大数据法律监督模型构建的难点及对策_江苏法治报_2023年07月20日A07

大数据法律监督是检察工作迈向现代化的桥梁，通过建立大数据法律监督模型，可以帮助有关部门发现有规律的、共性问题，从海量数据入手挖掘类案监督线索，从而促进社会的系统治理。然而在实践中，大数据法律监督模型的构建存在以下难点：数据质量难以保证、数据安全亟待重视、输出线索不够精准、监督价值没有体现。对此，建议从以下几个方面完善大数据法律监督模型的构建。

引入先进算法技术。引进先进的数据分析和挖掘技术对数据进行自动化处理和分析，提高建模效率。在对数据进行清洗和预处理，去除无效数据和异常数据后，通过文本识别、要素识别等机器算法识别将特征、要素等转化为计算机可识别的语言，实现数据对法律监督视角下的案发规律特征的准确表达，从而挖掘出数据背后的隐含信息。

强化数据安全保障。模型构建过程中，要严格执行网络安全和保密规定，提高安全防护能力，形成体系化、纵深化防御架构。加强边界防护和密码应用，采取可靠的技术隔离措施，运用技术手段提升数据“外防入侵、内防窃取”能力，将数据安全贯穿于信息数据采集、共享、使用和销毁的全过程，确保模型在信息共享中实现数据的安全交换。

增强人机耦合作用。大数据分析的结果并不能体现个案的独特性，要使线索最终成案，仍需要有效融合“四大检察”职能，通过检察人员与机器相互协作，对数据进行实时分析和比对，及时对批量案件中的异常和小概率情形进行单独识别和考量，从而更好地提升监督数据的质量，优化机器自主学习，保证模型的精准性和高效性。

扩大类案监督成果。追求法律监督高质效，绝不能就案办案，而要以“监督促治理”为更高目标，从具体监督场景中有效提炼类案特征，发现其内在逻辑和规律，进而提出解决方法，在及时总结、提炼的基础上部署开展专项行动，把追求个案正义提升到实现类案监督、促进系统治理的更高追求上。