【搜狐網(wǎng)】北理工張華平博士：從Palantir看公安大數(shù)據(jù)應(yīng)用
發(fā)布日期：2016-05-29 供稿：搜狐網(wǎng) 編輯：趙琳 審核：王征 閱讀次數(shù)：
原文標(biāo)題：張華平：從Palantir看公安大數(shù)據(jù)應(yīng)用
原文鏈接：http://m.sohu.com/n/450910580/?_trans_=000115_3w
美國Palantir公司2004年在硅谷成立，目前公司估值200億美元，是全球最大的大數(shù)據(jù)公司，在情報(bào)整合與反恐方面一直非常神秘，一度傳言其在美國CIA捕殺本·拉登的過程中起到了至關(guān)重要的作用，后證實(shí)為謠言。不過，公開可證實(shí)的資料表明：Palantir趕在阿富汗的簡易爆炸裝置引爆前成功預(yù)言了它們的位置，并幫助整合美國情報(bào)界零散的數(shù)據(jù)庫，為安全人員提供了一體化的情報(bào)網(wǎng)。美國CIA以及洛杉磯警方等多個(gè)權(quán)威機(jī)構(gòu)都為Palantir公開站臺(tái)，證實(shí)了這家公司的大數(shù)據(jù)技術(shù)在情報(bào)分析、安全防范以及反恐方面起到了不可或缺的重要作用，對(duì)我們公安大數(shù)據(jù)平臺(tái)的建設(shè)具有重要的借鑒意義。為此，本文將介紹Palantir在美國洛杉磯警局的實(shí)戰(zhàn)案例，揭秘其背后的關(guān)鍵技術(shù)，并匯報(bào)我們實(shí)驗(yàn)室在公安某局的初步實(shí)踐工作，最終給出我們對(duì)公安大數(shù)據(jù)的部分思考。
Palantir洛杉磯警局應(yīng)用的技術(shù)揭秘
Palantir在洛杉磯警局通過技術(shù)與業(yè)務(wù)的深入交流與合作，采用Palantir的Gotham平臺(tái)，構(gòu)建了一套洛杉磯警局的語義知識(shí)搜索挖掘平臺(tái)，用于日常的警方業(yè)務(wù)工作中。該平臺(tái)全面整合警情日志文檔、電子表格數(shù)據(jù)、數(shù)據(jù)庫等結(jié)構(gòu)化數(shù)據(jù)和電子郵件、文檔、圖片、錄像等非結(jié)構(gòu)化數(shù)據(jù)，對(duì)各類多源異構(gòu)，繁雜的信息進(jìn)行清洗梳理，總結(jié)提煉為八個(gè)關(guān)鍵的信息實(shí)體：人、車、位置、罪案、逮捕、文件、備注與其他。實(shí)體本身還有不同的屬性，不同個(gè)體之間還存在這相應(yīng)的知識(shí)關(guān)聯(lián)。Palantir公安大數(shù)據(jù)語義知識(shí)搜索平臺(tái)建立以后，警方就可以通過非常簡潔的前端搜索頁面，來搜索指定的各類實(shí)體與線索。
Palantir的搜索結(jié)果與百度等通用搜索引擎完全不一樣，并不完全基于關(guān)鍵詞，而是探索搜索背后的關(guān)聯(lián)關(guān)系，搜索結(jié)果如下圖所示。這里，中間的焦掉是搜索的嫌疑人“Michael Barton”，通過Palantir平臺(tái)，可以快速將各類龐雜的數(shù)據(jù)通過可視化平臺(tái)的形式匯聚到一起，最終我們發(fā)現(xiàn)該犯綜合立體化視圖，其中包括：使用的手機(jī)，入境記錄，逮捕時(shí)開的車，逮捕的案子，同時(shí)涉嫌一起盜竊案，包括已有的兩次審訊記錄。點(diǎn)擊任何一個(gè)節(jié)點(diǎn)，右邊會(huì)展示其詳細(xì)的屬性與其他實(shí)體的關(guān)聯(lián)關(guān)系。例如，點(diǎn)擊該車，可以展示出該車的歷史所有被抓拍的照片與數(shù)據(jù)。辦案人員同時(shí)可以根據(jù)關(guān)聯(lián)連接一層一層往下挖，并人機(jī)互動(dòng)，補(bǔ)充各種篩選條件，將模糊的破案線索逐步求精，最后極大的提高破案準(zhǔn)確性與效率。
我們分析了Palantir所有的案例，綜合大數(shù)據(jù)的前沿技術(shù)進(jìn)展，可以綜合研判出Palantir背后的三大關(guān)鍵技術(shù)：知識(shí)圖譜、大數(shù)據(jù)人機(jī)可視化交互、非結(jié)構(gòu)化精準(zhǔn)搜索與挖掘。分別介紹如下：
1、知識(shí)圖譜
知識(shí)圖譜本質(zhì)上是一種語義網(wǎng)絡(luò)，圖中的結(jié)點(diǎn)代表實(shí)體(entity)或者概念(concept)，邊代表實(shí)體/概念之間的各種語義關(guān)系。Palantir在圖一中使用的就是知識(shí)圖譜的技術(shù)，其中嫌疑犯、車、手機(jī)等都節(jié)點(diǎn)屬于知識(shí)圖譜中的實(shí)體，而邊就是實(shí)體之間的關(guān)系。知識(shí)圖譜允許用戶搜索引擎知道的所有事物、人物或者地方，而且能夠顯示查詢的實(shí)時(shí)信息。知識(shí)圖譜技術(shù)表征了公安大數(shù)據(jù)的本質(zhì)語義關(guān)聯(lián)，比傳統(tǒng)的關(guān)系型數(shù)據(jù)庫更加自由多樣化，更適合于公安的辦案。
2、大數(shù)據(jù)人機(jī)可視化交互
Palantir綜合運(yùn)用了大數(shù)據(jù)可視化、知識(shí)圖譜化、地圖GIS化等手段，同時(shí)開放了大量方便的人機(jī)交互接口，實(shí)現(xiàn)了人與機(jī)器的完美融合，也實(shí)現(xiàn)了人與人之間的協(xié)同工作，大大提升了警務(wù)人員掌控?cái)?shù)據(jù)的能力。
3、非結(jié)構(gòu)化語義精準(zhǔn)搜索與挖掘
非結(jié)構(gòu)化大數(shù)據(jù)指的是文本、圖像與視頻等信息，比傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)的信息量大得多，非結(jié)構(gòu)化語義精準(zhǔn)搜索與挖掘，是指在知識(shí)圖譜的基礎(chǔ)上真正理解用戶的搜索請(qǐng)求，不再拘泥于用戶所輸入請(qǐng)求語句的字面本身，而是透過現(xiàn)象看本質(zhì)，準(zhǔn)確地捕捉到用戶所輸入語句后面的真正意圖，并以此來進(jìn)行搜索與挖掘，從而更準(zhǔn)確地向用戶返回最符合其需求的搜索結(jié)果。
通過對(duì)Palantir的技術(shù)揭秘，對(duì)于公安大數(shù)據(jù)平臺(tái)的建設(shè)，筆者的思考如下：
1、以公安知識(shí)圖譜來整合各類數(shù)據(jù)：與美國情報(bào)界一樣，公安當(dāng)前的信息分散、孤立，部分信息不一定準(zhǔn)確，大數(shù)據(jù)本身的特點(diǎn)就是價(jià)值密度低、參差不起，龐雜多樣。因此，梳理公安的知識(shí)體系，將各類數(shù)據(jù)庫整合為統(tǒng)一的知識(shí)圖譜，以國際統(tǒng)一的本體網(wǎng)絡(luò)語言O(shè)WL表示知識(shí)，并利用知識(shí)圖譜技術(shù)實(shí)現(xiàn)公安大數(shù)據(jù)的推理與應(yīng)用;
2、構(gòu)建公安大數(shù)據(jù)的業(yè)務(wù)平臺(tái)，而不是簡單的信息系統(tǒng)：與一般的公安信息系統(tǒng)不一樣，Palantir提供并不是一個(gè)傻瓜式的查詢輸出系統(tǒng)，而是一個(gè)較好的工作平臺(tái)，利用人機(jī)接口，輔助警方從復(fù)雜大數(shù)據(jù)中發(fā)現(xiàn)清晰的線索，幫助得到輔助問題的答案。簡單的打個(gè)比方來說，Palantir提供的不是直接的魚，而是釣魚的工具與方法。因此，公安的大數(shù)據(jù)平臺(tái)不能做成簡單的查詢系統(tǒng)，而是業(yè)務(wù)平臺(tái)，可以快速簡便地開發(fā)各類SaaS(軟件即服務(wù))應(yīng)用，警務(wù)人員可以查詢信息，還可以簡單靈活地組合各類模塊，將業(yè)務(wù)人員的經(jīng)驗(yàn)與技術(shù)人員的大數(shù)據(jù)技術(shù)緊密結(jié)合。
3、實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，突破已有的思維定勢，大力引進(jìn)公安大數(shù)據(jù)相關(guān)的知識(shí)圖譜技術(shù)、大數(shù)據(jù)可視化、語義分析計(jì)算等前沿技術(shù)?？梢詫⒐泊髷?shù)據(jù)脫敏后大力開放，供國內(nèi)專家學(xué)者作為研究開發(fā)使用，廣泛地獲取外腦支撐。
我們在公安大數(shù)據(jù)的初步探索
筆者所在的北京理工大學(xué)大數(shù)據(jù)搜索與挖掘團(tuán)隊(duì)，專注大數(shù)據(jù)語義搜索與挖掘，在知識(shí)圖譜、可視化與搜索挖掘方面有十多年的研究與工程經(jīng)驗(yàn)。團(tuán)隊(duì)在公安大數(shù)據(jù)方面的主要工作包括情報(bào)抽取、自動(dòng)脫敏、分類、聚類、特征挖掘、關(guān)聯(lián)挖掘等工作。情報(bào)抽取主要從文本表述中抽取各類案情要素，如嫌疑人姓名、身份證、性別、案由等;自動(dòng)脫敏技術(shù)是將敏感信息自動(dòng)替換，脫敏后的信息無法追溯到具體的個(gè)人，不再涉及公民隱私，而公安部門可以根據(jù)脫敏的對(duì)照庫，實(shí)現(xiàn)信息還原。下圖是我們利用公安某局脫敏后的15萬數(shù)據(jù)自動(dòng)生成的毒品、詐騙、盜竊三類警情的宏觀可視化特征畫像。
公安作為與海量證據(jù)、線索、數(shù)據(jù)、信息打交道的部門，使用好已有的數(shù)據(jù)信息，將門類龐雜、種類繁多的海量公安數(shù)據(jù)進(jìn)行整合，建立統(tǒng)一的公安大數(shù)據(jù)語義知識(shí)網(wǎng)搜索平臺(tái)，全面而深入挖掘信息之間的關(guān)聯(lián)關(guān)系，這對(duì)于提取關(guān)鍵線索、提高辦案效率具有非常重要的現(xiàn)實(shí)意義，更對(duì)于優(yōu)化警力部署、提前制定預(yù)案，將違法犯罪事件扼殺在萌芽狀態(tài)具有重大指導(dǎo)意義。
分享到：
