基于大数据的高校安全与维稳系统设计与实践

崔聪 涂庆华 束乾倩等

摘   要：“平安校园”建设既是一项信息化工程，又是一项政治任务。目前各大高校主要通过设备监控、人工巡逻、周界安防等人防、物防方式展开校园公共安全管理工作。随着互联网技术的发展和社会的进步，这种传统的管理手段逐渐面临着手段单一被动、预警能力不足、信息收集不畅、安保力量匮乏等诸多挑战。文章通过大数据分析技术，结合南京理工大学学生安全管理工作实践，提出一套校园公共安全事件预警模型和大数据分析研判机制，能够有效补齐传统校园安全管理工作的短板，满足新时期高校信息化发展的需要。

关键词：校园安全;大数据;预警;画像

中图分类号：TP393 文献标志码：B 文章编号：1673-8454（2020）05-0061-05

一、建设背景与需求分析

1.国家高度重视高校公共安全

新形势下，国家高度重视高校的公共安全保障工作。《中华人民共和国国家安全法》《中华人民共和国反恐怖主义法》《中华人民共和国反间谍法》等法律法规提出，高校加强对特殊群体学生进行教育与管理，确保意识形态领域安全和反恐工作的顺利开展，是一项重要的政治任务。总体国家安全观对高校国家安全工作提出全新要求。高校要坚持总体国家安全观，建立高校安全工作体系，有效应对高校在国家安全领域面临的新风险和挑战。

2.高校公共安全的严峻形势

校园公共安全是高校维稳工作的核心。随着互联网技术的飞速发展，外部世界中的危险因素也可能渗透到校园中，轻微的以远程通信、网站发布的形式影响、诱导着学校的少部分学生，严重时甚至有外部人员直接到高校校园中秘密隐藏、私下聚集、密谋活动。这种局面无疑给高校的学生安全管理工作带来严峻的挑战。

传统的安保工作主要通过视频监控、周界安防、人工巡逻、车辆管理等方式进行校园公共安全管理。这些方式对于行迹较明显的物理活动具有一定的效果，但也面臨耗费大量人力和凭经验判断的问题，对于通过网络通信与外界联系的活动则几乎无法感知侦查。

3.通过技术手段确保意识形态领域安全和反恐工作的顺利开展

2019年，新中国成立70周年，各高校坚持以习近平新时代中国特色社会主义思想为指导，全面贯彻落实党的十九大和十九届二中、三中全会精神，切实增强“四个意识”，坚定“四个自信”，坚决做到“两个维护”。高校要坚持总体国家安全观，建立高校安全工作体系，有效应对高校在国家安全领域面临的新风险和挑战。2017年12月8日，十九大中央政治局就实施国家大数据战略进行二次集体学习。习近平总书记指出，善于获取数据、分析数据、运用数据是领导干部做好工作的基本功。要利用数据推进各项工作，不断提高对大数据发展规律的把握能力，使大数据在各项工作中发挥更大作用。

针对以上问题，南京理工大学启动建设面向高校维稳和学生安全管理部门的校园公共安全保障大数据分析系统。该系统能够提升高危事件预判的准确性，并进行有效干预和防范，对于维护高校稳定、保障国家安全至关重要。

二、甄别学生行为数据，确定数据分析主题

学生是校园公共安全的保护主体对象。全日制普通高校学生绝大部分时间都在校园内学习生活。因此，在高校信息部门中，学工、教务、图书、校园卡、门禁、安防、网络设备等各个业务系统和机器日志中都沉淀着海量的学生行为数据。

本研究从中甄别与校园公共安全与维稳主题相关的学生行为类数据，划定分析主题数据域，涵盖学生的上网、消费、出入、阅读、安防等日常校内行为数据域，以及学生院系、专业、班级、教师、图书资产、建筑物资产、网络资产、视频设备资产等支撑类数据（见图1）。

三、数据采集预处理，构建多维度数据集

高校业务系统生产的数据往往存在多源异构的情况。需要经过标准化的数据的采集、清洗、转换、预处理，然后按照主题分类存入数据仓库。在平台层面实现业务建模和进一步的主题分析计算，最后通过开放API供给给上层应用做可视化展示。

值得说明的是，本研究会根据源数据的数据特性，分别采用传统的ETL工具进行数据预处理、以及采用基于Hadoop和Spark的分布式日志处理工具进行流式数据解析处理，同时通过统一数据分析管理平台进行多维数据的有效关联和计算（见图2），从而提升数据分析的精准度。

四、基于预警分析主题的业务建模

根据南京理工大学校园管理与保卫处长期工作实践总结的经验，结合江苏省市公安部门的维稳工作要求，本文针对高校校园公共安全这一特定领域制定了几大典型的预警事件业务模型。基本涵盖了高校特殊群体的高危公共安全事件和维稳需求场景。

1.疑似失联预警（见图3）

疑似失联预警的原理是：对数据仓库的学生所有校内行为数据（如：一卡通消费、校园网上网、门禁出入、视频抓拍、图书借阅……）进行周期性监测，无数据天数超过规则设定的阈值时推送预警。

鉴于学生可能因请休假、放假、实习等各种特殊原因离校，通过内置“白名单”功能，可以一定程度提升失联类预警的准确度。

2.消费预警（见图4）

“异常消费”业务监测的数据源即一卡通消费流水数据。包括两种预警场景：

（1）异常高消费预警：当日累计消费次数或金额超过设定值，推送预警。以此研判学生是否受到外来资金资助，或接纳外来人员校内就餐等情况。

（2）异常无消费预警：指定日期和时段未发现任何消费记录，推送预警。可以辅助研判学生是否遵从一些特殊习俗。

3.上网预警（见图5）

“异常上网”业务监测的数据源即上网认证和URL访问日志数据。包括两种预警场景：

（1）访问敏感网站：用来监测学生是否访问过敏感网站，如：涉恐、涉稳、网贷、心理等。

（2）搜索敏感关键词：用来监测学生是否通过主流的搜索引擎搜索过指定关键词。URL中关键词的拆分采用了分词和语义分析技术，能够有效过滤垃圾数据。

其中，敏感网站样本库来自国安、公安部门发布的权威数据，支持在后台进行标签分类和维护。

、

4.聚集预警（见图6）

“异常聚集”业务监测的数据源来自校园网实时认证数据。根据认证所连接的AP设备地理位置进行聚集地点定位，满足规则设定的地点、人数、时长则推送预警。

5.图书预警（见图7）

“图书预警”业务监测的数据源来自图书借阅历史。包括两种预警场景：

（1）借阅专业不相关的（分类）书籍：对某些特殊专业借阅与本专业强不相关的书籍，推送预警。

（2）借阅指定的（单本）书籍：用来监测学生是否借阅一些敏感书籍。

6.其他预警

除了以上几类预警，基于现有的产品和平台框架，还可以灵活扩展更多预警场景，如：

（1）假期管理：针对留校生在校情况和离校生返校情况进行动态监测。

（2）宿舍预警：针对晚归、未归、未出等行为进行预警。

（3）学业预警：针对特殊学生的学业情况进行诊断和成绩预警。

除此之外，针对特殊学生群体构造群体画像，可以反映其群体性特征，如消费水平、消費类型偏好、上网时段、地点、网站类型访问偏好、阅读偏好等，为特殊人员的设定提供有价值的决策参考依据。

五、系统设计与实践方案

系统在设计时，紧扣高校学生安全管理工作具有的“防、控、管、查”特点，围绕典型的校园公共安全预警事件类型，力求打造安全事件分析研判的闭环流程，确保能够做到事前预知预判预防，事中动态跟踪监控，事后有迹可循、有据可查的规范化的校园公共安全管理工作流程（见图8）。

系统的核心目标是要实现：

智能预警：基于大数据技术架构和平台，细分描绘学生校内行为场景，对学生行为动态实时监控，及时感知各类异常事态并触发预警。

精准管控：基于大数据和GIS电子地图的精准管控，对各类安全事件分门别类，做到预知、预判、预警，提高分析研判工作的精准性。

主动预防：实时监控学生校内行为数据，及时感知异常事态，将传统安保工作从事后处理转变为事前主动发现与预防、事中动态跟踪，提升安保工作主观能动性。

全域感知：将事件、人物、时间、地点、视频等信息进行完整关联，为校园安保工作提供立体全方位的信息联动，提高案件调查和取证的工作效率。

态势推送：支持将预警消息通过页面消息、邮件、手机短信等方式实时推送给学生管理工作者，确保用户第一时间了解预警事态。

系统建设的部分效果如下。

1.预警中心

预警中心是大数据系统的“心脏”，将校园安保和学生管理工作者重点关注的各种异常指标集约在一个界面中呈现给用户，通过地图标注、文字滚屏、统计图表的钻取、切片等方式进行直观展现，以个性的视角全方位支撑学生管理工作者的决策（见图9）。在预警中心以标签、地图、饼图、列表弹框等丰富的统计图表样式，多维展示当日各类预警事件和人员数量、预警形势、事件分布。让用户能够实时总览重点关注群体的预警情况，及时发现和防范潜在校园安全事件的发生。

预警场景和类别包括但不限于：

（1）校园安保重点指标：疑似离校、异常消费、异常聚集、访问和搜索敏感信息、借阅敏感书籍、假期安全管理。

（2）网贷、心理等高校学生当下频发的热门问题。

（3）斋戒、药品等具有高校自有特色或地方习俗的定制类需求。

2.行为中心

行为中心是学生各类行为明细的查询和统计模块，可辅助学生管理工作者研判和追查学生在校行为细节，发现更多有价值的信息。中心包括对于重点群体人群分布统计、消费动态分析和上网行为分析的管理。

（1）人群分布统计

通过聚集地点、聚集事件、聚集人员，追溯历史异常聚集地，对辅助安保部门了解聚集事件的发生、发展态势，掌控局势至关重要。系统提供关于人数聚集变化的趋势，分析出人群多、频率高的地方，引起相关部门必要的防范，确保维稳工作做到预知、预判、预防。同时可以通过与历史异常聚集事件的对比，辅助判定聚集高发地，从而加强相关点位的安防布控，有效防范可能发生的异常聚众、聚集事件。

（2）消费动态分析

通过对一卡通消费数据的分析，可以重点关注学生的异常消费趋势，例如突发的消费金额、消费次数的突增突长，可能意味着该学生获得了来自校外的经费资助而改变了消费模式，或者有其他校外人员跟随该学生在学校就餐，因而导致消费金额、消费次数的增长。系统可以通过对消费数据的跟踪计算，自动发现异常消费的学生名单，以预警的方式向管理员发出提示。

（3）上网行为分析

系统内置公安系统提供的敏感网站地址库，在校园网覆盖的情况下，每一次网站访问都将进行记录，可以清晰看到过往的访问时间、访问地点以及访问者的基本信息，为校园安全管理部门提供参考素材。对存在访问敏感网站的重点帮扶对象，开展多方位关心。同时支持对高校海量URL日志中搜索关键词的统计分析，直观体现学生群体的上网需求和偏好，客观反映校园舆情趋势。

3.学生画像

学生画像中心记录了学生从系统接入当日到离校期间全生命周期在校行为信息，全方位、多角度整合学生在校状态，包含基础信息、一卡通消费、成绩指标、图书借阅、门禁、上网等多维数据。通过数据挖掘和人工智能技术手段深度分析了学生在校行为习惯和行为异常情况，从而对学生的学业、消费、阅读、上网、生活、社交、心理等进行多维度画像，让管理者充分了解学生状态，掌握学生动态，提前进行危机干预。

根据学校对于重点群体的核心画像分析诉求，实现了以下功能：

（1）画像标签/预警报告

从人口属性、消费、上网、阅读、学业、经济资助、宿舍、考勤、生活习惯等维度深度挖掘学生行为和预警数据，形成个人学期预警画像，全面、精准地辅助特殊学生的管理工作，同时支持手动打标签。

（2）社交关系

根据学生日常行为轨迹，通过大数据算法模型，智能分析学生社交关系，推测关系亲密的几个同学。辅助用户对相关学生进行走访或隔离，防范事态扩大。

（3）消费偏好

支持查看指定学生的近期消费水平、消费类型偏好，以及给出各类消费占比情况。

（4）上网偏好

支持查看指定学生的上网时段和访问网站类型偏好，以及各类型网站访问占比。

（5）其他特征

扩展支持了学生学业情况、获奖情况、图书借阅、校内就医等维度的信息;可以智能推荐图书、未完成的学业课程等。

4.行为轨迹

针对学校关注的人群，可基于学号或者姓名进行当天位置定位及历史行为轨迹查询，包括上网行为、访问网站、一卡通消费、购物等信息，对于判断学生失联、行踪追溯起到了关键作用，为校方快捷直观地了解学生实时动向和行为趋势提供有力支持。

提供学生行为轨迹地图对比功能，辅助用户判断学生关系和协助案件调查工作。

5.实时视频

系统支持与视频监控和人脸识别进行打通，从而摆脱了在冗长的视频记录中查找线索的不便，支持在界面展示重点布控的实时画面。满足视频监控需求，实时对比预警信息、异常事件關联验证，提升校园治安防控能力。同时基于大数据检索技术，支持按时间、地点对历史视频片段进行检索，点击进行回放。用于辅助参考学生去向或动态。提高视频检索效率。也支持按学生姓名或学号精确查询该学生在一个时间段内的全部地点或一个地点的所有人脸抓拍记录，用以作为学生行为轨迹的补充参考，轨迹信息更立体全面。

六、结束语

本文运用高校业务系统数据和网络设备日志数据资产，结合当下安防应用中最为广泛的视频监控和人脸识别设备，建立起一套基于大数据的实用、安全、可靠的高校安全技术防范系统。该系统帮助管理部门提高管理水平和管理效率、保障学生安全、维护校园稳定、提升信息服务质量，能够满足新时期学校安保信息化发展的需要。

通过南京理工大学校园管理与保卫处的一年半的使用实践，本系统的预警事件准确率为85%，针对关注学生群体的日常管理工作量降低了55%，真正提高了校园安全的防治与布控能力、实时响应能力和排查处理能力，为期望基于大数据手段提升校园安保水平的高校提供了可借鉴的方案。

参考文献：

[1]王勇军.安防监控大数据与智慧城市公共安全大数据的关系[J].电子技术与软件工程，2018（21）：147.

[2]上海公安学院智慧公安研究课题组.构建智慧安防社区的探索与思考[J].上海公安高等专科学校学报，2018，28（5）：14-21.

[3]李有增，曾浩.基于学生行为分析模型的高校智慧校园教育大数据应用研究[J].中国电化教育，2018（7）：33-38.

[4]安春元.“总体国家安全观”下的高校平安校园建设探索[J].学校党建与思想教育，2016（18）：64-66.

（编辑：王晓明）