1 民航犯罪情报分析流程提炼

　　根据调研访谈内容以及分析结果，对民航犯罪情报分析工作的内容和环节进行分析。在实际的情报工作中，流程中的关键环节是情报分析与研判，是将各类信息和数据进行转换生成综合、预测性情报的过程，因此情报分析是价值增值，形成情报产品的环节。通常认为情报分析与研判在实践中存在一个大致稳定的技术流程。情报分析流程是对已有的情报材料进行科学的处理和分析，从而得到相对准确的结论的过程，流程环节分别为：情报来源分析、真伪分析、归类分析、指向分析、转化分析、矫正分析。然而在实际的公安情报工作中，传统的公安情报分析工作往往依赖于分析人员的经验和直觉，具有“黑箱式操作”的特点，有时并不按照理论流程进行。因此，传统的公安情报工作暂不具备足够完善的情报分析流程，情报分析只是公安情报工作流程中的一环，并未进行进一步的细化。而受到大数据和信息化的影响，在民航犯罪情报工作中，情报分析不再只是情报流程中的一个环节，民航犯罪情报分析工作得到了进一步的完善，相应的情报部门工作人员在环节流程中的工作职责也得到了进一步的细化。 

　　首先根据访谈的内容对民航犯罪情报流程进行归纳，了解情报分析在情报工作流程中与其他环节的关系，从而依据数据的流向提炼出现有的两个民航犯罪情报分析流程。 

1.1 民航犯罪情报流程演化

　　情报分析是情报工作流程中最重要的一环，情报工作流程决定了情报分析工作的具体内容和操作环节，研究情报分析流程则要先对情报流程进行剖析，从而了解民航犯罪情报分析的数据来源和情报产品传递路径。在民航犯罪情报工作的开展初期，其情报流程与公安情报流程大抵相同。公安情报流程是公安情报工作规范化的结果，其明确了情报工作各个环节之间的联系和顺序，它规定了公安情报工作的基本环节和运行模式，是公安情报工作顺畅、高效运转的重要保证。彭知辉认为目前常见的公安情报流程主要有两种，一种是线性推进模型，一种是周期循环模型[1]。这两种传统模型的区别是情报工作中各环节之间的关系不同，线性推进模型如如1所示，线性模型中各环节是呈线性逐步推进的。 

　　图1 公安情报流程的线性推进模型 

　　周期循环模型如图2所示，周期循环模型中各环节是一个循环往复的过程。而流程中的环节大抵相同，分别为：情报规划、情报搜集、情报处理、情报处理、情报应用。 

　　图2 公安情报流程的周期循环模型 

　　随着大数据的兴起，民航数据和公安数据已经广泛渗透到民航犯罪情报流程的各个环节中。同时，在信息化的方法和技术的影响下，民航公安的情报工作流程较传统公安情报流程发生了显著变化，体现出较为明显的民航行业特性。根据访谈和实地调研的结果，对民航公安情报工作的提炼，对民航犯罪情报工作流程模型总结如图3所示。民航犯罪情报工作包括以下环节：民航犯罪情报规划、数据获取、情报分析、情报应用和情报反馈，根据实际情况选择是否进行情报分析迭代。由于信息技术的发展和民航工作的特性，在民航犯罪情报工作中传统的情报搜集工作模式转变成以数据获取和交互为主、自主收集为辅的工作模式。民航公安从外部信息源即机场集团和航空公司获取民航数据，从内部信息源即地方公安数据库和内部共享信息获取公安数据，一定程度上提升了民航情报工作的自主性和规划性。 

　　图 3 传统公安情报流程和民航犯罪情报流程对比示意图 

　　由于民航犯罪的特殊属性，为实现对民航犯罪的预警、查缉以及管控，需要各地民航公安、机场安保部门以及航空公司空警支队进行协作。在民航公安对获取的数据和信息进行分析，形成情报产品，并将情报分析的结果分别推送给联动部门，包括地方公安、机场部门、航空公司和其他地区的民航公安，这些部门进行情报产品落地应用。公安部门、机场部门以及航空公司的分工协作为民航智慧安保工作提供了有力保障，提升了旅客的出行体验。 

　　民航数据和公安数据的主要内容如表1所示，民航类数据包括但不局限于乘客的基本信息、订票信息、航班数据、值机数据以及安检时产生的数据。公安类数据则包括轨迹信息、重点人员信息、前科信息和实战案例数据。情报人员则根据具体工作的需求，会选用不同种类的数据，或进行比对分析，或进行统计分析。 

　　表 1 民航数据与公安数据的主要内容 

1.2 类案动态报告类分析流程

　　关于类案的动态报告类分析是民航犯罪情报分析的重要工作内容，同样也是有效实现民航旅客人员分类的基础。类案的动态报告类分析实际上就是在数据统计的基础上，寻找同类民航犯罪的规律，提出相应的打防管控建议，以便提前感知犯罪，系民航犯罪情报较高层级的运用。通过对民航公安情报部门的情报分析流程的实证调查，对类案动态报告类分析流程进行归纳提炼，如图4所示。 

　　图 4 类案动态报告类分析流程示意图 

　　类案的动态报告类分析的核心思路是通过对同一类民航犯罪的具体案例进行统计分析，在此基础之上进行进一步的分析。具体的流程步骤为：同类案例获取整合、数据要素分解、数据规律分析、防控措施提出以及预警模型生成。首先，民航公安情报工作人员根据打击民航犯罪的需求，通过查询获取一段时间内已经查获的特定民航犯罪实战案例，并依据案例从机场集团、航空公司获取民航数据以作为补充。待实战案例工作收集完成后，进行要素分解工作，情报人员根据数据统计的结果，对数据的特征进行规律分析。如机上盗窃案件的动态报告类分析会对民航犯罪行为人的航线选择、航空器选择以及机上盗窃人员的户籍地进行规律分析。在规律分析的基础上，民航公安情报工作人员会依据统计规律，从情报的角度提出打防管控的建议，包括安保力量的调整、安检装备的更新等。当整理的实战案例数据中行为人的特征规律较为明显时，情报人员会将数据规律汇总形成预警数据模型，作为动态报告类分析的成果，辅助情报人员进行人员分类的研判分析工作。 

　　需要说明的是，并不是所有的民航犯罪动态报告类分析都会生成相应的预警模型，这还涉及到数据整合和精准度的问题，同时类案规律不明显时，也无法形成准确度较高的预警数据模型。就预警数据模型本身而言，民航公安情报人员所构建的预警模型基本为人员分类的预警模型，主要有两个方面的原因。一方面，相比的航班、事件风险预测预警，人员作为民航犯罪的主体更容易进行相应的预测预警和预防管控工作；另一方面，人员数据更加容易获取，其特征规律也更为明显，进行预测预警的准确度更高，效果更好。 

1.3 民航旅客的人员分类流程

　　如前文所言，在民航犯罪情报分析工作中，动态报告类分析流程中会生成预警模型。旅客的分类预警模型是情报工作人员进行旅客人员分类的基础，根据对民航公安实地调研的结果，笔者对民航旅客分类工作的民航数据和公安数据的流向进行分析，提炼出民航旅客的人员分类流程，如图5所示。 

图 5 民航旅客人员分类流程示意图 

　　民航犯罪预警情报分析是一个以“数据处理和人员分类”为核心的分析过程，其流程步骤主要为：数据处理、信息汇总、模型比对、人员比对和预警发布。首先，到达地民航情报部门或预警中心对数据进行处理，并完成信息汇总工作；其次，情报人员以民航犯罪分类模型为依据，进行旅客数据比对；最后，根据比对结果，完成人员分类工作并产出预警情报产品，为相关的业务部门提供情报支持，以便进行情报应用。民航公安情报部门可将旅客分为三类，分别为已知旅客、重点关注旅客和普通旅客。机场的安检部门根据旅客等级分类的结果，对不同级别旅客采取不同的措施。机场可对已知旅客采用的快速通道服务，对重点关注旅客则进行重点的检查和关注，而普通旅客则接受正常的安检。 

　　从民航机场维度出发，民航公安的分析研判结果能够最大化的利用有限的安检资源，有效降低机场的成本，提升经济效益和服务质量。从乘客维度而言，民航公安的情报分析结果能节约乘客值机安检等待的时间，提升民航出行的体验。对民航公安来说，情报分析和人员分类工作是民航公安实现“前瞻式”侦查的基础。对航空公司而言，情报产品能够为机上安保力量的布置提供依据，有效降低民航犯罪的发生率。此外，部分数据库比对系统的完善也提升了情报工作的效率，一定程度上解决了警力短缺，情报工作人员不足的问题。 

2 类案动态报告类分析流程的优化方案

2.1 明确案例收集标准，构建实战案例库

　　实战案例的数据收集和整合工作是决定情报产品质量的关键，研判工作对数据整合和精准度有着较高需求。以B地民航公安“人体运毒”案件的动态报告类分析为例，其选择Y省查获的“人体运毒”案件作为实战案例的数据来源，时间为近3年的案例。这是因为Y省是“人体运毒”案件多发区，其查获案例具有代表性，且案例数据较多。而选择近3年作为时间标准，则是因为近年来民航内“人体运毒”案件较以往有着较大的变化，太过久远的案例不具有可参考，影响研判结论。然而在案例的收集过程中，仍然会出现许多数据缺失的情况，造成数据不准确、不全面的情况。对此，各地民航公安应该基于自身的需求出发，明确案例数据的收集标准和缺失数据的处理方法，如均值填充、算法拟合填充等。 

　　此外，实战案例的获取效率也影响着类案动态报告类分析的时间成本。警务辅助人员需要根据要求从公安数据库进行相应案件的查询和整理，并从民航数据提供方获取补充的民航数据，耗费大量的时间。民航公安应加强与民航数据提供方的合作，各地民航公安应打破信息壁垒，构建规范的民航犯罪案例库，互通有无，简化实战案例的整合与查询工作。同时，案例数据的录入应当符合规范，案例库的构成应当合理，从而实现数据特征的直观展示，取消数据要素分解环节。案例库的设计和使用的基本流程如图6所示。  

　　图 6 民航案例库的设计和使用思路 

　　在案例库的建设过程中，首先需要确定类案的范围，例如民航犯罪中的“人体运毒”案件，从而确定案例的录入的标准和基本格式。各地的民航公安根据案例库建设的要求，协同民航数据的提供方将查获的民航犯罪案例的公安数据以及相应的民航数据及时输入案例数据库。在遵循民航案例库的基本建设规范搭建完成的库，可以供情报人员进行即时的操作，实现宏观上类案的数据统计结果展示、案例的特征分析和典型案例的查询。在案例库的使用过程中，需要做好维护工作，这样才能真正意义上的实现案例库的良性运转。情报人员一方面要做好案例的更新工作，及时将符合条件的案例进行输入，从而保证情报产品的效能。另一方面也要根据工作的实际需要，提出关于案例数据收集规范和标准的意见建议，不断提高案例库的可操作性以及案例的典型性。 

2.2 吸纳民航领域专家，应用专家智慧

　　在B地民航公安的实践过程中，由于警力短缺的问题，类案的分析工作由专人负责。一般由长期研究和管控此类案件的民警负责，对于此类案件经验丰富。专项负责的方式虽然保证了对类案规律分析结果和防控措施的针对性，但也一定程度上带有一定的主观性。但碍于组织结构的限制，民航公安并不具有多余的警力成立类案分析小组。 

　　对此，民航公安可以成立专家组，由民航领域的专家和负责类案的民警共同组成，通过“民航数据+公安数据+工具方法+专家智慧”的方式对类案的规律进行分析并提出相应措施。专家组的组建过程中，专家人选的确定并不只局限于民航公安内部，也应当包括机场集团、航空公司、高校和其他企业中的民航领域安保专家，保证内外相结合的结构组成。这样一来专家小组可以提升规律分析结果以及防控措施的客观性、全面性，避免情报产品的主观片面性。“民航数据+公安数据+工具方法+专家智慧”的分析路线图如图7所示。 

　　图 7 专家组分析路线图 

　　类案分析的数据主要来自于民航的案例库，案例库中的事实性数据既包括民航类的数据，也包括公安类的数据。对于使用的分析工具，民航专家可以通过rattle、python等软件，完成数据的可视化分析、统计分析以及一些数据挖掘方法的应用，实现对于民航类案宏观态势分析和预警防控分析。在专家组分析的前期准备过程中，民航公安的情报工作人员要注重及时征询民航安保专家的意见和建议，及时对数据集进行调整。在进行规律分析和防控措施提出时，民航公安的情报工作人员需要结合现有的分析结果和专家得出的意见建议，进行内部讨论，从而保证在每一个环节都能实现专业化，遵循“民航数据+公安数据+工具方法+专家智慧”这一专家组分析模式。 

2.3 运用数据挖掘技术，建立预警模型

　　当特征规律明显时，情报人员会根据数据统计的结果，筛选特征，构建预警模型。但此种方法构建的分类模型构建具有一定的主观性，降低了情报产品的准确性。对此，笔者认为可以通过构建新的业务模型以达到降低主观性的目的。相比于其他技术方法，数据挖掘可以有效地发现海量民航数据中隐藏规律。本研究采用的是基于基尼系数的决策树分类方法，通过基尼系数进行特征选择，降低模型构建过程中的主观性。 

　　表2是随机生成的数据集，包含20条样本数据和部分公安及民航数据的属性特征，如性别、文化程度、年龄层、籍贯、是否待业、前科和人员类别等。需要说明的是，该数据集仅选取了部分在民航实践中的属性特征。同时，为避免将重点人员与特定人群对应，该数据集中的数据完全随机生成，分类结果与实际结果并不相符。本研究主要讨论的是预警分类模型的构建方法，而非具体的特定对象。 

　　表 2 随机生成的虚拟数据集 

李勇男（2017）运用了该模型进行涉恐情报分析[2]。基尼系数可以反应模型的不纯度，基尼系数越小，说明模型选取的特征越好。若数据集D中的样本数为n，样本的类型数量为k，其中第i类样本占总样本数据集D的比例为_，定义GINI系数为： 

　　根据公式，可以计算出该随机数据集的基尼系数为： 

　　下一步需要计算不同特征属性的基尼系数，从而得出民航犯罪人员分类模型的分支节点，选择基尼系数最小的特征最为分类属性。若数据集D中，某一类属性可以将D划分为h个子集{D1，D2,…，Dh}，其中Di所包含的样本数为ni，那么此种划分的基尼系数为： 

　　根据上述公式计算基尼系数，并设定参数进行预剪枝操作，通过属性分裂构建民航犯罪人员分类模型，如图8所示。 

　　图 8 基于基尼系数的决策树构建结果 

　　根据构建结果，得出决策树模型，如图9所示。同原有的模型构建方式相比，该模型的特征选取方式更加客观，一定程度上解决了模型存在的主观性问题。基于基尼系数构建的决策树同传统统计模型相比，数据越多、越复杂，准确性越高。由于本次研究采用的数据较少，无法完全体现出该模型构建方法的优势。但在民航实践中，需要处理的数据远比这次研究要多，在这种情况下，决策树模型较传统模型具有更强的适应性，准确性更强。 

　　图 9基于基尼系数的决策树模型 

3 民航旅客人员分类流程的优化方案

3.1 完善民航安保信息系统，自动推送数据

　　如前文所言，民航公安如无法获取实时民航数据，将无法进行实时预警工作，增加了情报人员等待的时间，压缩了情报分析时间，降低了民航旅客人员分类流程的可操作性。实时的数据系统既可以保证情报产品的时效性，也可以提高民航情报部门的应变能力和情报产品的容错率。如今，民航情报体系建设虽然已经迈上了新的台阶，民航公安已经突破了信息壁垒，成功获取了多种情报资源，但民航类数据平台的建设还有待完善。“共享融合”是情报建设的一大课题，美国执法情报的共享融合就是一个成功的例子，其在90年代开始大力推动“信息高速公路”建设，通过建设一大批执法信息系统平台，将执法情报进行资源整合，为执法情报共享融合与情报主导警务实践奠定了信息化基础[3]。 

　　我国民航公安可以借鉴美国的相关经验，完善民航安保信息系统，以现有的民航安保信息系统为基础，实现民航数据和公安数据的大融合。将这些数据资源进行有效整合，打通民航订票数据、离港数据等和安保信息系统的信息壁垒，将实现民航数据的实时推送和交互，为民航犯罪情报分析流程的运转提供数据业务基础，优化流程的灵活度，减少在数据推送环节情报人员的等待时间，提升情报分析的效率，从而实现对于民航订单的实时预警。同时，安保信息系统的完善也有利用于公安机关在前往查缉时及时获取嫌疑人的实时安检照片，减少漏查的情况。此外，如果能开放目前使用的云搜索系统、禁毒局DIAS系统数据和云南省厅智能轨迹分析系统数据的数据接口，实现有效对接，也将极大的提升数据分析的效率。 

3.2 规范民航数据标准，取消数据处理环节

　　在数据处理环节，情报人员需要对民航数据进行相关的预处理工作，以便将数据输入人员分类模型进行比对。根据ESIA分析法，发现可以通过将民航数据的标准进行规范，从而取消数据处理环节。对数据标准进行规范，一方面可以对于流程环节进行相应的简化，提升效率，另一方面也兼顾了民航安保信息系统的安全保密需求，同时保证了民航数据的共享性[4]。 

　　随着公安部门和民航部门的合作程度深化，安保信息系统中民航数据的推送与交互需要对数据进行标准进一步的标准设计，使民航数据进一步地满足民航犯罪情报分析工作的要求，实现民航数据最大程度上的共享、交换。数据标准包括各种民航数据信息分类代码、数据元素、数据交换和存储格式等。数据标准可以参考目前中航信正在使用的数据接口标准规范，根据民航犯罪情报分析的实际需求，进行相应的改动，而对于目前暂无代码的，而对民航犯罪情报分析工作有影响的，需要尽快完善相应代码。在此基础上，建立标准更适用于安保工作的代码库，实现数据代码与民航数据的有效映射，便于情报部门进行分析工作。 

　　民航部门首先需要对民航业务中的机场、城市、航空公司、旅客状态等相关信息确定统一的代码。其次民航部门应当根据确定的代码数据对订座数据、进港数据进行规范输入。订座数据为包括始发目的港与数据请求方机场代码匹配的订座数据，进港数据民航包括始发目的港与数据请求方机场代码匹配的进港数据。此外，需要尽量减少文本类数据。目前，民航部门所提供的部分数据为自由文本数据，这类数据就属于目前暂无代码的数据，如：旅客的出生地信息、旅客服务信息、常旅客属性信息等。民航部门可以对此类信息进行相应的编码，便于民航数据输入模型。通过规范民航数据的标准，建立统一的数据接口规范，可以减少数据处理的时间，进一步优化人员分类工作中的配置，合理布局，以增加人员分类流程运转的效率。 

3.3 采用多分类模型，整合重复流程步骤

　　通过对民航旅客人员分类业务流程的分析流程的分析，在模型比对环节情报人员存在多次重复工作，除了业务流程图中所展示的涉嫌“人体运毒”人员和机上盗窃人员，往往还需要对人员涉恐情况进行研判。通常需要进行3次以上的模型对比。根据ESIA分析的结果，可以通过采用多分类模型，对重复的流程步骤予以整合。多分类模型的比对结果，可以同时对不同类别的民航犯罪进行预警分析，一次性输出分类结果。 

　　通过构建多分类模型，民航公安不再需要对不同种类的民航犯罪进行重复的研判和分析，是解决流程重复性问题、提升流程效率和实用性的重要途经。前文所构建的决策树模型实际上就是一种多分类模型，重复流程整合的如图10所示。 

　　图 10 重复流程整合示意图 

　　如前文所述，普通的二分类模型会造成流程环节的重复，同时也不利于情报工作人员快速锁定重点人员的类型，发现威胁。而多分类的模型能够有效缩小情报人员发现人员威胁的范围，提升人员分类环节的效率。对于多分类模型可以采用python通用的学习工具sklearn，使用其提供的基于基尼系数的决策算法、支持向量机算法等构建民航人员的多分类模型。如图所示，优化后流程中的人员多分类模型，可以实时对民航旅客进行分类，对人员涉嫌民航盗窃、人体运毒、涉恐、涉嫌电信诈骗的情况进行相应的分析，并输出比对结果。 

3.4 规范定性分析环节，确定分析措施

　　此外，在人员分类环节，流程所呈现的主要问题是没能处理好定量分析和定性分析之间的关系。定性分析是情报人员发挥主要作用的环节，为规范情报分析环节，提升情报分析效率，需要处理好两者的关系。不管是定性分析还是定量分析，都有学者做了充分的研究。引入公安情报分析的定性方法包括穆勒五法[5]、SWOT法[6]和头脑风暴法[7]，定量分析的方法包括迭代法[8]、聚类算法[9]、关键图谱[10]和贝叶斯法[11]。但很少有学者将两者进行结合并在流程中体现出来的。 

　　在民航旅客人员分类流程中，以业务模型为基础的数据比对是典型的量化分析。而模型的广泛使用，一定程度上削弱了定性分析的作用。因此，笔者认为可以在量化分析的基础上，运用模型比对输出的结果来规范定性分析的措施，针对旅客不同的比对结果，情报人员采取相应的分析措施应对，最终确定人员分类的结果。一方面保证了警力资源的合理配置，一方面又明确了情报分析研判的措施，防止情报分析的“黑箱式”操作。（作者：冯文刚）

　　表3 民航旅客人员分类分析措施示例