大数据技术在公安业务中的发展

■ 文 / 李星毅

江苏大学计算机科学与通信工程学院

公安大数据总体建设目标可以概括为：公安大数据将有效整合社会和公安部门数据，通过对数据的应用，获取公共安全管理知识、提高公安部门的能力建设。借助数据和知识支撑，对危害社会秩序行为进行辨识和预判、安全有效打击危害公共安全行为，提高服务社会和公民的能力。

从建设目标可以看出，公安大数据建设，需要完成如下任务：

1.有效整合社会和公安数据。公安数据建设是大数据建设的基础，建设中需要遵循开放性、持久性、有序性、全面性要求。

2.建立服务于公安的大数据平台和满足公安大数据分析需要的工具集。需要建立公安大数据基础平台，平台具备共享性、扩展性、安全性、主动性特征。

3.建立公安大数据应用机制和方法，形成符合公安特点的大数据应用方法论。

4.具备三个服务能力：服务于公安能力建设、服务于打击违法犯罪维护社会秩序、服务于社会公众。

5.实现公安作战方式向集约化、主动化、智能化、全天候转化。

公安的具体实务均由五大基础业务，即情报、指挥、作战、后保、战训，演化而来，大数据与五大基础业务的关系反映了大数据在公安实务中的应用的基本方法，对公安大数据的建设和应用具有指导意义。

情报分人工情报和数字情报。人工情报是指采用人工采集的方式获取情报，传统情报一般指人工情报，人工情报需要建立情报网络或者需要经常与社会群体进行交往以获取信息。数字情报是指通过计算机技术对各种途径获取的数据进行分析和加工，获取数据中蕴含的有价值的信息，并根据既定模式或人工对这些信息进行评估，确定信息的意义。

数字情报根据数据来源可以分为网络情报和专业情报。网络情报是以互联网信息为基础的情报分析，如舆情、即时通讯、虚拟社群、电子商务等中蕴含的信息。专业情报，是指专业警种根据其业务需要，有计划有目的的采集各类数据，并借助机器方式进行分析，获取的数据中所蕴含的信息。

人工情报由于采用人工方式进行采集，一般数据量有效，数据类型和形式较为简单，时空粒度较大，其分析可以采用人工完成。由于人工在时空跨度、关注度、联想扩展等方面的局限性，现代分析中，引入了大数据技术参与人工情报分析。大数据在人工情报分析中，主要应用于大时空域的数据融合、广域数据关联、小数据特征和风险强度分析等。同时，通常会借助大数据使用网络情报对人工情报进行对比核实。

网络情报以网络数据为基础进行情报分析，基础数据主要来自虚拟世界、社会和公安物联网提供的数据，常见的数据来源有：即时通讯、网络社区、网络新闻、网络媒体、电商物流、视频监控等。数据采集采用的方法通常有：社群侦听、网络爬虫、数据汇聚等，网络情报的数据量巨大，可以达到“PB/天”数量级，数据过滤、融合、重组、分析、流转是其难点之一。由于现在网络和移动技术成为社会生活的不可分割的部分，理论上网络情报可以获取公安所需的90%以上的情报，但由于采集能力、分析能力、分析方法和管理能力的限制，目前网络情报的效率并不高。网络情报分析主要采用大数据技术，实现对海量数据的有效处理。在网络情报中，通常使用目标侦听、切语(暗语/指代词)分析、谱系建立、关系分析、线索跟踪、交叉分析、态势和趋势分析等手段。由于网络情报不是强目的性情报分析，因此，获取的线索通常为通用性或普适性知识和规律，以及强波动和离群的现象，可以作为公安系统的决策、规划和特定群体监管等业务的工具。

专业情报以公安、政府部门、企事业单位、社区生活、公民个人等信息为基础，并根据业务目标汇聚网络数据，对敏感对象、异常现象、风险特征等进行分析和辨识。专业情报关注数据间的规律性和突发性，对线索的时空、因果数据具有很高的信息，简单讲，专业情报更为关注的是关联数据，而不是网络情报中的聚类数据。专业情报的数据相对于网络情报较少，一般在“GB/天”数量级，但对历史数据具有较高的关注度。专业情报分析是针对具体目标展开的，具体目标可以是具体对象也可以是可描述的现象，分析中围绕前述事务的五个维度进行数据的分析，其分析的复杂度高于网络情报。在专业情报中，大数据工具是必不可少的。大数据主要执行数据重组、数据属性下钻、多维度数据分析、数据跟踪、历史数据追溯、多维度线索评估等工作。专业情报中常用的大数据分析方法有：知识图谱、谱系重构、时空关系、自然语言辨识、在线侦听、多维碰撞、异常辨识、模式匹配、跟踪和溯源、事物画像、社群刻画、因果推演、相似匹配、属性叠加重构、风险评估等。

在注重情报分析的同时，还需要注重情报管理。情报管理中，需要注意如下问题：(1)情报流转安全。由于数字情报的兴起，情报管理不在是简单的单线管理，情报综合服务平台成为主流，网络情报和专业情报可以通过各种途径流转给目标用户，流转过程中的安全问题成为情报工作的一个关注点。安全问题包括：误投、窃听、篡改、迟滞、销毁等。(2)情报评估。由于数字情报可以提供大量的线索，对抗方可以采用各种方式对数据进行控制形成虚假情报等情况，情报线索的可靠性、时效性问题成为情报管理的另一个关注点，情报价值评估的需求变得迫切。(3) 情报跟踪。情报跟踪在公安中经常使用，一些案事件一旦产生线索不能马上处置，需要转入跟踪流程，此时在线侦听是一种有效的方法。(4)情报攻防。情报攻防在信息化中非常重要，公安也将面临此问题，如缉毒、网侦等都会遇到，情报功防的核心是对情报信度的评价。大数据不仅在情报分析中提供相应的工具，将大数据和过程控制相结合，可以为情报研判提供相应的工作环境和管理方法。

数字情报成为公安情报的主要情报来源，在使用中需要注意几点风险：(1)线索干扰。针对海量数据情报提供的线索，如何进行选择是需要考虑的问题。可以通过交叉分析、语义一致性分析等方法过滤干扰或不确定线索。(2)情报误判。由于数字情报的数据来源广泛和处置速度较快，一些关键现象还未出现时，就有可能产生线索，此时会形成情报误判的情况。针对情报误判的可能，需要采用专业语义解析、经验验证、数据趋势辨析等方法进行克服。(3)数字欺骗。由于数字时代的数据可以是虚拟的，人为进行数据编制、数据组织控制、数据插入糅合等，数据呈现可以按客体主观意愿形成，出现数据欺诈，导致错误情报、虚假情报等。数字欺骗是目前数字情报攻防的焦点。(4)数字死角。虽然数字情报拓展了情报的时空和对象域，拓宽了情报的视野。出于攻防，一些对抗者会刻意避免数据的公开化，此时会产生数据死角，形成情报研判的数据缺失。解决这一问题需要加强与人工情报的合作，同时，也可以采用数据的关联性进行补偿分析。

指挥是公安业务开展的灵魂，执行资源调度和行动指导，通过提高行动的精准度，减少业务风险，降低资源投入，实现警务资源收益最大化。公安指挥由三个部分组成：(1)决策指挥。由各级机构和部门的领导进行组织和执行，主要对资源进行规划和配置，进行宏观决策，实现公安业务的平稳开展。(2)110指挥。110是公安警务协调和调度部门，主要根据社会报警进行警务力量的安排和调度，实现对一般性公共安全事件的处置。(3)作战指挥。由专业警种实施针对案事件处置的资源协调和调度，实现对犯罪行为的打击。

公安指挥实现了从经验指挥到信息化服务指挥的转化，信息成为指挥的基础。为更好配置和调度资源，实现主动管理，使情指一体化成为指挥的新理念。所谓情指一体化是将情报功能与指挥业务进行融合，围绕情报开展警务资源调度和行动规划，以达到效率最大化。其核心是对公安安全态势和事件的即时精准把握和风险的正确评估。情指一体化的基础是建立较为全面、精准的公共安全事件预案，大数据是其技术支撑之一。情报与指挥融合是目前讨论较多的话题。在110指挥中，情报主要用于警务部署。作战指挥中，情报主要提供如下信息支持：案事件线索、各要素画像、风险评估、重点侦破和稽查、有效作战时空信息和评估、是否存在时空协同作战需求等。这些信息很多可以通过大数据分析获取。

指挥大数据的支撑数据除了接处警及其处置过程信息外，其他信息支撑需要依托其他警务部门，因此，指挥大数据构成时首先需要解决数据汇聚问题。重点对象时空辨识及其侦听、车辆和通讯数据、实名制数据、勤务和警务数据等是指挥的基础数据。在分析方法上，指挥需要的工具比较简单，如果不考虑专业情报分析，常见大数据工具主要包括跟踪、趋势分析、聚类、异常等，图分析涉及较少，统计分析较多。此外，指挥需要调度和协同多警种资源，信息流转设计很重要。在指挥中，大数据的主要作用是：实施情报分析、指导警务规划、优化警力配置、评估安全风险、支持作战决策等。

110指挥中心是公安常设的指挥机构，其业务已相当成熟，也形成整套规范。如何突破和提升是指挥中心关注的问题，从大数据角度考虑如下几个方面：基于警务效率和案事件趋势的警务规划和优化、基于语音和关键特征的案事件筛选和自动处警、基于融合通讯和就近资源匹配的警务调度优化、警务资源在线和优化、基于案事件和警务资源的预案自动生成和推送等。

勤务规划是指挥工作的一种重要组成部分。勤务智能化是新一代指挥的一个组成部分，其核心是勤务优化和服务智能化，勤务智能化的实现需要依托大数据来实现。针对内勤工作，大数据通过对数据的高效管理和自动分析可以提升工作效率，如卷宗管理。大数据通过提供服务优化、服务需求分析、流程简化、无人服务等工具实现“放管服”的智能化，提升内勤对公众的服务能力。针对固定点勤务，如社区、交通站点、重要场所、大型活动、重要事务(如学校周边特点时段秩序维持)等巡控，大数据提供态势评估、警力优化、风险发现等应用。巡查稽控是勤务的一项重点工作，大数据主可提供如下支持：风险地图绘制、巡控路线优化、对象信息快速查询、漏检虚假检查发现等。在一些视频密集区可以采用视频巡控，大数据进行在线侦听同时基于统计的态势分析等应用将起到作用。辅警管理是勤务组成的另一部分，大数据对此提供绩效评价、辅警能力评估、辅警需求量预测、辅警执勤质量管理、辅警执勤风险评估等应用。