发布日期:
大数据法律监督模型构建与应用问题研究
■张大中 刘员 王海
一、构建大数据法律监督模型的意义和价值追求
（一）实现从人力监督向智能监督转变，提升监督效率
检察机关传统的法律监督工作主要是人力集中的工作模式，是通过检察人员大量阅卷、审核材料和数据，发现相关监督线索，这需要检察人员花费大量时间和精力，加剧了基层司法实践中的人案矛盾，并且很难保证监督的有效性。大数据法律监督模型实现了从人力集中向技术集中转型，通过将阅卷寻找线索等人力集中型重复劳动交给智能技术处理，通过大数据法律监督模型进行初步筛选，经过大数据法律监督模型筛选的预警信息能有效发现监督线索，对于缓解检察机关的人案矛盾、优化检察机关人力资源分配、提升法律监督工作的效率具有重要意义。
（二）以助力社会治理为深层目标追求
大数据法律监督模型能够实现检察人员通过个案办理或以一定形式的法律监督场景为切入点，结合自身的法律专业知识和数字检察思维提炼出有效的类案特征和一定的逻辑规律，经过计算机信息系统的计算规则自动从大量的数据中精准识别出类案监督线索，实现社会治理的深层目标追求。大数据法律监督模型能够拓宽社会治理领域，通过穿透式的法律监督直达问题的病根，推动某一类社会难点、痛点问题的系统治理，协力破解社会治理深层次问题，成为检验新时代检察机关法律监督质效和参与社会治理水准的试金石。
二、大数据法律监督模型面临的问题
（一）数据壁垒制约大数据法律监督模型深入发展
目前，由于数据的获取方式和来源有限，数据法律监督模型面临数据提取难的问题。由于行政执法主体多元，跨行业、跨领域和跨部门数据源的复杂化和差异化，造成大数据法律监督模型技术处理数据的成本较高，这对数据集成、融合、共享造成了阻力，数据壁垒和数据孤岛对检察机关在大数据法律监督模型研发中数据调取、汇聚和整合所造成的障碍可以说是目前制约检察机关大数据法律监督模型发展质效的首要问题。
（二）监督模型的智能化程度较低
目前，检察机关研发的大数据法律监督模型多数还处于弱人工智能阶段，属于人工智能技术与检察工作的初步融合，其仅仅能够对经过人工清洗后的统一格式的数据进行分析，很多环节需要借助人工录入。由于各行业、各部门之间没有统一格式的数据库，我们从不同部门调取的数据格式多样，目前的大数据法律监督模型大多数只能对经过清洗后的统一格式的数据进行概括、提炼和分析，属于比较初级的数据化式的研究分析，很少具备数据挖掘算法及其他深度的分析方法对数据进行深入剖析。
（三）研发同质化问题突出
当前的大数据法律监督模型研发，都是各基层检察院从自身的实际和能力出发，自行研发后，通过市院竞赛遴选、省院竞赛遴选等方式，逐级向最高人民检察院报送参与竞赛。由于各个基层检察院缺乏交流，信息不畅通，存在就同一监督事项重复研发的现象，可以说呈现出碎片化和地方性态势是当前大数据法律监督模型的一大问题。全国各地检察机关一哄而上，都在不断研发，在呈现遍地开花景象的同时，也存在重复研发现象，出现不同程度的低水平“撞衫”现象。
（四）存在重研发轻应用的问题
在当前的大数据法律监督模型研发过程中，存在的最重要的问题之一就是应用意识不到位，部分检察人员对数据赋能的认识不足，主动使用大数据法律监督模型的意愿不强。部分检察人员研发大数据法律监督模型的初衷和目的主要是参与比赛，忽视了研发大数据法律监督模型的最终目的是运用，一旦在上级院组织的比赛中获奖后就将大数据法律监督模型束之高阁。数字检察在看似如火如荼的实践探索中，真正通过开发创新转为实际应用的还不算很多，甚至个别地方检察机关脱离实际需要而盲目开发，导致出现了技术沦为摆设的情况。
（五）存在数据泄露风险
在数据深度收集和分析的过程中，可能存在数据聚合处理而侵犯个人隐私或者数据泄露等风险问题。大数据法律监督模型数据的安全风险来自两方面，一是在模型研发过程中由于技术保障措施不到位造成的安全问题；二是模型使用过程中使用管理不当造成的数据安全风险，目前对于模型的使用管理还没有形成统一的机制，使用人员稍有不慎，就可能会导致数据泄漏。
三、大数据法律监督模型的完善路径
（一）进行总体规划，实现一域突破、全国共享
随着数字检察改革的深入推进，亟须改变当前各自为战的局面，防止大数据法律监督模型研发的地方化、片面化，推动数字检察由地方走向区域再推向全国，确保改革红利能够更为均衡地惠及人民群众，充分彰显数字时代检察机关的使命担当。应从全国层面统筹规划、分类施策，既着眼基层检察工作实际，又统筹全国，科学谋划，集约高效推进，避免全国各地检察机关低效地重复开发。借鉴应用市场模式，采用一域突破、全国共享的推广应用模式，进行先行先试后再快速推广。
（二）打通部门数据壁垒，扩宽数据来源
数据作为检察机关大数据法律监督的基石，实施数字检察战略的基本前提是获取、汇聚足够容量的数据，数据是大数据法律监督模型运行的基础，再优秀的算法也依赖于海量的数据为其提供支持，只有获取、汇聚足够数量的数据才可以挖掘出数据背后的价值。从目前的司法实践来看，数据困境是大数据法律监督模型应用所面临的共同难题。为了能够解决当前存在的大数据法律监督模型数据调取方面的困境，推动建立统一的执法司法数据库是最有效的途径，只有建立了各单位统一格式的数据库之后，才能快速高效实现数据的调取。
（三）注重大数据法律监督模型的应用和智能化升级
数字检察的核心是数据应用，积极应用大数据法律监督模型办出批量类案，才是践行检察机关大数据法律监督工作的真谛。要注重对已开发模型的培训学习和推广使用，推动检察人员在使用中不断强化数字思维和数字意识，不断激发数字检察时代检察人员利用大数据法律监督模型开展法律监督的创造创新活力。随着智能化技术的不断迭代更新和深度应用，充分借助 DeepSeek 人工智能系统，实现DeepSeek与检察工作的深度融合。利用DeepSeek的开源特性，在检察内网进行本地化部署后，积极应用辅助检察办案，切实提升办案质效和法律监督能力。
（四）完善数据安全保障措施
应用大数据法律监督模型过程中产生的所有检察数据，都是国家数据资源的重要组成部分，并且很多数据涉及案件信息，确保数据安全尤为重要，必须通过人防、机防、制度防等全面保障数据的安全。首先，大数据法律监督模型的研发需要严格遵守国家关于软件系统和信息系统的安全标准和安全等级来确定安全边界，切实保障模型的平稳性以及数据流通、数据处理和数据管理的安全性。其次，要加强大数据法律监督模型数据的安全管理，完善数据安全管理体系。强化数据安全预警和溯源，确保数据在安全轨道上共享、交互与运用。按照谁使用谁负责，谁审批谁负责的原则制定严密的闭环审批流程，做到不遗漏任何一个节点。
（五）完善数字检察的相关保障机制
运用大数据提升检察机关法律监督能力不仅是技术问题，更是理念和机制问题，需要建立健全一套与数字检察相适应的体制机制。首先，应注重复合型数字检察人才的培养，让检察人员具备数字化思维，避免数字检察发展中业务和技术“两张皮”的现象。其次，应建立健全数字检察评价激励机制，激发新时代检察人员创新活力，开创积极探索、敢为人先的数字检察改革新局面。最后，建立健全责任追究机制，既防止打击检察人员创新探索的信心和积极性，在出现问题时又能科学认定责任。
〔作者单位：纳雍县人民检察院；本文系贵州省人民检察院2024年度检察理论研究课题“大数据法律监督模型构建与应用问题研究”（编号GZJC2024B10）〕
一、构建大数据法律监督模型的意义和价值追求
（一）实现从人力监督向智能监督转变，提升监督效率
检察机关传统的法律监督工作主要是人力集中的工作模式，是通过检察人员大量阅卷、审核材料和数据，发现相关监督线索，这需要检察人员花费大量时间和精力，加剧了基层司法实践中的人案矛盾，并且很难保证监督的有效性。大数据法律监督模型实现了从人力集中向技术集中转型，通过将阅卷寻找线索等人力集中型重复劳动交给智能技术处理，通过大数据法律监督模型进行初步筛选，经过大数据法律监督模型筛选的预警信息能有效发现监督线索，对于缓解检察机关的人案矛盾、优化检察机关人力资源分配、提升法律监督工作的效率具有重要意义。
（二）以助力社会治理为深层目标追求
大数据法律监督模型能够实现检察人员通过个案办理或以一定形式的法律监督场景为切入点，结合自身的法律专业知识和数字检察思维提炼出有效的类案特征和一定的逻辑规律，经过计算机信息系统的计算规则自动从大量的数据中精准识别出类案监督线索，实现社会治理的深层目标追求。大数据法律监督模型能够拓宽社会治理领域，通过穿透式的法律监督直达问题的病根，推动某一类社会难点、痛点问题的系统治理，协力破解社会治理深层次问题，成为检验新时代检察机关法律监督质效和参与社会治理水准的试金石。
二、大数据法律监督模型面临的问题
（一）数据壁垒制约大数据法律监督模型深入发展
目前，由于数据的获取方式和来源有限，数据法律监督模型面临数据提取难的问题。由于行政执法主体多元，跨行业、跨领域和跨部门数据源的复杂化和差异化，造成大数据法律监督模型技术处理数据的成本较高，这对数据集成、融合、共享造成了阻力，数据壁垒和数据孤岛对检察机关在大数据法律监督模型研发中数据调取、汇聚和整合所造成的障碍可以说是目前制约检察机关大数据法律监督模型发展质效的首要问题。
（二）监督模型的智能化程度较低
目前，检察机关研发的大数据法律监督模型多数还处于弱人工智能阶段，属于人工智能技术与检察工作的初步融合，其仅仅能够对经过人工清洗后的统一格式的数据进行分析，很多环节需要借助人工录入。由于各行业、各部门之间没有统一格式的数据库，我们从不同部门调取的数据格式多样，目前的大数据法律监督模型大多数只能对经过清洗后的统一格式的数据进行概括、提炼和分析，属于比较初级的数据化式的研究分析，很少具备数据挖掘算法及其他深度的分析方法对数据进行深入剖析。
（三）研发同质化问题突出
当前的大数据法律监督模型研发，都是各基层检察院从自身的实际和能力出发，自行研发后，通过市院竞赛遴选、省院竞赛遴选等方式，逐级向最高人民检察院报送参与竞赛。由于各个基层检察院缺乏交流，信息不畅通，存在就同一监督事项重复研发的现象，可以说呈现出碎片化和地方性态势是当前大数据法律监督模型的一大问题。全国各地检察机关一哄而上，都在不断研发，在呈现遍地开花景象的同时，也存在重复研发现象，出现不同程度的低水平“撞衫”现象。
（四）存在重研发轻应用的问题
在当前的大数据法律监督模型研发过程中，存在的最重要的问题之一就是应用意识不到位，部分检察人员对数据赋能的认识不足，主动使用大数据法律监督模型的意愿不强。部分检察人员研发大数据法律监督模型的初衷和目的主要是参与比赛，忽视了研发大数据法律监督模型的最终目的是运用，一旦在上级院组织的比赛中获奖后就将大数据法律监督模型束之高阁。数字检察在看似如火如荼的实践探索中，真正通过开发创新转为实际应用的还不算很多，甚至个别地方检察机关脱离实际需要而盲目开发，导致出现了技术沦为摆设的情况。
（五）存在数据泄露风险
在数据深度收集和分析的过程中，可能存在数据聚合处理而侵犯个人隐私或者数据泄露等风险问题。大数据法律监督模型数据的安全风险来自两方面，一是在模型研发过程中由于技术保障措施不到位造成的安全问题；二是模型使用过程中使用管理不当造成的数据安全风险，目前对于模型的使用管理还没有形成统一的机制，使用人员稍有不慎，就可能会导致数据泄漏。
三、大数据法律监督模型的完善路径
（一）进行总体规划，实现一域突破、全国共享
随着数字检察改革的深入推进，亟须改变当前各自为战的局面，防止大数据法律监督模型研发的地方化、片面化，推动数字检察由地方走向区域再推向全国，确保改革红利能够更为均衡地惠及人民群众，充分彰显数字时代检察机关的使命担当。应从全国层面统筹规划、分类施策，既着眼基层检察工作实际，又统筹全国，科学谋划，集约高效推进，避免全国各地检察机关低效地重复开发。借鉴应用市场模式，采用一域突破、全国共享的推广应用模式，进行先行先试后再快速推广。
（二）打通部门数据壁垒，扩宽数据来源
数据作为检察机关大数据法律监督的基石，实施数字检察战略的基本前提是获取、汇聚足够容量的数据，数据是大数据法律监督模型运行的基础，再优秀的算法也依赖于海量的数据为其提供支持，只有获取、汇聚足够数量的数据才可以挖掘出数据背后的价值。从目前的司法实践来看，数据困境是大数据法律监督模型应用所面临的共同难题。为了能够解决当前存在的大数据法律监督模型数据调取方面的困境，推动建立统一的执法司法数据库是最有效的途径，只有建立了各单位统一格式的数据库之后，才能快速高效实现数据的调取。
（三）注重大数据法律监督模型的应用和智能化升级
数字检察的核心是数据应用，积极应用大数据法律监督模型办出批量类案，才是践行检察机关大数据法律监督工作的真谛。要注重对已开发模型的培训学习和推广使用，推动检察人员在使用中不断强化数字思维和数字意识，不断激发数字检察时代检察人员利用大数据法律监督模型开展法律监督的创造创新活力。随着智能化技术的不断迭代更新和深度应用，充分借助 DeepSeek 人工智能系统，实现DeepSeek与检察工作的深度融合。利用DeepSeek的开源特性，在检察内网进行本地化部署后，积极应用辅助检察办案，切实提升办案质效和法律监督能力。
（四）完善数据安全保障措施
应用大数据法律监督模型过程中产生的所有检察数据，都是国家数据资源的重要组成部分，并且很多数据涉及案件信息，确保数据安全尤为重要，必须通过人防、机防、制度防等全面保障数据的安全。首先，大数据法律监督模型的研发需要严格遵守国家关于软件系统和信息系统的安全标准和安全等级来确定安全边界，切实保障模型的平稳性以及数据流通、数据处理和数据管理的安全性。其次，要加强大数据法律监督模型数据的安全管理，完善数据安全管理体系。强化数据安全预警和溯源，确保数据在安全轨道上共享、交互与运用。按照谁使用谁负责，谁审批谁负责的原则制定严密的闭环审批流程，做到不遗漏任何一个节点。
（五）完善数字检察的相关保障机制
运用大数据提升检察机关法律监督能力不仅是技术问题，更是理念和机制问题，需要建立健全一套与数字检察相适应的体制机制。首先，应注重复合型数字检察人才的培养，让检察人员具备数字化思维，避免数字检察发展中业务和技术“两张皮”的现象。其次，应建立健全数字检察评价激励机制，激发新时代检察人员创新活力，开创积极探索、敢为人先的数字检察改革新局面。最后，建立健全责任追究机制，既防止打击检察人员创新探索的信心和积极性，在出现问题时又能科学认定责任。
〔作者单位：纳雍县人民检察院；本文系贵州省人民检察院2024年度检察理论研究课题“大数据法律监督模型构建与应用问题研究”（编号GZJC2024B10）〕
