大数据时代债务催收行业智能化发展及其监管机制革新——对美国《公平债务催收作业法》的借鉴与超越

蒋都都 李华圆

（湘潭大学信用风险管理学院，湖南 湘潭 411105）

当前，我国银行卡信贷规模持续扩大，但与此同时，信用卡逾期半年未偿信贷总额仍然较高①。不良资产规模的激增催生了专业的第三方催收机构，第三方催收机构若依法作业，将在化解不良资产累积风险等诸多方面发挥积极作用（段明，2021）[1]。然而，由于我国法律对催收机构的设立存在诸多限制（陆丹，2020）[2]，统一的法律规范也付之阙如，债务催收行业长期游走在法律的边缘地带，不仅无法发挥债权保护、信用修复的社会功能，反而成为影响社会稳定的一大隐患。在此背景下，随着大数据技术的发展，债务催收行业逐渐进入了智能化发展阶段，这对债务催收行业的监管提出了新的要求，不仅需要审视现有监管的不足，更需要以预判性的眼光进行制度建设。

美国的《公平债务催收作业法》（Fair Debt Collection Practices Act，FDCPA）颁布生效已有四十余年，其间历经数次修改而不断完善成熟，为世界范围内的债务催收立法树立了标杆。基于保护债务人合法权益和维护债务催收行业秩序的共同立法初衷，未来我国制定《债务催收行业管理条例》或《债务催收行业管理法》时可以考虑以其为蓝本，在借鉴美国立法经验的基础之上进行批判性革新，以服务我国的债务催收行业监管。

一、债务催收行业的智能化发展及其可能引发的负面效应

（一）债务催收行业的智能化发展趋势

传统债务催收建立在与债务人一对一的人际互动基础之上，具有劳动密集型特征，因而催收成本较高，同时，由于逾期偿还债务的普遍化，传统债务催收方法的有效性正在慢慢减弱（Burton，2020）[3]。然而，随着大数据时代的到来，区块链的引入、算法决策的使用以及人工智能控制软件的发明，推动债务催收行业向着智能化催收不断发展、转型。当前，债务催收行业正在不断利用其他学科（如心理学、计量经济学等）和试验（主要是指分析债务人行为）助力催收方法转型。具体而言，债务催收行业致力于将数据收集解释、标准化运作、算法评分、债务人概况分析等方法应用于债务催收流程，以求利用科技发展和创新实现催收债务的最大回报。计量经济学与新技术的运用使得催收人可以远程控制、同时处理更多的账户，的确实现了用较少的资源最大限度地提高债务回收率的目标。早在20世纪60年代初，美国的债务催收机构就开始使用复杂的自动化流程来协助与债务人沟通，这种自动化操作帮助债务催收机构自动准备催收通知、管理后续行动以及将通知转发至其他催收机构以寻求催收过程中的帮助（Cătălin-Gabriel等，2020）[4]。近年来，随着移动通信的出现和广泛普及、普遍计算和统计建模技术的使用、算法支撑下的信用评分和编码软件的扩展以及数据收集手段的更新，债务催收行业在现代化转型的基础上获得了长足的发展。

（二）债务催收智能化发展可能引发的负面社会效应

诚然，智能化催收的发展有利于推动行业发展转型，但技术手段的介入所带来的负面影响也不容小觑。新技术的应用使得催收人能够更加轻易地规避现有法律的监管，利用法律漏洞，从而对债务人合法权益造成侵害，其中尤以债务人面临的信息或隐私的泄露和滥用风险为甚。智能化的催收系统对债务人个人信息的自动化检索，将使得债务人隐私面临极大的泄露风险，也为滥用债务人个人信息的行为大开方便之门。催收者以催收之目的收集债务人信息本无可厚非，但当催收者以虚假借口收集债务人数据，甚至借助技术优势误导、诱使债务人分享与债务清偿无关的个人信息时，就构成了对债务人权利的侵犯。同时，智能化催收系统的引入提高了侵权时责任方确定的复杂程度，增加了债务人的维权难度。

与债务催收行业蓬勃发展的态势相比，对债务催收的监管相对滞后，许多法益冲突在现有的法律框架下都没能得到很好的解决。催收手段的边界不明使得心存侥幸的催收者利用技术优势和法律的不确定性大胆从事灰色催收活动，危及债务人的正当权利，对既有权利救济途径形成冲击。此外，法律上的空白和行为中的灰色地带将诱使催收机构陷入“竞次”的泥淖，在挤占合法催收者市场的同时，影响整个市场的竞争性。

二、美国智能债务催收体系的形成及催收行业监管的滞后性

美国的债务催收机构很早就开始运用自动化流程辅助催收。近年来，随着技术的发展，各项与债务催收有关的专利发明不断涌现，最终推动了美国智能债务催收体系的形成。

（一）美国智能债务催收体系的形成

美国的多项专利均试图全部或部分创建一个智能的债务催收体系。其中一项专利申请提出了一个自动化系统，用于评估单个债务人的账户，并根据已知变量之间的已知关系预测每个账户可能收回的金额②。预测模型利用账户拖欠债务的历史数据、催收者使用的催收方法及成功率，通过不断监控和更新债务人的行为数据，将其与信用评分、历史信息等其他数据进行交叉引用，从而生成一个付款预测评分，用于预测债务人最终付款的可能性，据此来确定将要处理的催收业务的优先级。换言之，该模型旨在通过对债务进行优先排序，并优先向那些以行为表明他们最有可能付款的债务人进行催收来提高整体收款率。另一项专利申请则设想了一个生成债务催收优先级的系统，对债务催收者追债的顺序和力度设定优先级，以实现收益最大化③。该系统从债权人处接收与债务相关的信息，包括债务逾期天数、债务价值、债务人未偿债务余额、债务人信用评分等，并将其与预存信息进行比较，然后根据预存信息生成的优先级值和用户输入的筛选条件对拖欠债务的账户进行排序。

（二）美国债务催收行业监管的滞后性

尽管美国有着较为成熟的债务催收监管法律体系，但由于债务催收行业的智能化发展，其监管法制建设不可避免地存在疏漏之处。

1.债务催收行业规范的适用范围存在漏洞。美国一项有关债务催收的专利申请设想了一个基于网络可直接为债权人收回债务的系统④，该系统将几乎能够检索和利用网络上任何能够查询到的有关债务人的信息，包括但不限于债务人的实际地址、电话号码、工作单位等，从而使债务人的隐私面临重大风险。支撑系统的算法将决定债务的分类和收回债务的策略，并最终处理收到的部分或全部债务还款。该算法还将在考虑债务年限、债务人年龄、可用通信手段、债务金额、产生债务的服务或产品类型、有关债务人行为的历史数据以及任何以上标准的组合之后，对如何在催收过程中联络债务人进行分类，生成收款分数，最终自行选择收回债务的最佳方法。自动化催收系统广泛地检索债务人个人信息的行为，将使得债务人无所遁形，无疑为潜在的滥用个人信息的行为大开方便之门，揭示了大数据时代债务人的易受侵害性。而由于系统是直接提供给债权人的，那么，即使系统的使用违反《公平债务催收作业法》，债权人也不会面临该法规的制裁。如果债务人诉诸侵权诉讼，也会由于系统用户并未人为参与决策及收款过程，而很难确定责任方究竟是债权人、编码者、开发者抑或是人工智能本身。当前数字智能化的扩张增加了债务人权利保护的不确定性，即关于什么行为是合理的以及法律应当如何适用的问题仍然值得探讨。

2.现有监管规范的合法性标准难以应对智能化催收。一项美国的专利申请设想了一个网络系统，该系统依赖于预先确定的标准化模板和人工智能进行决策，通过预测模型、数学评分等数字化工具确定债务优先级和最可能支付的债务人，以最大限度地提高催收效率；同时，还将以网页的形式自动创建债务人画像，使得同一债务人的数个债权人能够实现数据共享，方便整合债务人信息⑤。这一系统的运行依赖于债务人对其在线声誉的关注，促使他们在网上查询信息并开始自行与催收人进行沟通，但这其实容易对债务人造成不当误导⑥，诱导他们分享更多的私人信息：系统将通知债务人其未偿债务，允许其在系统提供的论坛上对此提出异议，同时，系统中的所有注册用户都将能看到争议各方交换的信息，并将投票表决哪种立场更为可信。由此可见，这一系统的运行将形成巨大的数据池，方便债权人、债务人双方进行与催收有关的沟通，为催收提供便利，但也容易诱发个人信息安全问题。债务催收者广泛利用大数据攫取、分析债务人信息的行为，有侵害债务人隐私之嫌，收集、处理、使用数据或将给相关债务人带来巨大的信息泄露和滥用风险，关于系统内算法的内容以及相关变量是如何被使用的亦并非完全透明，系统的运行也将面临是否将在实际上产生对弱势债务人准歧视的诘问，但以上系统运行并没有明显违反《公平债务催收作业法》之处，现有监管规范并不能予以很好的规制。

在全面智能化债务催收带来的利益和风险并存的情况下，上述发明以及其他类似发明如果能够得到实现，那么如何充分保障债务人合法权利就显得尤为重要。许多用于催收的技术使得债务催收行业处于合法性和道德性的边缘地带，债务催收者可能利用技术创新产生的法律漏洞规避旧的、静态的法律规范。但应当承认，催收者自然有权在催收的过程中使用所有可用的技术，但不应当以不公平的、欺骗性的方式使用。由是观之，债务催收行业存在的问题不在于使用技术或是收集数据，而是其使用、收集的方法和目的是否合法、正当；监管部门所面临的挑战也并不在于取缔催收过程中智能化手段的使用，而是如何在大数据时代信息泛滥的情况下保护弱势群体权利不受侵害。

三、大数据时代我国债务催收的监管路径

债权人之合法债权无疑应受保护，对债务催收进行监管不是允许债务人逃避债务，而是保护债务人合法权利，这种监管不会给信誉良好、从事合法正当催收业务的债务催收者带来任何不必要的负担。我国《债务催收行业管理条例》或《债务催收行业管理法》的制定，应当在汲取《公平债务催收作业法》成功经验的基础上，结合我国国情进行批判性革新，前瞻性地为债务催收划定行为框架，彰显大数据、区块链时代的需求，更好地规制催收机构利用技术手段规避法律的行为。

（一）借鉴：基于美国经验的我国催收行业监管制度架构

我国制定《债务催收行业管理条例》或《债务催收行业管理法》时，可以借鉴《公平债务催收作业法》的基本规范格局，在明确催收者必要权利与法定义务的同时，赋予债务人异议权、损害赔偿权等权利，并从正反两个方面为债务催收制定操作规则。一方面，对催收过程中的位置信息获取、债务确认以及与催收有关的联系等适法行为⑦予以明确的规定；另一方面，明确禁止对债务人的骚扰或虐待，禁止虚假性、欺骗性或误导性陈述以及其他不公平、不合理的催收手段⑧。

诚然，债权的及时、有效救济对于保持金融行业平稳发展、维护社会整体稳定具有重要意义，但债务人不应当因为负债而被减损人格，债权人及其辅助人也并不因此而天然拥有私自获取、处理和使用债务人个人信息和以实现债权为由侵犯债务人人身权的权利。我国《民法典》第111条、《个人信息保护法》第2条都明确了个人信息受法律保护，突出强调个人信息安全（江必新和何东宁，2017）[5]。尤其是《个人信息保护法》对第三方催收机构的合法运营具有重要意义：“告知—同意”原则使得对债务人个人信息处理的主动权掌握在了债务人手中；对敏感个人信息的强调无疑也加强了对债务人特定个人信息的保护力度，加重了催收机构的责任。理论上，公民的个人信息是一项基本权益，任何组织和个人都必须加以尊重，不得侵犯。即使有正当理由，也应当依法获取。换言之，获取人必须具有法定的资质、基于法定的理由、通过法定的程序，才能取得，更为重要的是，要保证被获取之公民个人信息的安全，且依照法律规定或事先约定的目的、用途和范围来使用（金泽刚和王振华，2019）[6]。从严保护是我国基本法律对待公民个人信息的核心思想，如果允许债权人及其辅助人在债权救济的场合私自获取债务人未经公开的个人信息且加以滥用的话，无疑是给这一基本原则设置例外，是对法律精神的一种背反。如前所述，在债务催收过程中利用智能设备整合数据进行债务优先级的排序无可厚非，但法律应当为这种整合划定边界。对于依法已经公开的信息，当然可以为债务催收之目的收集利用；对于财产信息等涉及债务人隐私的信息，催收人可以为催收之目的进行收集，但应当严格限制其使用范围（只能用于债务催收），且不得向外披露；而对于与债权债务没有直接关系的生物信息等信息，催收人不能获取利用。如果催收者在催收过程中违法获取、披露、使用债务人个人信息，则应当承担删除、更正、匿名化处理等恢复原状、消除影响等补偿性民事责任，造成损害的，还应当承担赔偿责任；此外，除了民事责任的承担，监管机构还可以针对债务催收机构的违法催收行为作出行政制裁，并可依据《个人信息保护法》的规定，对直接负责的主管人员和其他直接责任人员处以罚款；构成犯罪的，可以考虑以侵犯公民个人信息罪追究其刑事责任。

（二）超越：适应智能化债务催收的监管革新

成文于四十多年前的《公平债务催收作业法》因时代局限性未将智能化催收纳入规制的范围，从而在应对智能化催收的过程中显得有些力不从心。在智能化催收兴起的背景下，我国的债务催收行业监管可以在吸收美国经验的基础上，进行批判性革新，将技术的进步和人工智能在债务催收中的应用纳入考量的范围。

1.扩大债务催收行业规范的适用范围。美国《公平债务催收作业法》并不规范债权人的催收行为，而是仅以债之法律关系以外的第三方作为规制对象。这一适用范围的局限性使得该法对上述提及的直接提供给债权人用于催收的智能系统的规制效果大打折扣。《公平债务催收作业法》之所以将适用范围圈定在第三方债务催收之中，一方面，是为了减少立法争议，确保国会通过相关立法；另一方面，当时的立法者普遍认为，原始债权人与债务人之间往往存在基础交易关系，一般不会直接采取不当债务催收行为，更何况作为债权人之绝大多数的金融机构已经受到了较为严格的行为监管，因而没有将原始债权人也纳入规制范围之中。

在债务催收行业智能化发展背景下，我国制定《债务催收行业管理条例》或《债务催收行业管理法》时，可以考虑扩大其适用范围，将债权人也纳入规制，从而应对债权人的不当催收行为。这一点在美国的债务催收监管实践中也有迹可循，美国至少二十个州的债务催收立法采取了较《公平债务催收作业法》更为严格的规定，将债权人作为规范对象（闫海和鞠阳，2017）[7]。反对观点或许会主张，债权人的不当催收行为有《侵权责任法》加以规制，没有必要将催收行业的监管拓展至债权人。实则不然，债权人是催收法律关系的缘起者，债务催收的监管规则岂有绕过债权人而仅规制受其委托的第三人之理？况且，《侵权责任法》的单一民事责任不足以对抗债权人因急于收回债务而无所顾忌的心理，只有通过债务催收监管引入行政责任，方能够实现对债权人的威慑。更何况，债权人借助技术手段直接广泛检索和利用债务人信息的行为对债务人个人信息安全的威胁并不亚于第三方债务催收机构，受其委托而从事催收的第三方因不当行为要面临民事、行政双重责任，而债权人之不当催收行为仅需承担单一的民事责任，也不符合实质正义的要求。此外，针对债权人在利用自动催收系统进行催收的过程中侵犯债务人权益的责任界定问题，本文认为应当分情况具体探讨：如果债权人明知系统的使用将造成侵权的后果而仍然使用，自当承担责任；而如果债权人对侵权的结果并不明知，则不承担损害赔偿责任，但仍应就行为所造成的债务人个人信息的泄露承担赔礼道歉、恢复原状、消除影响等责任。

2.推动债务催收者进行自我规制。债务催收者的自我规制是债务催收行业法治化、规范化发展的内在动力。事实上，债务催收行业的本质在于保护债权人的合法债权以及帮助失信的债务人挽回信用（谭曼和段明，2019）[8]，因而其实际上肩负了一定的社会使命。根据斯宾塞·奥蒂的关系管理理论，人们期望并且应当有权从他人处得到个性化的考虑和公平的对待，而不应当被另一互动主体不当地强加意志、进行控制（Harrington，2018）[9]。而目前的债务催收者只着眼于催收量，只追求尽可能多地收款，不顾债务人的状况如何。但实际上，催收者应当保持与债务人的良好关系，主动肩负起信用修复的社会责任，根据自身经验以及其对债务人还款能力的评估，为不同债务人“量身定做”催收方案。

催收方案的制定应当秉持公平理念，不能倚仗技术优势侵夺债务人的合法权益。催收者应当根据不同债务人的账龄长短、接触难易度、债权人自身催收的时间等（Kriebel和Yam，2020）[10]判断可能的债务回收率，从而科学地确定债务优先级。在这一过程中，为债务人预留一些回旋的余地能使其保有支付能力，有助于在法律的框架内最高效地收回欠款。诚然，债权人有权得到全部到期债务的清偿，债务人在法律上其实并没有要求分期付款的权利。然而，就债务催收实践而言，暂时的部分还款是比较务实的方案，或可令债务人偿还欠款的动机更强（Beck等，2017）[11]，方便催收者收回欠款。因此，拟定债务还款计划时需要兼顾双方意愿，才能保证计划的顺利执行。我国债务催收行业或可借鉴比利时的经验，引入债务调解（Storms和 Verschraegen，2018）[12]，由债务催收者在债权人与债务人之间进行斡旋，在促使债务人偿还债务的同时，保证债务人的基本生活水平，为债务人提供喘息空间、消除压力，并尽量帮助债务人减少额外费用，这或可缓解债务人因与债权人达成和解而可能加剧的财务困境（Cheng等，2020）[13]。一般而言，多数催收人只会在债务人严格遵循还款计划的情况下才会同意执行还款计划，任何付款的突然无理由中断，都将会导致还款计划的失效，催收者可以在合法的范围内采取行动。因此，还款计划实际上提供了一个较为稳定的时间轴，表明哪些债务将得到偿还，这种稳定性也使得债务人能够把控自己的处境，将或有事项和未来付款的不确定性降到最低。此外，人工智能的普遍运用将有助于催收者对各债务人承诺付款的时间进行密切跟踪，进而对还款计划的偏差作出迅速的反应，以便收紧还款时间，督促债务人还款。

3.建立债务催收行业分级分类监管。第三方催收机构与债务人不存在业务关系，仅为委托人利益行事，较少关注在债务人中的持续声誉，因而更可能滥用催收行为（Lee和Thue，2017）[14]。加之债务催收行业的激励措施主要与催收量挂钩，而与催收的规范程度没有太大关联（孙天琦，2013）[15]，债务催收者在催收过程中就唯催收率至上，极少顾及债务人权益的保护，暴力催债行为层出不穷。因此，为了从制度上矫正债务催收行业的不良竞争，确保那些没有从事非法或不道德行为的催收者不会在竞争中处于不利地位或受到不道德行为的不利影响，就必须要扭转债务催收行业唯催收率至上的现状，在债务催收行业明确监管机构，实行分级分类监管，引导债务催收机构合规运行。

监管机构应当积极履行监管职责，定期对各催收机构进行评级，并将催收行为的合法性纳入评级考核之中，与催收率共同构成评级指标，且应当对综合评级的结果进行公示，但不得单独公开各催收机构的催收率，避免债权人为简单提高催收效果而选择那些综合评级不高而催收率奇高的风险性催收机构，从而引导催收行业合规发展。具体而言，监管机构应当通过日常监管、风险排查等方式，根据其所掌握的各催收机构经营范围、内控机制、风险状况等方面的情况，对各催收机构的合规运营情况及主要经营管理指标作出评价判断，进行监管评级，同时根据评级结果对各催收机构进行分类并实施差异化监管。此外，监管机构应当开通受理债务人投诉的渠道，根据投诉对特定催收机构进行针对性检查，并将投诉率也纳入对催收机构的评级指标之中。

监管机构应当将监管评级结果作为衡量催收机构合规情况及合理配置监管资源的依据，并根据评级结果实施分类监管，精准有效采取差异化监管措施。评级结果为优秀的，以非现场监管为主，定期监测各项监管指标，给予适量的监管关注，除有举报、投诉等情形外，原则上不安排现场检查；评级结果为良好的，给予一定的监管关注，根据需要开展监管谈话，指出存在的风险环节，督促其进行规范整改，重点关注评级中得分较低的评价要点对应的有关情况；评级结果为中等的，给予监管关注，加强现场监管和非现场监管，有针对性地开展监管谈话、警示、风险提示，并结合评级结果，根据风险情况合理安排现场检查；评级结果为较差的，给予特别的监管关注，采用大数据实时监控等多种监管手段，及时了解该催收机构最新的催收进展及采取的风险控制措施，并进行动态监测和风险排查，同时结合评级结果，根据合规情况合理安排现场检查，依据现场检查结果确定进一步监管措施；如果评级结果为差，除采取上述措施外，还应当对该催收机构评级期间的不当行为进行全行业通报。此外，评级结果还可以作为公共服务机构在向催收机构提供信息的过程中实施差异化服务的依据。当评级结果为优秀、良好的催收机构申请获取与催收有关的信息时，有关机构可以放宽审核标准、削减程序，使之更易获得用于催收的债务人相关信息；而若某催收机构在监管评级中表现较差，有关机构则可收紧信息获取申请的程序，甚至可以不予提供相关信息。

4.针对互联网新型债务催收模式的监管制度设计。随着互联网、信息技术的广泛普及，一些借助互联网而搭建起来的较为松散的催收平台逐渐兴起。其中最为典型的就是借贷宝推出的“人人催”，这是一个采用互联网众包模式的催收平台，具有催收能力和催收意愿的个人都可以成为合作催收员，在借贷宝平台上抢接逾期债务单进行催收，从而获得酬金，其催收网络覆盖全国并施行属地化管理（丁骋骋，2019）[16]。这种基于互联网运作的催收平台是对传统债务催收模式的颠覆，将实施催收行为的主体扩张至不特定的人群，对债务催收监管提出了新的挑战。

对于此类依托互联网运作的新型债务催收模式，首先，应当明确划定催收人员的准入门槛，建立健全债务催收职业资格考试制度，要求催收人员必须在通过考试后持证上岗，杜绝催收人员范围的无限制扩张。同时，利用大数据归集催收人员的从业行为数据，据此划分职业资格等级，赋予较高资格等级的从业者以执业的便利和较高的社会地位，激励债务催收从业者不断提高催收行为的规范性。其次，监管机构应当加强大数据平台的整体联动，利用大数据技术建立债务催收业态监测分析平台，对处于地下或半地下状态的第三方催收机构加强舆情监控，并利用区块链技术的难以篡改性在系统中将催收者的行为添加到链中，提供一个透明且不可更改的点对点式的记录，为后续实施具体监管和惩戒留存依据。同时，区块链技术具有去中心化、加密共享等特性，或将有效解决数据流通和共享过程中的数据安全问题，保护债务人的信息安全。最后，对于部分催收机构以技术创新之名，通过爬虫、黑客等技术非法获取债务人信息并滥用或泄露的，应当由监管机构予以取缔，责令停止侵权并进行处罚，对债务人造成损失的，还应当承担赔偿责任。

四、结语

在大数据的时代背景下，债务催收行业正面临转型的重要节点，行业监管格局若仍停滞不前，将不能适应时代发展的需要，难以肩负起维护社会稳定的重任。债务催收机构采用新技术辅助催收无可厚非，但随之而来的法律风险应当受到重视。催收者使用其所掌握的技术诚然没有制度上的障碍，但当智能化手段的运用实质上构成对债务人权利的侵犯时，便属于滥用行为，应当受到法律的规制。因此，我国在制定《债务催收行业管理条例》或《债务催收行业管理法》时，既要借鉴美国《公平债务催收作业法》的已有经验，更要根据我国债务催收的具体情况出台更契合当下智能化催收趋势的合理措施。在收紧债务催收行业的监管缺口、引导第三方催收机构合法运营的同时，还要完善社会信用体系建设，将信用约束作为债务催收的驱动内核，督促债务人积极履行给付义务（王怀勇和刘帆，2019）[17]。

注：

①中国人民银行网站：2021年支付体系运行总体情况，http：//www.gov.cn/xinwen/2022-04/03/content_568331 9.htm，2022-05-19.

②Mia Shao，Scott Zoldi，Gordon Cameron，Ron Martin，Radu Drossu，Jenny Zhang，and Daniel Shoham，Enancing Delinquent Debt Collection Using Statistical Models of Debt Historical Information and Account Events：US，US7536348 B2.

③Burl Shannon Hinkle and Jeffrey L.Grubb，Method and System for Prioritizing Debt Collection：US，US7254558 B2.

④Volker Neuwirth，Automated First Party Debt Collection System（2014）.

⑤ Zhengping Zhang，System and Method for Debt Collection（2016）.

⑥FDCPA § 807，15 U.S.C.§ 1692e（2012）.False or misleading representations.

⑦FDCPA §804，§805，§809，§811.

⑧FDCPA §806，§807，§808，§812.