大數(shù)據(jù)技術(shù)在記錄刑事調(diào)查中呼叫數(shù)據(jù)記錄的應(yīng)用性研究

林強(qiáng) 林金山

摘要：不斷增長(zhǎng)的犯罪率一直是每個(gè)國(guó)家發(fā)展過(guò)程中的最大障礙之一。近年來(lái)隨著大數(shù)據(jù)技術(shù)不斷地發(fā)展，能有效幫助解決刑事調(diào)查中出現(xiàn)的各類問(wèn)題。文章描述了使用大數(shù)據(jù)技術(shù)分析呼叫數(shù)據(jù)記錄方案的需求，通過(guò)對(duì)嫌疑人的呼叫數(shù)據(jù)記錄進(jìn)行分析和處理，找出嫌疑人之間的各種聯(lián)系，并產(chǎn)生其分析結(jié)論作為輸出，有效地促進(jìn)了公安部門的辦案效率。經(jīng)理論分析可得該方案具有很好的效果和推廣價(jià)值。

關(guān)鍵詞：呼叫數(shù)據(jù)記錄；大數(shù)據(jù)技術(shù)；刑事調(diào)查；犯罪率；信息安全

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）20-0003-02

1 背景

呼叫數(shù)據(jù)記錄CDR （Call data record）由各個(gè)電信公司通過(guò)使用各種呼叫監(jiān)控應(yīng)用程序產(chǎn)生非常大量的信息，CDR記錄了各個(gè)用戶的通信（如短信、通話時(shí)間、通話內(nèi)容等）中的細(xì)節(jié)而產(chǎn)生的數(shù)據(jù)記錄。一般來(lái)說(shuō)，它是具有4V（Volume容量，Variety多樣，Velocity速度，Value價(jià)值）特性的數(shù)據(jù)[1]。CDR不僅數(shù)據(jù)量龐大，而且數(shù)據(jù)和結(jié)構(gòu)多樣化，還實(shí)時(shí)生成的速度超出任何計(jì)算。值得注意的是CDR包含了巨大的信息價(jià)值，常見(jiàn)的CDR主要由以下幾部分組成，見(jiàn)表1。

當(dāng)一件案件發(fā)生后，在警方記錄和案件證據(jù)不足情況下，嫌犯的CDR對(duì)案件突破有很大的促進(jìn)作用。本文中是利用這些數(shù)據(jù)來(lái)分析犯罪嫌疑人的CDR利用一定的算法，來(lái)發(fā)現(xiàn)罪犯。

2 研究?jī)?nèi)容

利用犯罪嫌疑人的呼叫數(shù)據(jù)記錄（CDR），以便產(chǎn)生解決犯罪的線索。該方案不僅分析CDR，而且還利用各種CDR之間的各種模式，從而在犯罪解決方面產(chǎn)生顯著結(jié)果。在實(shí)施階段和部署階段之前需要解決許多挑戰(zhàn)。其中一個(gè)主要挑戰(zhàn)是數(shù)據(jù)機(jī)密性問(wèn)題，本方案采用了基于用戶數(shù)據(jù)加密和隱私保護(hù)的基礎(chǔ)下進(jìn)行分析和處理的。

傳統(tǒng)的獲取和分析CDR的一般程序包括：向服務(wù)提供商請(qǐng)求CDR，然后將這樣獲得的CDR移交給進(jìn)行分析的受過(guò)培訓(xùn)的專業(yè)人員，最后經(jīng)過(guò)人工分析后，結(jié)果可能會(huì)得出一些有意義的結(jié)論，有助于警方向前邁進(jìn)。在解決此種方法中存在的問(wèn)題以及主要缺點(diǎn)，其目標(biāo)是確保整體過(guò)程在時(shí)間、效率、努力、可擴(kuò)展性和準(zhǔn)確性等方面取得重大進(jìn)展，通過(guò)使用大數(shù)據(jù)和數(shù)據(jù)挖掘的概念來(lái)實(shí)現(xiàn)這一目標(biāo)，以重新組織呼叫記錄并提取重要的信息，這些信息可以作為案例破解者使用。

3 方案框架

設(shè)計(jì)方案在以實(shí)際分析需求為依據(jù)[2]，設(shè)計(jì)一款CDR方案，主要包括兩個(gè)階段：

在第一階段，反犯罪要求上級(jí)機(jī)關(guān)處理各嫌疑人手機(jī)號(hào)碼的CDR。 這些請(qǐng)求經(jīng)過(guò)處理后從全局CDR中提取所需數(shù)據(jù)。公安部門根據(jù)實(shí)際需求向通信部門發(fā)出嫌疑人CDR數(shù)據(jù)，即為Request階段；Process階段主要是通信部門在接到公安部門的數(shù)據(jù)請(qǐng)求后進(jìn)行身份核實(shí)和授權(quán)的工作；Extract階段主要是指通信部門根據(jù)公安部門的需求從用戶CDR數(shù)據(jù)中提取出所需的CDR數(shù)據(jù)；Generate階段主要內(nèi)容為將普通的CDR數(shù)據(jù)進(jìn)行加密處理，設(shè)置陷門；Send階段主要工作為將Generate階段生成的特殊格式數(shù)據(jù)通過(guò)專屬通道傳輸該公安部門。

在第二階段中，根據(jù)反犯罪團(tuán)隊(duì)輸入的標(biāo)準(zhǔn)和疑問(wèn)，方案及時(shí)處理提取的CDR。 在此之后，各種算法以多種方式工作，以便生成可能指示更真實(shí)的正確方向的挖掘輸出。

此階段的工作主要是針對(duì)數(shù)據(jù)使用者（公安部門）。當(dāng)公安部門（反犯罪部門）獲取到所請(qǐng)求的數(shù)據(jù)后，通過(guò)私有密鑰進(jìn)行對(duì)該CDR數(shù)據(jù)解密操作。即Decryption階段；Cleaning階段主要是對(duì)第1步驟解密的CDR數(shù)據(jù)進(jìn)行清洗和格式化，對(duì)一下不需要的指標(biāo)進(jìn)行刪除操作；Establishment階段的主要工作內(nèi)容為建立統(tǒng)一格式的CDR專用數(shù)據(jù)庫(kù)，建立數(shù)據(jù)庫(kù)的作用主要是為了提高數(shù)據(jù)分析的準(zhǔn)確性；Multi-analysis階段主要內(nèi)容為對(duì)第4步驟的數(shù)據(jù)從專屬數(shù)據(jù)庫(kù)中讀取后進(jìn)行多維分析和模型分析，其該對(duì)階段還包括對(duì)數(shù)據(jù)訓(xùn)練，從第4步中讀取的數(shù)據(jù)進(jìn)行模型的訓(xùn)練；Result階段指分析結(jié)果得出。該方案不僅節(jié)省了大量的時(shí)間和人力，而且還提供了準(zhǔn)確和適當(dāng)?shù)慕Y(jié)論或推論的保證。

4 理論分析

上述方案的整體處理流程從CDR數(shù)據(jù)的請(qǐng)求，數(shù)據(jù)處理到最后的分析，并得出結(jié)果。參考圖3可以更好地理解這一點(diǎn)。全局CDR通過(guò)使用MapReduce技術(shù)進(jìn)行存儲(chǔ)，該技術(shù)將文件分割成大塊并將其分布到群集中的節(jié)點(diǎn)上。數(shù)據(jù)存儲(chǔ)在鍵值對(duì)中，可以用數(shù)學(xué)方式表示如下：

步驟1：從全局CDR中提取信息，全局CDR存儲(chǔ)在HDFS中，HDFS是一個(gè)分布式，可擴(kuò)展且可移植的文件方案，用Java編寫，用于Hadoop框架。所請(qǐng)求的手機(jī)號(hào)碼從該文件方案中提取，并存儲(chǔ)在一個(gè)單獨(dú)的CDR文件中，該文件包含僅限于這些號(hào)碼的CDR。

步驟2：將日志格式的CDR文件轉(zhuǎn)換為數(shù)據(jù)庫(kù)格式CDR文件為日志格式，因此需要轉(zhuǎn)換為數(shù)據(jù)庫(kù)格式以提供數(shù)據(jù)匯總，查詢和分析。 因此，使用Java API提取關(guān)鍵數(shù)據(jù)并將其存儲(chǔ)在Apache Hive數(shù)據(jù)倉(cāng)庫(kù)中新創(chuàng)建的Hive表中。這可以通過(guò)使用MapReduce算法輕松實(shí)現(xiàn)，其中MapReduce算法的輸入是鍵值對(duì)

步驟3：對(duì)此數(shù)據(jù)執(zhí)行分析并生成結(jié)果數(shù)據(jù)由Apache Hive支持進(jìn)行分析。 根據(jù)受害者和嫌疑人之間的通話時(shí)間，在單個(gè)IMEI號(hào)碼上使用兩張SIM卡，事件發(fā)生前后嫌疑人的最后位置進(jìn)行分析，以及事件的當(dāng)前位置。這種分析可以通過(guò)嵌入在Apache Hadoop中的Java API來(lái)實(shí)現(xiàn)，該API將基于所需標(biāo)準(zhǔn)觸發(fā)查詢并且涉及基于作為輸入給出的移動(dòng)號(hào)碼的數(shù)量以及它們之間的通信的計(jì)算。 然后將最可疑的個(gè)人的最終結(jié)果作為輸出。[3]

通過(guò)與現(xiàn)有方案進(jìn)行性能分析和對(duì)比，檢驗(yàn)本文提出的方案的有效性。在本次分析中主要是從技術(shù)、經(jīng)濟(jì)、管理角度進(jìn)行分析比對(duì)。Raj Kumar Vishwakarma提出的方案中分析各個(gè)CDR，通過(guò)利用聯(lián)系人之間的人際關(guān)系的密切程度，從而幫助防止恐怖主義[3]。Huiqi Zhang提出方案中通過(guò)使用親和力模型分析他們各自的數(shù)字的CDR，預(yù)測(cè)兩個(gè)電話號(hào)碼之間的社會(huì)聯(lián)系。 這些方案已根據(jù)以下參數(shù)進(jìn)行了比較。[4]

（1）技術(shù)效率，即給定方案產(chǎn)出的有效性。通過(guò)時(shí)間復(fù)雜度（Time Complexity）和空間復(fù)雜度（space complexity）進(jìn)行比較。

（2）資源效率，考慮到實(shí)施該方案所需的成本（cost）以及在多大程度上將效率降至最低的經(jīng)濟(jì)效率。

（3）管理效率，即方案可以輕松處理或維護(hù)。

5 結(jié)論與展望

大數(shù)據(jù)以得到各個(gè)領(lǐng)域的高度重視，包括安全，醫(yī)療保健，改善科學(xué)研究以及了解客戶行為。本文主要是以信息安全角度出發(fā)，從呼叫數(shù)據(jù)記錄（CDR）提出一種可行的方案。分析和挖掘出CDR的重要價(jià)值，使其最大化其利用率。旨在通過(guò)使用大數(shù)據(jù)技術(shù)來(lái)應(yīng)對(duì)各種各樣的犯罪。為公安部門提供一種辦案有力的工具。同時(shí)也促進(jìn)了整個(gè)社會(huì)安全穩(wěn)定的發(fā)展。經(jīng)過(guò)理論分析和與現(xiàn)有的方案進(jìn)行對(duì)比得出本方案具有良好的效果，具有實(shí)際可行的效果。在未來(lái)的研究中將不斷地加大實(shí)驗(yàn)為主，加快方案實(shí)施。為整個(gè)社會(huì)的平安做巨大貢獻(xiàn)。

參考文獻(xiàn)：

[1] Gabi Kedma. Analyzing users' web surfing patterns to trace terrorists and criminals， Intelligence and Security Informatics （ISI）， pp. 143-145， June 2013.

[2] Shams Zawoad； Ragib Hasan， Digital Forensics in the Age of Big Data：Challenges， Approaches， and Opportunities， HPCC-CSS-ICESS， pp.1320-1325， August 2015.

[3] 吳威.公安內(nèi)網(wǎng)敏感信息安全監(jiān)管的實(shí)現(xiàn)方法[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2018（2）：116-117.

[4] 韓欣毅. 特大型城市網(wǎng)絡(luò)信息安全監(jiān)管研究[D].上海交通大學(xué)，2013.

[5] 繆金祥.大數(shù)據(jù)時(shí)代公安機(jī)關(guān)網(wǎng)絡(luò)輿情的管控[J].新疆警察學(xué)院學(xué)報(bào)，2016，36（2）：20-23.