王康庆 犯罪记录数据治理的系统化路径：从标准构建到智能应用

　　犯罪记录制度体系与治理机制建设是刑事司法现代化及犯罪治理体系和治理能力现代化的核心命题。然而，我国目前的犯罪记录数据体系面临数据完整性和准确性问题、数据共享和权利保护矛盾、技术和管理能力不足等现实挑战，严重制约我国数字社会和数字治理的快速发展。

　　因此，探索具有中国特色的犯罪记录数据系统化治理理念与治理路径具有重大的理论意义与现实价值。中国特色的犯罪记录数据系统化理念的价值立场在于实现治理的科学化、法治化、规范化和智能化。

　　在治理路径上，首先，需要构建统一的犯罪记录数据科学化标准体系，作为治理机制的基础。其次，应当推进我国犯罪记录数据采集和管理的法治化，作为数据治理的关键措施。再次，规范化构建多层级的犯罪记录数据智能共享机制，作为贯通数据治理机制的核心效能。最后，应当推动犯罪记录数据的智能化应用体系建设，释放犯罪记录数据的治理红利。

　　2024年7月，党的二十届三中全会明确提出要建立轻微犯罪记录封存制度，该制度的构建是对我国犯罪治理体系化转型与重塑的重要举措，有利于犯罪圈均衡化与刑罚轻缓化治理格局的早日实现。

　　数智时代，犯罪记录数据的管理和应用对于刑事司法和社会治理现代化具有重要意义，是轻微犯罪记录封存制度建立的先导条件与客观基础。因此，尽快建立我国犯罪记录制度，实现我国犯罪信息数据的规范化收集、储存、利用，是完善数智时代法治的客观需求。犯罪记录不仅是司法机关进行案件审理和判决的重要依据，也是相关部门进行犯罪预防和控制的重要参考，更是社会信用体系建设的基础。然而，随着信息技术的高速发展和社会治理需求的不断提升，传统的犯罪记录数据管理体系面临诸多挑战，如数据的完整性和准确性问题、数据共享与权利保护的矛盾、技术和管理能力不足等。基于上述原因，构建一个科学、规范、统一的犯罪记录数据管理体系，已成为当前司法改革和社会治理的重要任务。2024年10月8日，国家发改委等部门发布《国家数据标准体系建设指南》，在激活数据要素潜能、强化数据治理等方面发挥规范和引领作用，在此背景之下，本研究旨在探讨我国犯罪记录数据层级体系的现状与挑战，并提出构建统一的犯罪记录数据标准体系、完善数据采集和管理制度、构建多层级的数据共享机制以及推动数据智能化应用的具体方案，以期为我国犯罪记录数据治理的现代化和系统化提供理论支持和实践指导。

　　我国犯罪记录数据在给予刑事司法系统重要支持的同时，也面临时代发展过程中的诸多现实挑战。犯罪控制与社会治理的现代化建设亟需科学化、系统化的理念作为指引。

　　犯罪记录数据体系是指在国家刑事司法系统中，对犯罪记录数据进行收集、存储、管理和利用的系统化结构。该体系涵盖了对数据进行规范化处理和评价的机制。尽管我国现有的犯罪记录数据管理和运行机制已经初步形成了多部门协作的格局，但在实际中仍面临诸多挑战。

　　1.广泛存在的犯罪记录数据完整性与准确性问题。在我国现有的犯罪记录数据层级体系中，数据的完整性和准确性问题是一个亟需应对的挑战，犯罪记录数据的不完整和不准确给犯罪预防和控制乃至各类制度建设造成不可估量的影响。主要体现在：一方面，不同部门之间的数据标准和格式不统一。各部门在数据收集、存储、应用等过程中，往往采用各自独立的数据标准与数据格式。这种分散化的数据管理方式，引发数据在整合和共享过程中的兼容性问题，继而导致数据整合和共享存在诸多困难，影响到犯罪记录完整性与准确性。此外，不同部门在数据字段的定义和数据格式上也存在差异，这种数据标准和格式的不统一会造成诸多负面影响。在实践中，不仅会影响数据的整合和共享效率，还可能导致数据的重复录入以及信息丢失等一系列问题。例如，最高人民法院、最高人民检察院、公安部、国家安全部、司法部联合出台的《关于建立犯罪人员犯罪记录制度的意见》规定，“为加强对犯罪人员信息的有效管理，依托政法机关现有网络和资源，由公安机关、国家安全机关、人民检察院、司法行政机关分别建立有关记录信息库，并实现互联互通，待条件成熟后建立全国统一的犯罪信息库”。各政法机关的网络和资源本就各不相同，互不隶属，在此基础之上，分别建立的记录信息库，在数据标准和格式存在较大差异，而且经过各系统多年的发展，数据的整合和共享中存在较大的兼容性问题。且各政法系统之间相对独立运转，缺乏犯罪记录数据合成和共用的动力与积极性。因此，在《关于建立犯罪人员犯罪记录制度的意见》的规定之下，各系统、各单位机构在独立发展犯罪记录数据标准体系的方向上愈行愈远，难以形成互联互通，存在大量的重复数据与数据冲突乃至信息丢失等现实问题，严重制约犯罪记录数据效能的发挥。

　　另一方面，部分基层单位在数据录入和管理过程中存在疏漏。基层单位在数据录入过程中，往往由于管理不规范、人力资源有限、技术手段不足等各种原因，导致数据录入不及时、不准确等问题。例如，江苏省连云港市中级人民法院审理的“张某宜与张某谭姓名权纠纷案”（以下简称“张某宜案”），2012年7月，张某宜因琐事将受害人藏某打伤并被公安机关抓获后，谎报冒用张某谭的身份信息及家庭成员情况。而在整个刑事诉讼流程中，公安机关、检察院、法院并未准确核实犯罪嫌疑人、被告人的身份信息及家庭成员数据信息，使用错误的个人信息记录犯罪行为。不仅导致公安部全国违法犯罪人员信息资源库和山东省违法犯罪资源库中错误的记录张某谭的刑事犯罪记录信息，更给被冒用人张某谭及其家人的生活造成不良影响，造成他人的人身权益遭受侵犯。而真正的犯罪人张某宜的犯罪数据却并未被如实记录。错误的犯罪记录数据在各类系统中被保存并使用了五年后，于2018年10月张某谭至派出所反映其身份信息被冒用的情况才被发现。该起案件暴露出基层单位在犯罪数据录入和管理中存在的问题。此外，犯罪记录数据更新和维护机制也普遍存在不够完善的问题，间接影响到数据的时效性和准确性。

　　2.数据共享和公民权利保护矛盾亟待解决。数据共享和权利保护的矛盾同样不可忽视。首先，不同部门之间的数据共享机制尚不健全。尽管公安机关、检察机关、法院和司法行政机关在一定程度上实现了信息系统的对接，但在实际操作中，数据共享的效率和效果仍有待提高。其次，数据共享的法律和技术保障不足。现有的法律法规对数据共享的范围和方式缺乏明确规定，导致部分部门在数据共享过程中存在诸多顾虑。此外，数据共享的技术手段和平台建设也相对滞后，影响了数据共享的现实效果。例如，位某与上海市公安局宝山分局行政公安一案（以下简称“位某案”），暴露出了犯罪记录数据共享与公民权利保护之间的矛盾。位某的个人信息因被陶某明冒用，致使宝山公安分局在办案过程中，将陶某明犯有非法拘禁罪的违法犯罪信息以位某的名义录入公安内部信息管理系统，此后宝山法院于2014年4月判决位某犯非法拘禁罪，判处有期徒刑七个月。2017年9月，位某得知个人信息被冒用后向宝山公安反映，宝山公安经过调查后确认了冒用事实，遂向宝山法院反映了情况，宝山法院将原判决书中的信息给予更正。2017年10月，宝山分局向上海市公安局提出纠正违法犯罪人员错误身份信息报告，其后市公安局对位某所涉信息在“全国违法犯罪人员信息资料库”“上海市公安局情报信息综合应用平台”“大情报系统”“监管系统”等平台内全部作了修改，而宝山分局于2017年11月提供的证据则表明，目前“公安云搜索”中位某查询到的司法在押人员信息，属于重庆市下属司法所，该组信息并非宝山公安录入。2018年9月，位某参加青海省公安厅警务辅助人员招聘时政审未通过，原因是“公安云搜索”系统中仍有其违法犯罪记录。后宝山分局又多方协调，并表示曾于2019年4月前往公安部，已将“公安云搜索”系统中原告犯罪信息删除。然而位某称在外省市“公安云搜索”系统中仍有其违法犯罪记录，后此案又经二审与再审。位某因个人信息被他人冒用，导致其原本不存在的犯罪记录被“全国违法犯罪人员信息资料库”“上海市公安局情报信息综合应用平台”“大情报系统”“监管系统”“公安云搜索”等众多系统平台所录入并共享，且证据显示犯罪记录数据的共享已经在纵向上跨度多个层级，在横向上不仅跨度多个地域省份，而且在公安、法院、司法行政等多个系统都有涉及。不同部门之间的犯罪记录数据共享机制并不健全，尤其是缺乏信息的反馈与及时动态调整更新。而数据共享的法律和技术保障也明显不足，位某案中一个单位的犯罪记录数据录入存在问题，导致多平台多系统使用错误的犯罪记录数据，加之缺乏数据修改的法律和技术保障，一个数据录入错误给公民的正常权益和生活造成较大影响，给司法资源造成一定程度的损失。

　　再次，数据共享和隐私权等权利保护之间存在矛盾，导致数据使用的规范性和安全性有待加强，时常面临网络攻击、管理缺陷、数据推理、灾害事故等威胁。最后，尽管犯罪记录数据在刑事司法和社会治理中具有重要作用，但在实际使用过程中，部分单位存在滥用数据和侵犯个人隐私的现象。例如，在就业、教育等领域，部分单位在未获得合法授权的情况下，擅自查询和使用犯罪记录数据，导致对有前科人员的过度歧视，不利于罪错未成年人回归社会。再如，有的地方还将父母犯罪记录作为扣减子女入学积分的重要情形，如此规定会使犯人的亲属对社会产生一定的不满情绪。

　　3.技术应用和数据管理能力较为不足。在我国现有的犯罪记录数据层级体系中，技术和管理能力存在不足，主要体现在以下三个方面：第一，数据收集和存储的技术手段和平台建设相对滞后。尽管各单位在一定程度上实现了信息系统的对接，但在实际操作中，数据收集和存储的技术手段和平台建设依然存在大量问题。上述张某宜案和位某案中均是办案单位在数据收集的各个环节出现问题，凸显数据收集过程中技术手段和平台建设的滞后性。第二，数据共享和使用的技术手段和平台建设整体水平不高。尽管有关单位在一定程度上实现了数据的共享和使用，但在实际工作中，数据共享和使用的技术运用显然无法支撑目前的发展需要，数据平台建设的质量水平也是参差不齐。其中，较为突出的现实问题是，犯罪记录数据的交叉核对与共享调整问题。目前犯罪记录共享的形态更多的是单向复制，而对数据的真实性与准确性缺乏交叉核对与共享调整的技术手段和平台能力，一旦出现犯罪记录数据错误，则会导致错误数据不断通过共享的方式“污染”多个平台系统，给当事人和司法资源乃至社会治理效能造成不利影响。第三，数据管理的规范化和标准化程度不高。尽管我国现有的法律法规对犯罪记录数据在某些维度的管理方面作了初步规定，但在实际操作中，数据管理的规范化和标准化建设工作却长期被忽略，各部门各系统更多关注的是本部门本系统的数据使用和数据利益，数据的规范和标准化问题一直未得到切实重视。犯罪记录数据管理难以实现规范化与标准化，全国层面的犯罪记录制度难以落地。

　　犯罪记录数据的科学治理机制在犯罪预防和控制犯罪等各方面发挥重要作用。因此，采用何种治理理念至关重要。结合目前我国犯罪记录数据的现实挑战与发展现状，亟需系统化的理念，从而贯通犯罪记录数据的全维度。系统化治理理念的构建，旨在解决犯罪记录数据治理所面临的不彻底、不兼容、矛盾多等现实问题。面对当前我国犯罪记录数据体系所存在的现实挑战，需要构建系统化的治理理念以指导我国犯罪记录数据的全面治理。事实上，作为一种思维方式，系统化理念指的是通过整体规划和有序组织各个相关要素、活动、过程等，实现各组成部分的有效互动和协同，从而提高特定目标的最大化效益。犯罪记录数据治理的系统化理念是指以提升数据质量、安全性、可用性和决策应用价值为目标，基于组织化和策略化的方式，对犯罪记录数据展开全过程的管控和优化，从而实现犯罪记录数据各环节和全要素高效协同合成。该理念注重数据管理全周期的规划和优化，强调提升现代化的执法和犯罪防控效能。就犯罪记录数据而言，其系统化治理要素主要由数据标准层级的科学化、要素的协调整合的法治化、数据的智能动态共享的规范化以及数据的体系应用的智能化组成。四部分要素内容相互影响、相互衔接，共同构成犯罪记录数据治理的核心路径。

　　第一，数据标准层级的科学化。犯罪记录数据层级体系的标准化强调在数据采集、存储、管理等各环节，通过建立一套统一的标准和框架，实现对数据各层级的结构化和规范化管理。数据标准化的目的在于发展数据的一致性与互操作性。数据层级体系的标准化理念是治理我国犯罪记录数据的先导理念，具体分为数据科学标准与数据科学层级。具言之，一方面，犯罪记录数据治理首先需要具有规范统一的数据科学标准，需要打破不同机构之间、不同系统之间、不同组织之间的数据标准壁垒。依据犯罪统计中最为核心的关键要素构建全国统一的数据科学标准，要将全国的犯罪记录数据的所有相关单位纳入其中，树立起数据科学标准的理念。另一方面，犯罪记录数据治理还需树立数据科学层级的理念。要根据犯罪记录数据的来源、应用、程度等的不同，构建起科学合理的数据分类分层理念，建构完整的层级体系。犯罪记录数据层级体系不仅在刑事司法中具有重要作用，对犯罪预防和社会治理也具有深远的意义。比如，在就业、教育等领域，通过对犯罪记录数据的合理利用，可以在保障社会安全的同时，避免对有前科人员的过度歧视，从而构建出一种合理的犯罪记录应用模式。

　　第二，数据要素的协调整合法治化。犯罪记录数据要素的协调整合是指为实现犯罪记录数据在采集和管理等全过程中的一致性和有效性，通过协调和整合的方式优化各类相关数据要素，提升数据的实用性。犯罪记录数据要素的协调整合则聚焦于数据的采集和管理环节。该环节所存在的障碍问题较多，也是数据治理体系首要突破的环节，唯有贯通采集和管理中的现实问题，方能构建犯罪记录数据的科学根基。在犯罪记录数据采集过程中，主要针对的问题是数据的分散与多样。犯罪记录数据在刑事司法中具有重要作用，但是长期以来，我国的犯罪记录数据缺乏高度统一的采集规范和采集标准。因此，需要在整合的思维理念下规范各地、各部门的犯罪数据记录和传输体系，构建高效、衔接的数据流通网络。而犯罪记录数据的科学管理是一项系统性工程，其旨在实现犯罪记录维护、使用、保护等环节的信息平衡。犯罪记录数据与普通数据有明显的不同，其敏感性尤为关键，因此，在实现其系统性的管理框架中，不仅要顺应社会的期待与技术的发展，更要满足法律伦理与道德规范的要求。犯罪记录数据的系统管理要在隐私保护、透明度、准确性、责任机制与科技应用等方面达成体系平衡。科学整合数据要素协调，可以实现更加法治化的犯罪记录数据采集和管理。

　　第三，数据的智能动态共享规范化。犯罪记录数据的智能动态共享是一种基于先进技术的现代化的解决方案，其旨在通过智能化技术手段增强犯罪记录信息的交互和使用效率，从而能够有效提升犯罪预防和应对的整体效能。而犯罪记录数据智能动态共享理念则处于数据治理现代化背景下的前沿领域。该理念旨在实现犯罪记录数据在相关机构和部门之间的安全、高效、有序流通，以期促进司法效能、公共安全和社会治理能力的有效提升。犯罪记录数据的智能动态共享理念充分融合了智能技术、数据科学和法治原则，不但关注数据共享的技术实现，而且强调法律合规、隐私保护和社会伦理，致力于通过智能动态共享实现个人隐私保护与犯罪记录数据使用价值最大化之间的平衡。概言之，犯罪记录数据的智能动态共享理念是融合社会治理现代化与前沿科学技术创新的概念体系，其不仅引导犯罪记录数据的有效运用，也能指导公共安全协调治理能力的全面提升。通过该理念在犯罪记录数据治理领域的持续贯彻，从而推动公民数据权利保障和现代社会数据治理的持续深化，助力实现我国犯罪数据治理迈向科学化、现代化。

　　第四，犯罪数据的体系应用智能化。犯罪记录数据的体系应用理念强调在科学技术、组织管理和法律规范等多重纬度内，优化犯罪记录数据的应用方式，从而更好的服务于司法公正、公共安全和社会治理。该理念是一种全面、系统、智能的数据治理和应用框架，其核心在于将犯罪记录数据视为系统化的资源体系，期望通过合理的架构设计和方案实施，全面提升犯罪记录数据在刑事政策制定、司法执法活动以及社会公共服务中的应用价值。概言之，犯罪记录数据的体系化应用理念是关乎法律、组织、技术、社会等诸多方面的综合策略，远超简单的数据管理手段，其核心是通过合作与创新，推动犯罪记录数据成为促进司法公正与优化社会治理的关键资源。在此理念之下，通过技术的持续应用与法律体系的不断完善，构建系统化、规范化的犯罪记录数据应用体系，形成集成、高效、智能的应用发展，从而推动数据效能的最大释放。

　　在我国犯罪记录制度的建设过程中，构建统一的犯罪记录数据标准体系是确保数据完整性、准确性和可共享性的关键步骤，更是构建系统化治理机制的关键基础要素。统一的数据标准体系不仅有助于不同部门之间的数据整合和共享，还能提高数据管理的规范性和效率。

　　明确犯罪记录数据的范围和类型是制定全国统一数据标准的基础。一方面，犯罪记录数据的范围和类型应当涵盖与犯罪行为相关的所有各类信息，主要表现在个人基本身份信息、犯罪行为信息、司法处理信息以及犯罪人表现信息。具言之，首先是个人基本身份信息，包括姓名、性别、身份证号、国籍、婚姻情况、家庭成员情况、职业、住所等各类信息。其次，犯罪记录信息还应包括犯罪行为的相关信息，例如，犯罪发生的地点、时间、动机、结果等。再次是司法处理的相关信息，包括侦查、审查起诉、审判、刑罚执行等全流程、全过程司法处理的过程性信息。最后，还需要有犯罪人的相关表现信息。无论是在监狱服刑还是在社区矫正均应完整的汇聚其表现信息，包括教育改造情况、减刑和假释情况、表现记录等信息，上述信息有助于为其回归社会提供参考。另一方面，还应制定对不同类型结构数据的一体化标准，包括对于结构化数据、非结构化数据和风险感知数据的标准体系。具言之，一是犯罪结构化数据。包括基于人的特征数据，包括服刑人员、社区矫正人员等；基于物的特征数据，包括犯罪工具等；基于地的特征数据，包括犯罪发生地、罪犯服刑地等；基于事的特征数据，包括案件信息、网络不良言论等；基于组织体的特征数据，包括有组织犯罪中的组织等。二是犯罪非结构化数据，包括视频数据、音频数据、轨迹类数据等。三是犯罪风险感知数据，包括基于物联网的设备设施实时风险感知数据、服刑人员监控和社区矫正人员监测数据、多元动态检测与群智感知数据等。上述各类数据标准应在全国统一格局之下，参照既有的国家、部门和地方标准综合制定，分层分类划定相应的数据标准规范，从而构建起科学完备的犯罪记录数据标准体系。

　　设计多层级的数据分类体系是确保数据管理高效性和实用性的关键步骤。多层级的数据分类体系不仅有助于数据的系统化管理，而且能够提高数据查询和使用的便捷性。

　　1.基于犯罪类型的数据分类。犯罪类型的分类对于司法机关以及相关部门快速、准确地查找和使用特定类型的犯罪记录数据意义重大。在日常实践操作中，具体应按照以下方式对犯罪类型展开数据分类：首先，根据《刑法》等法律规范对犯罪行为的规定，将犯罪记录数据按照具体的犯罪类型进行划分，一级分类可以分为财产犯罪、暴力犯罪、毒品犯罪、经济犯罪、职务犯罪等数大类，二级分类需要在每大类之下再具体细分为若干小类。其次，根据犯罪行为的严重程度展开分类。将犯罪行为分为轻罪、重罪和特别重罪三大类，而每一大类中依据犯罪的危害严重程度可以再进一步划分为小类。再次，按照犯罪行为的主体展开分类。将犯罪行为分为自然人犯罪和组织体犯罪等。最后，应根据犯罪行为的动机分类，将犯罪行为划分为经济动机犯罪、情感动机犯罪、生活琐事纠纷动机犯罪等数大类。上述有关犯罪类型的数据分类可以结合发展需要和实际情况进行不断优化。

　　2.基于时间维度的数据分类。关于时间维度的划分亦可以有若干分类方法。一是根据犯罪行为发生的时间分类，将犯罪记录按年、季度、月、周、日等时间单位进行分类。二是依据犯罪行为的时效性进行分类，将犯罪记录分为现行犯罪记录和历史犯罪记录等。现行犯罪记录主要是指正在侦查、起诉、审判或执行中的犯罪记录，而历史犯罪记录是指已经结案并执行完毕的犯罪记录。三是依据犯罪行为的持续时间展开分类，将犯罪记录分为一次性犯罪记录和持续性犯罪记录。四是按照犯罪行为的时间间隔进行分类，将犯罪记录分为单次犯罪记录和多次犯罪记录等。

　　3.基于地域范围的数据分类。地域范围的分类也有诸多划分方式。一方面，按照犯罪行为发生地域分类，将犯罪记录按国家、省、市、县、乡镇（街道）等行政区划进行分类。另一方面，根据犯罪行为的地域特征展开分类，将犯罪记录分为城市犯罪记录、农村犯罪记录、城乡结合区域犯罪记录等几大类。此外，还可以按照犯罪行为的跨地域性进行分类，可以将犯罪记录分为本地犯罪记录和流动犯罪记录。最后，依据犯罪行为的地域影响展开分类，将犯罪记录分为局部影响犯罪记录和广泛影响犯罪记录等。

　　数据更新周期的设定应根据犯罪记录数据的特点和实际需求，确保数据能够及时反映最新的犯罪信息。具言之，第一，应根据犯罪记录数据的类型和重要性，制定不同的数据更新周期。对于重大犯罪记录和高风险犯罪记录，应设定较短的更新周期；对于一般犯罪记录和低风险犯罪记录，可以设定较长的更新周期。第二，应根据犯罪记录数据的来源和采集方式，制定相应的数据更新周期。对于通过实时监控和自动采集的犯罪记录数据，可设定较短的更新周期；对于通过人工录入和定期报送的犯罪记录数据，可设定较长的更新周期。第三，应根据犯罪记录数据的使用需求，制定灵活的数据更新周期。对于需要频繁查询和使用的犯罪记录数据，可以设定较短的更新周期；对于不常使用或仅供参考的犯罪记录数据，可以设定较长的更新周期。第四，应根据犯罪记录数据的变化情况，动态调整数据更新周期。对于犯罪行为频发、数据变化较快的地区和时期，可以适当缩短数据更新周期，而对于犯罪行为较少、数据变化较慢地区和时期，可以适当延长数据更新周期。第五，明确不同犯罪记录数据的查询时效。查询犯罪记录的时效问题，即通过明确犯罪记录的有效查询期限，将超过该期限且表现良好的前科人员视为“无犯罪记录”，以帮助其更好地回归社会。

　　犯罪记录数据的采集和管理是我国犯罪记录系统化治理机制的核心环节。唯有在科学统一的数据标准层级框架下，方能破除现有数据采集不规范和管理混乱的困境，实现犯罪记录数据的标准化采集和管理制度的完善。

　　1.修订相关法律法规。一方面，应修订和完善现行的法律法规，为犯罪记录数据的采集提供明确的法律依据。现行法律法规中关于犯罪记录数据采集的规定较为分散，缺乏系统性和统一性，“碎片化”的立法可能发出消极信号，难以满足实际需求。因此，需要对现行法律法规进行系统梳理和修订。具言之，可以在《刑法》《刑事诉讼法》等基本法律中增加关于犯罪记录数据采集的专门条款，明确规定数据采集的目的、原则、范围和程序。同时，制定专门的《犯罪记录数据管理条例》，对数据采集、管理、使用等各环节进行明确规定。另一方面，应加强对数据采集相关法律法规的宣传和培训，提高相关部门对数据采集法律依据的理解。此外，对于违规采集犯罪记录数据以及造成不良后果的，明确相应的责任。

　　2.明确数据采集的权限范围。数据采集的权限范围应根据不同部门和机构的职能职责进行划分。具言之，第一，应明确各级司法机关和行政机关在数据采集中的权限。第二，应明确数据采集的范围和具体内容。数据采集的范围应按照上述数据标准体系展开，一般应包括个人基本信息、犯罪行为具体情况、刑事判决和刑罚执行情况等内容。同时，应明确数据采集的具体内容和格式，制定统一的数据采集格式规范，从而确保数据采集要求具有一致性。第三，应明确数据采集的权限职责。数据采集的权限应根据不同部门和机构的职能职责进行科学合理的划分，并以规范文件的形式明确下来。

　　3.严格规范数据采集的程序方法。程序是犯罪多元治理体系中的重要一环，科学、规范的数据采集和录入程序意义重大。数据采集的程序方法是数据采集合法性的核心维度。具言之，一方面，需要制定统一的数据采集程序。数据采集的程序应包括数据采集的准备、实施、审核和报送等环节。要规定数据采集的具体步骤和要求，制定数据采集的操作手册和指南，指导司法机关和相关部门的工作人员进行数据采集。另一方面，应制定科学的数据采集办法。数据采集的办法应根据不同类型和来源的数据进行合理选择。对于犯罪人的基本信息，应当使用档案查询、现场采集等方法，确保数据的完整性；对于犯罪行为的具体情况，重点运用现场勘查、调查核实等方法，保障数据的真实性；对于刑事判决和刑罚执行情况，一般采取档案查询、系统录入等方法，体现数据的合法性。此外，还应充分运用智能技术支持数据采集程序的规范化和智能化，加强个人信息的法律保护，例如借助数据脱敏、隐私计算和区块链等技术手段创新采集数据信息。

　　通过建立跨部门协调机制，明确各级机构的职责分工，全方位优化数据管理的组织架构，有效提升数据管理的效率和质量，为犯罪记录制度的顺利实施提供有力保障。

　　1.建立跨部门联动协调机制。建立跨部门协调机制是数据管理高效性的重要方向。为确保数据管理的统一性，一方面，应设立专门的跨部门协调机构。可以在司法部下设立一个专门的犯罪记录数据管理协调委员会，负责统筹协调各部门的数据管理工作。该委员会应由各相关部门的代表组成，定期召开联席会议，解决数据管理中面临的各类问题。另一方面，应建立跨部门的协作机制。在各个环节加强协作，包括在数据采集环节协同配合、在数据审核环节共同参与、在数据更新环节及时沟通等。

　　2.明确各级机构的职责分工。要构建自上而下的机构职责体系：一要明确司法部在数据管理中的职责。司法部作为全国犯罪记录数据管理的主管部门，主要负责制定数据管理的政策和标准，统筹协调和监督指导各部门的数据管理工作。二要明确省级司法厅在数据管理中的工作职责。各省司法厅主要负责本省范围内的数据管理工作，制定本省的数据管理实施细则，监督和指导下级司法机关的数据管理工作。三要明确市级司法局在数据管理中的具体职责。各市司法局主要负责本市范围内的数据管理工作，具体实施数据的采集、审核、更新和维护。同时，应建立相应级别的数据管理协调机制，从而有效增强数据管理的协调性。

　　3.加强数据管理人员的培训和考核通过系统的培训和严格的考核，全面提高数据管理人员的专业素质和业务能力。首先，应建立系统的数据管理培训体系。各级司法机关和相关部门应定期组织数据管理人员培训，内容包括数据管理的法律法规、政策标准、操作流程、技术方法等。其次，应制定数据管理人员的考核标准和制度。各级司法机关和相关部门应对数据管理人员工作表现进行定期考核，对表现优秀的数据管理人员进行奖励，激发其工作积极性。最后，应加强数据管理人员的职业道德教育。各级司法机关和相关部门应要着力提高数据管理人员的职业道德素养，推动数据管理工作的廉洁高效。

　　4.建立全面有效的数据质量控制机制。建立数据质量控制机制是犯罪记录数据可靠性的保障。第一，应建立数据质量检查机制。各级司法机关和行政机关应定期对犯罪记录数据进行质量检查，及时发现和纠正数据中的错误，并及时进行修正。第二，应建立数据质量反馈机制。各级司法机关和行政机关应建立数据质量反馈机制，及时收集和处理数据使用过程中发现的问题。可设立数据质量反馈平台，用户在使用数据过程中发现问题，可以通过平台进行反馈，数据管理部门及时处理。第三，应建立数据质量评估机制。各级司法机关和行政机关应定期对数据质量进行评估，全面了解数据的质量状况，发现和解决数据管理中的问题，避免张某宜案和位某案再次发生。

　　数据安全和隐私保护是关乎数据采集和管理全局的关键问题，应从安全保护规范、分级授权访问、审计制度构建等多个纬度实现全链条法治化。

　　1.建立健全数据安全保护规范。数据安全保护规范应涵盖数据采集、存储、传输、使用等各个环节，确保数据在整个生命周期中的完整性。具言之，一要建立健全数据采集的安全规范。数据采集是数据管理的起点。应具体规定数据采集的流程和要求，同时采用加密技术对采集的数据进行加密处理，防止数据在采集过程中被窃取或篡改。二要制定数据存储的安全规范。数据存储是数据管理的核心环节，确保数据存储的安全性是数据安全保护的关键。可以采用分布式存储技术，将数据存储在多个节点上，防止数据因单点故障而丢失；可以采用加密存储技术，对存储的数据进行加密处理，防止数据被非法访问和篡改。三要制定数据传输的安全规范。数据传输是数据管理的重要环节，确保数据传输的安全性是数据安全保护的重点。为此，一方面要采用加密传输技术，对传输的数据进行加密处理，防止数据在传输过程中被窃取或篡改，另一方面应采用虚拟专用网络（VPN）技术，建立安全的数据传输通道，确保数据传输的安全性。四要制定数据使用的安全规范。数据使用是数据管理的最终环节，确保数据使用的安全性是数据安全保护的目标。应明确规定数据使用的具体要求和标准，确保数据使用的规范性，还应充分采用访问控制技术，对数据使用进行权限管理，防止数据被非法访问和滥用。此外，需采用数据脱敏技术，对使用的数据进行脱敏处理，尤其需要注意利用技术保护未成年人犯罪记录数据，防止数据在使用过程中泄露隐私信息。唯有立足数据要素全生命周期建构安全风险保障制度，方能实现犯罪记录数据的深层次安全管理。

　　2.落实分级授权访问机制。根据数据的重要性和敏感性，构建分级授权访问机制对数据访问进行分级管理，确保数据访问的合规性。第一，建立数据分级管理制度。根据数据的重要性和敏感性，将数据分为公开数据、内部数据、敏感数据和机密数据四个等级，并制定相应的管理制度。第二，建立数据访问权限管理机制。根据数据等级，对数据访问进行权限管理。明确规定不同等级的数据访问权限和要求，确保数据访问的隐私性，可以采用角色访问控制（RBAC）技术，根据用户的角色对数据访问进行权限管理。第三，应建立数据访问审计制度，有效防止数据被非法访问和滥用，确保数据访问的安全性。采用日志记录技术，对数据访问进行详细记录，确保数据访问的可追溯性和可审计性，要定期对数据访问进行审计，发现和处理数据访问中的安全隐患，确保数据访问的安全性。需要注意的是，构建对未成年人犯罪记录的封存制度，强化未成年人权益的法治化保障。

　　3.推进完善数据使用审计制度。首先，制定数据使用审计的具体标准。数据使用审计的具体要求标准应根据数据的重要性和敏感程度进行制定。数据使用审计的范围、内容、频率和方法应明确规定，同时，还应制定数据使用审计的操作手册，指导数据使用审计的具体开展。其次，应采用先进的数据使用审计技术。采用日志记录技术，对数据使用进行记录。还应重点发展数据分析技术，对数据使用记录进行分析和处理，发现和处理数据使用中的安全隐患。同时，要充分运用人工智能技术，对数据使用进行智能监控和审计，提高数据使用审计的效率和效果。利用大数据、云计算、区块链等新技术，收集和分析被审计的所有数据。借助先进技术的力量，实现审计能力和审计体系的现代化、智能化迭代，不断完善数据使用审计制度，促进技术和法治在犯罪记录数据安全和隐私保护全流程中的深度融合。再次，应建立数据使用审计的反馈和改进机制。建立健全数据使用审计的反馈机制，对数据使用审计的结果进行反馈和处理，推动构建数据使用审计的改进机制，对数据使用审计中发现的问题进行改进和优化。最后，还应推动建设数据使用审计的评估机制，对数据使用审计的效果和质量进行评估和反馈。

　　数智时代，构建多层级的犯罪记录数据共享平台是提升司法效率和公共安全的重要方略，更是贯通犯罪记录系统化治理机制的核心效能。通过设计国家级犯罪记录数据中心，整合各部门的犯罪记录数据，建立数据交换和共享机制，并提供全国性的数据查询和分析服务，可以实现犯罪记录数据的高效管理和利用，促进司法公正和维护社会稳定。

　　通过整合各部门的犯罪记录数据，建立数据交换和共享机制，并提供全国性的数据查询和分析服务，实现犯罪记录数据的集中管理与高效利用。

　　1.全面合成各部门的犯罪记录数据。合成各部门的犯罪记录数据是构建国家级犯罪记录数据中心的基础。第一，要明确各部门在数据合成中的职责分工。各相关部门应根据其职能职责，明确在数据合成中的具体职责和分工。第二，应建立统一的数据共享标准和规范。应制定统一的数据格式、数据字段和数据编码标准，从而能够有效推动各部门的数据在合成过程中保持一致。第三，应采用先进的数据合成技术。充分运用数据清洗等技术，对各部门汇聚的数据进行集中清洗和有效处理。同时，应用数据转换技术，对各部门汇聚的数据进行转换和整合，促使合成数据具有良好的兼容性。此外，还需采用数据集成技术，对数据进行集成管理，为后续数据开发奠定良好的数据集中状态。第四，应建立数据整合的协调机制。设立专门的数据整合协调机构和沟通机制，对数据整合的全过程进行协调和管理，确保数据整合的顺利进行。

　　2.建立数据交换和共享机制。数据交换和共享机制是实现犯罪记录数据高效利用的重要方向。为此，一方面，应建立健全数据交换和共享的法律法规和政策保障体系。制定并逐步完善数据交换和共享的法律法规，重点需要明确数据交换和共享的范围、内容、流程和要求等。制定数据交换和共享的政策措施，鼓励和支持各部门之间的数据交换和共享。另一方面，应建立数据交换和共享的技术平台。应推动建立统一的数据交换和共享平台，提供数据交换和共享的技术支持，具言之，可以采用数据交换和共享的标准协议和接口，还能够运用数据加密和认证技术，有效提升数据在交换和共享中的隐私性。此外，设立专门的数据交换和共享管理机构，对数据交换和共享的全过程进行评估监督。

　　3.提供全国性的数据查询和分析服务。提供全国性的数据查询和分析服务是实现犯罪记录数据高效利用的最终目标。2024年5月，公安部印发《公安机关办理犯罪记录查询工作规定》，从犯罪记录查询的申请与受理、查询与告知、异议与投诉、法律责任等方面对犯罪记录查询工作做出明确的规定，为全国性的数据查询和分析服务提供一定的顶层设计方案。通过全国性的数据查询和分析服务，可以为各级司法机关和相关部门提供全面、准确和及时的数据支持，提升司法效率和公共安全水平。具言之，一要建立全国性的数据查询服务平台。建立统一的数据查询服务平台，提供数据查询技术支持。运用数据查询的标准接口和协议，保障数据在查询过程中具有一致性。二要提供多样化的数据查询服务。可以提供基于条件的高级查询服务，满足复杂查询的实际需求，也可以提供基于图形和表格的可视化查询服务，有效增强用户的数据查询体验。三要提供多样化的数据分析服务。应提供基于数据挖掘的高级分析服务，以满足用户的复杂分析需求。四要完善犯罪记录查询机制。一方面，查询犯罪记录即激活犯罪附随后果的法律效力，因此应当审慎制定有关犯罪记录查询机制的程序性规范；另一方面，在实践操作中，犯罪记录的查询只能通过统一犯罪记录数据库依据法定程序进行数据查询，要按照个人信息保护法的规定严格限制对相关人员的犯罪记录进行查询。

　　在构建国家级犯罪记录数据中心的基础上，建立省级和地市级数据共享平台是实现犯罪记录数据高效管理和利用的重要环节。通过实现省内数据的互联互通，提供本地化的数据服务，并支持跨地区数据协作，可以进一步提升数据的利用价值。

　　1.全面实现省内数据的互联互通。通过实现省内各部门和各地区之间的数据互联互通，可以实现数据的集中管理和高效利用。首先，应建立和完善省内数据互联互通的法律法规和政策保障。制定省内数据互联互通的法律法规，明确数据互联互通的范围、内容、流程和要求。同时，制定省内数据互联互通的政策措施，鼓励和支持各部门和各地区之间的数据互联互通，确保数据互联互通的高效性。其次，应建立省内数据互联互通的技术平台。通过搭建统一的省内数据互联互通平台，全面提供数据互联互通的技术支持和服务，确保数据互联互通的可靠性。最后，应建立省内数据互联互通的管理机制。设立专门的省内数据互联互通管理机构，对数据互联互通的全过程进行管理、监督和评估，确保数据互联互通的有效实现。

　　2.提供本地化的数据服务。提供本地化的数据服务是建立省级和地市级数据共享平台的重要内容。一方面，应建立本地化的数据服务平台，提供数据服务的技术支持，并借助该平台，根据用户的实际需求提供多样化的数据服务和内容。另一方面，应建立本地化的数据服务管理机制，从而对数据服务展开评估，并对数据服务的效果和质量进行实时反馈。例如，浙江省公安厅于2022年在“浙里办”APP上线“无犯罪记录证明”“线上办”，通过AI机器人值守实时受理网上申请办件并进行核查反馈，极大地提升了公众的数据服务体验感。

　　在构建国家级、省级和地市级数据共享平台的基础上应注重开发基层执法单位的数据应用系统，从而更好的保障我国犯罪记录制度的数据基础。

　　1.开发设计便捷的数据查询界面。首先，应注重界面的简洁性和易用性。数据查询界面应简洁明了、操作简单。开发直观的图标和简洁的菜单设计，使用户能够快速找到所需的功能以及相关信息，还可以提供清晰的操作指引以及相关的帮助文档，帮助用户快速熟练系统。其次，应提供多样化的查询方式。再次，应注重查询结果的展示效果。采用清晰的表格和图形展示查询结果，使用户能够迅速的获取所需信息，并且提供多种排序和筛选等常用功能，帮助用户快速定位以及分析相关犯罪数据。最后，应加强查询界面的安全性和隐私保护。数据查询界面涉及大量的敏感信息，需要有相应的安全措施和隐私保护机制。应规范用户身份认证和权限管理，确保只有授权用户才能访问和查询数据。

　　2.提供实时的数据更新功能。提供实时的数据更新功能是开发基层执法单位的数据应用系统的重要内容。第一，着手建立实时数据更新技术模块。提供数据更新的技术支持，尝试采用数据同步和数据推送技术，提升数据在更新过程中的及时性。第二，建立实时数据更新管控机制。设立专门的数据更新管控岗位，对数据更新的全流程进行管控监督。同时推动数据更新的评估机制，对数据更新的效果和质量进行反馈。第三，提供多样化犯罪记录数据更新方式。提供自动更新功能，确保数据在后台自动更新，减少用户的操作负担。此外，还应提供定时更新功能，确保数据在特定时间段内自动更新，提升数据的及时性。

　　3.支持多维度的数据分析工具。支持多维度的数据分析工具是开发基层执法单位的数据应用系统的重要目标。通过多维度的数据分析工具，可以实现数据的深度挖掘和利用。一方面，要开发多维度数据分析的技术工具箱。数据分析的技术工具是实现多维度数据分析的基础，开发多维度数据分析工具箱，提供数据分析的技术支持和服务。广泛运用数据挖掘和机器学习技术，确保数据在分析过程中的深度和广度。另一方面，要提供多样化的数据分析工具。提供基于统计分析的简单分析工具，满足用户的基本分析需求。同时，融入基于数据挖掘的高级分析工具，满足用户的复杂分析需求。

　　数智时代社会结构升级以技术驱动为推进力量，技术及其风险贯穿社会治理全过程，推动犯罪记录数据的智能化应用是提升司法效率和社会治理水平的重要手段，更是释放犯罪记录系统化治理机制应用价值的重要举措。

　　基于大数据的犯罪预测模型是利用海量数据和先进算法，对犯罪行为进行预测和分析，从而实现对犯罪的预防和控制。通过构建犯罪趋势分析模型、建立社区犯罪热点预警系统以及开发个体犯罪风险评估工具，可以全面提升犯罪预测的准确性。

　　1.构建犯罪趋势分析模型。构建犯罪趋势分析模型是犯罪预测的基础。通过对历史犯罪数据的分析，可以发现犯罪行为的规律和趋势，为预防和打击犯罪提供科学依据。一要收集和整合多源数据。犯罪趋势分析需要大量的历史数据，包括犯罪记录、社会经济数据、人口数据等。通过整合多源数据，可以全面了解犯罪行为的背景和动因，为犯罪趋势分析提供丰富的数据支持。二要采用科学的分析算法。犯罪趋势分析需要利用大数据分析技术和机器学习算法，对海量数据进行处理和分析。多维度综合运用时间序列分析、聚类分析、回归分析等方法，发现犯罪行为的时间和空间分布规律，同时还应运用深度学习技术，挖掘犯罪行为的潜在模式和趋势。三要建立动态更新机制。建立自动化的数据更新和模型训练机制，确保分析模型能够及时反映最新的犯罪动态。此外，还应建立动态敏捷的反馈调整机制，根据实际情况对分析模型进行敏捷调整和动态优化。

　　2.建立犯罪热点预警信息系统。犯罪热点预警系统是基于大数据和地理信息系统技术，对犯罪热点进行监测和预警。第一，采用科学的分析算法。社区犯罪热点预警需要利用大数据分析技术和地理信息系统技术，对社区数据进行处理和分析。应采用空间分析、聚类分析、回归分析等方法，发现社区犯罪的空间分布规律，运用地理信息系统技术，展示社区犯罪的热点区域。第二，应建立动态更新机制。社区的犯罪热点是动态变化的，需要实时更新和调整预警系统。着力构建自动化的数据更新和模型训练机制，从而确保预警系统能够及时反映社区的最新情况。第三，需要注重结果的可视化展示。可以采用各类可视化工具，展示社区犯罪的热点区域，帮助决策者全面了解社区的犯罪动态。

　　3.开发个体犯罪风险评估工具。个体犯罪风险评估工具是基于大数据和机器学习技术，对个体的犯罪风险进行评估和预测，从而实现对高风险个体的早期干预和控制。为此，首先应建立个体犯罪风险评估模型。个体犯罪风险评估需要综合考虑多种因素，包括个体的犯罪记录、社会关系、心理状态等。采用逻辑回归、决策树、随机森林等机器学习算法，构建个体犯罪风险评估模型，还应当采用特征工程技术，提取和选择与犯罪风险相关的关键特征。其次，应收集和整合个体数据。个体犯罪风险评估需要大量的个体数据。通过公安机关、司法部门、社区组织、社会机构等渠道，收集和整合个体数据。再次，应建立动态更新机制。构建自动化的数据更新和模型训练机制，从而确保评估模型能够及时反映最新态势。最后，应注重结果的可解释性。个体犯罪风险评估的结果需要直观展示，可以尝试采用风险评分、风险等级等方式，展示特定个体的犯罪风险水平。

　　通过利用机器学习优化数据处理、开发智能化的数据挖掘工具以及建立犯罪模式识别系统，技法有机融合，可以大幅提升犯罪记录数据的分析能力和应用水平，从而发挥技术优势在数据效能释放中的重要作用。

　　1.利用机器学习优化数据处理。机器学习作为人工智能的重要分支，能够通过算法自动从数据中学习规律和模式，从而优化数据处理过程。首先，运用机器学习进行数据清洗和预处理。犯罪记录数据往往存在缺失值、噪声和异常值等数据问题。在具体操作中，利用异常检测算法准确识别并剔除异常数据。其次，机器学习能够用于数据特征提取和选择。通过应用机器学习算法，能自动提取和选择与犯罪行为相关的关键特征。此外，还可以从原始数据中提取出新的、更具代表性的特征。再次，机器学习还能够较好的应用于数据分类和聚类。可以根据不同的标准对犯罪记录数据进行分类和聚类，从而发现数据中的潜在模式和变化规律。具言之，可以利用分类算法将我们的犯罪记录数据分类为不同的犯罪类型，反之，则能够运用聚类算法将相似的犯罪记录有机的聚集，从而发现犯罪行为的共性以及差异。最后，机器学习可用于犯罪预测。利用回归算法预测未来犯罪率的变化趋势，利用时间序列分析算法预测特定时间段内的犯罪发生情况，如此一来，可以将犯罪行为的预防和控制构建在科学依据之上。

　　2.发展智能化的数据挖掘工具。数据挖掘是从大量数据中提取有价值信息和知识的过程。具言之，一要开发基于自然语言处理的数据挖掘工具。犯罪记录数据中包含大量的文本信息，如讯问笔录、被告方的辩护词等。通过自然语言处理技术，可以自动提取和分析大量的文本信息。同时，还应注重开发文本分类以及情感分析工具，用于分析案件描述中的个体情感倾向，还可以利用数据挖掘开发文本摘要和信息抽取工具，从而可以有效提取案件描述中的关键信息。二要开发基于图数据的挖掘工具。犯罪行为往往涉及复杂的社会关系和网络结构，通过图数据挖掘技术，可以分析和发现这些关系和结构。事实上，需要大力开发社交网络分析工具，用于分析犯罪嫌疑人的社交关系，还应开发图聚类和社区发现工具，用于发现犯罪网络中的关键节点和社区结构。三要开发基于深度学习的数据挖掘工具。开发基于深度神经网络的图像识别和视频分析工具，用于分析犯罪现场的图像和视频数据。未来还能够开发基于深度生成模型的数据生成和增强工具，用于生成和增强犯罪记录数据。

　　3.建立犯罪模式识别系统。犯罪模式识别系统是利用人工智能技术，对犯罪行为进行模式识别和分析，从而发现犯罪行为的规律和特征，有效避免传统犯罪预防手段过度主观化、情绪化的缺陷。一方面，发展基于机器学习的犯罪模式识别模型。通过训练机器学习模型，自动识别和分类犯罪行为模式。利用监督学习算法，训练分类模型，对不同类型的犯罪行为进行分类，还可以尝试利用无监督学习算法，训练聚类模型，将相似的犯罪行为聚集在一起，从而发现犯罪行为的共性和差异。另一方面，建立基于多模态数据的犯罪模式识别系统。犯罪记录数据通常包含多种模态的数据，如文本、图像、视频等，通过多模态数据融合技术，可以综合分析这些数据。通过利用多模态深度学习算法，融合文本、图像和视频数据，对犯罪行为进行综合分析，从而发现犯罪行为的多维特征和规律。

　　犯罪记录数据系统化治理机制的构建，是轻罪时代构建犯罪记录封存制度、淡化前科歧视效应以及实现犯罪圈均衡化与刑罚轻缓化的重要基础。随着未成年人犯罪记录封存制度、轻微犯罪封存记录制度的建立，我国开始稳步推进犯罪记录数据的法治化建设进程，对于降低前科人员社会歧视、消除社会对立、有效预防和切实控制再犯问题，实现法治中国的现代化转型意义重大。而上述建设的基础，即是对于底层犯罪记录数据的系统化治理。一直以来，庞杂的犯罪记录数据广泛的存储于各级单位与各个系统，犯罪记录的登记、共享、查询、封存等制度的不健全引发诸多问题，也引起学术界、实务界与社会公众关于前科消灭、非犯罪化、犯罪附随后果、复权、再社会化等的广泛讨论，其背后的价值理念与现实犯罪控制的需要也引起关注。然而，无论是回应现实亦或者制度构建，首要前提应是尽快实现犯罪记录数据的系统化治理，加快构建全国统一的犯罪记录数据池与动态运行机制。为此，第一步应当是构建科学统一的犯罪记录数据标准体系，实现犯罪记录数据标准的科学化与规范化。具言之，应出台全国统一的犯罪记录数据标准，并进一步完善数据的分类分级体系，同时应树立动态更新的理念，完善数据更新标准体系。在此之后，第二步应当结合实践中的现实问题与困境，推进数据采集和管理制度的法治化建设。数据日常采集和管理问题颇多，涉及的利益与影响因素也非常复杂，因此需要完善法律制度规范和建设跨部门的协调管理机制，同时需要在《数据安全法》和《个人信息保护法》等框架之内强化犯罪记录数据安全和隐私保护。第三步是关注最多、也是需要多层级多维度设计的数据共享问题。犯罪记录数据的共享是关乎数据体系建设、治理功能实现、一体化治理格局形成的关键环节。应采用数据算法平台推动数据改革的发展路径，着力打造自上而下的多层级多中心的犯罪记录数据交换和共享机制，实现各层级各中心的有效有序数据互联互通，同时要开发数据应用系统，提供实时的查询、更新与分析工具。最后一步是实现犯罪记录数据的智能化应用，主动释放治理效能和治理红利。具言之，一方面是基于现实考量的犯罪预测模型的开发，统一准确的犯罪记录数据对于时间维度的犯罪趋势与时间序列分析非常有利，可以时间犯罪时空方面的犯罪率的预测。同时，在个人层面，可以开发个体犯罪风险评估工具，完成个体犯罪和再犯罪的预测；在社区层面，犯罪记录数据能够有效的刻画犯罪热点，实现警务巡逻与犯罪防控的精准化。另一方面，应用人工智能技术能够有效提升数据分析能力，开发智能化的数据挖掘工具和建立犯罪模式识别系统。由此，可以充分实现我国犯罪记录数据标准的科学化、数据采集管理的法治化、数据共享的规范化和数据应用的智能化，达成犯罪记录数据的系统化治理，从而推动中国式数据治理的现代化。

　　作者：王康庆（1989-），男，江苏连云港人，法学博士，中国政法大学刑事司法学院讲师，国家信息中心博士后研究人员，主要研究方向：犯罪学、数字法学。