:一方面,国务院出台的《促进大数据发展行动纲要》推动公安机关与其他行政机关签订了“数据共享安全保密协议”,为公安机关与其他国家机关之间的数据共享提供了保障;另一方面,立法也为公安机关获取外界数据扫除了障碍,例如《中华人民共和国网络安全法》第23条明确规定“为国家安全和侦查犯罪的需要,侦查机关依照法律规定,可以要求网络运营者提供必要的支持与协助”。因此,公安大数据不仅包括公安内部业务产生的数据信息,而且包含从第三方获得的数据资源。

从大数据技术的角度来看,数据规模越大,算法运算结果的准确性越高,越有利于提升公安行政服务的质量和预防打击犯罪的能力。因此不断扩大数据规模成为公安大数据应用发展的重要目标,而数据规模的无限扩张极易诱发全景式监控行为和个人信息保护的失控。在全景式监控模式下,为了打击、预防犯罪和实现对社会成员的实时规范,大量公民的个人行为、信息和特征以数据形式被收集、存储、分析和挖掘。但是,在“小数据”时代,获取碎片化信息对公民隐私权的侵害是有限的,在大数据背景下,即便是碎片化的数据也能借助特定算法模型在海量的大数据库中与其他分散的数据关联起来,由此可以对公民的日常生活进行画像甚至做出行为预测。这无疑可能严重侵犯公民的隐私权及个人信息权利。从本质上看,公安大数据应用失范是警察权扩张与社会化的结果,最终将导致公民隐私权利边界的萎缩,并在社会层面加剧警民关系的对立。

(四)公安大数据技术本身的风险与管理风险

公安大数据应用除了面临外部法律风险之外,其内部设计开发和安全管控也存在诸多风险。

一方面,公安大数据自身隐藏技术风险。首先,一些错误的数据可能混进数据库,进而造成计算结果的不准确[12]。实践中公安业务涉及的大数据资源量级大、来源广,资源库中的数据并不一定都是准确详实的,由此可能造成错误加工和错误输出。这种风险出现在日常生产生活领域或许可以被接受,但在警务工作中则可能造成事故甚至灾难。其次,公安大数据应用并不是基于海量数据的简单堆积,而是需要通过开发者设计与编辑算法模型以数据清洗、转化、提取、计算和关联挖掘、聚类分析等方法对数据进行自动分析。这些算法模型的有效性、可靠性和安全性受到设计者个人研究能力和主观认知的影响,因此设计者的认知偏见和思维局限可能引发“算法偏差”和“算法歧视”等风险。最后,当前大多数公安大数据系统建设依赖于技术外包,民警对于其设计原理和算法模型研发等的了解并不全面和深入,加上部分技术公司对技术信息采取保密措施、计算机深度学习过程的“黑箱”特征等,导致公安机关常常在大数据应用的核心技术上受制于人,不能确保输出结果的科学性。

另一方面,公安大数据管理存在安全风险。实践中公安大数据平台可能对接大量的信息资源端口,存储的海量数据中包含大量的公民隐私和涉密警务信息。数据资源的“大”规模为警务工作提供了有力支持,同时数据汇聚后产生的巨大价值也是不法分子觊觎的对象,其中不排除内部人员出于非法目的滥用公安大数据。如前所述,公安大数据来源复杂、多源异构而且规模庞大,随着移动终端应用的普及、数据自身复杂度的增加、数据标签化技术难度的增大,数据管理和防外泄工作日益艰巨[13]。当前我国的数据分类分级管理措施尚不完善,数据的统一调度、精准投放、安全管控等面临诸多困境,同时公安大数据在为其他国家机关和企事业单位提供信息服务时必然涉及多端口接入和数据跨域交换,因此公安大数据安全失控的风险日益突出。

(五)对大数据技术过度依赖的风险

随着大数据技术的发展,当前技术已经实现机器自主学习,机器人拥有自我判断和决策能力,可以根据外部环境反馈的数据输出最优工作方案。由此基于公安大数据的人工智能技术促进了警务工作效率的进一步提升,警务工作的精准化和精细化水平不断提高,但与此同时人工智能技术也极易让民警在日常工作中对公安大数据产生过度依赖,陷入“数据崇拜”的误区。

传统警务工作很大程度上依赖于民警的理性思维和个人应变能力,在这个过程中并没有固定的思维范式而是主要依靠经验的不断积累,故而来自思维模式的桎梏相对较少。以日常接处警工作为例,不同民警有着不同的处理风格,并不存在所谓的最优解,而是需要融入民警的感性思维。对于民警而言,这种工作方式不仅能够积累自身经验,还能激发和强化其工作的内生动力。但对于大数据技术的过度依赖则把警务工作置于程式化的模式之下,智能算法通过数据运算输出结果的过程替代了民警分析、选择、决策的思维过程,民警与大数据技术的关系呈现出主客体倒置的趋向,由此可能导致大数据思维的异化和产生懒政、不作为现象。此外,长此以往,民警可能满足于公安大数据应用带来的便捷,忽视传统警务工作中与群众的接触和沟通,进而使警务工作产生脱离群众的危险。

在打击犯罪方面,侦查活动对于公安大数据的过度依赖同样值得反思。当下,大数据的触角已经深入到社会各个领域,公民的生活、工作和社交等行为几乎都会留下数字痕迹,数据留痕在信息时代成为一种技术必然和发展趋势,加之“信息化和大数据所蕴藏的侦查价值业已被时代激发和实践验证”[14],因此犯罪行为人经过与侦查人员的长期博弈,开始探索针对大数据侦查的反制手段,比如在作案地点的选择上尽可能选取不会产生活动记录数据的场所,作案过程中刻意避免使用电子通讯、在线支付等方式来减少数据记录。不仅如此,还有一些犯罪分子为了将侦查的方向引入歧途,刻意制造虚假数据,如制造人与手机、消费、车辆、住宿记录的分离或者虚假关联,使身份、手机、车辆、住宿、轨迹与犯罪行为之间无法形成逻辑链条,导致公安大数据反馈错误信息、无法发挥导侦功能。另外,一旦侦查人员过于依赖公安大数据应用,就会忽视对于传统侦查路径、侦查方法和侦查工具的研究与应用,由此将导致侦查思维的僵化,而在许多案件的侦查中如果缺乏传统方法的有效运用,大数据侦查终将独木难支。

三、公安大数据应用的变革与创新

公安大数据作为一种服务于警务活动的工具,具备工具中立、客观的共同属性,从这个意义上看,大数据应用给警务工作带来的是机遇还是挑战,主要取决于使用主体与方法而非工具本身。因此,推进公安大数据应用的变革,实现化风险为机遇,重点在于不断完善相关机制。

(一)纠正偏差,树立科学的公安大数据思维

公安大数据应用的困境在很大程度上源于认知理念的偏差。尽管大数据技术的强大功能有目共睹,但必须认识到在大数据应用中民警应当始终处于主体地位。当前受大数据万能主义激进思潮的影响,部分民警产生了大数据至上的观念。这不仅是对公安大数据应用的错误理解,更不利于警务工作的长远发展。公安大数据的应用机制是利用数据服务于警务决策,而不是用大数据技术替代警务决策。基于数据结论的警务决策离不开民警的主观分析和判断。

一方面,公安大数据的分析结论只是计算机系统提供的一种概率值,并非绝对正确。以犯罪预警机制为例,对于犯罪热点时间和区域、高危人员、易受害群体的识别,是在数据统计和数据挖掘识别的基础上将具有典型性的犯罪活动解构为数据形态,以此设计该犯罪行为的数据模型然后进行计算的过程,因而只有符合该模型逻辑的典型行为的数据才会被识别。然而《中华人民共和国刑法》规定了诸多目的犯,其目的要件难以通过数据的形式呈现,因此那些表面上符合算法逻辑的行为可能导致大数据发生误判。

另一方面,公安大数据应用的分析过程以数据之间的关联关系而非因果关系为基础。在警务工作中,用户对于公安大数据的认知主要停留在功能应用层面。由于大数据应用的运行模式表现为“已有数据信息的输入→公安大数据系统分析→需求结果的输出”,所以使得大数据分析的结论看起来似乎是一种基于因果关系的计算结果,极易导致用户产生片面化的大数据思维而忽视大数据系统运行的核心机制——通过算法将数据库中存在关联的数据资源进行整合。但本质上公安大数据应用的分析结果体现的是数据之间的关联关系,也正是基于这一底层逻辑,算法模型对于数据的捕获面才更广,才能够更全面地分析更多的数据信息,进而从多角度获取和提供警务情报。因此,公安机关亟需树立科学的大数据理念,深刻认识数据之间的关联性,避免将数据间的关联关系视作具有单一指向性的绝对因果关系,防止在工作中陷入先入为主的认知偏差。

(二)完善立法,明确大数据侦查的功能与性质

首先,在大数据侦查中,公安机关利用大数据技术挖掘与分析各类数据信息,基于数据之间的关联关系固定与案件有关的证据线索,需要调取大量涉及公民个人隐私和秘密的数据信息,因此要求公民向国家刑事司法权力让渡部分个人权利。从这个角度来看,大数据侦查具备强制性侦查措施的特征。其次,我国《刑事诉讼法》对于技术侦查措施的规定是概括性而非列举性的,法律并未明确界定侦查“技术”的内涵和外延,可见立法者对于新技术在侦查活动中的应用持开放、包容的态度,因此将大数据侦查作为一种新型的技术侦查措施并不会与现行法律的基本精神产生冲突。再次,根据公安部发布的《公安机关办理刑事案件程序规定》,技术侦查措施是指由设区的市一级以上公安机关负责技术侦查的部门实施的记录监控、行踪监控、通信监控、场所监控等措施。由此可见,技术侦查措施的主要内容是对侦查对象实施“监控”,这与公安大数据预测犯罪和获取情报的工作机制存在耦合。而且值得注意的是,在实践中公安机关对于大数据侦查的使用审批与技术侦查措施同样谨慎和严格。综上所述,将大数据侦查作为《刑事诉讼法》中一种技术侦查措施,不仅能够减少立法成本,而且不会与现行刑事诉讼制度产生明显冲突。当然,关于大数据侦查与无罪推定原则之间的冲突,相关立法应当积极做出回应与调整,厘清犯罪预测与犯罪侦查的边界,将大数据侦查置于刑事侦查与治安管理两种视域下,强调大数据预测在社会治理层面的功能。

(三)严守边界,避免技术应用中的侵权风险

随着警务信息化工作的稳步推进,公安机关在警务工作中获取业务数据的能力快速提升,作为一种“战略资源”,警务数据的来源渠道、获取途径和内容覆盖面等都已不同于往日。不可否认,公安大数据应用的发展离不开数据规模和维度的扩张,但是为了实现打击犯罪与保障公民个人隐私的平衡,数据的收集与应用应当存在边界。2018年5月25日,号称史上最严格的个人数据保护立法——欧盟《通用数据保护条例》(GDRR)正式生效。这部法律凸显了数据保护的重要性,明确了数据保护的主体及相关责任,对数据控制主体施加多维度的限制。同样,我国2021年11月1日起实施的《中华人民共和国个人信息保护法》(以下简称《个人信息保护法》)开篇即确立了“保护个人信息权益,规范个人信息处理活动,促进个人信息合理利用”的立法目的,并在第33条进一步强调“国家机关处理个人信息的活动,适用本法”。不仅如此,《个人信息保护法》第6条还明确规定“不得过度收集个人信息”,同时为保护个人信息权益,第51条规定了个人信息处理者应当采取的6项基本措施。这些规定为公安机关收集和处理公民数据信息提供了基本遵循和直接规范。因此,公安机关通过大数据技术处理个人数据时,应当严格遵循比例原则,秉持谦抑与克制的态度[15],对于公民个人数据的收集和处理限于“履行法定职责或者法定义务所必需”的范围,采取对公民权利影响最小的方式,努力避免或减少公安大数据应用的侵权风险。

(四)加强管控,减少公安大数据的技术风险

一方面,公安机关参与社会治理的接触面和获取的警务数据的涉及面较广,造成基础数据的种类繁多、缺少统一标准;另一方面,公安大数据系统建设初期为了实现数据量级的快速增长,对于数据的收集处理只是简单的堆积,所收集数据的时效性也较差,造成公安大数据的整合难度较大,加上公安机关内部工作机制的差异,导致公安大数据的基础建设面临诸多困境。因此为了提升公安大数据应用的可靠性和有效性,亟需建立标准化的录入、操作、审批程序,在公安大数据平台建立相应的查验反馈系统,预留足够的人工干预入口,不仅及时校验与修改底层数据,而且应当通过反馈系统及时评估和纠正模型算法的偏差;同时扩大民警对于公安大数据系统建设、算法设计、模型搭建等的参与,确保公安大数据技术的“刀把子”始终掌握在自己手中,防止出现去中心化的技术管控隐患。

四、结语

随着国家大数据战略的实施,2018年全国公安厅局长会议提出“必须坚持刀刃向内、自我革命,加快推进数据融合共享,先把智慧公安的‘大脑'建好”的要求。此后全国公安机关进一步贯彻科技强警理念,促进智慧警务建设与传统公安工作深度融合,公安大数据工作取得了显著成效,数据壁垒逐步打破,实现了跨警种、跨部门、跨区域的数据共享。在此基础上公安机关借助大数据不断拓展服务群众的渠道、改进治安管理模式、创新案件侦查方法、提升犯罪预警能力,尤其是充分发挥公安大数据对于提升国家治理体系和治理能力现代化水平的功能,实现了公安大数据规模效益和应用价值的最大化。

大数据战略作为警务工作的一项“龙头工程”,未来应当坚持深化应用与防控风险并举,树立科学的公安大数据思维,加快完善大数据应用相关机制。这不仅需要完善相关的法律法规,而且应当加强对系统本身安全风险的管控,以严格的纪律监督、严格的审批监督、严格的审计监督和严格的执法监督,确保公安大数据在法治的轨道上有序运行,真正为实现公安工作的跨越式发展提供有力的技术保障。