近日英国警务部长表示将鼓励英格兰与威尔士的警方更多使用实时人脸识别技术(Live Facial Recognition, LFR),并计划在年底前发布有关何时、何地以及如何使用该技术的官方指导意见。此举引发了关于公众安全、个人隐私、算法偏差和法律监管的一系列讨论。要理解这场争论,需要从技术原理、实际部署案例、法律框架和社会影响几方面进行全面分析。 实时人脸识别技术的基本原理并不复杂:摄像头捕捉人脸图像,系统将其转化为特征向量,并与预先建立的关注人员名单或数据库进行比对。当系统判定存在"匹配"时,会向在场警务人员发出警报,由人工进一步核实与决定是否采取行动。支持者指出,这类技术能够在公共空间快速识别通缉犯、反复作案者或潜在威胁,有效辅助警务资源部署,提高办案效率和公共安全水平。
然而现实中的LFR远非万能。技术本身会受到光照、遮挡、角度和摄像头分辨率等物理因素影响,识别率波动明显。更关键的是多项研究与实践显示,人脸识别系统在不同人群间表现不均:深色皮肤、女性和年龄较小的群体更容易被误识别。这种偏差并非仅是学术问题,而是会在街头执法中直接转化为被无辜盘查、记录甚至拘留的风险。 以伦敦大都会警察局在克罗伊登(Croydon)部署的永久性实时人脸识别摄像头为例,警方称系统在过去一段时间内协助抓捕了若干嫌疑人,并将其作为推广应用的成功案例。但同时也出现了引发公众争议的个案,例如一名黑人志愿者在地铁站附近被系统标记并遭盘问,该事件已进入司法审查程序并由隐私保护团体发起关注。
类似案例激化了社区对"街头监视"和"过度执法"的担忧。 从法律与监管角度看,英国并非没有框架可循。数据保护法、监控摄像头使用守则以及信息专员办公室(ICO)的指导都对个人数据处理提出要求,但LFR带来的挑战在于其实时性、隐蔽性以及对大量无辜路人的潜在触达。过去几年里,多个司法案例和监管文件反映出对LFR合法性和合规性的反复审视。政府计划发布的指导将力图划定"何时可以用""在哪里可以用""如何保障透明度和问责"的边界,但能否平衡安全与权利,仍取决于细则的具体设定与独立监督机制的健全性。 争议的核心不仅是技术本身,而在于其使用场景与治理方式。
若将LFR仅用于有限的、基于情报的场合,例如针对已明确通缉对象的搜寻,并且配套严格的比例性、最小化数据保存原则与独立审查,那风险可被控制到较低水平。若把LFR置于大范围常态化监控、或允许私营企业与多方共享实时比对资源,则会扩大隐私侵害的范围,降低公众信任,甚至可能产生寒蝉效应,影响公民的合法集会与表达自由。 此外,技术供应链与算法透明度也是关键议题。许多LFR系统依赖私营科技公司提供的算法和模型,但这些模型往往是封闭的专有技术,外界难以验证其训练数据是否存在偏差、是否经过充分测试以及在何种场景下表现良好。推动算法可解释性、公开评估报告、第三方审计与独立性能测试,是降低系统歧视性误判和提升公众信任的必要步骤。 财政与资源分配角度也值得关注。
推广LFR涉及长期设备维护、数据存储、系统更新和人员培训成本。若政府与警方在限定预算内优先投资监控技术,可能会压缩对社区警务、预防犯罪项目和社会服务的投入,从而牺牲长期治安治理效果。政策制定应权衡短期破案成效与长期社区关系建设之间的平衡。 国际对比能够提供有益启示。欧洲其他国家、美国部分城市以及亚洲一些地区在LFR上采取的路径各异:有的采取严格限制或临时禁用,有的在无强监管的情况下快速推广。从中可以看出,缺乏透明公开程序和独立问责的部署往往带来更严重的社会反弹与法律挑战,而在有明确法律依据、公开影响评估和持续监督的环境中,公众接受度和合规性相对更高。
为使LFR在提高公共安全的同时尽量减少对公民权利的侵害,可以考虑若干政策与操作建议。必须在国家层面建立清晰的法律基础,明确授权边界、用途限制与审查机制。所有部署前应进行独立的影响评估,公开评估结果并征求公众意见。针对系统误识与偏见,应要求厂商提供透明的性能数据,并接受第三方独立测试。数据最小化原则应成为默认设置,实时比对结果与底层影像数据的保存期限应严格限制,异常处置流程和对被误识者的补救渠道需明确。独立监督机构应拥有调查权和纠偏权,定期发布审计报告保障问责。
在操作层面,警务人员的培训同样重要。LFR应作为辅助工具而非单一决定因素,警务人员需要被训练如何综合其他证据与情报判断警务行动的必要性,避免对算法输出的盲目信任。社区参与机制可以缓解紧张关系,通过公开听证与合作项目提升透明度与信任感。 公众沟通策略不可忽视。政府与警方应以透明、可理解的方式向民众解释LFR的用途、部署地点、触发机制与监督安排,并公开披露使用统计、误识率与投诉处理情况。只有当公众看到切实的保障措施与独立监督,技术推广才更可能取得社会许可。
技术演进也提供了缓解路径。研究者正在探索能够减少偏见的训练方法、在端侧进行特征比对以降低影像传输和保存风险、以及结合多模态证据(例如行为分析与物证)以提高整体识别准确率。但这些改进并不能完全替代制度性保障,技术和治理必须并行推进。 最终,LFR在英国的更广泛应用将是一场关于安全与权利平衡的长期讨论。警方在追求破案效率与保护公众安全时,必须同时尊重公民隐私、避免加剧社会不平等,并接受公开监督与法律约束。政府发布的指导意见若能在透明度、独立监督、算法可审查性和数据最小化方面设定严格标准,将为技术在公共安全领域的合理使用奠定基础。
否则,盲目推广可能短期内带来个别抓捕成果,但长期会侵蚀公众信任,激化法律与社会矛盾。 面向未来,社会各方都应参与这场讨论:立法者要为技术使用确立明确边界,监管机构要强化审查与问责,警方要公开运行数据并改进执法实践,科技公司要提升算法透明度与公平性,学界与民间组织要持续监督与评估。通过制度与技术的双重保障,方能在保护公共安全的同时守护基本权利,推动一个既安全又公正的社会治理路径。 。
