1. 引言
2022年6月最高人民检察院召开全国检察机关数字检察工作会议，对以“数字革命”驱动新时代法律监督提质增效作出部署。全国检察机关广泛开展大数据法律监督实践，根据“检察大数据战略”以及数字化改革的要求，积极探索“个案办理–类案监督–系统治理”的新时代法律监督路径，通过类案办理主动融入社会治理，检察监督呈现出新态势。
同时，大数据的应用也引发对数据获取、使用及监督边界的担忧。目前我国没有针对大数据法律监督出台专门法律制度，地方虽出台了一些机制，但各地有关大数据法律监督的制度规定不尽相同，由此看来，探索完善大数据法律监督制度，对于规范大数据法律监督开展十分必要。
当前，在数字检察背景下，全国检察机关正在兴起大数据法律监督模型创建热潮。本文以两次全国检察机关大数据法律监督模型竞赛获奖作品为素材，从大数据法律监督模型研发应用出发，结合S省大数据法律监督实地调研，探索全国大数据法律监督制度完善。
2. 我国大数据法律监督现状
数字检察是数字中国的重要组成部分，已成为助推检察工作高质量发展的新质生产力。大数据法律监督模型是实现大数据法律监督有效手段，是数字检察发展的重要突破口。数字检察以模型研发应用为首要任务，给检察机关法律监督带来新的变化，如贾宇在《论数字检察》一文中指出，数字检察带来法律监督模式的变化：理念上从技术理性到制度理性；数据上从被动监督到能动检察；平台上从应用辅助到模式变革；赋能上从个案办理到类案监督；治理上从职能延伸到价值重塑 [1] 。
(一) 大数据法律监督模型研发现状
目前，全国正掀起大数据法律监督模型的研发运用浪潮，也开展了优秀模型的评选和竞赛。2022年最高检举办首届全国检察机关大数据监督模型竞赛，选出55件优秀模型；2023年，第二届全国检察机关大数据法律监督模型竞赛选出69个优秀模型。现全国已建有大数据法律监督模型6000个，并选取少部分优秀模型在全国推广应用。
1) 全国竞赛优秀模型数据概况
对两届全国大数据法律监督模型竞赛优秀模型数据进行统计(见表1)。
Table 1. Statistics of excellent models from the two big data supervision model competitions
表1. 两届大数据监督模型竞赛优秀模型数据统计
通过分析可以看出：
a) 优秀占比小。2022年优秀数量占参赛总数9.6%，其中一等奖为0.9%，二等奖为1.7%，三等奖2.6%，优秀奖为4.4%。
b) 质效提升。虽然两届参赛数量同比基本持平，但在2023年竞赛中，取消了优秀奖，成倍增加了一、二、三等奖占比，其中一等奖数量同比增加280%；二、三等奖数量同比增加200%。
由此可以看出，大数据法律监督2022年刚起步，获奖模型除应用类外，还有很多创意类、原型类；但在2023年获奖模型均为应用型和迭代型，且在推广应用中已经取得良好成效。
2) 全国竞赛优秀模型分布
对两届全国大数据法律监督模型竞赛优秀模型分布数据统计(见表2、表3)。
Table 2. Distribution of 10 eastern and 6 central provinces
表2. 东部10省和中部6省分布情况
Table 3. Distribution of 12 provinces in the west and 3 provinces in the North-East
表3. 西部12省和东北3省分布情况
经分析可以看出：
a) 从地域分布上看，西部等经济欠发达省份较中东部经济发达省份差距较大，如浙江已有22个优秀模型，已超越经济欠发达省份2023年优秀数量总和。
b) 两届竞赛优秀模型数据同比，浙江、北京、江苏、广东等省份起步较早，以大数据赋能法律监督成效突出，优势明显。
3) 全国竞赛优秀模型研发单位层级统计
对两届全国竞赛优秀模型研发单位层级进行统计(见表4)。
Table 4. Research and development unit level statistics
表4. 研发单位层级统计
经分析可以看出：
a) 县级院、市级院独立创建分别为40.3%、27.4%，占绝大多数；而省级院、省市联合、市县联合研发占比分别为12.9%、5.6%、13.7%，均相对较小。
b) 在模型创建中，县级院独立或与市院联合研发为54%，占比较大，发挥基础作用明显。
c) 县级院独立或与市院联合研发的模型数量同比显著增长，分别为63.2%、83.3%，基层检察院办案数量大，是创意的主要来源，开发运用模型的积极性明显较高，且成效明显。
综上，从获奖模型宏观分析可以看出，参赛模型数量不变，但获一二三等奖的成倍增长，模型质量明显提升；从地域分布上来看，中、东部经济发达地区优秀模型的开发和应用效果较好，模型质量较高，而西部等经济欠发达地区相对薄弱，与之相比存在明显差距；从研发单位上来看，由县级院研发的模型数量增长显著，基层检察院办案数量大，开发运用模型的积极性明显较高，且成效显著。
(二) 大数据赋能法律监督模型实践应用
大数据法律监督模型是检察机关依托数字化、智能化技术，透过个案、分析类案，通过数据建模发现风险点与监督点，探索智慧监督方式，主动进行法律监督和参与社会治理的一种全新模式。该模型旨在挖掘和发现问题线索，以改善法律监督的效率和准确性。
具体来说，大数据法律监督模型的应用过程包括从个案办理中或数据异常中，发现规律性共性的问题，并总结归纳特征要素。然后，提炼研判的逻辑和规则，并将其转化为机器可以识别的语言或算法。这样，模型就能从海量的数据中分析、挖掘类案线索，为检察机关提供有价值的监督信息。
此外，大数据法律监督模型还依赖于公共数据和其他公开数据作为数据源，通过收集、分析和利用大数据技术，对法律实施过程进行监督。这种新型模式可以有效整合各类执法资源，提高法律监督的及时性、准确性和全面性，同时还能帮助执法机关更好地把握社会治理的规律，提高社会治理的水平。
以获得S省首届大数据法律监督模型竞赛一等奖作品“瓶装液化气行业安全生产类案监督模型”为例，从创意来源、基本原理、工作流程进行微观分析。
1) 创意来源。该模型创意诞生于对危化品车辆的日常检查过程中，交警发现二甲醚的运输车辆本身存在电子运单、目的地不一致等问题。因为诸如二甲醚这种危化品，实行的是严格管理制度：首先，相关运输车辆均有GPS定位，从而全程监管车辆从起点到终点的运输轨迹；其次，瓶装液化气中不能混杂液化气以外的其他气体；同时，要求二甲醚充装站必须具有一定的资质，可见一般的瓶装液化气充装站并不具有二甲醚充装资格；最后，充装台还设置有监管摄像头和二维码。由于二甲醚的成本较低，混装在液化气中可以降低成本，实践中存在大量重载二甲醚的车辆出现在瓶装液化气充装站，将二甲醚混装于民用瓶装液化气之中的不法行为。基于此，当地检察院展开专项打击活动，在此过程中，思考如何利用大数据法律监督模型，实现对“混装行为”的精准打击。
2) 基本原理。该模型巧妙利用能够充装二甲醚的充装站的进货记录、充装完毕记录。进货记录能够从相关行政部门获取，充装之前扫描二维码的记录也可以从市场监督管理局处获取。通过对比应然数量和实然数量这两类数据(应然数量 = 进货数量；实然数量 = 二维码扫码记录 × 瓶数)，如果进货量小于充装量(“二甲醚”进货记录不会出现在没有资质充装二甲醚加气站的账单上)，则意味着充装过程存在问题。利用从个案中提炼出来的规则、规律，找到数据，建立类案规则、监督模型，寻找类案监督线索。
3) 应用成效。S省各地检察院陆续利用该模型进行抽检并发现了存在问题的充装站，有些充装站虽然没有混装二甲醚，但充装的液化气质量并不达标。通过运用该模型，在实践中取得了显著成效，推送线索办理的2起案件，被最高检评为典型案例。
4) 工作流程。刚开始，大数据法律监督模型都采用的是定置化开发系统的方式，要求研发单位必须全程跟进，由业务部门、技术部门和研发部门共同完成。从2024年开始，S省检察院通过夯实数据基础之后，检察官可以从“数据集市”中获得数据，然后在建模平台中进行“拖、拉、拽”，生成规则和完成模型的构建，从而发现相关线索。之后设想的场景是：检察官坐在电脑面前，去数据中心或者数据集市，根据自己的需要申请和调取数据，生成逻辑规则，完成相关模型的构建，通过应用模型筛查可疑数据，分析特征，最后生成并拷出问题线索。
目前，最高检和部分省级检察院正在建模型“超市”，将已经比较成熟的模型在“超市”上架，如果检察官认为该模型与自己办理的案件相关，就可以将其下载、实名化，即可省去“构建”模型这一步骤，立刻使用模型，这是比较典型模型应用场景。如果没有这个平台，可能会引发项目开发资金、立项等相关问题。
综上所述，大数据法律监督模型是一种强大的工具，它通过智能化和自动化的方式，增强了检察机关在法律监督方面的能力，为构建更加公正、高效、透明的法律监督体系提供了有力支持。因此，大数据赋能法律监督的过程可表述为，检察机关从办理个案中总结规律、特征，建立大数据法律监模型，从海量数据中筛查出类案，在批量类案中发现执法、司法、机制等方面存在的漏洞，通过类案监督，主动融入社会治理，既治已病，又治未病，通过运用大数据方法和技术实现类案法律监督，最终达到诉源治理的目的。
3. 大数据赋能法律监督实践困境
通过对大数据法律监督模型研发、应用剖析，结合两届全国检察机关大数据法律监督模型竞赛数据分析，以及对地方开展大数据法律监督实践现状实地考察，发现大数据法律监督面临现实困境。
(一) 边界困境
部分模型的监督点位与检察机关所履行的法律监督职能并不匹配。有些本应属于侦查部分或是公诉活动当中应该履行职责，而非事后通过大数据建模去实现法律监督。没有找准大数据法律监督履职切入点，越俎代庖直接替代侦查机关或行政部门的职责；或者将大数据法律监督重点放在执法、司法过失和瑕疵问题上，对监管漏洞、职务犯罪、社会治理等深层次问题却少有作为，偏离了大数据法律监督工作的定位 [2] 。
边界问题主要包括三个层面：
第一，在检察内部边界层面，院内部职能有明确的划分，业务也有明确的界限。如四大检察对应十大业务部门，分属不同部门，有明确职责分工，各司其职。
第二，在检察外部边界层面，检察机关履行法律监督职能与行政机关依法履职存在边界不清。即模型的监督点位是否符合检察机关法律监督本身的职能，因为很多模型在构建过程中可能跟行政监督，可能跟很多行政机关或政法机关内部监督的功能有重叠。
第三，大数据方法层面。大数据方法有别于传统分析方法，其必然对数据的量，数据的多样性，和数据之间的客观规则都是有要求的，也就是说，它不能是依靠人的传统的经验知识能够发现的，必须通过数据的融合、比对、分析才能发现的，这才符合大数据的分析方法。否则，如果能用传统经验解决的，就没有必要用大数据分析这种成本比较高昂的方法，模型构建的主要作用，就是要能够实现准确地筛选到模型监督的点位，或者模型构建的方向。
模型监督的点位的合法性和合理性，其核心标准有两个：一是来源于检察机关本身的职能定位，这也是构建模型首先应该去寻求的监督点位；二是用传统的依靠经验知识解决不了的监督问题，才应该用上大数据监督模型。
(二) 人才困境
第一，概念不清，意识不强。很多检察人员对大数据法律监督概念不清，实践中，部分办案人员认为只要在办案过程中运用了部分与大数据相关的元素，如分析在案电子数据、运用辅助电子取证手段、进行数据统计分析等，就是大数据法律监督 [3] 。简单认为数字检察就是搞技术、搞模型，“数字赋能监督、监督促进治理”的工作理念还形成。很多一线业务部门忙于办案、忙于考核、忙于行政工作，难以提出关于大数据的准确需求，使得大数据建设受限，既无法确定打破数据割据的突破口，也没有办法确定数据建模的方向，更谈不上实实在在的成效了 [4] 。
第二，复合型人才短缺，数据素养不足。大数据检察监督普遍面临的困难是复合型人才短缺、检察官数据素养不足，表现为对大数据分析研判能力较弱，导致大数据建模质量水平不高。
第三，机制未建立，团队化建设不足。北京市检察院在人员组织建设方面推进“八个一”组织保障重点工程建设，统筹推进全市数字检察工作 [5] 。全国各地也正在进行大数据法律监督模型团队建设的积极尝试，S省也开展了数字检察工作项目化推进，部分院还未成立数字检察部门，或虽成立但未解决机构编制问题。目前关于人才团队建设的相关理论和学术研究中，均提到“加强复合型人才培养”、“转变思维”等，但是鲜有提及人才投身于大数据法律监督的意愿、机构编制、地方经费保障等问题。
(三) 数据困境
党中央出台《中共中央关于加强新时代检察机关法律监督工作的意见》中提出，需健全行政执法、刑事司法衔接制度，助力形成协同办案、专案专办的数据共享机制。协同办案关键在于数据共享，但各部门间的不开放、不共享、不整合，导致数据难以盘活，成为各自部门的“死数据”，严重影响检察监督质效 [6] 。
笔者在对S省检察院和C市检察院进行访谈调研中发现，当前大数据法律监督面临的困境，最突出的就是“数据获取难”。
这里涉及到数据所有权、数据获取合法性、数据使用范围、时间界限等问题，也面临行政机关不配合、不支持的问题。同时，检察机关通过大数据赋能而具备一定优势，可能造成与刑事正当程序的冲突问题。
4. 大数据法律监督制度完善
大数据法律监督经过几年的探索实践，目前已有大量实践成果，在全国检察机关实现“开花结果”，显示出强大的生命力。但在未来制度化发展与现有成果巩固间尚未建立有效对接，亟须建构大数据法律监督规范体系，丰富其内涵，推动其发展 [7] 。笔者结合我国大数据法律监督实践中现实困境，针对边界不清、规范性不足、有效性不强，以及人才、数据困境，探索大数据法律监督制度完善。
(一) 出台办案规则，厘清监督边界
法律监督权是宪法赋予检察机关的一项重要权力，我国《宪法》第129条规定检察机关是“法律监督机关”，其承载着有限的一般监督和专门的诉讼监督交叉的职权配置，法律监督不是“无限监督”，它受到程序法和实体法的共同约束。
大数据法律监督语境下，相较于传统的法律监督，实现了从“被动”到“能动”的转变，排查出相应线索之后，检察机关只能在自己的职权范围内进行法律监督，而非跳过相关部门直接进行治理。
澳大利亚邦德大学法学院凯特·洛韦教授告诫道，“大数据是一种‘颠覆性’的技术，需要对政府权力的界限进行检查，法律本身必须清楚地阐明国家权力面对数字化转型时的界限” [8] 。推行基于大数据赋能的多案监督，应当做到“重大改革于法有据”；而关于多案监督如何推动国家、社会治理现代化的方面，更需要立法明确检察机关促进诉源治理的职责依据等。数字检察的规范体系构建应坚持技术性程序正义原则、比例原则、制约原则，建立应对数据犯罪等的程序规则，并逐步完善数据共通、风险防控、责任追究、人才培养、评价激励等协同机制和配套方案，最终实现高效能的法律监督( [7] , p. 45)。
笔者认为，应由最高检出台大数据法律监督类案监督规则，规范案件办理程序，明确监督路径、工作机制、监督模式、监督范围、办案手段等。
第一，明确监督路径。“个案办案–类案监督–系统治理”是实践中探索总结出来的大数据法律监督路径，依法能动履职，通过类案监督，以发现和监督纠正深层次问题为导向，实现“数字赋能监督，监督促进治理”的更高层次目标。
第二，明确工作机制。“业务主导、数据整合、技术支撑、重在应用”是大数据法律监督的协作机制，即由数字检察部门牵头，所有业务部门、信息技术部门共同参与。数字检察部门统筹协调，做好数据归集，对接信息技术部门做好模型的研发、验证、完善、推广，对接业务部门做好线索发现、筛查、交办、督办、反馈等；业务部门通过个案发现和总结监督点位和普遍性的规律特征，提炼监督规则，及时与数字检察部门评估相关数据获取、技术实现的可行性；数字检察部门向信息技术部门阐明业务需求，由信息技术部门组织进行开发或者对接外部公司开发；模型建成后数字检察部门与相关业务部门要共同推进模型的验证、完善和应用、推广，确保在监督中取得实效，实现“从业务中来，到业务中去”。以S省牵头研发的“瓶装液化气行业安全生产类案监督模型”为例，通过开发大数据模型，将各行政部门掌握的数据进行碰撞，破除了信息壁垒，很好的解决了过去各部门之间信息不畅，无法有效衔接，难以避免监管盲区、执法效能低下等弊病，迅速发现了一批案件线索。
第三，明确监督模式。大数据法律监督是传统思维方式和监督路径的革新，需要检察系统各层级、各部门、各条线一体推进、全面贯通、高效协同。从职能定位上看，数字检察作为一项综合业务，是连接检察业务和信息技术之间的桥梁和纽带。一方面，数字检察作为一种工具、手段，通过归集数据、建设法律监督模型、发现监督线索，赋能“四大检察”；另一方面，检察机关职能虽有“四大检察”的专业分工，但检察监督面对的社会生活却是一体的，对同时涉及刑事、民事、行政、公益诉讼检察的类案监督线索，迫切需要打破法律监督履职中的单一思维，依托数字检察推进“四大检察”依法一体履职、综合履职、能动履职，统筹实现融合监督。比如前面介绍的“瓶装液化气行业安全生产类案监督模型”，既涉及追究违法者刑事责任的刑事立案监督，又涉及追究行政机关怠于履行安全生产监管职责的行政公益诉讼，还涉及部分行政机关执法不当的行政检察。
第四，明确监督范围。吴思远在《数字检察的法理反思》中提到涉及中央与地方、开发与应用、主体与技术等多重关系下存在异化的风险，要整合资源，站在整合力量、跨区域协同的角度推进；要界定能动履职限度，确保系统性与规范性 [9] 。因此，需要明确履职范围和监督重点，厘清检察监督与行政执法边界，界定能动履职限度。比如，在侦查阶段侦查监督研发的大数据法律监督模型，不能代替公安机关刑事侦查职责范围，在没有发现具体执法漏洞或监管盲区的情况下，检察机关不能代替公安机关承担发现、调查普通刑事犯罪线索的工作，应该将线索移送。仍以“瓶装液化气行业安全生产类案监督模型”为例，检察院通过督促公安机关、交通运输部门和市场监管等职能部门联合执法，包括向公安机关移送涉嫌刑事犯罪案件线索，积极开展立案监督和追诉漏罪等工作，同时，针对办案中发现的，违规运输、售卖和使用危化品等问题，向交通运输、市场监管等职能部门制发检察建议。同时，应当将监督的重点放在执法司法突出问题、社会治理薄弱地带和公共利益弱项短板，通过履行法律监督职责促进某一堵点难点痛点的系统治理( [3] , p. 108)。以S省C市检察院研发的“违规抽取地下水公益诉讼类案监督模型”为例，地下水属于国家资源，违规抽取不仅导致国家资产、税收流失，过量抽取也涉及公共安全，其管理涉及行政部门多，用传统方法难也发现，属于社会治理薄弱地带，通过大数据建模，发现问题线索，开展类案监督，有效遏制违规抽取地下水现象，促使多个行业整改，社会治理效果良好。
第五，明确取证手段。大数据赋能推动从个案到类案转变，针对这种转变，陈科宇提出制定保障公民诉讼权利、技术限权等方面的有效规制，修正诉讼规则，推进大数据在法律监督中的深度融合应用 [10] 。目前，检察机关对在办刑事案件和部分司法工作人员职务犯罪案件有管辖权，立案后可以行使侦查权，公益诉讼案件线索经立案后才有调查权。因此，在办案过程中，对于发现的属于公安机关管辖的刑事案件线索，应当移送公安机关立案侦查，严禁直接使用限制人身自由、查封、扣押、冻结财产等侦查措施。
(二) 完善人才机制，提高有效性
胡铭也提出了从工作机制、正确思维、配套方案、监督体系四个部分推动数字检察的发展 [11] 。因此，“培养人才”和“思维转变”不能沦为空话，面对现实困境，笔者认为：
首先，建立选拔、考评机制。可以建立考评机制，将数字检察工作纳入业务部门考核，从而倒逼检察官们对有关大数据赋能法律监督知识理论的学习和了解，或是以内部竞赛的形式促进，同时进行人才选拔，充分调动检察官的主动性、能动性，以陕西省检察院西安铁路运输分院举办的大数据法律监督模型竞赛个人赛为例，竞赛面向检察官、检察官助理、司法行政人员、书记员、检察技术人员等开展，从不同维度考察个人的数字检察思维和能力，有效激发人才潜能，培养数字检察队伍。
其次，加强培训，补齐短板。通过引专家进来讲课，走出去实地考察学习，组织专题业务培训等多种方式，更新监督理念，培养大数据思维，学会建模方法，将哲学原理、法学理论与具体实践相结合，创新思维，整体推进大数据法律监督。
最后，借助外力，解决知识欠缺。借助外部力量，比如利用好科研院所、科技公司等第三方，也可以定向联系各个行业的专家进行咨询，或者与高校进行合作。以S省为例，积极与知名高校共同筹建西部数字检察研究院，一期建设数据赋能实验室、川酒知识产权数字保护中心、案例孵化应用中心三个项目，研发法律监督急需的新技术、新系统，产学研一体化打造大数据法治产品，努力将西部数字检察研究院打造成为数字检察战略全国领先的创新平台。
(三) 建立数据平台，规范数据标准
大数据法律监督所需数据有三类：一是内部数据包括检察业务数据、办公数据等。二是政法协同数据、行政协同数据。如公安机关的立案、撤案、刑拘数据，审判机关的裁判、调解、执行数据，行政机关的许可、处罚等已经作出终结性结论的基础数据。三是第三方提供的公共数据，如电子政务、企业登记等信息 [12] 。
很多学者提出了数据共享平台的建设，但是实现平台构建的前提是先构建保障机制 [13] 。通过技术让“数据可用不可见”、“可算不可见”，可实现对隐私和个人信息数据保护。结合S省的具体实践来看，获取数据的方式主要有搭建共享平台、建立查询机制、寻求行政机关的数据支持等。笔者认为：
首先，从整体思路规划上来看，需要既需要注重数据的共享，也需要注意数据的“边界”。对内部数据需要加强整合、挖掘，对外部数据需要注重使用权限，获取边界，对于公共数据则需要提升其价值。
其次，应当注重大数据平台建设。平台的建设有助于内部数据盘活。实现执法司法信息共享、拥有海量数据资源，并非就直接拥有了监督线索，而是需要进一步开展数据的运用、碰撞和演算。因而，必须建设一个行之有效的“检察大数据法律监督平台”，综合集成数据、算法、模型、算力等要素，形成以数据计算分析、知识集成运用、逻辑推理判断为核心的智能化系统，来承接“个案办理–类案监督–系统治理”的大数据法律监督运行机制( [1] , p. 14)。自2013年全国检察业务应用系统上线以来，S省系统中已经累积200多万件各类案件的卷宗、文书及办理信息等，这是最为重要的数据资源。目前有少量应用探索尝试，比如C市W区检察院建立毒品犯罪电子证据分析数据库，新的涉毒品案件受理后，可以提取电子证据并与数据库信息进行碰撞，快速筛查出关联毒品犯罪漏犯、漏罪等监督线索。
平台建设也有助于外部数据共享。当前，囿于数据壁垒，各地主要是通过协调其他机关拷贝一段时间内的相关历史数据导入模型或大数据中心，这是为了建模采取的一种应急方式。从工作的延续性和长远来看，要依托政法共享平台和与其他省级相关行政机关构建的协作机制，建立线上数据共享机制，通过网络连通、开放数据端口等技术方式，实现不同单位的数据实时在线互通。
统一的数据平台不仅一定程度上解决数据来源合法性问题，也节省了基层人民检察院自己建立数据库的成本。
最后，需要最高人民检察院制定相应的数据获取、使用规范。作为大数据法律监督制度的一部分，具体制度应涉及以下三个方面内容：一是明确获取数据的边界，获取的应是与案件相关程度较高的数据，大数据法律监督是围绕案件进行监督而非无边界地进行犯罪预防；二是明确获取数据的必要性，是否有获取外部数据的必要，尽量使用现有的检察机关内部数据资源；三是明确数据的安全保障，在使用数据过程中，注意数据安全，特别是在有关未成年人保护方面，要结合其特殊性进行安全保障建设。
5. 结语
新时代法律监督面临着内在张力和治理悖论的挑战，时代的变迁为具体规则的改变提供了契机，而大数据技术的广泛运用则对法律监督的基本原则和制度框架提出了新的要求。法律监督与大数据技术的深度融合，不仅引发了监督方式的革新，更是对整个法律监督体系的深刻重塑。然而，大数据赋能法律监督的过程中，若行使不当，监督权力可能会遭到滥用甚至不当扩张，同时，以个人信息为代表的新型权益诉求也亟待得到充分的关注和回应。面对日新月异的实践挑战，必须及时更新观念，积极制定、细化和完善相关制度规范。这不仅是确保监督的正当性和合法性的必要举措，更是保障其在法治轨道上稳健前行的关键所在。只有如此，才能真正实现数字时代检察工作的高质量发展，为构建更加公正、高效、透明的法律监督体系贡献力量。
基金项目
本论文由四川大学2024年“国家级大学生创新创业训练计划”创新项目(项目编号：C2024132029)《大数据赋能新时代法律监督的审视与反思——基于历届大数据法律监督模型竞赛数据的研究》提供支持。