1. 人脸识别技术发展概述
人脸识别技术(FRT)作为一种基于面部特征信息进行身份识别的生物识别技术，已从早期的几何特征分析方法，演变为以深度学习为代表的人工智能驱动新阶段。作为一种辅助性的生物识别工具，已成为当前国家治理体系基础架构的关键技术[1]。根据Gartner 2024年的技术成熟度曲线，当前关于人脸识别技术的研究正以多模态融合、边缘计算以及可信AI为特征的热点方向快速发展[2]。据Statista公司预测，2020至2030年全球人脸识别市场规模将达84.4亿美元，其中亚太地区的年复合增长率预计为16.8% [3]。
在技术角度，人脸识别技术首先在算法层面已从传统的主成分分析(PCA)、局部二值模式(LBP)方法发展为基于深度卷积网络(如残差网络ResNet、ArcFace)的特征学习法，在LFW (非受限人脸数据集)上的识别准确率已超过99.8%。其次在应用场景方面，从初期1:1 (一对一)的身份核验扩展到1:N (一对多)的静态库检索以及M:N (多对多)的动态监控实时比对等[4]。同时随着大数据、物联网和5G技术的深度融合，人脸识别技术集成度不断提升，形成了“云边端”协同的体系化应用架构[5]。
然而，随着技术普及程度的提高，其带来的安全威胁也日益凸显，以中国裁判文书网的实证分析显示(图1)，2022年1月1日至2025年11月17日期间与人脸识别相关的司法案件总数不断提升，案件类型从早期的合同纠纷、知识产权，扩展到2024年的人权侵犯、行政处罚诉讼等涉及基本权利的争议。这表明技术风险正从商业领域向公共领域、从民事纠纷向权利争议扩散。
在规制路径上，国际社会也呈现出理念差异。欧盟《人工智能法》将公共场景下的实时人脸识别纳入“禁止实践”清单，体现了“权利优先”的预防性原则[6]；而我国通过《个人信息保护法》[7]、《人脸识别技术应用安全管理办法》[8]等法律文件的出台，逐步构建起兼顾“安全与发展”的回应型治理框架[8]。这种全球规制范式的分化反映了不同的价值权衡。欧盟《人工智能法》基于“预防原则”，将公共场域实时人脸识别视为“不可接受的风险”，原则上需要禁止，仅允许少数例外。美国则呈现“碎片化”规制状态，各州立法差异显著[6]。相比之下，中国的规制路径更具操作性，通过《个人信息保护法》确立基本原则，再以《人脸识别技术应用安全管理办法》等层级较低的规范文件进行灵活响应和动态调整，体现了“在发展中规范，在应用中完善”的治理思路。
Figure 1. Analysis of facial recognition case data
图1. 人脸识别案件数据分析
基于上述发展现状，当前对人脸识别技术的研究已不再局限于单纯的技术效能探讨，而是日益转向多维度、综合性的社会影响评估。在技术层面，2023年有学者指出，多模态融合技术虽提升了复杂场景下的识别鲁棒性——例如将人脸识别与步态识别相融合，可使遮挡场景下的识别率提升至91.5%，但也意味着对个人生物特征信息的全面采集，进而引发更显著的隐私泄露风险[9]。为此，部分学者提出可采用联邦学习等隐私计算技术，实现数据“可用不可见”，然而此类技术在跨机构、跨业务的数据协同实践中，仍面临模型性能、通信效率与安全可信等多重技术挑战[10]。在法律与伦理层面，2023年有学者提出“场景化规制”理论，主张依据风险等级将人脸识别应用场景划分为禁止区、限权区、授权区与自由区，并据此实施差异化的法律管控[11]。2024年学者研究表明，警务人员在使用人脸识别技术赋能执法工作时，面临着执法权限扩张与公民隐私权保护之间的角色张力与伦理困境[12]。同时也有学者提出“监控资本化”概念，批判了人脸识别技术应用背后可能存在的异化逻辑，即公民身份数据被转化为社会控制与商业剥削的工具；同时，算法设计中潜藏的偏见也可能导致对特定地域、族群的隐性社会歧视，进而在公共安全等领域复制甚至加剧既有的结构性不公[13]。
为此，本文将从人脸识别技术在公安领域的实践应用出发，通过多案例深度剖析，系统揭示其在实战中的真实效能、适配条件与潜在风险。在此基础上，提出以“合法性建构”为导向、具备可操作性的治理路径，构建一个涵盖“技术–法律–素养”三个维度的多元共治框架。该框架将技术效能、法律规制与社会接受度纳入统一视野进行整体性分析，从而为构建安全、可信、可持续的人脸识别应用体系提供理论支撑与实践参考。
2. 人脸识别在公安工作的应用分析
2.1. 应用成效
当前人脸识别技术已深度融入公安工作的多个环节，形成了体系化的应用模式，并取得了显著成效。
(1) 高效打击与精准预警
高效打击是指犯罪行为发生或逃逸过程中的即时处置，其目标是快速响应、精准干预，以最大限度地控制危害、抓捕嫌疑人。精准预警的核心在于安全治理的前置，重点是对风险的早期识别与干预。人脸识别技术在此环节扮演着重要角色，通过在城市关键基础设施、交通枢纽及人员密集场所部署前端感知设备，构建动态的智能识别网络。该网络与公安数据库实时联动，能够对监控场景中出现的目标人员进行无感式、非接触式的实时身份识别。
以2024年春运期间，某市火车站部署的“智慧警务”系统成功预警一名在逃人员为例，充分展示出人脸识别技术在重点区域管控中的精准预警能力。该火车站安保体系通过多路高清摄像机组成立体感知网络，接入部、省两级在逃人员数据库(约12.6万条数据)。系统采用“云边协同”架构，前端设备完成人脸检测、特征提取，后端平台进行大规模特征比对，平均响应时间小于0.8秒。当目标人员进入进站口安检区域时，系统在1.2秒内完成比对并触发红色预警，匹配相似度达96%以上。指挥中心立即调度就近的3名特警实施管控，从发现到控制全程仅用时47秒[14]。这种基于身份的精准预警，使得公安机关能够将有限的警力资源精准投放到高风险目标与高敏感区域，实现对恐怖活动、暴力犯罪等重大风险的超前感知与主动防范，真正将“被动应对”转变为“主动预警”。
该案例的成功应用也引发了法学界的深度思考。一方面，系统实现了对特定高风险个体的精准识别，避免了大规模排查对普通旅客的干扰，提升了安保效率；另一方面，系统对全部进出站旅客进行的无差别、无感式识别分析，实质上构成了对广大守法公民的普遍性监控，与“最小必要原则”存在潜在冲突。更有学者指出[15]，这种“地毯式”监控在缺乏明确法律授权的情况下，可能异化为“数字巡警”，将持续挑战公民的隐私预期。
(2) 深度溯源
在案件事后处理阶段，人脸识别技术超越了单一的身份核验功能，转而成为深度挖掘犯罪线索、扩大战果、乃至破解历史积案的关键工具。
其应用逻辑在于数据的深度挖掘与关联分析。对于新发案件，侦查人员可通过回溯嫌疑人案发前的历史轨迹，重构其活动规律与社会交往网络。通过分析其频繁接触人员、落脚点及消费场所，能够有效挖掘潜在同伙，理清犯罪团伙的组织结构，实现对犯罪链条的体系化打击。
以某省公安机关依托省级人像大数据平台，破获一起跨市系列商铺盗窃案，充分展现了人脸识别技术在侦查溯源中的核心价值[16]。该案中，犯罪嫌疑人反侦查意识强，作案时佩戴口罩、帽子，刻意躲避监控。警方通过案发现场周边300米范围内的7处社会监控资源，提取到一段仅持续1.2秒的嫌疑人侧面人脸图像。技术人员采用基于生成对抗网络(GAN)的图像超分辨率重建技术，将图像分辨率进行提升，再通过注意力机制增强面部特征提取模型，再放回人像库中进行比对。在返回比对结果时，对前10位候选人进行排查，经查排名第三的王某(相似度88.7%)与现场勘查提取的指纹信息匹配成功。在此基础上，侦查人员并没有立即实施抓捕，而是通过跨摄像头轨迹追踪技术，回溯该嫌疑人案发前15天的活动轨迹，成功锁定其使用的交通工具(车牌号)、临时落脚点(某宾馆)以及3名疑似同伙。这一深度溯源过程，直接促成了“由案到人、由人到伙、由伙到网”的全面突破，最终抓获犯罪同伙6名，破获积案21起，涉案总值达130余万元。
此类案件的成功破获，体现了人脸识别技术在现代侦查中的三大转变：从“被动响应”到“主动发现”，从“单一比对”到“多维关联”，从“个案突破”到“串并深挖”。技术不仅解决了身份认定难题，更重构了侦查思维与模式。
(3) 技术赋能基层实战
通过将轻量化人脸识别算法部署于警务通、执法记录仪等边缘设备，赋能一线民警实现移动端的即时核查与身份甄别，真正提升街头警务的实战效能。以某地市公安局为一线民警配发搭载轻量化人脸识别算法的警务通手机为例，通过数据测试：在6个月的试用期内，民警累计发起核查请求12,457次，日均约68次。在理想光照条件下(日光，正面角度)，系统识别准确率达95.4%，平均响应时间2.1秒；但在背光、侧脸角度大于30度或部分遮挡等复杂条件下，识别准确率也能达到67.8%~82.3%左右[17]。
2.2. 突破重点与潜在风险
技术突破在提升警务效能的同时，也带来了新的治理挑战。
(1) 多模态融合的“超识别”风险
当前，人脸与步态、声纹、虹膜等多模态融合成为技术发展的主流方向。文献[9]指出人脸与步态融合可将远距离、非配合场景下的身份识别率从单模的74.6%提升至91.5%。然而，这种“超识别”能力也意味着个体在公共空间中匿名性的彻底消亡。当技术能够无视个体的主观意愿而持续进行身份追踪时，个体的隐私权将受到极大的侵犯。
(2) 预测性警务的算法偏见固化
基于历史数据的预测模型，可能复制并放大既有执法活动中的结构性偏见。例如，若某区域因历史报案量高而被标注为“高风险”，进而配置更多摄像头与识别设备，则该区域“案件发现率”会因监测密度的增加而进一步上升，形成“监控强化–数据固化–标签强化”的循环，最终导致资源分配不公与社区污名化等问题。
3. 人脸识别技术应用的优化治理
为应对上述挑战与风险，本文提出一种多元共治的建构框架。仍以“技术–法律–素养”三维度为治理基础，将技术治理焦点从风险防御转向信任生产，通过制度设计，主动构建合法性，形成技术、制度与社会共建的信任模式治理框架。如图2所示。
Figure 2. A collaborative trust governance framework for facial recognition technology
图2. 人脸识别技术的共建信任治理框架
3.1. 技术维度：从“功能实现”到“伦理嵌入”
(1) 情境感知的自我约束算法
该算法是基于差分隐私与场景理解技术，构建多层次识别体系。通过融合摄像头位置信息、时间、场所类型(公共场所/敏感区域)、人群密度等多维度数据，构建动态的情境理解模型。系统可通过GPS定位识别摄像头位于公园而非机场，通过时间戳判断是否为深夜低流量时段。从而实现针对不同应用场景，开发出可调节识别精度的技术方案。
在一般公共区域(如公园、街道)，系统仅运行人脸检测而不提取生物特征模板，或仅提取通用特征进行群体行为分析(如异常聚集检测)。输出结果为“发现疑似目标”而非具体身份信息；在商业区、交通枢纽等半敏感区域，系统可提取部分特征进行有限比对，但仅与高风险人员数据库(如通缉犯、在逃人员)进行比对，避免与普通公民数据库进行全量比对。而在机场、火车站等重点场所，则可启用“高精度模式”进行精确身份核验。这种基于场景风险的精度自适应技术，可在保障核心安全需求的同时，最大限度保护普通公民的身份匿名性。
(2) 联邦学习中的公平性保障机制
传统联邦学习仅关注模型聚合效率，忽略参与方数据分布差异导致的偏见放大问题。因此在使用人脸识别技术进行跨警种、跨区域的数据协同时，使用基于联邦学习构建联合建模平台时，应该内嵌动态去偏算法。该算法将持续监测各参与方数据的分布特征，自动识别并校正因数据源差异导致的模型偏见。同时，建立模型公平性审计接口，允许监管机构定期导入测试数据集，检验算法对不同人口特征群体(如不同年龄段、性别、种族)的识别性能差异，确保误识率在不同群体间的分布均衡。
(3) 可废止识别与算法遗忘权
可废止识别系统主要通过设计有限追溯的数据生命周期来建立分级时效管理机制，对普通公民活动数据设置72小时短时效存储，采用分层加密和自动安全擦除；对预警数据设置30~90天中时效，使用基于时间的属性加密控制访问。算法遗忘权通过“分片–隔离–切片–聚合”框架实现，仅需重新训练包含待遗忘数据的分片子模型，使遗忘效率提升数倍。该体系可使普通公民隐私暴露风险明显降低，极大提升公众对监控的接受程度。
3.2. 法律维度：从“原则宣告”到“操作问责”
(1) 算法影响评估制度化
借鉴环境影响评估模式，设计专门的《人脸识别系统部署前算法影响评估指南》。评估内容应包括：① 技术必要性分析，即通过技术唯一性验证、部署最小化原则以及技术冗余性分析等判断是否存在替代性手段。② 在社会接受度评估方面，主要通过民意调查、公众咨询与意见征集等方式进行民主参与。③ 权利影响评估方面，主要通过对隐私影响指数的定量化分析以及公平性压力测试和自由限制的潜在影响进行综合分析。上述评估内容应由独立的第三方机构出具，并向社会公开。
(2) 算法责任保险与补偿基金
该措施主要用于建立社会化风险分散机制。其中算法责任强制保险制度是应对人脸识别误识损害的第一道防线。该制度要求所有人脸识别系统部署方必须投保，保险范围覆盖到因算法缺陷导致的直接损害，包括错误识别引发的精神损害、误工损失、名誉损害等。保险费率采用动态风险定价模型，综合衡量技术成熟度、部署场景风险等级、历史赔付记录和安全认证水平等多重因素。而行业社会补偿基金主要是应对系统性损害的集体保障。当损害无法归责于单一主体时，或表现为结构性、系统性影响时，行业社会补偿基金将发挥关键作用。
(3) 基于风险的差异化举证责任
构建动态平衡的司法保障机制。在因人脸识别误识导致的侵权诉讼中，适用“可反驳的推定责任”，即推定系统存在缺陷或操作不当，由部署方承担证明其系统可靠性、操作规范性和损害不可避免的举证责任。这一制度设计将有效激励技术提供方提升产品质量，督促使用方规范操作流程，为权益受损的公民提供更有力的法律救助。
3.3. 治理维度：从“单向管理”到“参与共治”
(1) 公民技术陪审团制度
该制度主要定位于人脸识别技术应用的事前正当性审查机制与持续性监督平台。其核心功能在于打破技术决策的封闭性，将公众从被动的技术接受者转变为主动的治理参与者。该制度通过随机抽选产生的公民代表，对重大人脸识别项目进行独立审议，重点审查技术部署的社会接受度、权利影响评估的完整性以及风险缓释措施的充分性。
(2) 反向透明度与个人数据洞察
反向透明度机制在于打破人脸识别系统中的信息单向流动，通过赋予公民“反向查询权”，将传统单向监控转变为双向信息关系。公民可定期查询本人人脸信息在公共系统中的扫描、比对、存储及使用记录，使原本不可感知的大规模监控变得具体可知、可审计、可问责。
其治理核心是建立个人数据足迹追踪系统，可采用区块链等技术来记录数据全链条处理日志，确保不可篡改。反向透明度通过技术手段将抽象的监控权力转化为具体的可查询记录，在保障公共安全效率的同时，为公民数字人格尊严构建起实质性的制度保障，从而达到双向平衡的治理效果。
(3) 多元监督委员会实质化运作
通过行政机构设立由技术专家、法律学者、人大代表、社区代表构成的监督委员会负责技术应用的治理。该委员会应享有五项实质性权力：知情权(调取非涉密运行数据)、质询权(要求公安机关就具体应用做出说明)、建议权(提出改进建议并要求答复)、评估权(参与项目后评估)和叫停权(对严重违规项目建议暂停运行)。
综上所述，通过技术伦理嵌入、法律问责强化与社会参与机制的协同设计，可以构建起一个完整的合法性的人脸识别技术应用治理框架。将该架构应用于公安实践时，既达到尊重公安机关打击犯罪、维护安全的专业需求，又能为公民权利保障提供实质性机制，有望实现安全效率与权利自由的再平衡。
4. 总结
本文通过人脸识别技术在公安工作中的应用，深度剖析其在公共安全领域中的复杂图景：一方面，技术在侦查溯源、精准预警和基层赋能等方面展现出显著效能，已成为现代警务体系不可或缺的基础能力；另一方面，其应用也引发了隐私侵蚀、算法偏见、权利受限等诸多挑战，并对技术治理的合法性提出了深刻疑问。在此基础上，本文提出了一种共建信任综合治理框架，将技术发展与治理建设有机统一。这一框架不仅能提供具体可行的实施路径，更能通过制度化的参与和透明度机制，为技术应用注入更加灵活的要素，从而为构建智能、高效又负责任、可信赖的现代化人脸识别应用体系提供新的理论基础和实践方向。
基金项目
江苏高校哲学社会科学研究项目(2024SJYB0101)。