文：张华平

转自：大数据千人会

美国Palantir公司2004年在硅谷成立，目前公司估值200亿美元，是全球最大的大数据公司，在情报整合与反恐方面一直非常神秘，一度传言其在美国CIA捕杀本·拉登的过程中起到了至关重要的作用，后证实为谣言。不过，公开可证实的资料表明：Palantir赶在阿富汗的简易爆炸装置引爆前成功预言了它们的位置，并帮助整合美国情报界零散的数据库，为安全人员提供了一体化的情报网。美国CIA以及洛杉矶警方等多个权威机构都为Palantir公开站台，证实了这家公司的大数据技术在情报分析、安全防范以及反恐方面起到了不可或缺的重要作用，对我们公安大数据平台的建设具有重要的借鉴意义。为此，本文将介绍Palantir在美国洛杉矶警局的实战案例，揭秘其背后的关键技术，并汇报我们实验室在公安某局的初步实践工作，最终给出我们对公安大数据的部分思考。

Palantir洛杉矶警局应用的技术揭秘

Palantir在洛杉矶警局通过技术与业务的深入交流与合作，采用Palantir的Gotham平台，构建了一套洛杉矶警局的语义知识搜索挖掘平台，用于日常的警方业务工作中。该平台全面整合警情日志文档、电子表格数据、数据库等结构化数据和电子邮件、文档、图片、录像等非结构化数据，对各类多源异构，繁杂的信息进行清洗梳理，总结提炼为八个关键的信息实体：人、车、位置、罪案、逮捕、文件、备注与其他。实体本身还有不同的属性，不同个体之间还存在这相应的知识关联。Palantir公安大数据语义知识搜索平台建立以后，警方就可以通过非常简洁的前端搜索页面，来搜索指定的各类实体与线索。

Palantir的搜索结果与百度等通用搜索引擎完全不一样，并不完全基于关键词，而是探索搜索背后的关联关系，搜索结果如下图所示。这里，中间的焦掉是搜索的嫌疑人“Michael Barton”，通过Palantir平台，可以快速将各类庞杂的数据通过可视化平台的形式汇聚到一起，最终我们发现该犯综合立体化视图，其中包括：使用的手机，入境记录，逮捕时开的车，逮捕的案子，同时涉嫌一起盗窃案，包括已有的两次审讯记录。点击任何一个节点，右边会展示其详细的属性与其他实体的关联关系。例如，点击该车，可以展示出该车的历史所有被抓拍的照片与数据。办案人员同时可以根据关联连接一层一层往下挖，并人机互动，补充各种筛选条件，将模糊的破案线索逐步求精，最后极大的提高破案准确性与效率。

图1： Palantir的搜索结果展示

我们分析了Palantir所有的案例，综合大数据的前沿技术进展，可以综合研判出Palantir背后的三大关键技术：知识图谱、大数据人机可视化交互、非结构化精准搜索与挖掘。分别介绍如下：

1、知识图谱

知识图谱本质上是一种语义网络，图中的结点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。Palantir在图一中使用的就是知识图谱的技术，其中嫌疑犯、车、手机等都节点属于知识图谱中的实体，而边就是实体之间的关系。知识图谱允许用户搜索引擎知道的所有事物、人物或者地方，而且能够显示查询的实时信息。知识图谱技术表征了公安大数据的本质语义关联，比传统的关系型数据库更加自由多样化，更适合于公安的办案。

2、大数据人机可视化交互

Palantir综合运用了大数据可视化、知识图谱化、地图GIS化等手段，同时开放了大量方便的人机交互接口，实现了人与机器的完美融合，也实现了人与人之间的协同工作，大大提升了警务人员掌控数据的能力。

3、非结构化语义精准搜索与挖掘

非结构化大数据指的是文本、图像与视频等信息，比传统结构化数据的信息量大得多，非结构化语义精准搜索与挖掘，是指在知识图谱的基础上真正理解用户的搜索请求，不再拘泥于用户所输入请求语句的字面本身，而是透过现象看本质，准确地捕捉到用户所输入语句后面的真正意图，并以此来进行搜索与挖掘，从而更准确地向用户返回最符合其需求的搜索结果。

Palantir对公安大数据的启示

通过对Palantir的技术揭秘，对于公安大数据平台的建设，笔者的思考如下：

1、以公安知识图谱来整合各类数据：与美国情报界一样，公安当前的信息分散、孤立，部分信息不一定准确，大数据本身的特点就是价值密度低、参差不起，庞杂多样。因此，梳理公安的知识体系，将各类数据库整合为统一的知识图谱，以国际统一的本体网络语言OWL表示知识，并利用知识图谱技术实现公安大数据的推理与应用;

2、构建公安大数据的业务平台，而不是简单的信息系统：与一般的公安信息系统不一样，Palantir提供并不是一个傻瓜式的查询输出系统，而是一个较好的工作平台，利用人机接口，辅助警方从复杂大数据中发现清晰的线索，帮助得到辅助问题的答案。简单的打个比方来说，Palantir提供的不是直接的鱼，而是钓鱼的工具与方法。因此，公安的大数据平台不能做成简单的查询系统，而是业务平台，可以快速简便地开发各类SaaS(软件即服务)应用，警务人员可以查询信息，还可以简单灵活地组合各类模块，将业务人员的经验与技术人员的大数据技术紧密结合。

3、实施创新驱动发展战略，突破已有的思维定势，大力引进公安大数据相关的知识图谱技术、大数据可视化、语义分析计算等前沿技术。可以将公安大数据脱敏后大力开放，供国内专家学者作为研究开发使用，广泛地获取外脑支撑。

我们在公安大数据的初步探索

笔者所在的北京理工大学大数据搜索与挖掘团队，专注大数据语义搜索与挖掘，在知识图谱、可视化与搜索挖掘方面有十多年的研究与工程经验。团队在公安大数据方面的主要工作包括情报抽取、自动脱敏、分类、聚类、特征挖掘、关联挖掘等工作。情报抽取主要从文本表述中抽取各类案情要素，如嫌疑人姓名、身份证、性别、案由等;自动脱敏技术是将敏感信息自动替换，脱敏后的信息无法追溯到具体的个人，不再涉及公民隐私，而公安部门可以根据脱敏的对照库，实现信息还原。下图是我们利用公安某局脱敏后的15万数据自动生成的毒品、诈骗、盗窃三类警情的宏观可视化特征画像。

图2：警情大数据三类案件的特征画像

公安作为与海量证据、线索、数据、信息打交道的部门，使用好已有的数据信息，将门类庞杂、种类繁多的海量公安数据进行整合，建立统一的公安大数据语义知识网搜索平台，全面而深入挖掘信息之间的关联关系，这对于提取关键线索、提高办案效率具有非常重要的现实意义，更对于优化警力部署、提前制定预案，将违法犯罪事件扼杀在萌芽状态具有重大指导意义。