INTERPOL 反恐 AI 行动锁定 126 名嫌疑人，但匹配结果仍需人工证实
INTERPOL 的 AI 反恐行动在处理从圣战主义媒体收集的 108,076 张人脸图像后，识别出 126 名涉嫌参与恐怖活动的外国战斗人员。这一规模标志着国际调查人员能够将公开数字材料转化为可执行线索的方式发生了重大变化。
Operation Shams II 并未让算法作出最终身份认定。编程 AI 代理和 AI 生成的脚本负责收集、去重和检查图像，随后由受训警官审核匹配结果。这一区别至关重要：人脸相似度评分只是调查线索，并非身份或犯罪行为的证据。
因此，这项行动呈现出两种相互竞争的现实。AI 能将难以管理的海量在线图像压缩为调查人员可审查的数据集。然而，其价值取决于图像质量、合法的数据处理、专家核验，以及各国主管部门如何处置每一条线索。
Operation Shams II 将 108,076 张图像转化为调查线索
眼前的变化并非自主执法，而是一条快得多的情报处理流程。
根据 Operation Shams II，INTERPOL 于 2026 年 6 月 1 日至 6 月 5 日在突尼斯突尼斯市协调开展了为期五天的行动。该组织于 9 月 18 日公布结果。
此次行动汇集了来自 11 个国家的 28 名专业警官和专家。参与方包括科特迪瓦、加纳、伊拉克、肯尼亚、马来西亚、尼日利亚、菲律宾、卡塔尔、塔吉克斯坦、突尼斯和乌兹别克斯坦。
调查人员首先分析了圣战主义组织在线发布的视觉内容。他们从这些材料中提取了 108,076 张人脸图像，形成的集合规模过大，小型团队难以仅靠人工高效审查。
编程 AI 代理和 AI 生成的脚本自动化处理了部分收集工作。它们还去除了重复项，并检查图像是否具备进一步分析所需的质量。
这一筛选阶段将初始图像集合缩减为 6,362 张独特且质量更高的人脸图像。随后，调查人员可通过 INTERPOL 的人脸识别系统处理这些图像。
这一缩减是事件的核心。超过 101,000 张收集到的图像未进入主要人脸识别数据集。其中许多可能是重复图像、不适合的画面，或未达到质量要求的材料。
INTERPOL 驻巴格达国家中心局还提供了一套涉及恐怖主义嫌疑人的大型情报数据集。这一贡献新增了数百张待提取和处理的图像，使行动范围超越了公开收集的媒体材料。
INTERPOL 报告称，截至公告发布之日，比对工作已识别出 126 名涉嫌参与恐怖活动的外国战斗人员。外国恐怖主义战斗人员是指被认为曾赴海外加入、支持或接受恐怖组织训练的个人。
该组织表示，这些匹配结果将丰富有关潜在所在地和社交网络的情报。相关信息也正被整合进其数据库，用于未来调查和国际核查。
这些成果不应被误解为 126 人遭逮捕。INTERPOL 描述的是身份识别和调查线索，而非已完成的起诉或有罪认定。
该组织称，其中一条线索已在支持涉及两名被拘留嫌疑人的司法工作。仍有数千张图像等待处理，因此潜在匹配的最终数量尚未确定。
Operation Shams II 还使用加密货币调查工具审查涉嫌恐怖主义融资的活动。这项工作提出了三项紧急请求，要求一家虚拟资产服务提供商披露客户信息。
在线游戏行业代表参与了有关数字环境中青年激进化的讨论。这一环节反映出行动更广泛的范围：它将图像分析与融资调查和平台合作连接起来。
核心成果仍是将嘈杂的视觉档案转化为一组规模更小、可供审查的证据。这种能力带来了行动的前景，也将风险集中在筛选和匹配流程之中。
INTERPOL 的 AI 反恐行动为何重要
Operation Shams II 将 AI 辅助分析从培训目标推进为一项有据可查的跨国调查。
执法机构多年来一直使用人脸识别。此次行动的不同之处在于，它结合了开源收集、自动化准备、国际数据库和协调的人类审查。
其根本问题在于规模。一段宣传视频可能包含数千帧画面，而同一张脸可能出现在不同分辨率、剪辑版本和传播渠道中。
人工审查难以应对这一体量。调查人员必须定位人脸、剔除不可用画面、识别重复图像，并将剩余材料与现有记录进行比对。
AI 改变了这项工作的成本结构。自动化代理可以重复执行收集和清理任务，无需警官按顺序检查每一帧画面。
这并不意味着软件理解证据。它意味着系统能够减少人类调查人员必须评估的材料量。
Operation Shams II 为这种缩减提供了具体衡量指标。在提取的 108,076 张图像中，只有约 5.9% 进入了用于比对的 6,362 张独特、高质量人脸图像集合。
这一比例并未揭示系统准确率。但它显示，在人脸匹配开始前，调查人员遇到了多少重复或不适用的材料。
此次行动源于一项更广泛的能力建设计划。CT TECH+ initiative 是由联合国反恐办公室和 INTERPOL 联合实施、获得欧盟资助的两年期项目。
CT TECH+ 为参与国家提供开源情报、人工智能、暗网调查和虚拟资产追踪培训。该项目还要求相关能力的发展符合国际法和人权义务。
其第一阶段于 2022 年 1 月至 2024 年 6 月开展。扩展后的项目于 2024 年 11 月启动，并计划在项目接近尾声时开展一项协调行动。
Operation Shams II 似乎正是这一准备工作的实战化体现。警官们并非只是测试一款独立的人脸识别产品，而是在技术资源和法律制度各异的国家之间采用共享调查模式。
这一模式给仍依赖碎片化人工流程的机构带来压力。当相关图像跨越国界和平台流动时，一国团队可能缺乏识别个人所需的参考数据。
INTERPOL 提供了连接层。它可以将提交的材料与国际通报、扩散通报及其他获授权记录进行比对，再将潜在候选人反馈给参与国主管部门。
此前的一项行动展现了这种对比。2024 年，Operation Neptune VI 聚焦于 14 个国家的边境、机场和海上检查。
该行动进行了数百万次数据库交叉核查，促成 66 人被捕，并识别出 81 名受到 INTERPOL 通报或扩散通报覆盖的人员。它主要依赖在实体边境和运输线路上的接触。
Operation Shams II 则从链条更早的环节切入。调查人员不再等待关注对象抵达检查站，而是挖掘组织已在线传播的视觉材料。
这种方法可为近期未曾穿越受监控边境的人员提供线索，也可揭示未确认身份的人脸与其他地方留存情报之间的关联。
如今，压力落在各国机构身上：它们必须作出回应，同时不能将算法相似性视为确定事实。只有当调查和司法保障能够跟上步伐时，更快的线索生成才有意义。
AI 人脸识别充当的是漏斗，而非裁决
行动中最具决定性的机制，是分阶段筛选和专家审查。
人脸识别将提交的人脸与存储图像进行比对，并对可能的相似结果排序。它并不能独立判定某人的身份、意图或法律状态。
INTERPOL 表示，其人脸识别流程要求合格警官审查潜在候选人。分析人员会查看显著特征，并将结果分类为潜在候选人、无候选人或结果不确定。
这种表述很重要。潜在候选人仍是一项需要更多证据验证的假设，而结果不确定并不能支持可靠的身份识别。
Operation Shams II 将自动化置于专家比对之前及其周边。软件收集图像、删除重复材料、剔除不合格输入，之后才由分析人员审查输出结果。
这种架构解决了在线调查中的一项实际弱点。极端主义内容在服务之间传播时，往往会被复制、压缩、裁剪、添加字幕或重新编码。
因此，同一个人可能产生数十张几乎相同的图像。若将每一帧单独计数，便会夸大数据集规模并浪费比对资源。
质量检查同样重要。当人脸清晰、尺寸足够大、光线均匀且正对镜头时，人脸识别表现最佳。
圣战主义媒体很少能提供实验室般的条件。人脸可能以倾斜角度出现，处于阴影下、被面具遮挡，或出现在低分辨率录像中。
INTERPOL 和 UNICRI 的负责任 AI 指南指出，某些系统在理想条件下的准确率可超过 99%。同一指南也表示，当图像质量较差时，性能可能降至 80% 以下。
这些数字并非 Operation Shams II 的性能结果。INTERPOL 没有公布此次行动所用模型、比对阈值、误报率或人口统计表现数据。
这些细节的缺失限制了独立评估。读者知道各阶段进入的图像数量以及被识别出的疑似战斗人员数量，但不知道有多少候选人需要被排除。
126 个匹配结果也没有公布对应的基数。INTERPOL 表示仍有数千张图像有待处理，因此已公布的数字只是阶段性的行动结果。
不过，AI 人脸识别流程仍为调查人员提供了有价值的能力：优先级排序。它帮助他们决定哪些视觉记录最值得优先获得有限的人力关注。
这与“AI 解决了 126 起案件”的说法不同。软件支持的是一条涉及在线收集、数据库比对、受训分析、情报整合和国家司法行动的链条。
链条中的每一个环节都可能影响最终结果。劣质源材料可能产生薄弱候选人，不完整的记录可能遗漏真实匹配，而错误的元数据可能扭曲后续分析。
人工审查同样需要判断。专家监督能降低对自动化输出的依赖，但审查人员必须接受充分培训、掌握背景信息，并拥有否决建议候选对象的权限。
INTERPOL 表示，Operation Shams II 中所有 AI 生成的输出，均依照其《数据处理规则》经过警员和分析师核验。这些规则规范了该组织内信息质量、访问权限、保存期限和允许用途。
能力提升伴随着问责考验
更快的识别速度会提高每一次弱匹配的代价，因为一条线索可能跨越数据库、机构和国界传播。
INTERPOL 是一个合作网络，而非超国家警察机构。它无权独立逮捕人员，参与国家保留对调查和起诉的管辖权。
这一结构构成了一项保障，因为数据库结果不会自动导致拘留。同时，它也带来了复杂性，因为各国采用不同的法律标准和监督机制。
人脸匹配可能帮助分析人员定位一名已有记录的嫌疑人。它也可能让一名长相与数据库中某人相似的人背负嫌疑。
其后果不止于逮捕。一条线索可能影响监控、边境筛查、出行决定、讯问、社交网络分析或金融信息调取请求。
图像质量是最直接的技术关切。低分辨率视频和侧脸可能削弱正确候选人与误导性相似对象之间的区分度。
偏差则构成另一项风险。当训练数据、测试数据或运行条件未能充分代表不同人群时，AI 系统在不同人口群体之间的表现可能存在差异。
Operation Shams II 涉及与多个地区相关的材料，以及 11 个参与国。INTERPOL 未公布该系统在此次行动中的人口统计学误差分析。
这一缺失并不能证明系统存在偏差。它意味着公开声明未提供足够证据，以评估错误是否均匀分布。
数据集来源构成另一项问题。调查人员从被归因于圣战组织的内容中提取图像，但仅仅出现在此类材料中，并不能证明某人是成员或应承担刑事责任。
一段视频可能包含人质、记者、当地居民、安全人员、旁观者或被重复使用的画面。因此，任何人脸候选对象都必须结合具体背景加以判断。
“已识别”这一措辞可能掩盖这种区别。INTERPOL 的声明提到 126 名外国恐怖主义战斗人员，但未公布对每一项认定所采用的证据标准。
部分人员可能已出现在既有反恐记录中。另一些人则可能需要额外佐证，国家主管机关才能将图像与其行为或地点关联起来。
该组织的保障措施承认了这些问题。INTERPOL 表示，提交的图像必须满足质量标准，合格警员会在信息发送至请求国前审查可能的匹配结果。
其更广泛的负责任 AI 原则强调公平、人类监督、透明度、隐私、数据保护和问责制。
INTERPOL 还与联合国区域间犯罪和司法研究所共同开发了一套面向执法部门的 AI 工具包。其开发过程汇集了来自 30 多个国家的 56 名专家。
该工具包接受了来自执法、学术界、公民社会、人权、行业和刑事司法领域专家的审查。15 个国家的机构在实际环境中对其进行了测试。
指导意见固然有用，但运行层面的问责需要可衡量的证据。机构需要留存记录，说明哪些工具处理了数据、使用了哪些阈值，以及哪些警员审查了每项结果。
在信息进入国际系统后，它们还需要一套纠正错误关联的程序。一项仅停留在单一国家档案中的更正，无法修正已在其他地方共享的副本。
司法使用带来了另一项挑战。辩护律师可能需要获得足够信息，以质疑识别结论如何形成，包括源图像是否被修改或存在缺失。
主管机关必须在此类披露与保护情报手段及持续调查的正当需求之间取得平衡。仅将系统称为“AI 辅助”无法化解这种紧张关系。
因此，这次行动的 126 项匹配将取决于后续发展来接受检验。若经独立证据支持的身份得到确认，将增强 INTERPOL 对这一模式的论证。
被撤回的匹配、无法解释的拘留，或未披露的错误率都会削弱这一论证。公开声明没有提供这些失败的证据，但也缺少足够细节来排除它们。
Operation Shams II 不止于人脸匹配
此次行动连接了身份、融资和平台情报，而非将人脸识别视为孤立工具。
加密货币部分向一家虚拟资产服务提供商提出了三项紧急信息披露请求。这类提供商包括交易所及其他转移或保管数字资产的企业。
在许多情况下，区块链交易可以被公开追踪，但钱包地址并不会自动识别其使用者。调查人员通常需要提供商的记录，才能将账户与个人或组织关联起来。
INTERPOL 未披露该提供商、交易金额、币种或疑似接收方。它也未说明这些请求是否冻结了资产或导致刑事指控。
因此，这一结果应被描述为调查步骤。三项信息披露请求并不证明三个融资网络已被瓦解。
不过，将其纳入行动揭示了该行动意图采用的模式。人脸图像可以生成身份线索，而加密货币分析则可能揭示同一网络周围的资金关系。
社会关系构成第三个层面。INTERPOL 表示，这 126 项识别结果将丰富有关可能所在地和网络的情报。
在合法收集的前提下，将这些信号结合起来，可以形成比任何单一匹配更有价值的调查。面部、钱包、通信渠道和已知关联人能够相互印证。
同样的组合也可能放大错误。如果错误的人脸候选对象成为起始身份，分析人员可能会在这一错误假设下解读无关交易或联系人。
这正是数据溯源至关重要的原因。调查人员必须保留每项主张的来源，并区分已核实事实与机器排序得出的可能性。
游戏行业讨论更偏向预防，而非识别。参与国与公司代表探讨了与网络环境中青年激进化相关的信息共享。
INTERPOL 未点名相关公司，也未宣布监控协议。它同样没有提供与这 126 项识别有关的游戏平台用户数量、内容规模或具体案例。
这种有限披露避免了过度宣称。这场会议表明合作正在加强，而非建立了新的全行业监控系统。
它还突显出参与反恐调查的私营组织数量正在扩大。社交平台掌握内容，游戏服务观察社区活动，加密货币提供商控制客户记录。
公私合作能够弥补信息缺口，但需要明确的法律请求和边界。自愿或非正式的信息共享可能对同意、比例原则和保存期限造成不确定性。
CT TECH+ 明确将公私伙伴关系列为项目目标。Operation Shams II 展示了各国政府为何希望建立此类伙伴关系，因为大量相关活动发生在私营运营的服务上。
这一模式也改变了参与国必须具备的管理能力。它们需要理解开源情报、数字资产、平台记录和生物识别证据的调查人员。
购买一项人脸识别服务无法提供这些机构能力。缺乏训练有素的分析人员和成文程序，自动化只会产生超出机构负责任评估能力的更多线索。
此次行动的 28 名专家组成了一支高度集中的国际团队。要在国家层面复制这项工作，需要持续培训、兼容系统，以及对可疑信息提出质疑的可靠渠道。
因此，Operation Shams II 与其说像一次单一的软件部署，不如说是一场对共享调查基础设施的测试。其持久影响取决于该基础设施能否在行动结束后继续保持问责。
126 项识别结果之后应关注什么
接下来的证据必须表明，这些匹配能否经受调查检验，保障措施能否变得可衡量，以及该模式能否在不失控的情况下扩展。
第一个信号是司法后续进展。INTERPOL 表示，相关线索已支持涉及两名被拘留、疑为外国恐怖主义战斗人员的诉讼程序。
未来公告应区分已确认身份、逮捕、指控、撤案和未解决线索。这些结果将显示，AI 支持的匹配有多大比例能够转化为可用证据。
大量经过审查并获得独立佐证的识别结果，将强化此次行动的核心主张。大量候选对象被否决并不意味着系统毫无价值，但会改变评估其效率的方式。
第二个信号是技术透明度。INTERPOL 无需公布会帮助目标规避侦测的行动细节，但汇总性能数据将提升问责性。
有价值的披露包括：返回的潜在候选对象数量、被分析人员否决的数量、被认定为无法确定的数量，以及遇到的图像质量失效类型。
人口统计学测试同样重要。汇总误差分析能够揭示表现是否不均衡，同时不暴露嫌疑人或调查人员的身份。
公布这些数据将增强人们对人工审查发挥真实控制作用的信心。若持续仅依赖最终匹配数量，最关键的误差问题仍将得不到解答。
第三个信号是复制。INTERPOL 将此次行动称为首创之举，并将其模式描述为未来国际合作的基础。
第二次行动将揭示，这一工作流程能否在不同媒体来源、语言、地区和参与机构之间保持一致表现。它还将检验更大规模的部署能否保留同样的审查要求。
规模扩大可以带来更好的情报，因为更多数据会创造更多合法匹配的机会。但它也可能产生更多错误线索、更广泛的数据流通，并给人工审查人员带来更大压力。
因此，对 INTERPOL AI 反恐行动的评估不应只看 126 名嫌疑人这一标题数字。其真正考验在于，加速发现能否产生可靠、可审查且可在法律上使用的证据。
对于开发者和企业 AI 团队而言，这一教训超越了警务领域。对人员或高影响决策进行排序的系统，需要可追溯的输入、明确的不确定性、人类否决权和纠错机制。
对政策制定者而言，这次行动提供了一个具体案例，促使人们提出更尖锐的问题：AI 执行了哪些任务？其输出如何得到验证？当个人对匹配结果提出异议时，将如何处理？
对公众而言，关键区别依然很简单：AI 帮助调查人员在海量图像中缩小排查范围，但它并未取代证据、法律程序或人的责任。
最有价值的下一步，是关注结果本身，而不只是这次公告。应观察有多少线索最终进入法庭、INTERPOL 会公布哪些性能信息，以及未来的行动是否仍能保留有实质意义的人类审查。
