李白冰 賈曉千

摘 要：大數據時代背景下，偵查部門在與犯罪分子的博弈中面臨的壓力與日俱增。以新技術的應用挖掘偵查潛力、實現(xiàn)科技強警成為新時代偵查工作發(fā)展的共識。邊緣計算作為近些年興起的新型計算模式，在偵查領域同樣具備相當的應用前景。文中通過對邊緣計算技術在偵查領域應用的技術可行性論證，進而設計出符合偵查工作特色的技術框架，同時嘗試搭建了邊緣計算在視頻偵查、公安物聯(lián)網和偵查體制改革中的具體應用場景。邊緣計算的偵查應用能為偵查大數據的處理帶來新的可能與機遇。

關鍵詞：邊緣計算;偵查;大數據;技術框架;數據管理;應用場景

中圖分類號：TP181文獻標識碼：A文章編號：2095-1302（2020）10-00-04

0 引 言

大數據作為一種新型的戰(zhàn)略資源，其使偵查資源、偵查思維和偵查情報來源發(fā)生重大變革。而物聯(lián)網將信息技術與各領域的融合無限擴展，各設備之間的數據實現(xiàn)智能化收集、傳遞、處理并實時共享，這同樣使偵查數據資源更加復雜多元，也帶來了提升偵查信息化水平的機會。據悉，我國公安機關掌握的數據資源已達數百類、上萬億條、PB級的大數據規(guī)模，數據年增長量[1]超過50%。面對持續(xù)增長的大規(guī)模數據量，公安機關正在應用的計算模式顯然捉襟見肘。技術規(guī)則的選擇與設置根源性影響技術應用偵查的模式與效果[2]。而邊緣計算技術是萬物互聯(lián)產生海量數據時代下的一種新型計算模式，其獨特的數據處理優(yōu)勢可以為“數據信息+偵查”的深度融合提供新的路徑。

1 邊緣計算應用于偵查領域技術論證與設計

邊緣計算的“邊緣”是與中心相對的概念，是指從數據源到云計算中心路徑之間的任意計算、存儲和網絡資源[3]。根據實際需求和應用場景的不同，可以在此路徑上的任一資源節(jié)點或多個節(jié)點進行計算。網絡邊緣的數據多分布在數據源周圍，在數據源周圍進行數據處理能帶來“就近處理”的諸多優(yōu)勢。

邊緣計算技術在大數據技術挖掘、分析和管理海量數據的基礎上，提升了數據服務的效率與質量，使運營決策基于數字化、模型化更加科學。邊緣計算可以彌補云計算網絡接口單一、數據處理存在時延、數據種類受限等不足，并可以與云計算在數據處理、管理、任務調度等方面進行協(xié)同：云計算負責精細度要求高，時效性要求低的復雜全局性大數據的處理與分析，而邊緣計算則面向網絡邊緣側全新業(yè)務形態(tài)，根據業(yè)務需求對局部性、實時、短周期數據進行處理與分析[4]。邊緣計算能在整體上滿足了應用數據方面的實時業(yè)務，安全與隱私等關鍵需求，并彌補了云計算數據優(yōu)化與智能處理的不足。

適用于偵查領域的邊緣與云協(xié)同平臺架構大致如圖1所示，平臺架構由邊緣層、IaaS層、平臺層、應用層組成。邊緣層包括設備接入和邊緣數據處理。邊緣層將海量數據的采集和處理部分或全部遷移到邊緣云，對數據進行過濾、篩選和預處理，再將數據傳送至遠端云，減少傳輸帶寬壓力，提高數據傳輸效率，滿足數據生成速度的需求。邊緣層向下支持各種邊緣設備終端，向上支持與IaaS層即云端對接，實現(xiàn)與云端的數據協(xié)同、任務協(xié)同、管理協(xié)同、安全協(xié)同。

IaaS層主要是云基礎設施，包括滿足云存儲需求的硬件和軟件部分，如服務器、虛擬化軟件、存儲和操作系統(tǒng)等[5]。

云端可以對邊緣端提供的數據進行更深層次的存儲、分析及價值挖掘，適合進行非實時性全局數據處理分析，并反饋給邊緣層，對邊緣層資源進行調度管理，使邊緣計算基于更為優(yōu)化的模型運行。

平臺層包括把相關資源、系統(tǒng)、程序部署到云基礎設施上，進行管理和運維，基于云計算和邊緣計算的協(xié)同運行，建立偵查大數據系統(tǒng)，并對數據進行建模分析（AI），進一步應用開發(fā)。

應用層包括面向偵查機關各層級用戶數據應用的業(yè)務運行，各種數據搜索平臺或APP，具有數據關聯(lián)分析、數據預測、情報功能，結合偵查需求搭建不同的應用平臺，以及開發(fā)者對于設備優(yōu)化、管理模式優(yōu)化、能耗分析優(yōu)化等方面的應用創(chuàng)新。

2 邊緣計算下的偵查信息資源管理

邊緣計算技術可以實現(xiàn)偵查信息資源的多邊聯(lián)接、高效存儲、智能應用、安全升級，自動化控制、分析和優(yōu)化等應用價值可以滿足偵查領域對信息資源的多樣化需求。一方面，由于邊緣端是多種數據源的初次接入口，其數據具有完整、實時、多樣等特點。伴隨聯(lián)接設備的增多，必然導致大量異構數據存在。邊緣計算技術可以對系統(tǒng)與系統(tǒng)之間、服務與服務之間等基于模型化的接口進行交互，簡化集成[6]。由此對異構數據進行優(yōu)化，實現(xiàn)數據統(tǒng)一聚合，推動偵查信息資源管理向縱深發(fā)展。另一方面，邊緣計算將數據處理遷移到邊緣設備附近，邊緣云的部署靠近信息數據源頭，縮短了數據傳輸路徑，可以對收集的數據進行及時處理，滿足偵查領域中對某些業(yè)務實時性的要求。

2.1 信息的分布式收集

隨著物聯(lián)網和5G技術的逐漸普及，偵查部門對海量信息資源的高效收集、挖掘成為技術上的創(chuàng)新難點。此時完全依靠云計算模式將大量數據上傳至云中心進行數據處理，將會對網絡帶寬以及云端服務器的存儲造成巨大壓力，無法滿足實時性、低能耗的要求。邊緣計算通過計算遷移、5G通信技術、新型存儲系統(tǒng)、輕量級函數庫和內核、邊緣計算編程模型等核心技術可以實現(xiàn)物理世界與數字世界的交叉聯(lián)接與數據的分布式收集。Zhang等提出一種煙花模型[3]，可以將數據的生產和消費轉移到邊緣設備上，在數據傳輸路徑上的邊緣節(jié)點執(zhí)行一系列計算，以實現(xiàn)數據的分布式收集、共享及管理。不同煙花模型節(jié)點通過演化模型管理器實現(xiàn)多中心、交互式數據收集，契合偵查機關所需數據主體多樣化，數據類型復雜化的狀態(tài)，推動不同數據主體共享數據與云-邊協(xié)同的資源融合，并且邊緣數據中心對收集的數據會進行加密處理，之后傳輸，此舉不僅可以滿足用戶對數據的安全性需求，更可以滿足偵查部門對內外網數據收集的多種需求。

2.2 數據信息的隱私保護與安全存儲

大數據時代，線上與線下不斷交叉融合，信息數據逐漸呈現(xiàn)“透明化”的特點，個人信息數據面臨著大量安全風險。偵查數據包含諸多隱私信息、敏感信息，一旦遭受惡意攻擊或數據泄漏，將會對國家安全、公民安全造成巨大威脅。邊緣數據中心應用白皮書中提出，安全性是邊緣計算的技術特點之一。邊緣數據中心處理的可靠性及存儲與傳輸的安全性對邊緣端的業(yè)務處理至關重要。數據的爆發(fā)式增長并不意味著所有數據都是有效數據，邊緣數據中心可以進行數據過濾，或將數據保存到邊緣云上進行分析處理，將所得計算結果進行初次加密后，再傳輸給云計算中心，這樣既降低了數據傳輸壓力，也提升了數據隱私安全性，降低了隱私泄漏風險。將復雜的加密算法遷移到具有充足資源的邊緣端執(zhí)行，在數據傳輸前進行處理并加密，可以有效保護數據隱私，系統(tǒng)安全性將由此得到提升。

2.3 數據信息的異構優(yōu)化

目前，偵查機關的各個數據庫均處于相互割裂狀態(tài)，包括偵查機關管理或掌控的視頻監(jiān)控系統(tǒng)、道路交通治安卡口等系統(tǒng)之間也存在著數據異構，阻礙著數據資源的融合與挖掘。解決數據異構問題是目前利用大數據進行深度挖掘分析的一個瓶頸，利用邊緣計算技術將異構數據進行統(tǒng)一聚合，即使只對部分公安數據，如視頻監(jiān)控數據、治安交通卡口數據、移動通信數據實現(xiàn)多源協(xié)作，也將會對偵查工作中個人信息的深度挖掘大有裨益。數據融合能夠帶動各部門共享信息資源與情報紅利，從內部打破數據壁壘，實現(xiàn)“1+1>2”的價值配比[7]。

3 邊緣計算技術的偵查應用場景搭建

邊緣計算在偵查領域中應用的關鍵在于可以通過對數據收集和處理的優(yōu)化提高偵查大數據的價值和應用能力。理論上，凡是涉及利用大量終端收集信息的偵查系統(tǒng)都可以利用邊緣計算技術進行改造。

3.1 視頻偵查

大規(guī)模監(jiān)控是針對不特定社會公眾的高科技監(jiān)控手段[8]。視頻監(jiān)控系統(tǒng)不僅在安防領域發(fā)揮重要作用，也為公安機關偵查部門打擊犯罪提供助力，成為預防犯罪和證實犯罪的利器，在偵查實務部門應用十分廣泛。但海量數據給云計算中心造成巨大壓力，具有爆炸式增長趨勢的大量非結構化視頻數據導致網絡傳輸帶寬要求高、實時性差、云計算中心視頻處理器負擔過重，存儲和管理大量數據增加存儲能耗。傳統(tǒng)云計算中心距離終端設備較遠，帶來了額外的網絡延時與高昂的傳輸代價[9]。對于云計算技術不能高效處理監(jiān)控系統(tǒng)的海量邊緣數據以及存儲空間不足，提取信息效率低下的問題，邊緣計算技術提供了新的解決路徑。

目前，國內部署的視頻監(jiān)控系統(tǒng)的前端攝像設備基本不具有數據處理分析能力，因此可以在一定區(qū)域內部署邊緣計算服務器，在視頻傳輸至云計算中心之前進行視頻數據的預處理（無需將全部數據上傳至云計算中心，如只傳輸視頻畫面中有運動目標的視頻數據），在保證數據準確性的同時可以提高視頻分析速度，降低視頻傳輸延時。根據邊緣計算模型的智能視頻監(jiān)控研究，可通過文本運動目標檢測算法提取出運動目標，將沒有運動目標的視頻圖像直接刪除，可節(jié)省50%以上的存儲空間[10]。邊緣計算技術可以進行幀過濾與狀態(tài)反饋、任務調度，利用邊緣端計算服務器，結合實用性強的犯罪行為識別算法，對視頻進行預處理，將視頻數據進行分流，刪除無偵查價值的數據，將可能存在價值的視頻數據傳輸至云平臺存儲中歸檔備份，復雜的數據上傳至云計算中心做進一步分析，將視頻存儲周期延長，篩選過濾更多的有效數據信息。

3.2 公安物聯(lián)網

近年來，RFID、智能手機、可穿戴傳感設備的發(fā)展加快了公安物聯(lián)網的發(fā)展。但公安物聯(lián)網建設與“智慧城市”物聯(lián)網建設還存在差距，其前端智能設備較少，但基礎的視頻監(jiān)控、機動車輛管控、人臉識別等系統(tǒng)部署較為成熟。這些系統(tǒng)的運轉在“情報主導偵查”的背景下為偵查工作的開展帶來了極大的便利。當前，公安機關還在不斷加大前端智能感知設備的研究開發(fā)，如研發(fā)眼鏡、 頭盔、手環(huán)等前端感知設備等，類似于智慧城市的物聯(lián)網建設，將有更多多元異構數據的接入。公安物聯(lián)網的建設和發(fā)展，會使偵查大數據的基礎數據規(guī)模再次劇增，并由此單獨或者碰撞產生更多的偵查情報信息。公安物聯(lián)網在不斷建設與發(fā)展過程中，數據將從網絡空間延伸到物理空間，感知信息從傳統(tǒng)的人員、車輛信息擴張到各類物品信息、環(huán)境甚至完整的事件信息，這些都是寶貴的偵查情報源。但與此同時，大規(guī)模的信息接入必然導致現(xiàn)有偵查大數據庫的運算壓力。

單一云計算模型無法解決傳輸帶寬和存儲方面的問題，如何有效融合異構數據也是公安物聯(lián)網建設的難題之一。公安物聯(lián)網設備計算能力不足，無法支持安防偵控系統(tǒng)在大范圍內的應用，限制了數據信息的挖掘應用，也影響了突發(fā)性刑事犯罪的處理及應對速度。對此，考慮將邊緣計算模型與云計算模型相結合，把邊緣計算智能終端設備引入公安物聯(lián)網，將邊緣計算模型作為云計算中心在邊緣端的延伸，使分布式的終端設備通過“預處理”的方式對數據進行篩選，既增加對識別對象的自動感知能力，又提升對于信息采集、傳輸、反饋的效率。邊緣計算與云計算協(xié)同的模式對于精準定位、位置識別也具有獨特優(yōu)勢，邊緣端更靠近數據源，可通過邊緣計算模型實現(xiàn)地理位置數據的邊緣端處理，不必傳輸至云計算中心，節(jié)省了遠距離傳輸時間并減輕了數據處理器的運算壓力，實時性和準確性得到提升，更符合公安一線實戰(zhàn)單位在犯罪實時追蹤、應急預警等方面的需求。

3.3 “科層制”偵查體制改革

“科層制”的偵查體制以層級制度和嚴密規(guī)則保證了偵查機關的戰(zhàn)斗力和執(zhí)行力，實現(xiàn)了組織的整體性和協(xié)調性，統(tǒng)一了組織內部的一系列行為標準和管理制度[11]。但在嚴峻的犯罪形勢下，公安“大偵查體制”改革的呼聲很高。整合偵查資源能有效開發(fā)偵查潛力，確保偵查一方在犯罪打擊中的相對優(yōu)勢地位。當前圍繞偵查大部門體制改革產生了不同的理論，并由此延伸出了差異化實踐。但筆者認為，偵查體制改革的根本目的在于釋放偵查效能，而機械性的以合并方式圍繞偵查機關自身進行考量勢必會喪失一定的客觀性，偵查效能的決定性因素不僅僅在于偵查機關，更在于犯罪與偵查之間的契合，偵查體制的評判標準有且只應有一個，即犯罪的預防與打擊能力。從這個角度講，以大數據偵查為定位，圍繞數據處理流程進行改革更具有合理性。

在邊緣計算模型下，可以市局為中心，將云端步置在市局，各縣區(qū)公安（分）局在云平臺支持下共享云計算服務，形成以市公安局為核心，縣區(qū)公安（分）局、派出所積極參與的三級偵查模式。落實到具體部門，可結合現(xiàn)有刑偵部門、經偵部門和刑事科學技術部門等，圍繞刑科技、技偵、網偵和視頻偵查四項主要偵查技術，形成一體化指揮的大偵查隊伍。偵查大數據在各鄉(xiāng)鎮(zhèn)、街區(qū)的邊緣端進行初步處理后，直接上傳到市局平臺，在各地省廳或公安部的統(tǒng)一組織下研發(fā)一批新的數據分析、應用平臺，視頻數據在市局中心得到充分處理，所得到的有價值信息與各縣區(qū)公安（分）局共享。借助各數據平臺，市局、省廳偵查部門可以實現(xiàn)對各下級偵查隊伍的直接指揮。對于經邊緣計算模型產生的突發(fā)性案件預警等，市局可以迅速向派出所、基層偵查部門下達指令。配套于大偵查部門改革，應建立偵查隊伍考核平臺化管理機制，通過平臺應用的深度共享，可以實現(xiàn)偵查隊伍的扁平化管理，同時，偵查情報線索的應用速度也會因平臺化管理而得到提升。

4 結 語

大數據偵查的理念早已提出，但大數據偵查的種種應用困境如數據鴻溝和處理時效等卻遲遲難以得到有效解決，而問題的根本就在于硬件基礎建設上。當前，偵查機關在犯罪打擊中面臨愈發(fā)嚴重的工作壓力，前期大數據偵查布局的不科學性矛盾逐步成為偵查羈絆，而一系列的問題都有望通過新技術的應用從數據處理這一根源得到妥善解決。邊緣計算正是對云計算中心大數據處理方式的智能化補充[11]。邊緣技術與人工智能、5G技術相結合具有廣闊前景。在此背景下，偵查機關應當以更大的包容性和探索精神將邊緣計算技術融入偵查大數據的建設與布局中，調和現(xiàn)有的數據矛盾，解決不同設備提供商造成的數據異構問題，真正解決數據孤島問題，實現(xiàn)偵查大數據的融合。有關邊緣計算的研究逐年變熱，偵查領域的相關研究者也應當投以必要的關注。本文僅以現(xiàn)有的技術提出部分應有設想，但邊緣計算與偵查的未來必不會止步于此。

參考文獻

[1]朱維和，魏鋒，高曉嵐.公安大數據治理技術研究[J].警察技術，2018，33（6）：32-35.

[2]李康震，陳剛，周芮.區(qū)塊鏈技術在偵查領域中的應用研究[J].信息資源管理學報，2018，8（3）：81-92.

[3]施巍松，劉芳，孫輝，等.邊緣計算[M].北京：科學出版社，2018.

[4]程燊彥.邊緣計算行業(yè)專題報告：邊緣計算與5G同行，開拓藍海新市場[EB/OL].[2019-04-10]. http：//pdf.dfcfw.com/pdf/H3_AP201904101317857190_1.pdf.

[5]邊緣計算產業(yè)聯(lián)盟.邊緣計算與云計算協(xié)同白皮書[EB/OL].[2019-02-21]. http：//www.ecconsortium.org/Uploads/file/20190221/1550718911180625.pdf.

[6]邊緣計算產業(yè)聯(lián)盟，工業(yè)互聯(lián)網產業(yè)聯(lián)盟.邊緣計算參考架構3.0[EB/OL]. [2019-02-25].http：//www.ecconsortium.org/Uploads/file/20190225/1551059767474697.pdf.

[7]陳剛.大數據時代犯罪新趨勢及偵查新思路[J].理論探索，2018，34（5）：109-114.

[8]縱博.偵查中運用大規(guī)模監(jiān)控的法律規(guī)制[J].比較法研究，2018，31（5）：82-105.

[9]強士卿，孫瀅.城市安防場景下基于邊緣計算的三維偵測路徑規(guī)劃[J].工業(yè)控制計算機，2019，32（12）：15-17.

[10]孫潔，錢蕾.基于邊緣計算模型的智能視頻監(jiān)控的研究[J].計算機與數字工程，2019，47（2）：402-406.

[11] SHIRAZI S N，GOUGLIDIS A，F(xiàn)ARSHAD A，et al. The ex- tended cloud： review and analysis of mobile edge computing and fog rom a security and resilience perspective [J]. IEEE journal on selected areas in communications，2017，35（11）：2586-2595.