Flock 的 AI 车牌识别系统：权限漏洞、数据留存与“精准追踪”的风险
Flock 的自动车牌识别（ALPR）系统宣称是“AI-powered precision policing technology”，但其实现机制暴露出严重的隐私漏洞。其“案件编号”验证环节仅限于表面，警员无需实际与警局内部案件管理系统（RMS）对接，便能绕过校验，输入任意数字（如“12345”）后查询任意车辆轨迹。这种设计目的仅在于应对公众质询时的“合规”表象，而非真正的权限约束。背后原因在于厂商优先考虑快速部署，避免为不同客户定制复杂的 API 集成，导致后端验证环节完全缺失。
更严重的是，Flock 的 AI 识别功能远超基本的车牌扫描。除了传统的牌照信息，系统还生成“Vehicle Fingerprint”，即通过车辆颜色、品牌型号、行李架、凹痕、轮胎类型等特征，构建更全面的识别标签。这意味着警方可以仅凭“蓝色轿车、左侧有损伤”这样的描述，而无需牌照，便在数据库中搜索匹配目标。然而，这种“精准”识别能力并未与实际案件需求对应，反而加剧了无差别监控的可能性。
数据留存问题同样突出。虽然官方数据显示 90% 的查询集中在事件发生后第一周内，但 Flock 在多个州的车牌记录仍可保存数月乃至数年。这与“公共安全”初衷背离，反而形成了对公民长期行踪的数字化追踪。而缺乏有效权限管控的前提下，这些数据极易被滥用——例如警员私自跟踪熟人或前女友，而系统的“案件编号”防线形同虚设。更广泛的问题在于，这类 AI-powered ALPRs 系统在全国范围内快速推广，往往缺乏法规监管，警方可无需搜查令便获取数据。尽管厂商声称能降低犯罪率，但迄今为止，相关研究并未提供有力证据支持这一主张，反而暴露出滥用和隐私侵犯的高风险。
全部回复 （4）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
第三方共享数据这块儿才是最坑的，感觉隐私全裸奔了！比如说，Flock 的自动车牌识别系统，虽然说是为了公共安全抓捕罪犯，但实际上是厂商利用极低的成本构建一个巨大的监控黑盒，根本没有真正的审计环节。 就拿权限管理来说，Flock 的更新方案要求警察在查询车辆轨迹前必须填写一个“案件编号”，但这根本没有任何后端验证，只要输入一个随机数字，系统就直接放行。这意味着警员可以自由地跟踪任何人，根本没有任何保护。要真正的审计，技术路径并不复杂，Flock 只需要将其 API 接口与警局内部的案件管理系统进行集成，但他们却选择了最省事且缺乏约束力的方案。
只要填个车牌号就能随便查，这隐私裸奔得也太离谱了！更令人无法接受的是其权限管理的逻辑。针对此前警员利用系统权限私自跟踪熟人或前女友的丑闻，Flock 推出了更新方案，要求警察在查询车辆轨迹前必须在输入框内填写一个“案件编号（Case Number）”。然而，由于该输入框并未与任何真实的警务数据库进行校验（Validation），警员若想查询特定行踪，只需在编号栏输入“12345”或任何随机数字，系统便会直接放行。这种缺乏后端验证的所谓“屏障”，实际作用仅在于厂商在面对公众质疑时，可以声称已要求填写案件号。
Flock这隐私漏洞简直是裸奔，查询时只要在编号栏输入“12345”或任何随机数字系统便会直接放行，根本没做数据库校验。要是真被审计抓到，整个架构得推倒重来吧？
随便输个数字就能撞大运查到隐私？只要在编号栏输入“12345”或任何随机数字系统便会直接放行，这种漏洞得让多少人心惊胆战。