警察在车牌查询理由栏输入“LMAO”

警方在没有正当理由的情况下搜索车牌数据库

电子前沿基金会（EFF）的一份新报告揭示了警察部门使用自动车牌识别（ALPR）系统时令人不安的模式：据报道，警员在查询这个追踪普通驾驶者行踪的大规模监控网络之前，在审计日志中输入的搜索理由轻率到“LMAO”这种程度。

ALPR摄像头安装在巡逻车、交通信号杆和固定基础设施上，会记录每一辆经过车辆的号牌、位置和时间戳。这些数据在一个城市或一个州范围内汇总后，就能拼凑出人们去哪里、何时去、去得多频繁的详细图景。根据EFF的报道，存储和检索这些信息的系统没有搜查令要求，约束机制有限，审计流程也薄弱到无法发现明显的滥用行为。

为什么“LMAO”是症状，而不是病根

这个看似玩笑的搜索词本身就令人震惊，但EFF更大的关注点在于：究竟是怎样的环境让这种事得以发生。当一个数据库既不要求警员在搜索前说明合法且与具体案件相关的理由，事后也不对这些理由进行有意义的审查时，受法律保护的出行自由与随意的好奇心之间就几乎没有任何屏障。一个名义上存在、实际上形同虚设的搜索理由字段，恰恰会招致这类行为。

这不仅仅是一个关于几条粗心记录的故事。它反映的是一个结构性问题：许多司法管辖区的警察可以像任何人使用搜索引擎那样查询ALPR网络，输入一个车牌号就能调出一个人的出行历史，而没有任何法官审查过这一请求。即便存在审计，通常也是事后进行，依赖自我报告，且很少导致纪律处分。EFF认为，这种组合滋生了一种问责仅停留在纸面上的文化。

大规模监控的监督缺口是全球性现象

ALPR数据缺乏约束机制并非美国独有的问题。在世界各地，政府和警察部门采纳强大的位置与身份追踪工具的速度，都快于法律框架跟进的速度。例如在印度，活动人士在AI驱动的监控工具据称被用于监视抗议者后采取了法律行动，这一案件在关于Aishe Ghosh就德里抗议活动中AI监控提起诉讼的报道中有详细记述。无论是抗议活动中的人脸识别，还是通勤途中的车牌追踪，共同点都是一样的：强大的监控基础设施在其覆盖面所要求的监督水平远远不足的情况下被部署。

还有一个值得考虑的安全维度。存储数百万条位置记录的集中式数据库，其诱人程度远不止对运营它们的警察部门而言。随着勒索软件团伙越来越多地专注于提取敏感数据并将其变现，诸如Qilin勒索软件团伙驱动的2026年创纪录勒索浪潮这样的事件提醒我们：任何大量个人数据的集合，无论最初是如何收集的，一旦存在就成为一项负债。一个警员可以随意搜索的数据库，未必是一个外部攻击者难以攻破的数据库。

这对你意味着什么

如果你在使用ALPR技术的司法管辖区内的公共道路上驾车，你的行踪很可能已经被记录在案，无论你是否曾被怀疑犯罪。EFF的报告强调，这些记录可以在极少的理由下被搜索，而审查更是少得可怜。这意味着这里的隐私风险并非假设性的，也不仅限于正在接受调查的人。这是一种系统性暴露，波及任何拥有汽车且居住在这些摄像头运行区域的人——而如今，这涵盖了美国社区中庞大且不断增长的一部分。

你通常无法在公共道路上选择退出ALPR数据收集，但你可以成为关于这项技术如何被监管的公共讨论中的知情参与者。许多关于ALPR使用、数据保留期限和审计要求的政策争论发生在市议会或州立法机构层面，在这些地方，公众意见和地方报道确实能够改变结果。