商业秘密犯罪预警机制的法律风险——反思知识产权犯罪预防性治理路径的合法性边界

内容提要：本文探讨了商业秘密犯罪预防性治理路径的法律边界问题。商业秘密一旦泄露，其后果具有不可逆性，传统的事后救济手段往往难以弥补。人工智能等新技术发展、知识产权刑事保护的强化以及预测性警务的普遍实施，推动了商业秘密犯罪预防性治理路径的兴起，包括利用人工智能技术分析识别潜在的商业秘密泄露风险，以期实现早期预警和干预。此外，政府部门积极推动企业建立完善的商业秘密保护内部管理规范，作为预防性治理的重要组成部分。然而，预防性治理路径也可能引发隐私权侵犯、公私边界模糊等问题。本文通过探讨预防性治理路径可能存在的问题以及如何明确这一路径的法律边界，以实现商业秘密保护与法治原则的协调统一。
关键词：商业秘密；知识产权犯罪；人工智能；预测性警务
引言
近年来，以新能源汽车行业为代表的高新技术产业迅速发展，围绕核心技术和经营信息等商业秘密展开的不正当竞争行为和知识产权犯罪成为影响技术创新保护的显著问题之一。作为知识产权保护体系的重要组成部分，商业秘密的刑事保护不仅关乎企业利益，也可能影响地区科技创新能力和产业结构升级。治理犯罪的传统方式是在犯罪发生后进行刑事制裁，知识产权犯罪的传统应对方式也是如此。但是，目前已出现利用人工智能等新技术进行事先预防的治理趋势。为了有效治理商业秘密犯罪，已有部分地区探索建立以人工智能技术支撑的商业秘密犯罪预警平台，通过数据分析、分级预警等方式对潜在的商业秘密泄露风险进行实时检测和提前干预。例如，作为以制造业为支柱产业的城市，尤其是新能源汽车产业重镇，宁波市已在新能源汽车等重点行业探索建立商业秘密犯罪预警机制。波市公安机关建立了“新能源汽车知识产权刑事保护系统”和“宁波市商业秘密刑事风险预警感知平台”，探索商业秘密犯罪的预测性治理路径。[1]同时，一些地区也在探索由地方政府主导推动企业建立健全商业秘密保护的内部治理制度，提升企业的保护商业秘密的能力。
然而，这一治理知识产权犯罪的创新机制也可能存在法律风险。首先，人工智能技术支撑的商业秘密犯罪预警机制依赖大规模的数据采集与分析，其中可能涉及企业经营数据、员工行为信息、通信数据、员工出入研发场所的生物识别信息等，而这些数据中相当一部分可能属于个人信息甚至敏感信息。这些数据的收集、处理行为是否符合《个人信息保护法》等相关的规定可能会引发争议。其次，在缺乏法律明确授权的情况下，公安机关通过人工智能等新技术手段开展预测性警务的合法性本身也可能引发争议。这背后更根本的问题是：当知识产权犯罪治理路径出现由事后打击向事前预防转化的趋势时，如何能够明确这一路径的合法边界，让知识产权犯罪的预测性治理在符合刑法谦抑性与法治精神的框架下开展，在保护知识产权的同时避免造成对公民权利的侵犯以及刑事手段的泛化。这个问题也是本文的研究问题。
本文通过研究借助人工智能技术等新技术手段预防、治理商业秘密犯罪的创新经验，分析人工智能介入知识产权犯罪治理需要应对的法律风险，从刑法的谦抑性和个人信息保护法等多个角度探讨知识产权犯罪预测性治理路径的合法边界。具体而言，本文将围绕以下两个方面展开探讨本文的核心研究问题：第一，目前商业秘密犯罪预警机制中的数据采集、处理行为是否属于对个人信息的合法使用，以及如何将这些数据采集和处理行为限制在合法边界内；第二，面对人工智能技术推动下的知识产权犯罪预防性治理趋势，如何防止知识产权刑事保护出现公私边界模糊并继而造成刑事保护泛化。
本文首先结合目前数字经济时代商业秘密犯罪的特点、知识产权刑事保护强化的时代背景、以及智能化预测性警务的兴起介绍目前商业秘密犯罪治理路径向智能化、预防化转向的背景；其次，本文将具体分析商业秘密犯罪预警机制中数据的收集和处理与个人信息保护法可能存在的潜在冲突以及预测性治理路径在边界不清的情况下可能造成的公私边界模糊和刑事手段泛化的风险；在此基础上，本文将以商业秘密犯罪治理为例探讨知识产权犯罪预测性治理路径的合法边界，为人工智能驱动下的知识产权犯罪预防性治理路径法治化提出建议。
一、商业秘密犯罪治理路径的转向及其背景
（一）数字经济时代商业秘密犯罪的新特点与趋势
商业秘密是企业保持核心竞争力的重要战略资源。在数字经济时代，商业秘密的侵权和犯罪行为呈现出手段更具技术性、隐蔽性并且泄密结果极易扩散的特点和趋势。这些新变化也给商业秘密保护带来了新挑战。尤其是新能源汽车、智能制造等高技术产业因技术密集度高、数据互联性强，商业秘密犯罪的这些特点尤为突出。
在数字经济时代，商业秘密的载体已从传统纸质文件转向数字化形态，导致窃取商业秘密更依赖技术手段。不同以往商业秘密主要以纸质图纸、生产工艺文件等纸质文件为载体，当前企业所依赖的核心技术与经营信息普遍以电子数据形式保存，例如自动驾驶算法、测试数据、供应链信息、客户数据库等。而这些信息通常储存在数字化信息系统中，使得窃取商业秘密的行为常通过技术手段进行，并且窃取行为常伴随数据隐匿、权限滥用等隐蔽技术操作，增加了事后收集证据和认定事实的难度，并且收集证据和认定事实也极为依赖技术手段，对公安、司法机关处理商业秘密犯罪案件也提出了极大挑战。这也导致商业秘密侵权和犯罪案件通常办理难度大、时间长。例如，在最高人民检察院2025年4月发布的知识产权保护典型案例中，其中北京君某科技有限公司、孙某明、胡某伟等四人侵犯商业秘密案因技术事实认定难度较高，检察机关在审查证据过程中引入“技术调查官”查明复杂的技术事实，检察技术人员也使用了技术手段收集关键证据，最终检察机关完成审查工作并提起公诉。[2]
企业内部员工滥用数据访问权限窃取商业秘密，已成为侵犯商业秘密犯罪的常见手段。由于窃取商业秘密的数字化工具的匿名性特征，以及泄密行为可能在员工职务权限掩盖下实施，导致侵犯商业秘密的行为还极具隐蔽性。企业内部管理漏洞与保密制度缺失，客观上也为侵犯商业秘密犯罪创造了便利条件。例如，宁波市绝大部分的侵犯商业秘密案件都是由企业内部员工利用权限或公司系统漏洞实施。[3]侵犯商业秘密犯罪手段的技术化与隐蔽性的新趋势，传统的治理路径已难以有效应对，亟需探索以新技术为重要手段的新路径。
（二）知识产权刑事保护的强化
随着知识产权强国战略的推进，完善知识产权保护体系和强化知识产权的刑事保护力度日益受到重视。2019年，《中共中央、国务院关于强化知识产权保护的意见》中明确提出，要“加强刑事司法保护”，并“加大刑事打击力度，研究降低侵犯知识产权犯罪入罪标准，提高量刑处罚力度，修改罪状表述”。《知识产权强国建设纲要（2021-2035年）》再次明确要求“加大刑事打击力度”。在此政策背景下，刑事司法机关对侵犯知识产权犯罪的打击力度明显上升。在2013年至2024年间，全国检察院就6.91万件知识产权刑事案件提起公诉，全国法院审结一审侵犯知识产权刑事案件6.46万件。[4]
在这一背景下，相关法律和司法解释也在不断完善，为知识产权刑事保护的制度化和常态化提供法律依据。为了有效打击新型知识产权犯罪，2021年起施行的《刑法修正案（十一）》增加了侵犯知识产权犯罪行为的类型，降低了入罪标准，加大了刑罚惩罚力度。2025年4月24日，最高人民法院、最高人民检察院联合发布了《关于办理侵犯知识产权刑事案件适用法律若干问题的解释》，系统地明确和降低了入罪标准，增加了入罪情形，提高了罚金刑上限，并规定了从重处罚的情形，以提升打击知识产权犯罪的力度和效果。[5]
商业秘密的刑事保护也在此轮趋势中得到显著强化。商业秘密是知识产权体系中唯一以保密性为核心要件的权利类型，其刑事保护充分考虑了这一独特属性。在立法层面，《刑法修正案（十一）》新增了“为境外窃取、刺探、收买、非法提供商业秘密罪”这一新罪名，并且该罪名为行为犯，只要实施便构成该罪，并将责任主体扩大至“经营者以外的其他组织”，以有效打击跨境侵犯商业秘密的犯罪，保护我国企业的利益和经济安全。在刑事司法实践中，强化商业秘密刑事保护的政策导向也得到落实。例如，宁波市孙某、罗某向境外泄露新能源电池研发和未来产业布局的经营信息，在2024年被以该罪名定罪和判处刑罚。[6]为了有效打击侵犯商业秘密犯罪和预防再犯，除了判处刑罚外，法院还会禁止侵犯商业秘密的罪犯在一定时期内从事特定行业的工作。[7]
此外，各地方也结合地方实际情况出台了不同的打击知识产权犯罪的政策，并探索符合地方实际的刑事保护方式。其中尤其显著的趋势之一是许多地方探索建立跨部门协同治理并且注重预防的模式。例如，西安市建立了跨部门的知识产权刑事案件“快速联动办理机制”。[8]因商业秘密的保密性和泄密后果的不可逆性，对商业秘密的刑事保护也出现了从事后打击向预防与打击并重的趋势。例如，江苏省高级人民法院制定出台了全国首个《侵犯商业秘密民事纠纷案件审理指南》和《办理侵犯商业秘密刑事案件的指引》，针对侵犯商业秘密案件审理周期较长、权利人举证难度大等的问题，并提出要构建“覆盖事前预防、事中保护、事后维权”的全链条保护模式。”[9]如前文所述的数字经济时代商业秘密犯罪的特点，有效预防商业秘密犯罪需要借助新兴技术手段，尤其是日益成熟的人工智能和大数据技术。目前，人工智能技术驱动的预测性警务正在国内广泛应用于犯罪预防和治理，这也为治理商业秘密犯罪提供了新路径。
（三）从事后打击到事前预防的犯罪治理路径转向
随着人工智能、大数据等数据技术的发展，以数据技术驱动的预测性警务（predictive policing）逐渐在国内犯罪治理中得到广泛应用。刑事司法的传统路径是在犯罪发生后进行打击，而预测性警务则强调对高风险行为、区域和人员提前识别和干预，以有效预防犯罪发生。预测性警务在人工智能技术兴起之前就已存在，但是在人工智能等技术兴起后得到了更为广泛和有效的实践。尤其是公安机关在广泛建设大数据平台，为针对犯罪风险的预测性分析提供了大量的数据来源，犯罪预警在国内已较为普遍实践。[10]而且，中国目前并没有采取欧盟在《人工智能法》中将人工智能驱动的预测性警务规定为高风险应用并严格限制的做法，人工智能驱动的预测性警务目前在中国仍有较大的实践空间。这些使得预测性警务能够广泛应用于预防犯罪。
在此背景下，人工智能驱动的预测性警务也被引入知识产权保护领域，因为其技术优势和预防性保护的特点恰恰针对性回应了传统事后打击模式的局限性，其潜力商业秘密犯罪治理中尤其突出。一方面，如前文所述，窃取商业秘密的手段技术性较强且企业内部员工作案会导致隐蔽性强、事后取证难度高，传统的事后打击模式难度高。商业秘密侵权案件中权利人胜诉率低以及商业秘密犯罪案件立案率和审查起诉率都很低都反映出这个问题。[11]信息时代侵犯商业秘密案件涉及的技术问题和证据都比较复杂，导致办案和审理难度大，周期也长。[12]这就导致企业事后维权周期较长，维权成本高；再加上商业秘密案的技术性和复杂性对企业收集和固定证据的能力要求很高而中小企业维权能力相对薄弱，这些因素都会带来保护效果上极大的不确定性。而且，即使企业克服上述困难，损害赔偿也未必足以弥补企业损失。[13]由此看出，无论是企业事后寻求救济还是执法、司法机关事后进行打击，传统的泄密后再处理的模式对于保护商业秘密存在极大的局限性。另一方面，相比其他知识产权侵权和犯罪，商业秘密依赖其保密性也导致泄露后果具有不可逆性。商业秘密一旦泄漏，就可能迅速传播到竞争企业甚至境外产业链，会严重影响企业的市场竞争力甚至生存。因此，比起事后维权和打击，企业对事前预防泄密的需求更为强烈，事前预防也对保护国内新技术产业的竞争力极为重要。因此，利用人工智能驱动的预测性警务来预防商业秘密犯罪也推动了治理商业秘密犯罪路径从事后打击向事前防范转型。
而人工智能驱动的预测性警务在预防商业秘密犯罪中应用的关键在于数据来源，而数据的数量和质量会极大影响预测准确度。因此，商业秘密犯罪预防性路径的实现依赖于企业于公安机关的合作。公安部在部署公安机关开展防范、打击侵犯商业秘密犯罪的“安芯”专项工作时，要求要考虑高新技术企业的需求，建立“常态化警企联系服务机制”。[14]目前，大部分地区预防商业秘密犯罪的预测性警务机制一般是由公安机关主导，执法部门共享数据，同时企业也会提供一部分数据。例如，2024年成立并运行的宁波市新能源汽车产业知识产权刑事保护中心自主研发了“新能源汽车知识产权刑事保护系统”和“宁波市商业秘密刑事风险预警感知平台”，利用政府部门和企业提供的数据，对企业涉密岗位人员进行画像，通过算法预警泄密风险。[15]如果对特定人员或群体进行犯罪风险画像，必然会收集行为轨迹等个人信息，如果不加限制，甚至可能还会收集敏感信息，侵犯公民个人隐私和尊严，与程序公正这一法治的核心价值产生冲突。[16]而且，如果企业担心泄露商业信息，在向预警平台提供数据时仅提供有限数据，这也会影响预测的准确度。此外，算法偏见这一人工智能技术常见的问题既可能导致对特定人员群体产生歧视性的、带有偏差的预测结果，同时也可能会影响犯罪风险预测的准确度。
更值得注意的是，中国目前尚未建立起对预测性警务进行系统规制的法律框架。不同于欧盟严格限制人工智能驱动的预测性警务的原则，中国现阶段倾向于先应用新技术进行实践探索然后根据情况再进行立法规制。虽然这种做法有利于新技术快速应用于犯罪治理，也符合治理商业秘密犯罪的特殊需求；但是，如果缺乏法律明确规范人工智能预测性警务在商业秘密犯罪治理中的应用边界，可能会因数据来源合法性与个人信息保护法等其他法律发生冲突而引发法律风险。数据既是商业秘密犯罪预测性治理路径的核心资源，也是影响公民隐私权的重要影响因素。如何尽快在法律中设定商业秘密犯罪预警机制收集和处理信息的明确且合理的边界，是规范化这一治理路径并使其持续发挥治理犯罪潜力的关键。而且，当企业作为权利主体通过提供数据转变为政府协同治理商业秘密犯罪的合作方后，如何规范公私边界也是规范化这一治理路径的重要议题。
二、商业秘密犯罪预警机制的数据收集、处理及其法律风险
在知识产权刑事保护强化和人工智能技术深度介入知识产权犯罪治理的背景下，商业秘密犯罪的治理路径出现向人工智能技术驱动的预防型路径转型的趋势。公安机关和企业通过合作建立商业秘密犯罪预警平台，试图及时发现异常高风险行为，在泄密发生前进行干预。虽然这种转型呼应了商业秘密保护的特殊需求并存在提升商业秘密保护水平的潜力，但是这种预防型路径也存在大量潜在的法律风险。一方面，企业对员工行为数据的收集与处理，可能与《个人信息保护法》发生冲突，不当侵犯员工隐私权并伴随算法偏见引起的风险；另一方面，如果刑事司法对预警数据的过度依赖，并且刑事程序中的商业秘密认定泛化，不加规制可能会导致公私边界模糊并进而导致刑事手段泛化。本部分将聚焦分析商业秘密犯罪预警机制这两方面的法律风险。
（一）预警机制中数据收集与处理的法律风险
人工智能是数据驱动的技术，商业秘密犯罪风险预警机制的运作依赖于收集大量数据并进行实时分析。为了尽量准确预测犯罪风险，预警机制就需要通过收集企业员工的系统操作记录、通信记录、出入企业研发部门等涉密场所的信息等数据供预警平台实施监测和分析。然而，预警机制收集、处理数据的范围等尚未有法律和政策规制，可能与《个人信息保护法》等法律相冲突。
首先，如果要提高预测准确度，商业秘密犯罪预警机制收集的数据可能会或者需要包含敏感的个人信息，如生物识别信息、通信记录、行为数据等。例如，企业是否会在研发场所安装收集指纹、人脸识别等生物信息的门禁系统收集研发人员出入的生物信息并且上传至预警系统，或者企业是否为识别异常操作行为而收集员工日常在系统中的操作数据，企业是否会通过无线网络定位、工卡感应等方式记录员工活动轨迹，或分析员工收发邮件的时间和频率等通讯数据构建行为画像等。这些敏感个人信息的收集和处理应当符合《个人信息保护法》的规定，应当有“特定目的和充分必要性”，并采取严格的保护措施。[17]但是，目前公开资料中尚未明确说明此类预警系统是否收集敏感个人信息以及处理过程。如果在未明确告知员工的情况下收集其敏感信息，则可能违反《个人信息保护法》的相关规定。
第二，商业秘密犯罪预警平台在收集数据时，应当遵循最小必要原则，避免过度收集与目的无关的个人信息。《个人信息保护法》明确规定，处理个人信息应当限于实现处理目的的最小范围。然而，如果在没有明确界定数据收集、处理范围的情况下，预警系统广泛收集员工的各类信息，可能导致对员工过度监控，侵害其隐私权。
第三，商业秘密犯罪风险预警系统会给涉密岗位员工做画像，通过算法进行风险分级和预测。[18]而标记高风险员工画像和预警数据的处理是否存在算法歧视的问题并进而是否可能对员工的正常工作和择业造成不当影响等目前缺乏公开资料佐证。然而，算法可能因训练数据的问题导致对特定群体的歧视是个人工智能技术应用于各类犯罪风险预测时都要普遍注意的问题。如果算法可能根据员工的年龄、学历、工作年限等特定数据预测其泄密风险，就可能在预测犯罪风险时对某些群体造成偏见并产生不利影响，并可能导致员工在岗位安排、职业发展等方面受到不公平对待。
（二）公私边界模糊的风险
当前商业秘密犯罪预防性治理主要依托政府推动的政企协作机制展开，例如通过警企合作平台运行犯罪预警系统。推行预防性治理路径的双重背景在于：一方面，大量企业缺乏商业秘密保护的意识，以及由此缺乏内部商业秘密管理机制；另一方面，政府基于促进企业内部管理能力建设及推动地区产业结构升级的考虑，积极引导企业完善内部管理制度。企业普遍缺乏保护意识和内部管理机制已在调研中得到印证。例如，宁波市政府在修订《宁波市企业技术秘密保护条例》前的调研发现，近半数受访高新技术企业尚未建立内部商业秘密保护制度，并普遍存在以下六个问题：企业缺乏保护意识、以及因此存在保密措施亟待完善、技术秘密的登记和保存有待规范、缺乏员工离职审计制度、缺乏保密协议与竞业限制协议、以及企业法务缺乏保护商业秘密相关的专业经验。[19]正是基于企业自身保护能力欠缺与政府强化产业保护的双重因素，政府开始采取主动干预措施。
在此背景下，国家市场监督管理总局在《商业秘密保护规定（征求意见稿）》中明确提出，“市场监督管理部门应会同相关部门，为经营者提供法律咨询、政策指导、风险预警及维权支持等服务”，进一步明确了政府在强化商业秘密保护中的主导地位。[20]这一政策导向已在经济发达地区率先落地。例如，上海自贸区临港新片区管委会2024年发布的《企业商业秘密保护工作指南（征求意见稿）》，不仅将“预防为主”确立为核心原则，还对企业构建商业秘密管理机制以及维权途径、方法提供了非常具体详细的指引和建议。[21]在这样的背景下，为了保护地方产业发展，尤其是地方支柱产业的核心竞争力，地方政府正积极介入商业秘密保护并发挥引领作用。例如，宁波市政府便将其商业秘密保护模式总结为“政府推动、部门协同、企业参与、社会联动”。[22]政府推动的保护模式也在实践中得到落实和推进。以宁波重要支柱产业——高度依赖商业秘密的新能源汽车制造业为例，宁波市北仑区检察院联合公安机关、法院共同签署了《关于加强知识产权刑事保护合作框架协议》，并创新成立了新能源汽车知识产权刑事保护中心。[23]更值得关注的是，地方司法机关也在处理案件基础上延伸职能，检察机关和法院在案件审结后向宁波市外贸协会送达法检联合司法建议，对外贸企业进一步完善保护商业秘密措施提出建议；检察机关还专门制定了《企业经营类商业秘密刑事报案证据指引》，为企业维权提供清晰的收集证据方面的建议。[24]
这种“政府推动、预防为主”的商业秘密保护模式在提升区域商业秘密保护水平上成效显著。以宁波为例，宁波市商业秘密刑事风险预警感知平台在2024年投入运行当年，就通过精准预警风险从而成功阻止新能源汽车企业核心涉密文件外泄，涉密资产估值超亿元，体现了事前防范的有效性。[25]同样，这种政府推动的模式也提升了事后打击的效率和效果。2024年，依托宁波市新能源汽车产业知识产权刑事保护中心，政府相关部门和司法机关协作，在泄密发生后迅速协助企业成功追回核心技术资料并挽回高达三千万元经济损失。[26]这种政府推动、预防为主的保护模式在治理商业秘密犯罪方面展现出了巨大潜力，其预防犯罪与处理高效的优势尤为突出。然而，这一模式目前还在探索和完善阶段，也需防止可能模糊政府监管权与市场边界的风险。这种风险的实质在于，如果政府在权力行使边界不够清晰的情况下介入企业内部商业秘密管理流程，可能导致公权力过度延伸至本应属于企业自治范畴的领域。因此，信息获取与执法介入边界的明确对预防风险并稳定发挥这种治理模式的潜能十分重要。
首先，行政机关需警惕行政指导、合规激励等手段变相成为“建议式强制”，将本应属于企业自主经营权范畴的事项纳入行政评价体系。例如，辽宁省市场监督局在2022年出台了《商业秘密保护管理规范》，其中明确指出商业秘密保护领导机构应“对企业商业秘密保护管理制度落实情况开展监督检查，并形成监督检查结论”，以及“企业应根据监督检查结论评价商业秘密保护管理制度的有效性，并形成评价报告”[27]随后，辽宁省市场监督局在2024年9月出台了《企业商业秘密保护体系评价指南（征求建议稿）》，虽然这份报告将评估流程概括为由“申请”开始，但是报告明确提出对企业的要求是“企业依据相关法律、法规、政策及标准等建立企业商业秘密保护体系并有效运行”；而且，评估报告模板还包含了在企业自愿申请第三方评估并用于企业改善内部管理中一般不包含的内容，例如“整改要求”、“整改时限”、“整改验证材料和形式”，尤其是企业的异议处理形式例如申诉等。[28]这就可能让政府指导在实践中异化成行政机关主导的标准化评估和强制化整改模式，使行政权力实质性介入企业内部治理，突破了公私领域的基本界限。这可能导致以行政标准化挤压企业根据自身和行业特点自主设计内部管理的空间。而且，这一评估过程本身也可能增加泄密风险。尤其是，如果行政机关将评估结果与企业政策补贴、优惠政策等挂钩，会导致更加严重的后果。而深圳市知识产权保护中心提供的《企业商业秘密保护实务指引》，[29]则以提供管理和救济方面的实操建议，在避免干预企业自主经营权的基础上发挥了促进提升商业秘密保护水平、降低泄密风险的作用。
其次，如果利用人工智能技术进行预警，作为数据驱动的技术，为实现精准预警和高效打击，预警平台需要收集企业的大量内部数据例如涉密员工的浏览记录、下载记录、进出涉密区域的记录等才可以做到。如果缺乏关于数据收集范围、使用目的、保密义务方面的明确规定，过度或不当的信息收集本身也可能侵犯商业秘密或经营自由。目前，企业在多大范围内应当/可以向公安机关提供数据供预警系统分析目前仍缺乏统一明确的标准。如果刑事司法中的专门机关介入的条件缺乏明确规定，这种模式可能会模糊企业内部管理与刑事司法之间的边界。尤其是预防型的商业秘密犯罪治理模式会促使公安机关对尚未发生的犯罪进行干预，如果数据来源的合法性本身存在问题，并且算法未充分考虑可能对特定群体造成的歧视，那公安机关的介入不仅无法准确预防犯罪，还可能为刑事司法制度运作的正当性带来争议。
这背后更为根本的问题是：商业秘密本质上是商业利益，传统上属于私权范畴，一般通过民事程序而非刑事司法保护；如果刑事司法要介入到商业秘密的保护中，需要明确的关键问题是在何种情况或条件下，商业秘密会成为需要刑事法介入保护的公共利益。否则，可能会导致刑事手段会过度介入市场竞争从而扭曲市场秩序。英国的立法则提供了一个独特的视角。英国没有专门针对商业秘密侵权的刑事立法，但在特定情形下，相关行为可能构成刑事犯罪。根据《计算机滥用法案1990》（Computer Misuse Act 1990）第1条，未经授权访问计算机资料的行为构成犯罪。如果行为人故意通过技术手段（如黑客攻击）获取作为企业内部数据的商业秘密，则可能构成此款规定的犯罪。此外，根据《数据保护法2018》（Data Protection Act 2018）第170条规定，未经数据控制者同意，故意或过失获取、披露或保留个人数据的行为可能构成犯罪。如果被窃取或披露的商业秘密中包含个人数据，未经授权的获取或披露可能构成犯罪。而这两种罪名本质上都不是专门针对商业秘密的保护，而是分别保护计算机系统安全和个人数据及隐私权。窃取披露商业秘密的行为是因为侵犯了其他公共利益而需要刑事手段介入。而《2023年国家安全法》（National Security Act 2023）则新增了与商业秘密直接相关的新罪名，第一部分第二条将行为人“明知”是在协助外国情报机构获得商业秘密的行为规定为是犯罪，最高法定刑为14年监禁或/并处罚金。[30]这一规定旨在应对外国通过间谍手段获取英国关键技术和商业信息而给经济安全和国家安全带来的威胁。这一立法认为只有在侵犯商业秘密的行为对国家安全构成威胁的情况下，刑事手段的介入才是正当的。换句话说，即刑事手段不应当介入一般的商业纠纷，从而防止过度将商业秘密侵权行为纳入刑事范畴而导致刑事手段泛化。在预防商业秘密犯罪这个具体问题上，商业秘密犯罪风险预警平台也应当考虑，预警的是普通侵权行为还是需要刑事手段介入的、可能侵犯公共利益的犯罪行为。
在治理商业秘密犯罪问题上，还需要统筹考虑治理的系统性成本。如果因公私边界模糊导致刑事手段泛化，还可能引发的另一个问题是过分挤占刑事司法系统原本可以分配在治理其他危害性更高的犯罪上的资源，包括用于打击已经发生的犯罪的资源。尤其是考虑到商业秘密案件办理难度大、时间长，消耗的刑事司法资源明显会更多，刑事制裁在商业秘密侵权治理上泛化后对其他犯罪治理资源的挤占效果会更严重。而且，刑事制裁泛化后，那些原本不应当受到刑事制裁的人会因此有犯罪记录，犯罪记录产生的标签效应会对这些人的就业和重返社会带来阻力，从而增加政府的社会治理成本。本文并不反对在必要情况下通过刑事手段对商业秘密进行保护，但是，应警惕刑事手段超越公私边界的介入。所以，明确公私边界，确保商业秘密犯罪治理是在促进企业治理水平提升而非替企业承担责任的框架内运行，是这一模式持续发展必须解决的议题。
三、商业秘密犯罪预警机制的合法边界
在前文对商业秘密预警机制因数据收集可能产生的法律风险和公私边界模糊的风险等问题分析的基础上，本节旨在回应前文识别和分析的风险，探讨构建这一预防性治理机制的合法边界，并明确何种情形下刑事手段（预测性警务）介入商业秘密保护是合法、必要且正当的。
（一）企业收集和提供数据的合法边界
在商业秘密犯罪预警机制中，企业通常需要收集和提供员工的相关数据，以识别潜在的风险行为。企业收集和处理企业员工数据的范围、方式应符合《个人信息保护法》等相关法律法规的要求。针对前述风险，应从以下方面构建企业收集数据行为的合法性边界。首先，企业内部收集、提供员工个人信息的范围和方式不能仅由企业自行设定，而应遵循《个人信息保护法》规定的“合法、正当、必要”的原则以及“目的限制”原则。数据的收集和使用应限于预防商业秘密泄露和预警商业秘密犯罪风险所必需的信息，避免过度收集与预警无关的个人信息例如员工的私人通信。员工的生物识别信息等敏感信息尤其应当保持非必要不收集的原则。并且，应明确禁止企业将为商业秘密犯罪风险预警平台收集的数据用于绩效评估、职称晋升等超出商业秘密保护范围的人力资源管理等目的，防止预警机制异化为对员工的非法电子监控。通过目的限制，可以明确区分企业合规收集数据和侵犯个人信息之间的界限。
其次，企业应确保员工对商业秘密犯罪预警平台收集数据的范围和处理方式有充分的知情权和选择权。根据《个人信息保护法》的规定，企业在收集个人信息前，应明确告知员工数据的收集目的、方式、范围、保存期限等，并取得员工的明确同意。换言之，企业在与员工签订劳动合同时，应避免使用概括同意类条款，而应在劳动合同中明确约定预警系统收集员工个人信息的范围、方式、目的与存储期限等内容。并且，鉴于劳动关系中权力结构的不对等性，企业不得后期通过任意单方面修改企业内部规定、政策而要求员工提供超出劳动合同约定范围的个人信息，而是应当遵守《劳动合同法》第四条关于涉及劳动者切身利益的重大事项应当经职工代表大会或全体职工讨论以提出方案和意见的规定，让员工个人数据的收集从企业的单向管控转化为劳资共治下的合规管理，以此确保企业的数据收集行为在合法边界内。员工也应有权拒绝提供非必要的个人信息，且不应当因此受到不利影响。企业也应建立机制，允许员工对数据采集和预警提示提出异议，并进行人工复核，充分保障员工的权益。
第三，企业向预警平台（特别是涉及与执法部门共享部分数据的平台）提供数据时，还可以通过技术手段来确保数据传递和处理在合法边界内。企业在提供数据给平台时，应确保数据的脱敏处理，平台接收到的应当是经过处理后的异常行为统计数据，而非直接关联特定自然人的原始身份信息尤其是敏感个人信息。数据的传输和存储应采取加密技术、访问权限限制等安全措施，防止数据在传输或存储过程中被非法获取或篡改。
（二）刑事手段介入的法律边界
在商业秘密犯罪的预测性治理中，明确刑事手段介入的法律边界至关重要。当前，预警系统通过数据分析识别“高风险行为”并进行犯罪风险提示，但这些行为是否构成刑法上的犯罪预备存在争议。如果公安机关仅依据风险预警报告介入，可能导致对预备犯的认定过于宽泛并进而导致刑事手段的泛化，从而引发一系列问题。将预警系统提供的犯罪风险提示作为立案依据，也可能会挑战刑事司法的立案程序和证据规则。
首先，应当严格限制公安机关将犯罪风险预警认定为犯罪预备并介入。算法标记的高风险行为仅反映统计概率，不能直接等同于“为了犯罪准备工具、制造条件”。预警平台仅能识别行为，难以识别员工实施这样的行为是否具备实施商业秘密犯罪的主观故意。因此，预警系统识别到的异常操作也可能出现错误，例如员工出于合法目的加班备份文件被识别为高风险异常操作。刑事手段介入的前提，必须是该行为已具备侵害法益的现实紧迫性。换言之，该行为必须是专门为实施侵犯商业秘密犯罪目的实施的行为，例如为窃取商业秘密专门购买技术工具破解数据防火墙但尚未下载数据。在介入时，公安机关必须进一步收集证据来判断行为人是否具有窃取商业秘密的主观故意，防止将因工作或管理失误引发的误操作纳入刑事手段处理的范畴。
其次，在预警机制运作中，应当建立企业内部调查前置程序，并以此严格限定公安机关介入。当预警平台发出风险提示时，企业应利用其内部管理权限，先行调取办公系统日志、进行企业内部的合规调查等非强制性的核实工作，以便排除因系统误差、员工误操作或员工合理履职的行为引发的预警。如果企业经过内部调查和初步收集的证据可以判断很可能存在侵犯商业秘密犯罪的事实，可以向公安机关报案并提供线索和证据。如果公安机关根据企业提供的线索和证据认为可能存在犯罪事实，符合刑事诉讼法规定的立案标准，方可立案启动侦查程序。这样既可以避免刑事司法资源的浪费，也可以确保刑事手段的介入符合刑事诉讼法的规定而在合法边界内。
第三，应当建立独立的监督机制对预测性治理的实施进行监督，确保其合法、公正、透明。这包括设立独立的监管机构，对预警机制的运行进行审查；建立申诉和救济机制，保障被错误识别为高风险个体的合法权益。
总之，在商业秘密犯罪的预测性治理中，应谨慎处理预警机制识别的高风险行为，避免将其简单等同于预备犯，防止刑事手段适用的泛化，保障公民的合法权益。通过严格限定公安机关的介入条件、加强对预测性治理的法律规制、建立独立的监督机制等措施，明确预测性治理的法律边界，实现商业秘密保护与法治原则的协调统一。
结论
在数字经济时代，商业秘密的载体从传统的纸质文件转向电子数据，不仅增加了窃取商业秘密技术手段的多样性，也提高了侵权行为的隐蔽性和取证难度。商业秘密的保护也面临新挑战。同时，侵犯商业秘密的不可逆性以及知识产权刑事保护强化、预测性警务普遍实践，使得预防性治理路径成为商业秘密刑法保护的重要方向。然而，商业秘密犯罪的预防性治理路径也需要明确边界以防止可能出现的与法治原则冲突的问题。首先，犯罪风险预警系统可能涉及对企业员工个人信息的收集和处理，若未经员工同意，可能违反《中华人民共和国个人信息保护法》的相关规定，侵犯员工的隐私权。其次，政府通过商业秘密保护的“强制性建议或评估”介入企业内部管理，可能模糊公私边界，侵蚀企业的自主权。
为明确商业秘密犯罪预防性治理路径的合法边界，人工智能驱动的犯罪预警机制应严格遵守《个人信息保护法》的规定，确保数据收集在员工知情且同意的情况下进行并且仅在必要限度内，避免对员工隐私的侵犯。政府在推动商业秘密保护时，可以提供商业秘密保护管理的建议，但应避免通过“强制性建议或评估”过度干预企业内部管理。如果预测性治理持续发挥治理潜力，也应明确刑事手段介入的合法边界，通过明确高风险行为与犯罪预备行为的界限，防止刑事手段泛化；严格限定公安机关的介入条件，确保其在有明确犯罪线索的情况下方可立案启动侦查，避免仅依据风险提示报告介入。更为根本的是，商业秘密本质上是商业利益，刑事司法的介入应以侵犯商业秘密的行为同时危害刑法所保护的公共利益为前提，否则可能导致刑事手段泛化，违背刑法的谦抑性原则，并进而引发更多治理问题。只有在明确法律边界、保障公民权利、坚持法治原则的前提下，预测性治理机制才能真正发挥其应有的作用，实现商业秘密保护与法治原则的协调统一。
注释：
[1]黄素珍、王西泽：《公安新质战斗力保护企业新质生产力：守护新能源汽车创新核心“共富”密码》，载《浙江法治报》，2025年2月19日，第6版。
[2]最高人民检察院：《检察机关知识产权保护典型案例》，载最高人民检察院官网，https://www.spp.gov.cn/xwfbh/wsfbh/202504/t20250423693691.shtml，2025年6月2日访问。
[3]《浙江宁波：严惩侵犯商业秘密犯罪，护航企业创新发展》，载《检察日报》，2025年3月23日，第3版。
[4]最高人民检察院：《“两高”发布<关于办理侵犯知识产权刑事案件适用法律若干问题的解释>》，载最高人民检察院官网，https://www.spp.gov.cn/xwfbh/wsfbt/202504/t20250424693977.shtml#1，2025年6月2日访问。
[5]最高人民检察院：《“两高”发布<关于办理侵犯知识产权刑事案件适用法律若干问题的解释>》，载最高人民检察院官网，https://www.spp.gov.cn/xwfbh/wsfbt/202504/t20250424693977.shtml#3，2025年6月2日访问。
[6]《浙江宁波：严惩侵犯商业秘密犯罪，护航企业创新发展》，载《检察日报》，2025年3月23日，第3版。
[7]《积极弘扬社会主义核心价值观，彰显司法裁判的规则引领和价值导向——南通法院2024年度十大典型案例揭晓》，载《南通日报》，2025年1月13日，第20-21版。
[8]王梁、黄业晞：《西安市检察院建立知识产权刑事案件快速联动办理机制》，载《检察日报》，2025年2月7日，第2版。
[9]《我省三部门联合推进商业秘密保护工作：“行政+司法”，关口前移事半功倍》，载新华日报，https://xh.xhby.net/pc/con/202503/22/content1432031.html，2025年6月2日访问。
[10]胡铭、严敏姬：《大数据视野下犯罪预测的机遇、风险与规制———以英美德“预测警务”为例》，载《西南民族大学学报》，2021年第12期。
[11]浙江省商业秘密保护联合调研组，《侵犯商业秘密犯罪打防研究——基于浙江相关罪案的调研》，《公安学刊——浙江警察学院学报》，2021年第1期，第29页。
[12]浙江省商业秘密保护联合调研组，《侵犯商业秘密犯罪打防研究——基于浙江相关罪案的调研》，《公安学刊——浙江警察学院学报》，2021年第1期，第29页。
[13]浙江省商业秘密保护联合调研组，《侵犯商业秘密犯罪打防研究——基于浙江相关罪案的调研》，《公安学刊——浙江警察学院学报》，2021年第1期，第30页。
[14]张晨：《公安机关跨前一步主动作为精准对接企业需求商业秘密刑事保护直达重点企业》，载《法治日报》，2024年10月24日，第5版。
[15]《浙江宁波构建新能源汽车知识产权“防护网”十个月为1174家企业生成风险体检报告1547份，助力新能源汽车产值突破3381亿元》，载中华人民共和国公安部官网，https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841074/c9981897/content.html，2025年6月3日访问。
[16]王禄生：《论预测性司法》，载《中国社会科学》，2024年第6期，第90页。
[17]《中华人民共和国个人信息保护法》第28条。
[18]《浙江宁波构建新能源汽车知识产权“防护网”十个月为1174家企业生成风险体检报告1547份，助力新能源汽车产值突破3381亿元》，载中华人民共和国公安部官网，https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841074/c9981897/content.html，2025年6月3日访问。
[19]王岚、唐小衡：《加码企业秘密技术保护为宁波高质量发展保驾护航》，载《宁波日报》，2023年4月26日，第4版。
[20]《商业秘密保护规定（征求意见稿）》，载国家市场监督总局官网，https://www.samr.gov.cn/cms_files/filemanager/1647978232/attach/20254/2a3d95637b4842b8a1a361dee4ce7854.pdf，2025年6月3日访问。
[21]https://www.lingang.gov.cn/upload/1/cms/content/editor/1729220111366.pdf
[22]王岚、唐小衡：《加码企业秘密技术保护为宁波高质量发展保驾护航》，载《宁波日报》，2023年4月26日，第4版。
[23]《浙江宁波：严惩侵犯商业秘密犯罪，护航企业创新发展》，载《检察日报》，2025年3月23日，第3版。
[24]《浙江宁波：严惩侵犯商业秘密犯罪，护航企业创新发展》，载《检察日报》，2025年3月23日，第3版。
[25]《浙江宁波构建新能源汽车知识产权“防护网”十个月为1174家企业生成风险体检报告1547份，助力新能源汽车产值突破3381亿元》，载中华人民共和国公安部官网，https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841074/c9981897/content.html，2025年6月3日访问。
[26]浙江宁波构建新能源汽车知识产权“防护网”十个月为1174家企业生成风险体检报告1547份，助力新能源汽车产值突破3381亿元》，载中华人民共和国公安部官网，https://www.mps.gov.cn/n2255079/n4242954/n4841045/n4841074/c9981897/content.html，2025年6月3日访问。
[27]《商业秘密保护管理规范（报批稿）》，载辽宁省市场监督管理局官网，https://scjg.ln.gov.cn/scjdglj/hd/zjdc/2023010410445120114/2023010410425212615.pdf（第9页），2025年6月3日访问。
[28]《企业商业秘密保护体系评价指南（征求意见稿）》，载辽宁省市场监督管理局官网，https://scjg.ln.gov.cn/scjdglj/hd/zjdc/2024092019254876245/2024092019105231535.pdf，2025年6月3日访问。
[29]《企业商业秘密保护实务指引》，载中国（深圳）知识产权保护中心，http://www.sziprs.org.cn/attachment/0/72/72386/1151614.pdf，2025年6月3日访问。
[30]英国《2023年国家安全法》（National Security Act 2023）。