数字检察赋能法律监督的实践检视与完善

28圈 第一分院检察长 孙琳

传统法律监督受限于信息不对称、监督覆盖有限等因素，难以有效应对复杂治理场景与新型违法形态的监督需求。在此背景下，数字检察应运而生，并广泛应用于“四大检察”领域，重塑了法律监督模式并取得积极成效。然而，数据共享梗阻、权利保障不足、算法伦理风险及制度供给滞后等问题日益凸显，制约了数字检察向纵深发展。有鉴于此，通过系统检视实践成效与掣肘，科学探索完善路径，对于推动检察工作高质量发展、构建系统完备的数字检察规范体系具有重要意义。

2023年11月，最高人民检察院印发《数字检察建设规划》，确立“业务主导、数据整合、技术支撑、重在应用”的工作模式，并聚焦八大重点业务场景推进数字化应用。截至2025年12月，全国检察机关依托大数据法律监督平台上线模型826个，全面覆盖“四大检察”138个监督点位与167项新型监督事项，累计发现监督线索35万余条，办理监督案件16万余件，数字检察成为新时代法律监督提质增效的关键性支撑。

（一）先行地区数字检察实践

各地检察机关立足本地治理需求，积极开展数字检察创新实践，形成一批可复制、可推广的典型经验，推动法律监督实现三重维度的转型升级。一是从被动受案向主动监督转型。通过构建大数据法律监督模型，检察机关能够在海量政务数据、司法数据与社会数据中开展穿透式分析，精准锁定异常线索，实现从“等案上门”向“主动排查”转变。二是从碎片化监督向系统性治理升级。借助大数据监督模型，检察机关将监督触角延伸至行业监管、公共资金安全、社会治理薄弱环节，实现“办理一案、治理一片、规范一域”的系统效应。三是从个案纠错向制度完善延伸。数字监督发现的普遍性、制度性问题，通过检察建议、专项报告等形式转化为制度完善的重要依据，实现从个案监督到源头治理的跃升。

（二）数字检察的重庆实践

重庆市依托市级大数据中心整合跨部门、跨行业数字资源，建成一体化数字资源系统，为数字检察提供坚实的数据底座与技术支撑。全市检察机关立足直辖市治理特点，构建“基层首创、分院主抓、市院统筹”三级联动机制，以数字化应用贯通“三级治理中心”，助力超大城市治理现代化。一是以数字检察赋能“一件事”集成改革。“云检司法救助系统”打通全国检察业务应用系统与“渝快政”数据接口，实现救助资格智能核验、跨部门快速协同，大幅提升司法救助质效，体现了数字检察以人民为中心的价值取向。二是强化法律监督模型研发与全域推广。截至2025年末，28圈 在最高检大数据法律监督平台上架模型21个，在全国近900家检察机关实现规模化应用，成案数千件。比如，盗窃类犯罪立案监督线索筛查模型通过对刑事立案与行政处罚数据的碰撞分析，精准发现未成年人错误立案、多次盗窃未追责等线索；水土保持费征缴监督模型通过比对住建、水利、税务数据，高效筛查欠缴线索。重庆实践表明，数字检察不仅是技术工具的迭代，更是检察履职方式、权力运行机制与社会治理模式的系统性革新。

在数字检察快速推进的同时，一系列深层次、结构性矛盾逐步显现，集中表现为数据治理梗阻、权利保障失衡、算法伦理风险、保障机制薄弱与制度供给滞后，成为数字检察赋能法律监督的现实掣肘。

（一）“数据壁垒”与“信息孤岛”问题

跨部门数据共享机制滞后，是制约数字检察效能释放的基础性瓶颈。一方面，顶层统筹不足导致各部门数据采集标准、存储格式、更新频率差异显著，数据清洗、关联建模成本高昂，难以满足规模化、智能化监督需求；另一方面，部分被监督机关出于履职风险顾虑与部门利益考量，对数据共享持消极态度，常以系统不兼容、数据涉密、标准不统一为由拖延或拒绝协作，进一步固化了“数据壁垒”与“信息孤岛”，检察机关因此陷入“找数难、取数慢、对数繁”的困境，数据来源碎片化、时效性不足，严重影响监督线索的精准发现与深度挖掘。

（二）数据安全风险与隐私保护挑战

数字检察以海量多源数据汇聚、共享与深度应用为前提，随之而来的数据安全与隐私保护问题日益突出。首先，数据汇聚环节蕴含较高安全风险。政务数据、司法数据、社会机构数据中包含大量公民个人信息、敏感隐私乃至国家秘密，若加密、脱敏、访问控制、操作留痕等机制不完善，极易突破“最小必要”与“目的限定”原则，引发数据泄露、越权访问与滥用风险。其次，数据使用规范性面临挑战。在数据共享与跨部门协同中，数据使用边界尚不清晰，缺乏统一的数据分级分类管理与权限控制标准。再次，隐私保护机制不完善。当前隐私保护偏重技术手段，制度保障、程序约束与责任追究机制相对滞后，数据脱敏、匿名化、差分隐私等技术应用标准不统一。面对日趋严格的个人信息保护法律要求，数字检察亟须构建覆盖数据全生命周期的安全防护体系，实现技术赋能与权利保障的动态平衡。

（三）算法歧视与透明度不足

首先，存在“算法黑箱”困境。正如有学者所言，不可知的“黑箱子”特性导致技术赋能存在盲区，证据分析生成过程缺乏透明性，无法追溯结论形成路径，使得司法人员难以对算法输出的结论进行有效质证与判断。其次，算法歧视风险不容忽视。监督模型高度依赖历史数据训练，若原始数据隐含地域、群体、行为类型等方面的偏差，算法可能通过机器学习固化甚至放大历史偏见，形成歧视性输出。在犯罪风险预测、量刑辅助等场景中，算法可能强化有罪推定倾向，造成监督结果偏差。再次，存在算法伦理问题。人工智能本质上是概率统计与数据拟合，不具备法律价值判断与伦理权衡能力，难以将公平、正义、人权等法治价值嵌入决策过程。技术理性若脱离价值理性约束，可能导致证据关联分析偏离法治轨道，侵蚀法律监督的公正根基。

（四）数字检察制度供给滞后于技术发展

数字检察实践快速发展，但制度供给明显滞后。一是数据采集与数字证据效力缺乏专门立法。数据采集、存储、算法应用等环节法律依据不足，其合法性、真实性、关联性审查规则缺失。以证据“三性”审查为例，在合法性上，算法输出、大数据分析报告等新型证据未被纳入法定证据种类，导致此类证据的合法性基础薄弱；在真实性上，“算法黑箱”“算法偏差”使得证据生成过程缺乏可解释性，审查人员难以穿透代码验证数据源头来辨别证据真实性；在关联性上，基于概率统计的“数据关联”常缺乏法律要求的“因果必然性”，易将统计相关性误判为法律因果关系。二是数字标准化体系尚未形成。数据质量标准、应用规范、操作流程等尚未形成统一标准，加之数据业务系统非兼容性导致数据调取、使用需进行二次标准化修改，难以保障数据的完整性和时效性。三是算法问责与监督制度缺位。针对算法解释权、审查权及责任主体的界定尚属空白。现行司法责任制以“故意或重大过失”为归责要件，难以覆盖算法缺陷、数据偏差等技术性错误引发的后果。当监督结论因技术故障导致错误并造成损害时，涉及开发、部署、使用等多方主体，法律缺乏清晰的责任划分与承担规则。四是数字安全评估与信息公开机制不完善。现有信息公开规定未涵盖模型、算法等数字要素；模型上线前缺乏强制性安全评估，运行中无周期性复评与漏洞披露机制，存在数据滥用与泄露风险。

（五）保障机制不健全影响技术应用效能

当前，数字检察保障体系不完善，直接制约法律监督数字化转型的整体效能。一是数字化建设投入与运维保障不足。数字基建具有投入大、周期长、技术迭代快的特点，一旦持续运维、升级与安全防护资金不能保障，易导致系统功能滞后、资源最终被闲置浪费。二是跨部门数据共享壁垒依然突出。行政执法与刑事司法信息共享机制尚未实质落地，缺乏可操作的制度规范；不同地区、层级、机关的数据系统不兼容、数据标准不一、数据涉密等原因导致“数据孤岛”与重复采集问题并存。三是法律监督模型建设和推广不够。目前，各地检察机关在法律监督模型建设上存在重复开发、同质化竞争的问题，造成资源分散与浪费。由于跨区域协同机制与统一标准尚未健全，难以形成规模效应。四是组织运行稳定性、专业化不足。数字检察推进多依赖自上而下的政策推动，缺乏固定办案组织与常态化运行机制，数字检察“运动式治理”难以支撑长效发展。此外，办案组织中兼具扎实法律专业功底与必要数字技术素养的复合型人才较为匮乏，成为制约数字检察深度应用的关键瓶颈。

数字检察并非技术对法律监督的简单赋能，而是在数字治理与法治现代化双重逻辑下，对法律监督价值定位、运行机理与实现路径的系统性重塑。为此，检察机关应从理念更新、技术融合、机制保障到制度规范协同推进，形成从价值导向到工具支撑、从运行机制保障到规则供给的完整路径，确保数字检察始终在法治轨道上持续推动法律监督提质增效。

（一）理念更新：深化数字检察认知

数字检察绝非技术工具的简单叠加，而是监督理念、监督模式与监督价值的系统性变革，须突破传统办案思维束缚，树立与数字法治相适应的监督理念。

1.构建数据驱动型监督理念。应推动法律监督理念从个案办理向类案监督的转变，从被动型监督向主动型监督转变，从个人经验判断向数据分析研判转变。强化刑事、民事、行政、公益诉讼融合监督思维，恪守数字法治原则，确保技术应用始终在法治框架内展开。

2.凝聚数字司法共同体战略共识。数字检察作为数字司法战略的核心引擎，其深化发展需要构建“大司法共同体”的系统性思维。要打破公检法司等部门的职能壁垒，通过搭建统一的数据中枢平台，实现刑事侦查、法律监督、审判执行全链条数据的标准化融通与业务协同，构建“整体智治”的司法共同体，以数字正义提升司法质效与社会治理水平。

3.强化司法为民与权利保障理念。为民司法要求法律监督立足人民利益，以人民满意为检验标准。应拓展公众参与数字司法的途径，通过建立监督流程可视化平台、制定规范公开目录等方式，依法有序公开非涉密监督环节与结果，保障公众知情权与监督权，增强社会对数字检察的认同与支持。在技术应用中注重保护个人隐私安全，始终将维护司法公正与保障人权作为数字检察的价值基准。

（二）技术融合：以智能技术重构监督范式

1.深化人机协同深度应用。进一步探索人工智能与检察业务的深度融合，加快智能辅助在“数字碰撞”“数字初查”等领域的技术突破，构建以“算子”和“规则”为核心的低代码建模平台，大幅降低技术门槛，使检察官能够自主组合算法组件，快速搭建贴合实务的监督模型，真正实现从“能用”到“愿用、会用”的转变。持续推动检察官专业判断与智能技术的有机融合，建立分级分类的人机协同机制，根据案件性质与复杂程度将案件划分为简单、一般、复杂三个层级，分别匹配自动化、人机协同、人工主导的差异化办案模式。

2.推进多源技术融合集成。突破单一技术应用局限，推动大数据、人工智能、卫星遥感、区块链、物联网等技术协同赋能，构建全链条技术支撑体系。比如，在公益诉讼领域，可融合卫星遥感影像比对、物联网传感器实时监测与区块链存证技术，实现对生态环境损害的全周期追踪与证据固定；在刑事执行监督工作中，可综合运用定位数据、行为轨迹分析与图像识别技术，实现对社区矫正对象的动态风险评估与异常预警等。通过技术组合的系统集成，形成覆盖线索发现、证据固定、风险预警、成效评估的全链条技术支撑体系，进一步拓展法律监督的时空维度与应用场景。

3.构建融合型数字检察办案团队。立足数字检察赋能法律监督的实践需求，组建技术与司法深度融合的专业化办案团队，秉持统一研判、融合履职、协同赋能工作理念。团队以检察官为核心主导、专业技术人员为支撑保障，统筹开展案件办理、监督模型研发、类案分析与数据研判，推动技术应用能力与司法实务经验有机融合、双向赋能。在模型研发过程中，强化检察官的主导作用，提升其对法律规范与法学理论的数字化解构能力，将司法经验系统嵌入算法选择、系统设计等关键技术环节，形成以业务需求牵引技术开发的有效机制。完善复合型人才的引进、培养体系，聚焦数字思维、数据技能及模型构建能力的系统培育。通过专项引才计划、跨部门协作平台与实战化评价体系，创新选拔、激励与培训机制，为“技术+检察官”融合型办案团队的可持续发展提供支撑。

（三）制度完善：构建数字检察规范体系

1.推进数据效力与个人信息安全立法，破解数据使用的合法性、正当性、真实性困境。在立法层面，需制定全国统一的数据管理规定，厘清数据收集、共享、使用的法律边界，明确个人信息与隐私数据采集、保护的要求。在相关法律修订或单行立法中增设“数字证据”专章，明确大数据分析报告、算法推理结论的法律地位与取证程序；确立数据来源合法性推定与例外规则、最小比例与程序正当原则；增设数据当事人异议与申诉等规定。数据来源合法性推定与例外规则，即检察机关依法从政务数据平台、合法社会机构调取的数据，原则上推定为来源合法，但相对方有权提出相反证据予以推翻，以此平衡取证效率与权利保障。最小比例与程序正当原则是指，在数字检察技术应用中，应选择对公民个人信息与隐私权益限制最小的技术手段，并严格遵循法定程序与透明规则，确保技术赋能始终在法治框架内运行。数据当事人异议与申诉制度中，规定当事人若认为数据的采集、存储或使用侵害其合法权益，可向检察机关提出申诉，检察机关应在30日内作出书面答复；对答复不服的，可依法申请复议或提起诉讼。同时，当事人对算法监督结论有异议的，有权提出书面申请，由非原案办理的检察官独立审查，在不泄露技术秘密的前提下说明算法逻辑，并限期作出书面答复，对异议成立的及时纠正，不成立的充分说理，从而形成完整的权利救济闭环。

2.健全算法追溯与披露制度，破解“算法黑箱”和可解释性不足问题。首先，探索建立“算法反向工程”审查制度，在必要情况下允许中立第三方技术机构对算法模型进行逆向解析与验证，以查明算法内部运行逻辑、数据流向及决策链条是否合法规范，确保算法决策可追溯、可审查。其次，确立“算法偏差检测”的强制要求，对涉及人身权利、财产权利的重大监督模型，必须在模型上线前及运行过程中定期提供算法在不同群体、不同地域间的偏差检测报告，从源头上识别并预防算法歧视。再次，对于算法证据真实性审查方面，办案机关须要求数据提供方或技术开发者提交“算法可解释性报告”，该报告应涵盖算法设计逻辑、训练数据、核心参数、决策逻辑以及可能存在的偏差及其影响评估等信息，使“算法黑箱”转变为可审查、可质证的“算法白箱”。最后，对算法证据关联性审查方面，应明确法律上的因果关系不能被统计上的相关性所替代，要求办案人员在运用数字证据时，需在法律文书中阐释从“数据关联”到“法律因果”的完整推理链条，防止算法逻辑僭越法律逻辑，确保技术结论接受司法理性的实质审查。对涉及人身自由、重大财产权益的高风险事项，实行人工强制复核，严禁将算法结论直接作为终局性决策依据。

3.创设数字检察问责与分层监督制度，破解“算法责任真空”困境。首先，建议在最高检层面设立“数字检察算法伦理与法律审查委员会”，对涉及人身自由、重大财产权益的法律监督模型上线前进行强制备案与伦理审查，评估其是否存在算法偏见、歧视风险及对基本权利的潜在侵害。其次，建立分级分类的算法监督机制。对于辅助性、事务性的算法应用，可由业务部门内部监督；对于具有决策性质、直接产出监督结论的算法，则必须纳入检察委员会监督范围。再次，在责任追究上，突破传统“故意或重大过失”的单一归责模式，建立“技术过错”与“司法过错”相区分的二元责任体系。因算法设计缺陷、数据样本偏差等系统性问题导致监督错误，应首先追究技术开发者与部署方的产品责任；因检察官未履行审慎复核义务、盲目依赖算法结论导致错误，则由检察官承担司法责任。对于技术性错误引发的损害，应在国家赔偿后，依据合同约定或法律规定，向存在过错的算法开发或运维主体进行追偿，形成权责清晰的责任闭环。

4.健全模型安全评估与信息分级公开制度，破解“安全评估与公开不足”困境。首先，确立模型上线前的“准入评估”与运行后的“周期性复评”制度。安全评估应涵盖数据安全、算法稳健性、抗攻击能力等维度，评估报告需存档备查。其次，建立数字检察领域的“漏洞披露”机制，对于已发现的技术漏洞和风险，在不影响国家安全的前提下，应在检察系统内部或向特定监管机构披露，并明确修复期限。针对“算法黑箱”带来的监督困境，要对监督模型的算法透明度、可解释性、公平性等核心指标定期评估，并将评估结果作为模型是否继续使用的重要依据。再次，完善数字信息公开制度。根据模型的敏感度与影响力，划分为完全公开、摘要公开、内部公开、保密四个层级。对于非涉密的通用性法律监督模型，应公开其基本原理、应用范围、评估结果等核心信息，以接受社会监督。对于涉及办案核心逻辑的敏感模型，则应在检察系统内部进行充分说明与培训，确保使用者和监督者都能理解其运作机制，以技术透明保障司法公信力。

（四）机制保障：夯实数字检察运行基础

1.推进数据标准化与算力基础设施建设。制定检察数据质量管理规范，明确数据采集、处理、存储、共享、应用及监管各环节的技术标准与责任主体。探索建立数据唯一标识体系，统一字段命名、值域范围、更新频率等要求，通过区块链校验、数据清洗、接口标准化等手段，从源头解决格式冲突、版本差异及系统不兼容问题，为法律监督数字化提供规范、可靠的数据基础。加快构建“网络—数据—算法—算力”四位一体的新型基础设施，强化顶层设计与基层创新的协同联动，形成统一规范、互联互通、集约高效的数字检察架构。

2.构建跨部门数据协同机制。在国家层面，由国家数据局统筹推进数据共享机制，推动省、市两级设立统一、权威的数据专责管理机构。检察机关应主动对接，以规范权限接入该体系，并在内部设立专门的数字检察部门或团队，负责数据对接与协同管理。以28圈 为例，通过构建“渝优办”“渝优管”“渝优治”等一系列数字化平台，积极探索高质效办案的数字化支撑体系。这不仅在技术层面打通了数据壁垒、优化了资源配置，更在机制层面促进了检察履职方式的革新，为数字检察基础设施整合升级提供了有益的地方实践。

3.优化监督模型研发与精细化管理机制。首先，对最高检“大数据法律监督模型管理平台”上架的同质化模型进行清理，采取“不上架”或“吸收合并”策略，避免资源浪费。其次，对模型实行分级构建与管理，将其划分为基础、一般、复杂三个层级。基础模型侧重于通用性筛查，一般模型用于常见监督场景，复杂模型则侧重于应对专业化、跨领域难题。再次，建立模型归集整合机制，实现同类模型的有效聚合，并打通不同层级模型间的数据流转通道。如，当基础模型输出结果符合一般或复杂模型的启动条件时，系统可自动提示，推动监督流程向纵深发展。通过这种精细化、系统化的管理，能够提升模型的实用性、协同性与智能化水平，真正实现从数量增长向质量增效的转变。

4.健全数据全周期安全管理机制。首先，建立前置审查机制，检察机关在启动数据收集前，须对拟收集数据的必要性、相关性、适当性进行前置审查，禁止超范围、超目的的数据收集。其次，健全数据存储的分类分级保护机制，根据数据的敏感程度、风险等级，将数据划分为核心数据、重要数据、一般数据，实行差异化的保护措施。再次，对数据使用、销毁全程留痕，确保数据使用、销毁可追溯、可核查。同时，建立数据泄露应急响应机制，明确处置流程与责任主体，最大限度降低因数据泄露和不当使用导致的权利损害。