美国警察的网络舆情监控
美国的警察体系复杂而分散，这决定了美国警察的监控体系的复杂性。美国警察的监控体系大致可以分为5个部分，其中一个部分可以归入网络舆情监控体系，另外4个部分与网络舆情监控密切相关，故笔者在论述时，为了保持论述的完整性和严密性，将另外4个部分也放在一起论述。从本质上说，如果没有另外4个部分的支持，美国网络舆情监控体系很难建立起来，即使建立起来，其效用也会大打折扣。美国警察的网络监控体系如图6-6所示：
图6-6 美国警察的网络监控体系
第一，美国的警察监控体系建立在3个数据库和911报警平台的基础上。DNA数据库、指纹数据库和观察者名单数据库都由联邦调查局建立，其中指纹数据库是世界上最大的指纹数据库，收集的指纹来自各种途径，包括犯罪现场、海关、使领馆签证处、机场等，既有犯罪者指纹，也有受害者指纹，还有海关出入境者指纹，并包括部分美国公民、永久居留者指纹。观察者名单即为热点名单，是犯罪分子、恐怖分子及其嫌疑人名单，是有威胁的高风险人员名单，需要被监视和观察的人员。911报警平台是美国统一设立的报警电话，现在大约99%的美国人都能顺利使用911报警系统，经过技术强化的报警系统可提供每个呼叫者的姓名与位置信息。911报警系统成为警察和其他应急人员了解一个人处于危险状态需要紧急援助的最普遍方法，借助报警系统警察能够及时提供援助。[17]
第二，全美各大城市建立的车牌阅读器，通过大量扫描过往车辆的车牌，建立庞大的车牌数据库。1970年以来，美国警察使用相机给车牌拍照。现在随着自动车牌阅读器技术的发展使扫描车牌变得简单、方便而且价格便宜，在全美主要城市被普遍使用。自动车牌阅读器系统每秒可以阅读50个车牌。[18]
纽约警察局建立了一个1600万个车牌的数据库，这些车牌由车牌阅读器捕获，并且记录了捕捉的地点。纽约市警察局还建立了被称为“域感知系统”的监控体系，该软件在纽约全市24小时不间断地收集和分析来源于3000个公共监控摄像头、200多个车牌阅读器、2000多个辐射传感器的数据，并与警方已经掌握的数据库信息一起分析。该软件的地图功能使警察可以一种常规下不可能的方式看到和理解信息。位于该局下曼哈顿安全行动指挥中心的域感知系统的运营商可以快速使用软件识别潜在威胁，追踪到一个嫌疑人车辆的相关位置，以及过去几天、几个星期甚至几个月的位置；还可以检查车牌号码，将之与监视名单进行比较，向警方即时提供访问任何与车主有关的犯罪历史。[19]除了警察直接管理的车牌阅读器外，几十亿个私人自动牌照阅读器也向警察提供额外的监控资源。这些数据库公共和私人都可以获得。2015年3月，纽约警察局宣布与Vigilant Solutions合作，这是美国最大的自动牌照阅读器公司，建立了由22亿个扫描车牌组成的数据库。[20]除了纽约以外，其他城市也对这种大规模监控系统感兴趣。加利福尼亚州奥克兰市决定建设一个区域感知中心，收集和分析来自东奥克兰的巴里奥斯枪弹检测传感器和在城市及巡逻警车上安装的车牌阅读器所获得的监控数据。[21]
自动车牌阅读器系统（ALPR）作为一种技术先进的警务形式，可以将扫描的车牌的数字照片转化为文本文件。一旦转换，ALPR系统可以将牌照号码与可用的观察名单数据库相比较，其收集的公共信息可识别个人身份。也就是说，一旦一个监控装置记录了一个车牌或行人的图像，执法者往往可以识别司机或行人。警察使用ALPR通常参照车牌号码与车主的状态记录检测被盗车辆或通缉犯。美国至少37个州已将驾驶证照片上传到国家数据库，这些数据库可以使用面部识别软件搜索。车牌阅读器扫描的车牌数据与观察者名单数据库比对之后，警察可以迅速地锁定特定的个体。[22]
第三，通过广泛建立的无差别监视器，录下监控视频，利用人脸识别系统抓取人的脸部特征，建立人脸数据库。视频监视摄像机一直作为传统的警察亲自观察的一种替代。现在这些监控摄像机被生物特征识别技术所武装，如面部识别软件，使执法者能够通过脸部特征识别捕获个体。这些技术不仅涉及对一个单一的犯罪嫌疑人的狭隘的观察，而且在一个较长的时间段内对整个社区的广泛监测。这与以前的监视技术有所不同，比如将GPS装置安装到一辆汽车上，可以使警方获取一辆汽车在一段时间内运行的详细信息。然而，一个GPS设备通常被限定在一个小范围内，它在一个时间里只监视和记录一个单一的犯罪嫌疑人的动作，这限制了GPS监控在社区的广泛应用。相比之下，无差别监视器可以广泛地任意监控整个社区的公共行为。监控摄像机记录任何在其镜头前的所有的公众行为，社区中的每一个人都成为监控的目标，而不仅仅是预先确定的犯罪嫌疑人。这种技术带给警察两种不同的能力：观测比较和不加区别的数据收集。数据存储能力的进步促进和激励了这些不加区分的数据收集技术的使用。传统上，对于警方长期监控的最大的限制之一是数据保持能力有限。但随着数据存储成本下降和存储技术改善，警方可以收集尽可能多的公共行为数据，只要该信息对警方有用。在执法的情况下，信息在收集时似乎是无用的，但在解决未来的犯罪案件上可能是非常有价值的。
在美国警察部门中监控摄像机几乎无处不在。根据LEMAS的调查，1997年，大约20%的警察部门报告使用某种类型的监控摄像机。在接下来的10年，各警察部门使用的比例急剧上升，2000年达到56%， 2003年达到67%， 2007年达到71%。在1997—2007年，使用监控摄像头的部门数量增加了189%。LEMAS的调查还表明，1997年美国2000个警察部门拥有的摄像机在3万个以下，到2007年，警察部门拥有近7.7万个摄像头。国际协会的研究同样发现警察部门经常使用监控摄像头，在2001年调查的207个警察机构中，约有80%的机构声称使用某种类型的监控摄像机。面部识别等生物特征识别系统似乎很少被普通警察部门使用。在LEMAS的调查中，只有191个警察部门宣称在2007年使用面部识别系统，在2003年只有98个警察部门使用。但根据青少年部门的研究表明，警察部门对投资面部识别技术表现出极大的兴趣。此外，大多数执法部门的管理人员相信，面部识别在未来对警察部门有很高的价值。[23]在关于未来技术的设想中，人们想象一名警察用他的身体穿着相机在大街上扫描人群；资料被及时发送到该部门的面部识别和运动分析软件，提醒巡警是否有鬼鬼祟祟的动作或有观察人员名单上的人被识别出来，警方根据这些警报确定应立即调查的人，其他的人在被记录到观察名单后解除。虽然现在没有哪个警察部门拥有这种技术能力，但相信某一天警察部门将拥有这种能力。[24]
美国警察部门拥有日益强大的视频监视技术和能力引起了人们的忧虑。伊利诺伊州的美国公民自由联盟认为芝加哥的监控网络采用的3种技术存在问题：泛倾斜变焦功能；面部识别软件；自动跟踪功能。平移倾斜变焦功能的相机允许相机运营商手动操作相机，以提高他们的认识能力；变焦能力使警方能够在接近500英尺的距离阅读文本；泛倾斜变焦功能让城市官员“远远超出普通人的眼睛”。[25]这些严重侵犯了公民的隐私，但美国的警察部门对这些新兴监控技术的追求乐此不疲。
第四，通过监控社交媒体，爬梳个人档案，建立个人数据库，勾画个人朋友圈，识别危险信息，捕捉罪犯。开放源代码（OSINT）和社交媒体（socmint）情报是警察使用的新的情报类型，与人们已经熟悉的情报来源如SIGINT（信号情报）、电子通信情报和人类情报源（HUMINT）一起构成4种情报源。socmint包含大量的材料，包括在脸谱网上发布的帖子、推特发布的推文、YouTube的视频、在线公开的报纸或电视新闻网站的评论。据美国议会情报和安全委员会2015年报告：互联网承载了24亿个互联网用户的通信。在一分钟里，这24亿个人传输了1572877千兆字节的数据，包括2.04亿封电子邮件、410万的谷歌搜索，通过脸谱网发送690万条短信，347222帖推特和138889小时的视频在YouTube上被观看。[26]
自2011年以来，美国执法特工一直在努力扩大和改善他们使用数字通信情报，包括电话、短信—数字通信、社交媒体帖子、即时通信和微博作为情报。分析这些情报的主要方法通常由“大数据”预测分析软件协助，让执法机构预测，而不是仅仅对犯罪和反社会行为作出反应。根据RUSI 2015报告，多达95%的情报由情报机构收集自开放的而不是封闭的来源。虽然不是所有的“开源”情报都来自社交媒体，但大部分都是。美国前国家情报总监James Clapper认为，社交媒体是巨大的情报来源。 Anderson Report直白地认为，社交媒体情报已经成为情报的核心。执法机关和情报机构越来越多地使用这种材料为引起注意的人或嫌疑人写传略。在2012年对1221名联邦、州和地方执法人员的调查表明，4/5的执法人员表示他们使用社交媒体用于调查。[27]国土安全部使用计算机分析学识别可疑的推特词句，包括炸弹或李斯特菌。[28]
利用社交媒体信息绘制人们的社交网络，成为警察大量使用的寻找和预测罪犯的方法。预测技术基于个人在社会网络中的作用，聚焦于对社交媒体的应用算法，以便找出可能的犯罪行为。这种社交网络分析首先假设社交网络形成许多犯罪行为：非法毒品交易网络可能松散地遵循合法经营等级结构，包括供应商、经销商、买家和金融家。在社交网络软件中使用的算法可以帮助警察在一个社交网络中窥视个人连接的密度。[29]
芝加哥警方在使用社交网络分析方面取得显著成果，成为警方使用社交网络分析的一个范例。从2012年开始，芝加哥警方依靠网络分析制定预防警务措施。从识别的该城市的60个已知的团伙和600个事实，芝加哥警方画出了团伙及其个人之间的积极和消极关系图。例如，一个枪击受害者的名字，社交网络分析软件会告诉警察4个人应该受到怀疑，不是因为这4个人做了什么，而是因为他们是长期与受害人为敌的帮派的成员。此外，另外8个人也可能引起警方的注意，他们是受害人所在帮派的潜在成员并有可能发展为危险的暴力关系。没有传统的物理证据将这些人与射击行为相联系，但是社交网络分析预测他们与将来的暴力相联系，因而引起警察注意。芝加哥警察局还使用“热名单”聚焦于预防警备。对“热名单”的研究发现，与一个杀人受害者密切联系的社会纽带比常人在将来成为暴力受害者或施害者的可能高出100倍。作为回应，芝加哥警方在2013年发起了一个项目，识别这些在将来的暴力中处于高风险中的人，大约400人在热榜名单中：一组被芝加哥警察局的自定义通知程序作为目标的人。警察会拜访位于热榜名单中的成员，警告该人实施暴力犯罪的法律后果，在名单中的人也被告知他们有很高的风险变成暴力犯罪的受害者。收到这些自定义通知的人不总是暴力犯罪的实施者。[30]
第五，利用城市犯罪数据，建立犯罪预测地图，在犯罪高发地集中警力，防范和打击犯罪。警察部门将大数据用于预测警务：计算机利用历史犯罪数据使用建模应用程序来预测未来的犯罪活动。警方一直试图寻找犯罪活动的模式，以集中他们的资源。预测警务使警察利用数千个数据点预测犯罪发生的可能性。最基本的模型依赖于过去的罪行，但数据源包括的因素是一些一般性因素，如发薪日时间表、季节变化、白酒存储位置和潜在的逃跑路线。预测警务的创新是人工智能在这些大数据集上的应用。CompStat依靠过去收集的犯罪数据，预测警务应用计算机分析类似的信息，未来的犯罪分子作为目标的地理位置识别吸引了关注。这些预测模型都依赖于完善的关于犯罪行为空间分布的意见。犯罪不是在一个城市随机发生的，而是倾向于在有限的而且往往很小的范围内（犯罪倾向于“块状”）。例如，研究人员发现，在14年间，西雅图约50%的犯罪发生于4.5%的城市街段。基于这种犯罪和地点之间的联系，计算机模型采用不同的方法对犯罪进行预测。[31]
美国的执法机构和一些私营公司一直在使用这些数据用于预测分析，如IBM利用犯罪统计、建模和GIS制图，制定预测分析解决方案，以预测热点地区，警察可以在这些热点地区布置针对性资源。孟菲斯警察部门声称，自从引进该系统之后已减少严重犯罪30%。[32]圣克鲁斯、西雅图和纽约市的警察局正在实验预测性警务软件识别犯罪可能发生的地理位置。[33]这一技术思路虽然取得了一定的成效，但还存在缺陷，需要执法部门、私营公司和科学家共同努力，改进预测警务技术和软件。