FX168财经报社(北美)讯 美国国土安全体系一项鲜为人知的“预测性执法”机制正引发隐私和宪法权利争议。最新披露显示，美国边境巡逻队旗下情报团队会综合分析个人金融活动、车辆行驶轨迹等数据，再将被认为存在“可疑模式”的目标提供给地方执法部门。部分遭拦查人员此前并未因具体犯罪受到调查，却可能因为数据模型生成的“风险信号”进入警方视野。

这一做法的争议核心，并不仅仅在于政府掌握了多少数据，而在于这些数据如何被组合、解释，并进一步转化为执法依据。在传统调查模式下，警方通常先掌握犯罪事实或合理怀疑，再围绕特定目标收集证据；而预测性执法则可能反过来——先从海量数据中寻找所谓“异常模式”，再据此筛选值得调查的人。

随着金融交易、车牌轨迹、旅行路线等不同类型的信息被整合，这种模式正在挑战传统意义上“什么程度的怀疑才足以启动执法”的边界。

金融活动如何变成拦车线索

404 Media近期披露，美国边境巡逻队内部存在名为“预测情报目标团队”(Predictive Intelligence Targeting Teams，PITT)的部门。这些团队不仅分析车辆和旅行数据，还会研究个人金融活动中的所谓异常模式，并将形成的情报提供给地方警方。

Kyle William Olson在蒙大拿州遭遇的一次交通拦查，就是其中受到关注的案例之一。

Olson刑事案件中的DHS备忘录显示，边境巡逻队一个PITT团队曾识别出与“非法毒品活动”常见模式相符的金融活动，随后地方警方对其车辆实施拦查。不过，目前公开文件并未详细说明PITT具体查阅了哪些金融数据库、获取了哪些交易记录，以及这些金融信息最初通过何种渠道进入分析系统。

警方后来在Olson车内发现大麻，但这一结果并没有消除更广泛的法律争议：在一个人尚未因具体犯罪成为调查对象之前，政府可以在多大范围内分析其金融活动，并利用分析结果推动现实世界中的拦查和搜查？

类似问题也出现在得州居民Alek Schott的案件中。

2022年，Schott从休斯敦前往靠近美墨边境地区后返回。边境巡逻队通过车牌扫描等技术掌握了他的行驶路线、住宿地点及部分活动轨迹，并要求贝克萨尔县警员将其拦下。Schott随后被扣留一个多小时，车辆遭到搜查，但执法人员最终没有发现违禁品。

Schott此后提起诉讼，指控相关执法行为侵犯其美国宪法第四修正案权利。案件材料还显示，地方警方与联邦探员通过聊天群共享车辆路线、个人身份以及其他情报。负责拦车的警员在证词中表示，联邦部门会通过车牌扫描和其他监控技术观察车辆的“旅行模式”。该案目前仍在联邦法院审理。

美联社调查发现，这类执法模式并非孤立案例。美国边境巡逻队已经建立覆盖广泛的车牌识别网络，通过车辆来源、目的地、路线和出行频率等因素寻找所谓“异常”模式，再由联邦探员将部分车辆提示给地方警方。司机表面上可能因为超速、车窗贴膜、未打转向灯等普通交通原因遭到拦查，但真正触发执法关注的可能是此前并未公开的联邦情报线索。

美国海关与边境保护局(CBP)则表示，车牌识别技术用于识别安全威胁和打击犯罪网络，并受到联邦法律、宪法保护以及多层政策框架约束。出于国家安全原因，该机构没有公开具体操作方式。

金融数据来自哪里

另一个尚未完全厘清的问题，是PITT所使用的金融数据究竟来自哪些数据库。

美国财政部金融犯罪执法网络(Financial Crimes Enforcement Network，FinCEN)是最受关注的潜在渠道之一，但目前公开披露尚不能证明Olson等具体案件中的金融信息就是直接来自FinCEN。

FinCEN负责执行《银行保密法》(Bank Secrecy Act，BSA)框架。按照相关规定，金融机构需要保存部分交易记录，并对达到特定标准的现金交易以及疑似涉及洗钱、逃税或其他犯罪活动的交易提交报告。

更重要的是，这些数据并不仅限于财政部门内部使用。

FinCEN官方资料显示，在满足相关程序后，联邦、州和地方执法机构均可以通过安全系统访问BSA数据。FinCEN还明确表示，执法部门能够通过其系统寻找可能涉及恐怖主义或重大洗钱活动人员的账户及交易信息。

这意味着，美国已经存在一个规模庞大的金融情报基础设施。真正引发争议的，是这些原本以反洗钱、反恐和金融犯罪调查为目的建立的数据体系，在人工智能、大数据分析和跨部门情报共享不断扩张之后，适用范围究竟可以延伸到什么程度。

金融交易能否成为“行为画像”

金融数据与传统身份信息不同。

一个人的消费地点、捐赠对象、购买内容、旅行支出以及资金往来，往往能够勾勒出其生活习惯、社会关系，甚至宗教或政治倾向。一旦这些信息被用于自动化风险评估，某项原本完全合法的交易，也可能因为与其他数据组合后呈现出某种“模式”而成为调查信号。

这并非纯粹的理论争议。

2024年，共和党领导的美国众议院司法委员会公布文件称，FinCEN和FBI此前曾向金融机构提供与2021年1月6日国会山事件相关的风险识别材料，其中涉及“MAGA”“TRUMP”等交易关键词，以及在特定商户购物或购买宗教文本等消费行为。委员会认为，这种做法可能导致对合法金融活动进行过度审查。

需要注意的是，这些材料及其含义一直存在政治争议，将某项消费行为本身视为犯罪证据，与将其作为大量指标中的一个调查线索，两者并不相同。但争议由此集中到一个更根本的问题：金融机构和执法部门应当把界线划在哪里？

特朗普政府扩大对“资金网络”的关注

这一问题并不存在明显的党派边界。

2025年9月，特朗普政府签署命令，将“安提法”(Antifa)指定为“国内恐怖组织”，并要求相关联邦部门利用现有权限调查和瓦解与其非法活动有关的资金来源。随后发布的国家安全总统备忘录进一步要求财政部长利用财政部下属机构追踪资助“国内恐怖主义和政治暴力”的金融网络，并要求金融机构针对相关可疑资金活动提交报告。

白宫将这些措施定位为打击政治暴力、恐怖主义融资及相关犯罪网络的一部分；与此同时，公民自由领域的关注点则集中在，如何确保调查对象真正与暴力或违法行为存在联系，而不是因为政治观点、捐款对象或合法消费记录遭到额外审查。

因此，无论执政者属于哪一党派，问题实际上都是同一个：当政府获得越来越强的金融追踪能力后，什么样的制度约束能够防止这些工具从针对具体犯罪的调查手段，逐渐转化为针对普通人的广泛行为筛查。

类似争议并非美国独有

加拿大在2022年“自由车队”(Freedom Convoy)抗议期间，也曾出现金融系统直接介入执法的案例。

当时加拿大政府援引《紧急状态法》，授权金融机构在无需法院命令的情况下冻结或暂停与非法封锁活动有关个人和企业的账户。加拿大财政部当时表示，这些措施旨在限制非法封锁的资金来源、加强金融情报收集并支持执法调查。

这一事件此后持续引发关于国家安全、公共秩序与金融权利之间界线的讨论，也说明金融体系一旦成为执法基础设施的一部分，其作用已经远远超出传统意义上的银行账户和支付服务。

“预测性执法”边界受到审视

美国边境巡逻队的预测性情报系统，将这一争议进一步推向新的阶段。

过去，政府需要围绕某个具体嫌疑人获取数据；如今，技术正在让政府具备相反的能力——先分析数以百万计普通人的位置、出行和金融信息，再从中筛选被算法或分析人员认为“不寻常”的对象。

支持此类技术的观点认为，大数据分析有助于发现人口走私、毒品运输、洗钱以及其他传统调查方式难以捕捉的犯罪网络。CBP也强调，其监控工具用于国家安全和打击犯罪，并受到法律和内部政策限制。

但随着监控范围从边境延伸至美国内陆，从车牌数据进一步扩展到金融活动，法律界和隐私倡导者关注的重点也越来越清晰：政府究竟是在利用数据调查犯罪，还是在利用数据寻找“可能值得调查的人”？

两者之间看似只有一步之遥，却涉及美国