“大數(shù)據(jù)”破案

文/阿碧

“大數(shù)據(jù)”破案

Detect by Big Data

文/阿碧

據(jù)英國《衛(wèi)報》和美國《華盛頓郵報》2013年6月6日報道，美國國家安全局和聯(lián)邦調(diào)查局于2007年啟動了一個代號為“棱鏡”（PRISM）的秘密監(jiān)控項目。該項目使得他們可以直接進入網(wǎng)絡(luò)公司的中心服務(wù)器里挖掘數(shù)據(jù)、收集情報。美國安全局前雇員愛德華·斯諾登向媒體透露了這個秘密項目，引起了國際社會的高度關(guān)注?，F(xiàn)在人們關(guān)注的焦點，除了斯諾登最終的去向和命運外，還有“棱鏡門”涉及的核心技術(shù)——數(shù)據(jù)挖掘。

從大數(shù)據(jù)中尋找破案線索

在互聯(lián)網(wǎng)時代，警察破案除了用到傳統(tǒng)的檔案、走訪資料、電話記錄等資料外，還會用到互聯(lián)網(wǎng)上出現(xiàn)的信息。所有的這些信息匯集成海量的數(shù)據(jù)，這些數(shù)據(jù)如今有了一個更加時髦的身份，那就是“大數(shù)據(jù)”(Big Data)。當然，大數(shù)據(jù)不僅僅是傳統(tǒng)的數(shù)據(jù)資料換了一個“馬甲”那么簡單。大數(shù)據(jù)指的是資料量規(guī)模巨大的資訊，往往在一個較大地域范圍內(nèi)出現(xiàn)，這些資訊無法在短時間內(nèi)通過傳統(tǒng)的方法被人們所利用。

現(xiàn)在，一個犯罪分子要想銷聲匿跡，除非把自己完全絕緣起來。這樣司法機關(guān)掌握的大數(shù)據(jù)無論有多大，都難以查找到犯罪分子的個人電子信息了。但是，在如今這個信息技術(shù)已經(jīng)滲透到生活方方面面的時代，犯罪分子要想不留下任何電子信息，已經(jīng)是幾乎不可能的事情了。比如，就算犯罪分子不上網(wǎng)、不使用手機、不看電視等，總之不和任何信息設(shè)備發(fā)生關(guān)聯(lián)，也可能逃脫不了大數(shù)據(jù)的追蹤。因為犯罪分子不可能長期出現(xiàn)在道路、商店、碼頭、車站等公共場所，一旦出現(xiàn)，就可能被公共或私人的電子設(shè)備拍攝到。即使犯罪分子長期蝸居在某個偏遠地區(qū)的某幢房屋內(nèi)，他也可能被谷歌的街景車拍攝到他從窗口探出的腦袋。

近期，利用大數(shù)據(jù)成功偵破的有名案例是波士頓連續(xù)爆炸案。2013年4月15日，美國波士頓在舉辦馬拉松賽的過程中發(fā)生連續(xù)炸彈爆炸案，結(jié)果導(dǎo)致3人死亡、183人受傷。在案件發(fā)生后，警方保留了案發(fā)現(xiàn)場附近的所有監(jiān)控錄像以供比對、查找，波士頓警察局的官員稱“仔細查看了所有錄像的每一幀畫面”。然后，警察走訪了事發(fā)地點附近12個街區(qū)的居民，收集可能存在的各種私人錄像和照片，無論他們來自攝像機還是私人的手機。警方還大量收集網(wǎng)上信息，包括像Twitter、Facebook、Youtube等社交媒體上出現(xiàn)的相關(guān)相片、錄像等，而且在這些受眾面廣泛的網(wǎng)站上提出了收集相關(guān)信息的請求。最終，警方從馬拉松賽事沿途錄像中尋覓到嫌疑人的蹤跡，并從錄像中截取出嫌疑人照片，其中包括嫌疑人正面的清晰影像，并結(jié)合其他信息，宣布嫌疑犯為兄弟倆，分別是26歲的塔米爾南·沙尼耶夫和19歲的喬卡·沙尼耶夫。4月19日凌晨，嫌疑人在水鎮(zhèn)（Watertown）與警方發(fā)生槍戰(zhàn)，塔米爾南·沙尼耶夫在過程受重傷經(jīng)送醫(yī)不治，喬卡·沙尼耶夫趁亂逃脫。當日晚間，警方利用公共場所的紅外線攝像機，準確定位了嫌疑人的位置，并且迅速包圍。在與警方對峙數(shù)小時后，喬卡·沙尼耶夫投降，追捕行動結(jié)束。

波士頓連續(xù)爆炸案的偵破工作符合了大數(shù)據(jù)技術(shù)中著名的4V原則：（1）來自各方的巨大的數(shù)據(jù)量（Volume）；（2）各種數(shù)據(jù)源（Variety），特別是來自各種社交媒體上的圖像、影像類的非結(jié)構(gòu)化數(shù)據(jù)非常豐富；（3）快速的反應(yīng)（Velocity），在事件發(fā)生數(shù)分鐘之內(nèi)，已經(jīng)有大量信息發(fā)布在各種社交媒體上；（4）這些數(shù)據(jù)對偵破工作也很有價值（Value），其社會價值是無法簡單估量的。當然，大數(shù)據(jù)也給偵破工作帶來挑戰(zhàn)，如何處理從各個數(shù)據(jù)源收集來的信息就是個難題，包括對信息的真?zhèn)芜M行鑒定，對同一地點不同距離、不同視角、不同清晰度、不同時間的有用信息的綜合利用。

如何獲取大數(shù)據(jù)

目前，獲取大數(shù)據(jù)的渠道主要有兩個，一個是電話公司，一個是互聯(lián)網(wǎng)公司。美國安全局就長期從電話運營商處獲取到通話數(shù)據(jù)庫，其中包含大量通話數(shù)據(jù)記錄，例如通話時間與通話時長、相關(guān)電話號碼以及移動設(shè)備本地數(shù)據(jù)等等。這套數(shù)據(jù)庫建立于2001年“911”恐怖襲擊事件后不久，而且得到了多家電信運營商的支持。2006年，《今日美國》稱這套通話數(shù)據(jù)庫是“世界上規(guī)模最大的數(shù)據(jù)庫”。該數(shù)據(jù)庫處理著數(shù)以十億計的電話記錄數(shù)據(jù)，有大量的計算機和數(shù)據(jù)分析師處理這些數(shù)據(jù)。

美國還長期從互聯(lián)網(wǎng)信息中獲取大數(shù)據(jù)。然而，他們目前無法真正捕捉并保存用戶們所產(chǎn)生的全部數(shù)據(jù)。隨著信息技術(shù)的發(fā)展，這兩項艱巨任務(wù)逐漸變得可能起來。由于全球互聯(lián)網(wǎng)的IP地址都由美國的服務(wù)商來提供，這給美國監(jiān)控全世界提供了便利。美國安全局已經(jīng)在海底互聯(lián)網(wǎng)光纖主干上安裝了智能流量分析器，這是一種原理類似于“水龍頭”的分流裝置，可以獲取全球互聯(lián)網(wǎng)上的信息。

然而，比獲取信息更難的是存儲信息。根據(jù)思科公司的統(tǒng)計，2012年全球互聯(lián)網(wǎng)流量每天達11億GB，這需要110萬個容量為1000GB的硬盤來容納這些數(shù)據(jù)。目前世界上90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的，而在未來一段時期內(nèi)，互聯(lián)網(wǎng)上的數(shù)據(jù)每年將增長50%，從存儲物質(zhì)來看，目前要將互聯(lián)網(wǎng)上的所有信息存儲下來就已經(jīng)無法實現(xiàn)，更不要說實際使用這些信息了。當然，從技術(shù)發(fā)展的角度來看，將來是有希望做到把所有的信息都存儲下來，這就是未來的DNA計算機所能做的事情。DNA計算機將利用人工合成的DNA作為存儲介質(zhì)。DNA由4個堿基組成，它們的排列順序千變?nèi)f化，儲存信息的容量相當大。最近，哈佛大學(xué)研究人員將一本大約有5.34萬個單詞的書籍編碼進不到億萬分之一克的DNA微芯片，然后成功利用 DNA 測序裝置來閱讀這本書。這是迄今為止人類使用DNA遺傳物質(zhì)儲存數(shù)據(jù)量最大的一次實驗。

由于目前DNA存儲還沒有進入實用階段，安全部門和司法部門都只能從相對有限的大數(shù)據(jù)中獲取線索。美國安全局每天所捕捉并保留的數(shù)據(jù)總量，也僅占每天全球互聯(lián)網(wǎng)流量和通話記錄中的一小部分，即那些通過關(guān)鍵詞、關(guān)鍵圖像、關(guān)鍵數(shù)據(jù)等篩選過后的信息。從互聯(lián)網(wǎng)獲取信息還遭遇另外一個難題，那就是密碼問題。往往安全部門希望獲得的信息卻是經(jīng)過加密的，比如恐怖組織和一些黑客會采取很先進的加密技術(shù)來傳輸自己的信息。要破譯這些信息，不僅需要更好的技術(shù)，而且投入十分巨大。而且，破譯這些信息需要一定時間，恐怖組織或犯罪分子會利用這個時間差，在相關(guān)部門破譯信息之前，恐怖襲擊或犯罪活動已經(jīng)發(fā)生了。因此，大數(shù)據(jù)時代警方所能利用的線索雖然很多，但是需要警方不斷更新技術(shù)，讓自己更好且快速地從這些數(shù)據(jù)中挖掘出有用信息。這些技術(shù)被統(tǒng)稱為“數(shù)據(jù)挖掘”。

利用數(shù)據(jù)挖掘技術(shù)破案

在偵破過程中，刑偵人員會對來源不同的各種證據(jù)和線索進行梳理，找出對偵破最有用的證據(jù)和線索。這些對已有資料的梳理、統(tǒng)計、分析工作，就是數(shù)據(jù)挖掘技術(shù)。在司法領(lǐng)域，數(shù)據(jù)挖掘是一項比較古老的方法。在一百多年前，多國司法機構(gòu)就知道建立違法犯罪檔案。一旦某地出現(xiàn)新的違法犯罪活動時，偵破人員會搜索已有的檔案，從中發(fā)現(xiàn)破案的線索。而犯罪學(xué)專家則研究這些檔案，總結(jié)違法犯罪的動機、方式、工具等特征，為預(yù)防犯罪和偵破提供依據(jù)。這些都是較為古老的人工數(shù)據(jù)挖掘方法。到了信息科技時代，數(shù)據(jù)挖掘則以計算機挖掘為主。

數(shù)據(jù)挖掘的英語名稱是Data Mining，又譯為資料探勘、數(shù)據(jù)采礦。所謂數(shù)據(jù)挖掘，是指從大量不完全、有噪聲、模糊、隨機的數(shù)據(jù)中，通過設(shè)置一定的學(xué)習(xí)算法，提取那些隱含在其中的，然而人們事先不知道卻有潛在用途信息的過程。它是根據(jù)數(shù)據(jù)的微觀特征，發(fā)現(xiàn)其表征的、帶有普遍性的、較高層次概念的知識，是信息優(yōu)勢成為知識優(yōu)勢的基礎(chǔ)工程。數(shù)據(jù)挖掘萌芽于“情報深加工”，其實質(zhì)就是發(fā)現(xiàn)情報背后的情報。在大數(shù)據(jù)時代，數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中尋找到自己需要的信息，我們常用的百度、谷歌等搜索引擎完成的工作也屬于數(shù)據(jù)挖掘的范疇。

隨著計算機和互聯(lián)網(wǎng)技術(shù)的迅速崛起與普及，人們（當然包括犯罪分子和恐怖分子）已經(jīng)離不開手機、電腦、智能電視等智能終端設(shè)備，不少日常活動基本上都可以數(shù)字化地表示。幾點幾分從家出門，坐什么車花了多長時間到了工作地點。這期間，無論是誰，每發(fā)一次微博和打一次電話，包括經(jīng)緯度在內(nèi)的精確地理位置信息都被記錄在案，而通話記錄在許多年之后仍可以被調(diào)閱查詢?？傊谕ㄐ偶夹g(shù)無孔不入的時代，人們的一舉一動都產(chǎn)生了大量的數(shù)據(jù)。而在很多時候，這些原始數(shù)據(jù)就會成為司法部門破案時所需要分析的材料。

數(shù)據(jù)挖掘是通過分析每個數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準備、規(guī)律尋找和規(guī)律表示三個步驟。數(shù)據(jù)準備是從相關(guān)的數(shù)據(jù)源中選取所需的數(shù)據(jù)并整合成用于數(shù)據(jù)挖掘的數(shù)據(jù)集；規(guī)律尋找是用某種方法將數(shù)據(jù)集所含的規(guī)律找出來；規(guī)律表示是盡可能以可理解的方式（如可視化）將找出的規(guī)律表示出來。由于人類從來沒有像今天這樣如此依賴網(wǎng)絡(luò)和電子設(shè)備，因此，信息時代眾多的電子蹤跡讓研究每個人、每個群體，甚至整個人類的習(xí)慣成為了可能。

目前，美國安全局已經(jīng)開始利用數(shù)據(jù)挖掘技術(shù)追蹤恐怖分子和監(jiān)控社會情緒。比如，美國安全局和交通安全局曾經(jīng)基于數(shù)據(jù)挖掘技術(shù)，開發(fā)出計算機輔助乘客篩選系統(tǒng)。該系統(tǒng)為美國本土各個機場提供接口，當乘客購買機票時，系統(tǒng)利用乘客提供的信息確定乘客是否是需要額外安全篩選的人員。該系統(tǒng)將乘客購買機票時提供的信息輸入到商用數(shù)據(jù)提供商提供的數(shù)據(jù)庫，這些信息包括全名、地址、電話號碼以及出生日期。商用數(shù)據(jù)庫然后將隱含特殊危險等級的數(shù)字分值傳送給交通安全局。帶有“綠色”分值的乘客將接受“正常篩選”，帶有“黃色”分值的乘客將接受“額外篩選”，而帶有“紅色”分值的乘客將被禁止登機而且還將接受“法律強制性的關(guān)照”。在利用商用數(shù)據(jù)庫信息時，交通安全局聲稱工作人員不會看到用于計算分值的實際信息，也不會保留乘客的信息，以此保障乘客的隱私。

目前，數(shù)據(jù)挖掘技術(shù)已經(jīng)被用在刑事偵破領(lǐng)域，為破獲一些疑難雜案、保障老百姓的人身和財產(chǎn)安全提供了新的技術(shù)支持。比如，尋找犯罪嫌疑人的人臉識別方法就需要用到數(shù)據(jù)挖掘技術(shù)。警方先通過計算機對嫌疑人進行畫像，然后自動在目標人員數(shù)據(jù)庫中搜索犯罪嫌疑人。不過，人臉識別技術(shù)要高效發(fā)揮破案的作用，前提就是要建立有大級別的人像數(shù)據(jù)庫系統(tǒng)。也就是說，人臉識別的數(shù)據(jù)挖掘是需要建立在大數(shù)據(jù)的基礎(chǔ)之上的。同樣，指紋識別、虹膜識別、掌紋識別、步態(tài)識別等生物識別技術(shù)，也需要逐步完善的數(shù)據(jù)庫給予支撐。

在司法領(lǐng)域，數(shù)據(jù)挖掘技術(shù)分析的對象一般分為兩大類:一類是基于監(jiān)控對象的系統(tǒng)，它能夠幫助分析專家跟蹤某個犯罪嫌疑人；另一類是基于行為模式的系統(tǒng)，它可以在多種活動方式中搜尋可疑的可能涉及犯罪的行為，或者可能是犯罪分子才會產(chǎn)生的行為?；诒O(jiān)控對象的數(shù)據(jù)挖掘技術(shù)又稱作關(guān)聯(lián)分析法，是司法機構(gòu)重點開發(fā)的技術(shù)。這種方法能利用相關(guān)數(shù)據(jù)，在表面上沒有關(guān)系的人或事件之間建立關(guān)聯(lián)。比如，如果某人是犯罪嫌疑人，那么就可以使用關(guān)聯(lián)軟件發(fā)現(xiàn)嫌疑人可能正在影響的其他人，從相關(guān)人那里獲取破案線索。

重大的案件會用到超級計算機進行數(shù)據(jù)分析

大數(shù)據(jù)時代的隱憂

英國牛津大學(xué)網(wǎng)絡(luò)學(xué)院的維克托·爾耶·舍恩伯格教授在其新書《大數(shù)據(jù)時代》書的引言中說：“大數(shù)據(jù)開啟了一次重大的時代轉(zhuǎn)型。就像望遠鏡讓我們能夠感受宇宙，顯微鏡讓我們觀測微生物一樣，大數(shù)據(jù)正在改變我們的生活以及理解世界的方式，成為新發(fā)明和新服務(wù)的源泉，而更多的改變正蓄勢待發(fā)…… ”

美國政府已將大數(shù)據(jù)視為“未來的新石油”，并將對大數(shù)據(jù)的研究上升為國家意志。在美國的推動下，未來大數(shù)據(jù)之戰(zhàn)的腳步聲也似乎越來越近。

舍恩伯格在新書中還表示，在大數(shù)據(jù)時代，人們時刻都暴露在“第三只眼”之下：亞馬遜監(jiān)視著我們的購物習(xí)慣；谷歌監(jiān)視著我們的網(wǎng)頁瀏覽習(xí)慣；而微博似乎什么都知道，不僅竊聽到了我們的心思，還能描繪我們的社交關(guān)系網(wǎng)。

因此，不僅司法機構(gòu)可以利用大數(shù)據(jù)來破案和預(yù)測潛在的犯罪，犯罪分子和犯罪團伙也可以利用大數(shù)據(jù)尋找到可以侵害的對象并實施犯罪。以前不少盜竊大案的犯罪分子往往要實地勘察幾個月甚至數(shù)年，以此來分析某人或某機構(gòu)的習(xí)慣規(guī)律以實施犯罪行為。在大數(shù)據(jù)時代，人們只需要一臺電腦和簡單的黑客手段就可以完成這樣的分析。

目前，已經(jīng)有不少犯罪團伙通過互聯(lián)網(wǎng)上的海量數(shù)據(jù)，利用搜索引擎和密碼破譯等手段挖掘出人們的私人信息和社交關(guān)系，以此實施盜竊、詐騙、敲詐勒索、拐賣兒童等犯罪行為。

除了可能被犯罪分子偷窺外，政府也可能正在利用大數(shù)據(jù)監(jiān)視我們,黑客也可能侵入到政府的服務(wù)器查看所監(jiān)控到的信息。如果沒有合理的控制和防范措施，人們的隱私和行為模式很可能被政府監(jiān)控人員或網(wǎng)絡(luò)黑客所散布。這正是“棱鏡”項目被泄漏之后，美國國內(nèi)和國際社會反對聲較大的一個重要原因。如果個人網(wǎng)絡(luò)信息保護問題得不到很好的解決，未來因大數(shù)據(jù)和數(shù)據(jù)挖掘引發(fā)的社會矛盾將會越來越多，且會越來越激烈。

欄目主持人：劉雨濛 lymjcfy@163.com