旧金山坚持使用Flock,但收紧了规则
旧金山已决定不关停其Flock摄像头网络。据该市NBC附属电视台报道,上月末,该市通过了一项政策,在保留400多台自动车牌识别摄像头继续运行的同时,对警方如何调取这些设备生成的影像和车牌数据施加了新的限制。
这一选择使旧金山显得有些与众不同。Flock Safety是美国自动车牌识别系统(ALPR)的主要供应商,而由于对隐私和准确性的担忧,已有大批司法管辖区与该公司断绝了关系。旧金山——一个在美国拥有最稳定自由派投票记录的城市之一——却选择以监管代替移除。
此举被解读为一个试验案例:一座进步派城市能否在保留一项广受批评的监控工具的同时,缩小其被滥用的途径?至少就目前而言,答案似乎是肯定的——但附带了条件。
新政策究竟做了什么
修订后的框架并未禁止这些摄像头,也未要求将其移除。相反,它改变了谁可以查看数据以及在何种情况下可以查看。关键条款包括:
- 希望搜查30天以上摄像头数据的警员,必须首先获得其主管的批准。
- 该搜查还必须与一项正在进行的刑事调查相关联,且警员须能证明这种关联。
- 摄像头本身仍在全市范围内继续使用,保留了现有的400多台设备网络。
在实践中,该政策围绕隐私倡导者认为最敏感的历史数据,设置了一道文书与正当理由的屏障。在正在进行的案件中,实时警报基本保持不变;新的阻力存在于较旧的行动记录档案之中。
为何一座深蓝城市选择维持现状
旧金山的决定正值围绕监控技术的更广泛政治重组之中,而这种重组并不完全符合通常的左翼—右翼分野。对Flock的批评既来自左翼的公民自由组织,也来自右翼的保守派民选官员,包括密苏里州共和党参议员乔什·霍利。佛罗里达州已在州层面采取行动反对该技术,弗吉尼亚州林奇堡市也拒绝使用Flock。
旧金山的考量似乎有所不同,而该地区与科技行业的关系也难以忽视。Flock的崛起与硅谷将机器学习和联网传感器应用于城市问题的更广泛推动密不可分,而当地的政治文化比大多数地方更习惯于将新技术视为一个可修复的工程问题,而非一股应被彻底拒绝的力量。
此外还有实际成效的问题——或者至少是市政官员认为已得到证明的成效。对于那些将摄像头归功于帮助破案的领导人来说,移除它们意味着放弃一件他们认为行之有效的工具。
犯罪数据——以及归因难题
近年来,旧金山的犯罪统计数据发生了巨大变化。根据NPR报道中引用的旧金山警察局数据分析,与2022年同期相比,2026年1月至8月期间,汽车盗窃下降了近59%,入室盗窃下降了超过82%。
Flock是否应为此下降居功,确实尚不清楚,诚实的官员也承认这一点。与此同时,还有其他几股力量在起作用:
- 全国性的疫情后犯罪下降,无论各城市的监控姿态如何,都压低了全国各地的财产犯罪。
- 一波由AI驱动的绅士化浪潮重塑了旧金山市中心和居住格局,改变了助长汽车破窗盗窃和街头盗窃的条件。
- 警务实践、起诉优先事项和零售安保的更广泛变化,这些都与任何摄像头网络无关。
要从这一系列纷繁变量中分离出车牌识别摄像头的效果,在方法论上颇为困难。正是这种模糊性,使得相关辩论往往依赖于轶事和孤立案例,而非清晰的因果证据。
检方的立场
旧金山地区检察官布鲁克·詹金斯公开为这些AI辅助摄像头辩护,她对NPR表示,车牌识别摄像头赋予警方一种经过验证的能力,可以抓获实施犯罪的人。她的论点本质上是调查性的:车牌数据可以将车辆与嫌疑人联系起来,而这种联系可以被记录并在法庭上使用。
这一立场对旧金山来说并不新鲜。2024年,时任市长伦敦·布里德举行新闻发布会,重点介绍Flock摄像头的到来,将车牌识别摄像头描述为一种打击零售盗窃、汽车破窗盗窃、街头飙车以及其他引发居民和商家投诉的违法行为的方式。
全国性反弹正在形成
旧金山出台新限制之际,Flock在其他地方正面临日益加剧的审视。反对者提出了两个反复出现的异议:一网打尽式的车牌收集侵蚀了无辜者的隐私,以及这些系统会产生错误,可能将调查人员引向无辜的司机。
法律风险也在增加。至少在一个案例中,一名法官裁定,一名警员使用Flock摄像头的行为违宪——这提醒人们,政策文件与法院裁决可能沿着不同的轨道推进,而一项城市条例并不能使警察部门免于第四修正案的挑战。
这种组合——公众的怀疑、诉讼以及各地规则的拼凑——已使ALPR成为美国公民技术中争议较大的领域之一,尽管警察部门将其描述为例行的调查基础设施。
尚未解决的问题
旧金山的做法留下了几个悬而未决的问题。30天的门槛和主管批准要求取决于内部合规;审计和公开报告将决定这些护栏是否站得住脚。该政策也没有解决一个根本性的证据问题:这些摄像头究竟能合理地声称对该市犯罪下降贡献了多少。
就目前而言,旧金山选择了一条中间道路:保留网络,收窄数据访问,并继续观察数据。其他正在权衡同样取舍的城市将密切关注旧金山,以判断更严格的规则能否与官员们所称摄像头带来的公共安全效益共存。
本文基于Mashable的报道。阅读原文。
Originally published on mashable.com


