基于边缘计算的侦查价值场景设计

李白冰 贾晓千

摘 要：大数据时代背景下，侦查部门在与犯罪分子的博弈中面临的压力与日俱增。以新技术的应用挖掘侦查潜力、实现科技强警成为新时代侦查工作发展的共识。边缘计算作为近些年兴起的新型计算模式，在侦查领域同样具备相当的应用前景。文中通过对边缘计算技术在侦查领域应用的技术可行性论证，进而设计出符合侦查工作特色的技术框架，同时尝试搭建了边缘计算在视频侦查、公安物联网和侦查体制改革中的具体应用场景。边缘计算的侦查应用能为侦查大数据的处理带来新的可能与机遇。

关键词：边缘计算;侦查;大数据;技术框架;数据管理;应用场景

中图分类号：TP181文献标识码：A文章编号：2095-1302（2020）10-00-04

0 引 言

大数据作为一种新型的战略资源，其使侦查资源、侦查思维和侦查情报来源发生重大变革。而物联网将信息技术与各领域的融合无限扩展，各设备之间的数据实现智能化收集、传递、处理并实时共享，这同样使侦查数据资源更加复杂多元，也带来了提升侦查信息化水平的机会。据悉，我国公安机关掌握的数据资源已达数百类、上万亿条、PB级的大数据规模，数据年增长量[1]超过50%。面对持续增长的大规模数据量，公安机关正在应用的计算模式显然捉襟见肘。技术规则的选择与设置根源性影响技术应用侦查的模式与效果[2]。而邊缘计算技术是万物互联产生海量数据时代下的一种新型计算模式，其独特的数据处理优势可以为“数据信息+侦查”的深度融合提供新的路径。

1 边缘计算应用于侦查领域技术论证与设计

边缘计算的“边缘”是与中心相对的概念，是指从数据源到云计算中心路径之间的任意计算、存储和网络资源[3]。根据实际需求和应用场景的不同，可以在此路径上的任一资源节点或多个节点进行计算。网络边缘的数据多分布在数据源周围，在数据源周围进行数据处理能带来“就近处理”的诸多优势。

边缘计算技术在大数据技术挖掘、分析和管理海量数据的基础上，提升了数据服务的效率与质量，使运营决策基于数字化、模型化更加科学。边缘计算可以弥补云计算网络接口单一、数据处理存在时延、数据种类受限等不足，并可以与云计算在数据处理、管理、任务调度等方面进行协同：云计算负责精细度要求高，时效性要求低的复杂全局性大数据的处理与分析，而边缘计算则面向网络边缘侧全新业务形态，根据业务需求对局部性、实时、短周期数据进行处理与分析[4]。边缘计算能在整体上满足了应用数据方面的实时业务，安全与隐私等关键需求，并弥补了云计算数据优化与智能处理的不足。

适用于侦查领域的边缘与云协同平台架构大致如图1所示，平台架构由边缘层、IaaS层、平台层、应用层组成。边缘层包括设备接入和边缘数据处理。边缘层将海量数据的采集和处理部分或全部迁移到边缘云，对数据进行过滤、筛选和预处理，再将数据传送至远端云，减少传输带宽压力，提高数据传输效率，满足数据生成速度的需求。边缘层向下支持各种边缘设备终端，向上支持与IaaS层即云端对接，实现与云端的数据协同、任务协同、管理协同、安全协同。

IaaS层主要是云基础设施，包括满足云存储需求的硬件和软件部分，如服务器、虚拟化软件、存储和操作系统等[5]。

云端可以对边缘端提供的数据进行更深层次的存储、分析及价值挖掘，适合进行非实时性全局数据处理分析，并反馈给边缘层，对边缘层资源进行调度管理，使边缘计算基于更为优化的模型运行。

平台层包括把相关资源、系统、程序部署到云基础设施上，进行管理和运维，基于云计算和边缘计算的协同运行，建立侦查大数据系统，并对数据进行建模分析（AI），进一步应用开发。

应用层包括面向侦查机关各层级用户数据应用的业务运行，各种数据搜索平台或APP，具有数据关联分析、数据预测、情报功能，结合侦查需求搭建不同的应用平台，以及开发者对于设备优化、管理模式优化、能耗分析优化等方面的应用创新。

2 边缘计算下的侦查信息资源管理

边缘计算技术可以实现侦查信息资源的多边联接、高效存储、智能应用、安全升级，自动化控制、分析和优化等应用价值可以满足侦查领域对信息资源的多样化需求。一方面，由于边缘端是多种数据源的初次接入口，其数据具有完整、实时、多样等特点。伴随联接设备的增多，必然导致大量异构数据存在。边缘计算技术可以对系统与系统之间、服务与服务之间等基于模型化的接口进行交互，简化集成[6]。由此对异构数据进行优化，实现数据统一聚合，推动侦查信息资源管理向纵深发展。另一方面，边缘计算将数据处理迁移到边缘设备附近，边缘云的部署靠近信息数据源头，缩短了数据传输路径，可以对收集的数据进行及时处理，满足侦查领域中对某些业务实时性的要求。

2.1 信息的分布式收集

随着物联网和5G技术的逐渐普及，侦查部门对海量信息资源的高效收集、挖掘成为技术上的创新难点。此时完全依靠云计算模式将大量数据上传至云中心进行数据处理，将会对网络带宽以及云端服务器的存储造成巨大压力，无法满足实时性、低能耗的要求。边缘计算通过计算迁移、5G通信技术、新型存储系统、轻量级函数库和内核、边缘计算编程模型等核心技术可以实现物理世界与数字世界的交叉联接与数据的分布式收集。Zhang等提出一种烟花模型[3]，可以将数据的生产和消费转移到边缘设备上，在数据传输路径上的边缘节点执行一系列计算，以实现数据的分布式收集、共享及管理。不同烟花模型节点通过演化模型管理器实现多中心、交互式数据收集，契合侦查机关所需数据主体多样化，数据类型复杂化的状态，推动不同数据主体共享数据与云-边协同的资源融合，并且边缘数据中心对收集的数据会进行加密处理，之后传输，此举不仅可以满足用户对数据的安全性需求，更可以满足侦查部门对内外网数据收集的多种需求。

2.2 数据信息的隐私保护与安全存储

大数据时代，线上与线下不断交叉融合，信息数据逐渐呈现“透明化”的特点，个人信息数据面临着大量安全风险。侦查数据包含诸多隐私信息、敏感信息，一旦遭受恶意攻击或数据泄漏，将会对国家安全、公民安全造成巨大威胁。边缘数据中心应用白皮书中提出，安全性是边缘计算的技术特点之一。边缘数据中心处理的可靠性及存储与传输的安全性对边缘端的业务处理至关重要。数据的爆发式增长并不意味着所有数据都是有效数据，边缘数据中心可以进行数据过滤，或将数据保存到边缘云上进行分析处理，将所得计算结果进行初次加密后，再传输给云计算中心，这样既降低了数据传输压力，也提升了数据隐私安全性，降低了隐私泄漏风险。将复杂的加密算法迁移到具有充足资源的边缘端执行，在数据传输前进行处理并加密，可以有效保护数据隐私，系统安全性将由此得到提升。

2.3 数据信息的异构优化

目前，侦查机关的各个数据库均处于相互割裂状态，包括侦查机关管理或掌控的视频监控系统、道路交通治安卡口等系统之间也存在着数据异构，阻碍着数据资源的融合与挖掘。解决数据异构问题是目前利用大数据进行深度挖掘分析的一个瓶颈，利用边缘计算技术将异构数据进行统一聚合，即使只对部分公安数据，如视频监控数据、治安交通卡口数据、移动通信数据实现多源协作，也将会对侦查工作中个人信息的深度挖掘大有裨益。数据融合能够带动各部门共享信息资源与情报红利，从内部打破数据壁垒，实现“1+1>2”的價值配比[7]。

3 边缘计算技术的侦查应用场景搭建

边缘计算在侦查领域中应用的关键在于可以通过对数据收集和处理的优化提高侦查大数据的价值和应用能力。理论上，凡是涉及利用大量终端收集信息的侦查系统都可以利用边缘计算技术进行改造。

3.1 视频侦查

大规模监控是针对不特定社会公众的高科技监控手段[8]。视频监控系统不仅在安防领域发挥重要作用，也为公安机关侦查部门打击犯罪提供助力，成为预防犯罪和证实犯罪的利器，在侦查实务部门应用十分广泛。但海量数据给云计算中心造成巨大压力，具有爆炸式增长趋势的大量非结构化视频数据导致网络传输带宽要求高、实时性差、云计算中心视频处理器负担过重，存储和管理大量数据增加存储能耗。传统云计算中心距离终端设备较远，带来了额外的网络延时与高昂的传输代价[9]。对于云计算技术不能高效处理监控系统的海量边缘数据以及存储空间不足，提取信息效率低下的问题，边缘计算技术提供了新的解决路径。

目前，国内部署的视频监控系统的前端摄像设备基本不具有数据处理分析能力，因此可以在一定区域内部署边缘计算服务器，在视频传输至云计算中心之前进行视频数据的预处理（无需将全部数据上传至云计算中心，如只传输视频画面中有运动目标的视频数据），在保证数据准确性的同时可以提高视频分析速度，降低视频传输延时。根据边缘计算模型的智能视频监控研究，可通过文本运动目标检测算法提取出运动目标，将没有运动目标的视频图像直接删除，可节省50%以上的存储空间[10]。边缘计算技术可以进行帧过滤与状态反馈、任务调度，利用边缘端计算服务器，结合实用性强的犯罪行为识别算法，对视频进行预处理，将视频数据进行分流，删除无侦查价值的数据，将可能存在价值的视频数据传输至云平台存储中归档备份，复杂的数据上传至云计算中心做进一步分析，将视频存储周期延长，筛选过滤更多的有效数据信息。

3.2 公安物联网

近年来，RFID、智能手机、可穿戴传感设备的发展加快了公安物联网的发展。但公安物联网建设与“智慧城市”物联网建设还存在差距，其前端智能设备较少，但基础的视频监控、机动车辆管控、人脸识别等系统部署较为成熟。这些系统的运转在“情报主导侦查”的背景下为侦查工作的开展带来了极大的便利。当前，公安机关还在不断加大前端智能感知设备的研究开发，如研发眼镜、 头盔、手环等前端感知设备等，类似于智慧城市的物联网建设，将有更多多元异构数据的接入。公安物联网的建设和发展，会使侦查大数据的基础数据规模再次剧增，并由此单独或者碰撞产生更多的侦查情报信息。公安物联网在不断建设与发展过程中，数据将从网络空间延伸到物理空间，感知信息从传统的人员、车辆信息扩张到各类物品信息、环境甚至完整的事件信息，这些都是宝贵的侦查情报源。但与此同时，大规模的信息接入必然导致现有侦查大数据库的运算压力。

单一云计算模型无法解决传输带宽和存储方面的问题，如何有效融合异构数据也是公安物联网建设的难题之一。公安物联网设备计算能力不足，无法支持安防侦控系统在大范围内的应用，限制了数据信息的挖掘应用，也影响了突发性刑事犯罪的处理及应对速度。对此，考虑将边缘计算模型与云计算模型相结合，把边缘计算智能终端设备引入公安物联网，将边缘计算模型作为云计算中心在边缘端的延伸，使分布式的终端设备通过“预处理”的方式对数据进行筛选，既增加对识别对象的自动感知能力，又提升对于信息采集、传输、反馈的效率。边缘计算与云计算协同的模式对于精准定位、位置识别也具有独特优势，边缘端更靠近数据源，可通过边缘计算模型实现地理位置数据的边缘端处理，不必传输至云计算中心，节省了远距离传输时间并减轻了数据处理器的运算压力，实时性和准确性得到提升，更符合公安一线实战单位在犯罪实时追踪、应急预警等方面的需求。

3.3 “科层制”侦查体制改革

“科层制”的侦查体制以层级制度和严密规则保证了侦查机关的战斗力和执行力，实现了组织的整体性和协调性，统一了组织内部的一系列行为标准和管理制度[11]。但在严峻的犯罪形势下，公安“大侦查体制”改革的呼声很高。整合侦查资源能有效开发侦查潜力，确保侦查一方在犯罪打击中的相对优势地位。当前围绕侦查大部门体制改革产生了不同的理论，并由此延伸出了差异化实践。但笔者认为，侦查体制改革的根本目的在于释放侦查效能，而机械性的以合并方式围绕侦查机关自身进行考量势必会丧失一定的客观性，侦查效能的决定性因素不仅仅在于侦查机关，更在于犯罪与侦查之间的契合，侦查体制的评判标准有且只应有一个，即犯罪的预防与打击能力。从这个角度讲，以大数据侦查为定位，围绕数据处理流程进行改革更具有合理性。

在邊缘计算模型下，可以市局为中心，将云端步置在市局，各县区公安（分）局在云平台支持下共享云计算服务，形成以市公安局为核心，县区公安（分）局、派出所积极参与的三级侦查模式。落实到具体部门，可结合现有刑侦部门、经侦部门和刑事科学技术部门等，围绕刑科技、技侦、网侦和视频侦查四项主要侦查技术，形成一体化指挥的大侦查队伍。侦查大数据在各乡镇、街区的边缘端进行初步处理后，直接上传到市局平台，在各地省厅或公安部的统一组织下研发一批新的数据分析、应用平台，视频数据在市局中心得到充分处理，所得到的有价值信息与各县区公安（分）局共享。借助各数据平台，市局、省厅侦查部门可以实现对各下级侦查队伍的直接指挥。对于经边缘计算模型产生的突发性案件预警等，市局可以迅速向派出所、基层侦查部门下达指令。配套于大侦查部门改革，应建立侦查队伍考核平台化管理机制，通过平台应用的深度共享，可以实现侦查队伍的扁平化管理，同时，侦查情报线索的应用速度也会因平台化管理而得到提升。

4 结 语

大数据侦查的理念早已提出，但大数据侦查的种种应用困境如数据鸿沟和处理时效等却迟迟难以得到有效解决，而问题的根本就在于硬件基础建设上。当前，侦查机关在犯罪打击中面临愈发严重的工作压力，前期大数据侦查布局的不科学性矛盾逐步成为侦查羁绊，而一系列的问题都有望通过新技术的应用从数据处理这一根源得到妥善解决。边缘计算正是对云计算中心大数据处理方式的智能化补充[11]。边缘技术与人工智能、5G技术相结合具有广阔前景。在此背景下，侦查机关应当以更大的包容性和探索精神将边缘计算技术融入侦查大数据的建设与布局中，调和现有的数据矛盾，解决不同设备提供商造成的数据异构问题，真正解决数据孤岛问题，实现侦查大数据的融合。有关边缘计算的研究逐年变热，侦查领域的相关研究者也应当投以必要的关注。本文仅以现有的技术提出部分应有设想，但边缘计算与侦查的未来必不会止步于此。

参考文献

[1]朱维和，魏锋，高晓岚.公安大数据治理技术研究[J].警察技术，2018，33（6）：32-35.

[2]李康震，陈刚，周芮.区块链技术在侦查领域中的应用研究[J].信息资源管理学报，2018，8（3）：81-92.

[3]施巍松，刘芳，孙辉，等.边缘计算[M].北京：科学出版社，2018.

[4]程燊彦.边缘计算行业专题报告：边缘计算与5G同行，开拓蓝海新市场[EB/OL].[2019-04-10]. http：//pdf.dfcfw.com/pdf/H3_AP201904101317857190_1.pdf.

[5]边缘计算产业联盟.边缘计算与云计算协同白皮书[EB/OL].[2019-02-21]. http：//www.ecconsortium.org/Uploads/file/20190221/1550718911180625.pdf.

[6]边缘计算产业联盟，工业互联网产业联盟.边缘计算参考架构3.0[EB/OL]. [2019-02-25].http：//www.ecconsortium.org/Uploads/file/20190225/1551059767474697.pdf.

[7]陈刚.大数据时代犯罪新趋势及侦查新思路[J].理论探索，2018，34（5）：109-114.

[8]纵博.侦查中运用大规模监控的法律规制[J].比较法研究，2018，31（5）：82-105.

[9]强士卿，孙滢.城市安防场景下基于边缘计算的三维侦测路径规划[J].工业控制计算机，2019，32（12）：15-17.

[10]孙洁，钱蕾.基于边缘计算模型的智能视频监控的研究[J].计算机与数字工程，2019，47（2）：402-406.

[11] SHIRAZI S N，GOUGLIDIS A，FARSHAD 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.