國內外反恐系統中大數據技術應用現狀及未來趨勢 2016年09月26日10:39 來源：網易科技|

  在進入正題之前，我們先來看一個例子：

 美國國防部長卡特(AshCarter)曾赴硅谷招募頂尖科技人才。近年來的信息大爆炸使得五角大樓不得不將目光聚焦高科技硅谷，以打擊反恐。美國中央情報局的CTOGusHunt表示，為了提高情報分析能力，他們已經加快了運用云計算的步伐。

 神秘的平臺Palantir就是美國CIA、FBI等尋求的合作對象。Palantir最為人津津樂道的案例有兩個，一是此前美國政府追捕本拉登行動中，Palantir扮演了重要的情報分析的角色；二是Palantir協助多家銀行追回了納斯達克前主席麥道夫BernieMadoff所隱藏起來的數十億美元巨款。

 Palantir在洛杉磯警局通過技術與業務的深入交流與合作，采用Palantir的Gotham平臺，構建了一-套洛杉磯警局的語義知識搜索挖掘平臺，用于日常的警方業務工作中。該平臺全面整合警情日志文檔、電子表格數據、數據庫等數據和電子郵件、文檔、圖片、錄像等非結構化數據，對各類多源異構，繁雜的信息進行清洗梳理，總結提煉為八個關鍵的信息實體：人、車、位置、罪案、逮捕、文件、備注與其他。實體本身還有不同的屬性，不同個體之間還存在這相應的知識關聯。Palantir公安大數據語義知識搜索平臺建立以后，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體與線索。

 Palantir的搜索結果與百度等通用搜索引擎完全不一樣，并不完全基于關鍵詞，而是探索搜索背后的關聯關系，搜索結果如上圖所示。這里，中間的焦掉是搜索的嫌疑人“MichaelBarton”，通過Palantir平臺，可以快速將各類龐雜的數據通過可視化平臺的形式匯聚到一起，最終我們發現該犯綜合立體化視圖，其中包括：使用的手機，入境記錄，逮捕時開的車，逮捕的案子，同時涉嫌一起案，包括已有的兩次審訊記錄。點擊任何一個節點，右邊會展示其詳細的屬性與其他實體的關聯關系。例如，點擊該車，可以展示出該車的歷史所有被抓拍的照片與數據。辦案人員同時可以根據關聯連接一層一層往下挖，并人機互動，補充各種篩選條件，將模糊的破案線索逐步求精，最后極大的提高破案準確性與效率。

 綜合大數據的前沿技術進展，可以綜合研判出大數據反恐平臺背后的三大關鍵技術：知識圖譜、大數據人機可視化交互、非結構化精準搜索與挖掘。分別介紹如下：

 知識圖譜

 知識圖譜本質上是一種語義網絡，圖中的結點代表實體(entity)或者概念(concept)，邊代表實體/概念之間的各種語義關系。Palantir在圖一中使用的就是知識圖譜的技術，其中嫌疑犯、車、手機等都節點屬于知識圖譜中的實體，而邊就是實體之間的關系。知識圖譜允許用戶搜索引擎知道的所有事物、或者地方，而且能夠顯示查詢的實時信息。知識圖譜技術表征了公安大數據的本質語義關聯，比傳統的關系型數據庫更加自由多樣化，更適合于公安的辦案。

 大數據人機可視化交互

 運用了大數據可視化、知識圖譜化、地圖GIS化等手段，同時開放了大量方便的人機交互接口，實現了人與機器的完美融合，也實現了人與人之間的協同工作，大大提升了警務人員掌控數據的能力。

 非結構化語義精準搜索與挖掘

 非結構化大數據指的是文本、圖像與視頻等信息，比傳統結構化數據的信息量大得多，非結構化語義精準搜索與挖掘，是指在知識圖譜的基礎上真正理解用戶的搜索請求，不再拘泥于用戶所輸入請求語句的字面本身，而是透過現象看本質，準確地捕捉到用戶所輸入語句后面的真正意圖，并以此來進行搜索與挖掘，從而更準確地向用戶返回最符合其需求的搜索結果。

 大數據分析工具和技術，結合文本挖掘、機器學習以及本體建模，已成為進行軍事安全威脅預測、檢測和早期階段預防的第一道防線。如今大數據和數據科技，通過改進協作和數據分析，減低了情報調查過程的繁瑣程度，以便機構更輕易地檢測到國家安全威脅。

 通過分析恐怖分子日常各種信息，如通話、、購物、交友、電子郵件、聊天記錄、視頻等，對恐怖行為發生前進行預警和事后分析排查，越來越成為國際預防反恐的通用手段之一。

責任編輯：鐘娟娟

上一頁1