大数据背景下的公安情报工作研究

周 琼

(中国人民公安大学，北京 100038)

大数据背景下的公安情报工作研究

周 琼

(中国人民公安大学，北京 100038)

当今，大数据时代已经悄然而至，各行各业都置身大数据中，公安工作也不例外。而公安情报是开展公安工作的核心，特别是在情报主导警务的今天，海量数据包围下的公安情报对公安情报工作的开展带来了巨大影响。本文基于大数据的背景，对公安情报工作进行了研究和解析，推动公安情报工作发展。

大数据;公安情报;公安情报工作

一、大数据背景下公安情报工作的现状

从上面可以看出，大数据除了海量难处理、样式多样外，高速变化和潜在价值已经备受关注。也就是说，围绕大数据所采取的行动都是为了获取其的价值，实现目标。在医疗行业，美国医疗业全面使用大数据，每年能多创造3000亿美元的价值;在个人位置信息领域，利用大数据技术可以为服务商带来1000亿美元的利润，并为消费者和商业用户带来7000亿美元的价值。①Manyika J，Chui M，Bughin J，et al．Big Data:The Next Frontier for Innovation，Competition，and Productivity．McKinsey Global Institute，20112008年Nature刊发一篇文章显示:Google搜索引擎利用看似无规律的巨量用户查询数据能够提前1—2周预测流感的爆发。②Ginsberg J，Mohebbi M H，Patel R S，et al．Detecting Influenza Epidemics Using Search Engine Query Data．Nature，457(7232):1012－1014

看待大数据带来的巨大价值，公安情报工作领域也积极投身其中，从大数据中发掘属于自己的“黄金”。在公安情报工作中，“条”、“块”结合的情报体系一直占据主导地位。这样的体系结构在实际工作中弊端重重，在大数据的背景下，公安系统的情报体系进行了调整和改进，基本上实现了横向情报流动和纵向联动的局面，即进一步完善了情报共享的流程和机制。公安情报工作中的情报源在大数据背景下变得更加丰富多样，各种实时数据、流媒体数据、非结构化数据每时每刻冲击着公安情报工作，给情报的采集、存储和处理带来了巨大挑战。为此，公安部门已经把海量数据挖掘、数据储存、信息感知技术、图像视频智能分析技术、信息安全技术、海量数据存储技术等列入了项目建设中。现阶段我们已经部署了公安云技术、云存储技术以及公安内部各大数据库联机处理技术，为公安情报工作的顺利开展和实施提供了技术支持和保障。并且在公安工作中注重数据流通和梳理，及时有效性的实现公安工作政务公开，满足公众的知情权。

二、大数据背景下公安情报工作存在的问题

公安情报被称为具有参考价值，维护国家安全和社会治安形势的信息和资料的总称，主要用于同敌视中国的社会主义制度，破坏我国社会稳定的国内外的所有敌对元素作斗争。③《简明公安词典》，群众出版社，1989年，第124页。显然这个定义生硬落后，不利于公安情报工作的开展。随后学者们从不同角度对公安情报概念下了定义。例如，公安情报是指公安机关的各警种采取公密结合手段，获取的各类违法犯罪分子实施的危害国家安全、影响社会稳定、侵害人民群众生命财产安全的行动性、预警性、内幕性信息，经甄别、汇总、研判、提炼后，生成的可供侦破案件、分析掌握敌情和治安动向的成果。④吴明志:《关于构建公安大情报工作体系的思考与实践》，《上海公安研究》，2003年第1期。公安情报是指公安机关通过田野调查、文献分析、走访谈话等途径获取的有关违法犯罪活动、公安管理及其他与公安工作相关的各类信息，并对其进行分析研判后所得的成果。简言之，公安情报是指由公安机关通过各种渠道获取的、最大化服务于公安工作的各类信息经过升华后得出的成果。⑤彭之辉:《公安情报概念辨析》，《江苏警官学院学报》，2005年第2期。

公安情报工作是指公安机关为维护国家安全与社会稳定而开展的公安情报搜集、整理、传递、分析、编写的过程。主要内容包括情报搜集、情报整理、情报分析、情报编写以及情报应用等。

英国莱斯特大学的Mark Phythian教授认为:情报工作中情境相融很重要，情报研判失败的产生受到细小问题的影响，比如战略所处环境、领导风格等;突出信息之间的相关关系，而非因果关系。美国政府部门之间的信息壁垒，致使分析人员可供利用的信息资源短缺，导致情报预测失败;最后是要从各外界专业邻域汲取精华。这样做虽然不能保证分析的完全成功，但是给公安情报工作带来了启迪。

融合大数据时代要求和以往公安情报工作的经验教训，借鉴学习国外有关情报工作的研究成果，本文将公安情报工作研究的发展趋势总结如下:公安情报工作领域的单一研究转向全领域的交叉性研究;公安情报的情报源更广泛多样;公安情报研究严谨性加强;公安情报工作智能化增强。

(一)公安情报工作领域的单一研究转向全领域的交叉性研究

在大数据时代，公安情报工作以往的单一研究方式已经不适应公安工作的需要了，需要紧跟时代步伐，从单一研究向全局研究靠拢。

首先，公安情报研究工作已从自身需要出发借鉴其他领域方法。心理学、建筑学、环境学、经济学等的理论已经用于公安情报工作的情报分析、情报搜集等过程，并指导公安情报工作的顺利展开和公安情报理论的建设。社交网路分析、时间－空间分析等其他学科的分析方法也广泛应用于公安情报工作领域。技术方面更是突出，计算机建模、计算机实验、可视化技术等都被有效“移植”到公安情报工作领域。总之，各领域综合交叉性越来越强，无论从理论还是技术方面交集越来越明显，虽然交叉借鉴并不稀奇，但现阶段交叉意识更强、意义更重大。其次，公安情报工作分析内容的扩展。公安情报工作不能局限于就违法犯罪问题进行分析，而要拓展分析内容，尽可能在更广阔的情境下分析研判从而产出更具建设性的产品。在公安情报工作研究领域，由于其特殊性和外部不可抗力，数据往往比较碎片化和单一，导致最终的情报产品发挥不了应有的作用。现阶段需要从时间维度、空间维度和背景依托出发，结合案件细节信息，根据案件进展实时调整，产出优质情报。

(二)公安情报的情报源更广泛多样

公安情报源分布及其广泛，涉及社会生活的方方面面。按其载体或存在形式，可将情报分为人力情报源、实物情报源、文献情报源、科技情报源。人物情报源包括人物对象情报源、人物本体情报源和人际网络情报源。实物情报源分为样品、痕迹、文书物证以及现场遗留物、微量物证和被盗抢物品等。公安工作中涉及的重要文献情报源有公安业务资料、公安灰色文献、公安科学文献和新闻媒介等。网络情报源包括网站、搜索引擎、联网公安信息系统和网络数据库等。以上这些是常规传统公安系统内部熟知并认可的情报源，但在大数据背景下，面对互联网上良莠不齐的信息、纷繁多样的社交网站和各领风骚的通讯软件，情报源不论从广度还是深度都有很大变化。Web2.0技术的诞生，各种新型媒体如雨后春笋崛起，包括博客、论坛、社交网站、自组织的合作项目、虚拟游戏世界等，现在又新加入了微博、微信等以移动即时通讯软件为主角的微媒体。这些新型媒体下，用户以自己为中心组织、传播信息，其话题涉及政治、经济、娱乐、国家等各方面，话题内容或丰富、或新颖、或偏激，所有这些都需引起公安情报领域的高度重视。

(三)公安情报研究严谨性加强

就宏观层面而言，公安情报研究活动是一种意义构建①Gary Klein，et al．Making Sense of Sensemaking 1:Alternative Perspectives．Intelligent Systems，2006，21(4):70 －73．，它是在原有认知架构的基础上，通过情报分析人员根据需要不断进行修正更新来完成。这就表明不确定性在公安情报研究活动普遍存在，情报研究的效用受到多方因素影响。正因如此，公安情报工作应当更加严谨，减少情报不确定性来增加情报效用性，已成为公安情报工作的趋势所在。情报研究严谨是指过程严谨性，并不单单追求结果正确性，情报研究的整个过程都要统揽全部要素，应用精确的标准，经验和实证相结合，最终理解整个情报过程并得出正确结论。美国俄亥俄州立大学的Deniel Zelik提出了衡量分析过程是否严谨的8个指标:即假设探索、信息检索、信息验证、立场分析、敏感度分析、专家协作、信息融合和解释评价。这8项指标可以给情报分析过程提供借鉴。假设探索从多维度来揭示数据和信息;信息检索和融合是从情报源上消除片面性;信息验证重心在于数据的溯源和佐证;敏感度分析从情报局限性出发，以消除主观偏见为目的，实现分析的客观实际;专家协作是为了防止情报分析人员因自身学科背景和经验的局限性影响情报产品质量;解释评价是指情报产品的可读性及要正确看待情报结果。总之，公安情报工作的严谨性目的在于消除人的局限性和主观偏见，从客观出发看待情报工作。

(四)公安情报工作智能化增强

大数据时代的公安情报工作研究，技术成了生产力。美国国家科学基金会 (NSF)指出:要在科学和工程领域傲视群雄，美国将越来越取依赖利用可视化工具将数据转换为信息和知识的能力。就公安情报分析而言，智能化技术的应用使得公安民警从人海战术中解脱出来，使得繁重的情报工作处理起更加快捷高效，尤其面对瞬息万变的数据，智能化技术显得尤为重要。

2011年5月，美国McKinsey Global Institute发布了题为《大数据:创新、竞争和生产力的下一个前沿领域》①Big data:The Next Frontier for Innovation，Competition，and Productivity．2012－09－15．http://www．mckinsey．com/insights/mgi/research/technology_and_innovation/big_data_the_next_frontier_for_innovation．的研究报告，列举了26项适用于各行业各邻域的分析技术，包括A/B测试、数据挖掘、可视化分析等。在这26项技术中，大多数技术都不是独立使用的，交叉复合使用的情况屡屡发生，下面主要介绍复合使用的可视化技术和数据挖掘技术，这两大技术在公安情报工作中堪称新宠儿，是公安情报工作的研究重心之所在。

可视化分析是结合了自动分析技术与交互技术而产生的，它通过交互的可视化界面来便利分析推理②Thomas，J．J．，Cook，K．A．Illuminating the Path:The Research and Development Agenda for Visual Analytics．IEEE Computer Society Press，2005，可以帮助用户在对大规模且纷繁杂乱的数据内容进行高效理解、分析和决策③DA Keim，et al．Visual Analytics:Definition，Process，and Challenges．2012 － 09 －06．http://www．ll．gatech．e du/atasko/7450/sy//abus．html．。目前公安系统内部使用的可视化技术，情报产品是以多种视图的方式呈现出来的，但是局限于分析结果的可视化，情报分析过程、分析方式等等对公安民警来说是不可知的，所有的步骤都在一个黑匣子里面完成，公安情报分析人员无法参与其中。也就是说可视化分析过程中产生的偏差不能被消除，公安民警对情报产品只能完全接受。因此，可视化技术要囊括结果可视化和过程可视化，过程可视化就是说情报分析过程中，公安情报分析人员和机器能实现良性互动，对不合时宜的步骤进行调整和修改，保证情报产品的质量。

数据挖掘是一个知识提炼的过程，它从大量看似毫无关联的繁杂数据中提取出被人们忽略、但又是潜在的有用的信息和知识。数据挖掘与公安情报工作有着天然的联系。面对复杂的公安情报源和结构各异的数据，数据挖掘技术都能轻松应对，这样使得公安情报工作不仅效率提高了，公安民警也从繁琐的体力劳动中解放出来，总之数据挖掘技术的引进对公安情报工作真是如虎添翼。公安系体内部随着公安信息化建设，已经建立了多个数据库和信息系统，这为数据挖掘技术的实施提供了平台。数据挖掘中的决策树算法可以完美的应用于群体性事件分析。决策树的非叶子节点设置成群体性事件的属性，然后进过循环测试，得出的叶子节点就是群体性事件的表现形式，这样经过训练形成公安系统内部的模型，在群体性事件苗条期就能预测出来，公安部门就能提前进行防范工作，最大可能的减少群体性事件的发生。关联规则算法在公安公安中也是经常使用。关联规则可以挖掘出罪犯的犯罪规律，它的运行机理是把案件相关的所以要素进行关联运算，并最终形成规律性的事项。例如把某个案件的作案时间、地点、受害对象等和全国违法犯罪信息库或者某个数据库进行关联运算，很大可能上会发现犯罪规律，这也为日后的预警机制建设提供里有效的支持。数据挖掘中的其他算法和规则同样也可以进过局部调整和改造，有效移植到公安情报工作中，为公安情报工作的高效准确开展提供强有力的保障。

三、大数据背景下公安情报工作的对策

当数据堪比黄金，成为一种竞争资源，各行各业聚焦数据，大数据时代悄然而至，公安机关运用大数据的时代成为必然。

(一)树立大数据思维模式

传统的公安情报工作中，数据在支持决策和战术战略制定中所占比重底下，经验主导工作的情况时常发生。很长一段时间，准确分析大量数据对公安工作人员而言是一种挑战。过去，因为记录、存储和分析数据的工具不够好，公安工作人员只能收集少量数据进行分析。长期下来，公安系统内部人员已经无意中形成了以少量数据支持决策的思维模式，已经远远不适应大数据背景下的公安情报工作的发展。公安内部人员需要转变思维，迎接大数据时代的到来。首先，在面对具体案件或者事件时，不在依靠少量的数据样本进行分析，要囊括所有相关数据。其次，公安情报工作人员要乐于接受数据的纷繁复杂，而不再追求精确性。最后，应关注事物间的相关关系，而不是探求难以捉摸的因果关系。

(二)协同大数据的价值链与公安情报工作的价值链

关于大数据的开发涉及价值链，包括数据采集，数据监控，数据存储，数据检索，数据共享，数据分析，数据显示等各个环节组成的信息价值链，这一链条与管理信息和公安情报工作价值链基本吻合。公安情报领域将包括信息收集整理，信息的安排，信息检索存储，信息备份，信息分析，信息可视化等理论和技术应用到公安大数据工作领域，在推动大数据的研究和开发的同时，扩大情报服务范围。

(三)结合“事实数据+工具方法+专家智慧”三者

科学研究大数据充分反映在定量方法上，当工具和方法作为人类智慧的结晶，也必须有效结合人类的智慧本身，当这一数据偏离定性和人类的洞察力，不会有真正意义上的事实。传统的公安情报工作聚焦于各种传统文献专著和数据资料，大数据的兴起和发展不但补充了数据源，还丰富了数据的内容，扩大了数据依托的媒体形态，实现了不同事实数据的互印互补，提升情报工作水平。同时，在公安系统内部专家运用自身智慧，把大数据技术和事实数据完美结合起来，积极投入现实工作中。事实数据、工具方法和专家智慧组成了公安情报工作的坚固三角型，为公安情报工作的运转提供坚实保障。

综上，大数据时代已将公安情报工作卷入其中，给公安情报工作带来机遇。但机遇与挑战并存，公安情报工作的顺利高效的运行，需要我们理性引进其他领域的先进技术和理论，为推进公安情报工作助动推力。如今各行各业都从不同纬度不同层面关注着大数据对自己的实践和研究带来的触动，公安情报工作也不例外。

(责任编辑 梁晋云)

{G35}

A

1672—6057(2014)04－54－05

在当今信息爆炸的时代，数据在呈指数级增长。如果数据没有得到妥善管理，则会面临巨大的风险。各行各业虽然对“大数据”作了具有本行业或本领域特点的定义，但并未统一说法，比较有代表性的定义有:麦肯锡①麦肯锡公司是世界级领先的全球管理咨询公司。自1926年成立以来，公司的使命就是帮助领先的企业机构实现显著、持久的经营业绩改善，打造能够吸引、培育和激励杰出人才的优秀组织机构。指出，“大数据”是指那些大小已经超出了传统意义上的尺度，常规的数据库技术难以完成捕捉、存储、管理和分析的数据集合。②McKinsey Global Institute．Big data:The next frontier for innovation，competition，and productivity．2012－08－21．http://www．mckinsey．com/Insights/MGI/Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation．IBM把大数据概括成了规模性、多样性、高速性。规模性指大数据的规模很大，突破了PB级数据量;多样性指大数据来源广泛，包括结构化和非结构化以及无结构的数据，如文本、射频数据、视频、音频、网络日志等;高速性指大数据对数据实时处理能力要求极高。③IBM．What is big data?．http://www01．ibm．com/software/data/bigdata/．按EMC④EMC公司是全球信息存储及管理产品、服务和解决方案方面的领先公司。EMC是每一种主要计算平台的信息存储标准，而且，世界上最重要信息中的2/3以上都是通过EMC的解决方案管理的。的界定，“大数据”其中的“大”是指大型数据集，一般在10TB规模左右;多用户把多个数据集放在一起，形成PB级的数据量;同时这些数据来自多种数据源，以实时、迭代的方式来实现。⑤姜奇平．大数据时代到来．(2012－02－02)2012－08－15．http://www．ciweek．com/article/2012/0118/A20120118554491．shtml．ForresterForrester⑥世界上最为知名的信息技术分析公司之一，它的业务涉及新闻出版、咨询、会议展览等。提出大数据的4项典型特征——海量、多样性、高速和易变性。⑦全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商。在IT领域的市场跟踪数据已经成为行业标准。IDC又加上了潜在价值原则。

大数据背景下的公安情报工作需要构建可靠的信息基础，就要建立高性能的数据管理工具，这种工具能够以高效、可靠的方式将信息提供给公安机关各警种的情报部门，同时还能够帮助从数据创建到退役的整个生命周期进行管理。IBM数据管理软件能够提供一个强大的高性能基础平台，帮助公安机关运行决策，并且将运行决策应用程序循环到情报工作中。借助软件，将获得的大量信息经处理为有用的公安情报，为公安机关各警种提供有效和正确的战术战略决策。

2014－06－01

周 琼，女，中国人民公安大学研究生院2013级公安学专业 (公安情报方向)硕士研究生，研究方向为公安情报学。