大數(shù)據(jù)時(shí)代，福爾摩斯的破案神器

易石

“在洛杉磯，警方通過數(shù)據(jù)分析，預(yù)測(cè)未來12小時(shí)內(nèi)哪個(gè)地區(qū)最有可能發(fā)生犯罪；在倫敦金融城，一位交易員認(rèn)為，數(shù)學(xué)計(jì)算可以成為發(fā)財(cái)‘秘笈’……這些迥然不同的領(lǐng)域如今被一種事物統(tǒng)一起來：數(shù)據(jù)量的大爆炸?！边@是英國(guó)BBC品牌欄目《地平線》2013年4月發(fā)布的紀(jì)錄片《大數(shù)據(jù)時(shí)代》的開篇一幕……

夏洛克·福爾摩斯，是一個(gè)由19世紀(jì)末的英國(guó)偵探小說家亞瑟·柯南·道爾所塑造的才華橫溢的虛構(gòu)偵探。福爾摩斯具有一種憑借洞察力穿透事物表象的天賦，以及從容易讓人迷惑的詭計(jì)中挖掘出事實(shí)真相的超凡脫俗的識(shí)別能力……他足不出戶就可以解決很多疑難問題。但如今，現(xiàn)代警察憑借大數(shù)據(jù)進(jìn)行數(shù)字追兇，只需在電腦前點(diǎn)點(diǎn)鼠標(biāo)，其速度比福爾摩斯還快，這是怎么回事呢？

在互聯(lián)網(wǎng)時(shí)代，警察破案除了用到傳統(tǒng)的檔案、走訪、電話記錄等資料外，還會(huì)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)，如今有了一個(gè)更加時(shí)髦的稱謂，那就是“大數(shù)據(jù)”。當(dāng)然，大數(shù)據(jù)不僅僅是換了“馬甲”的資訊，它與傳統(tǒng)的資訊還是有區(qū)別的。

在信息時(shí)代，一個(gè)犯罪分子想要銷聲匿跡，除非把自己完全絕緣起來。這樣無(wú)論司法機(jī)關(guān)掌握的大數(shù)據(jù)有多大，都難以查找到犯罪分子的個(gè)人電子信息了。但是，在如今這個(gè)信息技術(shù)已經(jīng)滲透到生活的方方面面的時(shí)代，犯罪分子要想不留下任何電子信息，是幾乎不可能的事情。比如，就算犯罪分子不上網(wǎng)、不使用手機(jī)、不看電視等，總之不和任何信息設(shè)備發(fā)生關(guān)聯(lián)，也逃脫不了大數(shù)據(jù)的追蹤。雖然犯罪分子不可能長(zhǎng)期出現(xiàn)在道路、商店、碼頭、車站等公共場(chǎng)所，但是一旦出現(xiàn)，就可能被公共的或他人的電子設(shè)備拍攝到。即使犯罪分子長(zhǎng)期蝸居在某個(gè)偏遠(yuǎn)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自己從窗口探出的腦袋。

近些年來，利用大數(shù)據(jù)成功偵破的有名案例是波士頓連環(huán)爆炸案。2013年4月15日，美國(guó)波士頓在舉辦馬拉松賽的過程中發(fā)生連環(huán)炸彈爆炸案，最終導(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(chǎng)附近的所有監(jiān)控錄像以供比對(duì)、查找，波士頓警察局的官員稱“仔細(xì)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(diǎn)附近12個(gè)街區(qū)的居民，收集了可能存在的各種私人錄像或照片，無(wú)論他們來自攝像機(jī)還是私人的手機(jī)。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，而且在這些流量巨大的網(wǎng)站上向公眾提出了收集相關(guān)信息的請(qǐng)求。結(jié)果，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，又結(jié)合其他信息，終于確認(rèn)犯罪嫌疑人為兄弟倆，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)與警方發(fā)生槍戰(zhàn)，塔米爾南在激戰(zhàn)過程中身受重傷經(jīng)送醫(yī)不治身亡，喬卡趁亂逃脫。當(dāng)日晚間，警方利用公共場(chǎng)所的紅外線攝像機(jī)搜集到的數(shù)據(jù)，又一次準(zhǔn)確定位了嫌疑人的位置，并且迅速將其包圍。在與警方對(duì)峙數(shù)小時(shí)后，喬卡投降遭捕，追捕行動(dòng)至此結(jié)束。

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(gè)：一個(gè)是電話公司，另一個(gè)是互聯(lián)網(wǎng)公司。美國(guó)安全局就長(zhǎng)期從電話運(yùn)營(yíng)商處獲取到通話數(shù)據(jù)庫(kù)，其中包含大量通話數(shù)據(jù)記錄，例如通話時(shí)間與通話時(shí)長(zhǎng)、相關(guān)電話號(hào)碼以及移動(dòng)設(shè)備的本地?cái)?shù)據(jù)等等。這套數(shù)據(jù)庫(kù)建立于2001年“9·11”恐怖襲擊事件發(fā)生后不久，而且得到了多家電信運(yùn)營(yíng)商的支持。2006年，《今日美國(guó)》雜志發(fā)表文章稱，這套通話數(shù)據(jù)庫(kù)是“世界上規(guī)模最大的數(shù)據(jù)庫(kù)”。該數(shù)據(jù)庫(kù)擁有數(shù)以十億計(jì)的電話記錄數(shù)據(jù)，由超級(jí)計(jì)算機(jī)和數(shù)據(jù)分析師處理這些數(shù)據(jù)。

美國(guó)政府還長(zhǎng)期從互聯(lián)網(wǎng)信息中獲取大數(shù)據(jù)。然而，他們目前無(wú)法真正捕捉并保存用戶所產(chǎn)生的全部數(shù)據(jù)，更無(wú)法將其無(wú)限期加以留存。但隨著信息技術(shù)的發(fā)展，這兩項(xiàng)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(guó)的服務(wù)商來提供，這給美國(guó)監(jiān)控全世界提供了便利。美國(guó)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，借此可以獲取全球互聯(lián)網(wǎng)上的信息。

然而，比獲取信息更難的是存儲(chǔ)信息。根據(jù)思科公司的統(tǒng)計(jì)，2012年全球互聯(lián)網(wǎng)流量每天達(dá)11億GB，這需要110萬(wàn)個(gè)容量為1000GB的硬盤來儲(chǔ)存這些數(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(shí)期內(nèi)，互聯(lián)網(wǎng)上的數(shù)據(jù)每年又將增長(zhǎng)50%。從存儲(chǔ)物質(zhì)來講，目前要將互聯(lián)網(wǎng)上的所有信息存儲(chǔ)下來根本無(wú)法實(shí)現(xiàn)，更不要說實(shí)際使用這些信息了。當(dāng)然，從技術(shù)發(fā)展的角度來看，將來是有希望做到的，這就是未來的DNA存儲(chǔ)技術(shù)要做的事情。

由于目前DNA存儲(chǔ)技術(shù)還沒有進(jìn)入實(shí)用階段，安全和司法部門都只能從相對(duì)有限的大數(shù)據(jù)中獲取線索。美國(guó)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，那都是通過關(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(gè)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(huì)采取很先進(jìn)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)，而且需要投入巨大的人力物力。同時(shí)，破譯這些信息需要一定的時(shí)間，恐怖組織或犯罪分子會(huì)利用這個(gè)時(shí)間差來實(shí)施恐怖襲擊或犯罪活動(dòng)。因此，大數(shù)據(jù)時(shí)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)，才能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

在案件偵破過程中，刑偵人員會(huì)對(duì)來源不同的各種證據(jù)和線索進(jìn)行梳理，找出對(duì)偵破最有用的證據(jù)和線索。這些對(duì)已有資料的梳理、統(tǒng)計(jì)和分析工作，運(yùn)用的就是數(shù)據(jù)挖掘技術(shù)。在司法領(lǐng)域，數(shù)據(jù)挖掘是一項(xiàng)比較古老的方法。在一百多年前，多國(guó)司法機(jī)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(dòng)時(shí)，偵破人員會(huì)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(dòng)機(jī)、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數(shù)據(jù)挖掘方法。到了信息科技時(shí)代，數(shù)據(jù)挖掘則以人工挖掘?yàn)橹鬓D(zhuǎn)變?yōu)橐杂?jì)算機(jī)挖掘?yàn)橹鳌?/p>

數(shù)據(jù)挖掘萌芽于“情報(bào)深加工”，其實(shí)質(zhì)就是發(fā)現(xiàn)情報(bào)背后的情報(bào)。在大數(shù)據(jù)時(shí)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。

目前，美國(guó)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(huì)情緒。比如，美國(guó)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(jì)算機(jī)輔助乘客篩選系統(tǒng)。該系統(tǒng)為美國(guó)本土各個(gè)機(jī)場(chǎng)提供接口，當(dāng)乘客購(gòu)買機(jī)票時(shí)，系統(tǒng)利用乘客提供的信息來確定乘客是否為需要額外安全篩選的人員。該系統(tǒng)將乘客購(gòu)買機(jī)票時(shí)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(kù)，這些信息包括姓名、出生日期、居住地址以及電話號(hào)碼。然后商用數(shù)據(jù)庫(kù)將隱含特殊危險(xiǎn)等級(jí)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(jī)并將接受“法律強(qiáng)制性的關(guān)照”。

數(shù)據(jù)挖掘技術(shù)已經(jīng)被用在刑事偵破領(lǐng)域，為破獲一些疑難懸案、保障老百姓的人身和財(cái)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(shí)別方法就需要用到數(shù)據(jù)挖掘技術(shù)。警方先通過計(jì)算機(jī)對(duì)嫌疑人進(jìn)行畫像，然后自動(dòng)在目標(biāo)人員數(shù)據(jù)庫(kù)中搜索犯罪嫌疑人。不過，人臉識(shí)別技術(shù)要發(fā)揮高效破案的作用，前提就是要建立有大級(jí)別的人像數(shù)據(jù)庫(kù)系統(tǒng)。也就是說，人臉識(shí)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(shí)別、虹膜識(shí)別、掌紋識(shí)別、步態(tài)識(shí)別等生物識(shí)別技術(shù)，也需要逐步完善的數(shù)據(jù)庫(kù)給予支撐。

大數(shù)據(jù)時(shí)代的隱憂

英國(guó)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(shí)代》的引言中寫道：“大數(shù)據(jù)開啟了一次重大的時(shí)代轉(zhuǎn)型。就像望遠(yuǎn)鏡讓我們能夠感受宇宙，顯微鏡讓我們觀測(cè)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(shì)待發(fā)……”美國(guó)政府已將大數(shù)據(jù)視為“未來的新石油”，并將對(duì)大數(shù)據(jù)的研究上升為國(guó)家意志。在美國(guó)的推動(dòng)下，未來大數(shù)據(jù)之戰(zhàn)的腳步聲似乎越來越近。大數(shù)據(jù)是一股不可阻擋的時(shí)代潮流，它不僅可以幫助政府機(jī)關(guān)和司法機(jī)構(gòu)提高辦事效率，而且會(huì)影響到普通人日常生活的方方面面。

舍恩伯格在新書中還表示，在大數(shù)據(jù)時(shí)代，人們時(shí)刻都暴露在“第三只眼”之下：亞馬遜監(jiān)視著我們的購(gòu)物習(xí)慣；谷歌監(jiān)視著我們的網(wǎng)頁(yè)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，還能描繪出我們的社交關(guān)系網(wǎng)。因此，不僅是司法機(jī)構(gòu)可以利用大數(shù)據(jù)來破案和預(yù)測(cè)潛在的犯罪，犯罪分子和犯罪團(tuán)伙也可以利用大數(shù)據(jù)尋找到可以侵害的對(duì)象并實(shí)施犯罪。曾經(jīng)的江洋大盜往往要實(shí)地勘察幾個(gè)月甚至數(shù)年，以此來分析某人或某機(jī)構(gòu)的習(xí)慣規(guī)律以實(shí)施犯罪行為，而在大數(shù)據(jù)時(shí)代，他只需要一臺(tái)電腦和簡(jiǎn)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(tuán)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(shí)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)器查看政府所監(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(xiàng)目被泄漏之后，美國(guó)國(guó)內(nèi)和國(guó)際社會(huì)反對(duì)聲浪巨大的一個(gè)重要原因。如果個(gè)人網(wǎng)絡(luò)信息保護(hù)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(huì)矛盾將會(huì)越來越多，越來越激烈。