研究者認(rèn)為，借助AI,，系統(tǒng)管理員能更好地維護(hù)網(wǎng)絡(luò)安全和用戶權(quán)益,。盡管目前的AI不能進(jìn)一步預(yù)測違法事件的具體類型，但它或許能抓住網(wǎng)絡(luò)上“隱形”的違法者,，更好地保護(hù)我們的安全,。

隨著網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)違法事件也成為了不容忽視的社會(huì)問題,?；ヂ?lián)網(wǎng)消弭了潛在違法者和受害者之間的時(shí)空距離，使得人人都有客觀條件違法,，而人人也有被傷害的危險(xiǎn),。中國司法大數(shù)據(jù)研究院發(fā)布的《網(wǎng)絡(luò)犯罪特點(diǎn)和趨勢(shì)（2016.1—2018.12）》報(bào)告指出，社交類平臺(tái),，尤其是QQ,、微信等已經(jīng)成為虛擬犯罪的主要工具，不法分子通過它們?cè)诰W(wǎng)絡(luò)上策劃,、實(shí)施犯罪行為,。這種過程不需要現(xiàn)實(shí)接觸，因此非常難捕捉,，給執(zhí)法帶來了許多困難,。

近日，日本德島大學(xué)的計(jì)算機(jī)研究者聯(lián)合日本大型網(wǎng)絡(luò)公司代理商Cyber Agent在《人類行為計(jì)算》上發(fā)表論文,，他們用機(jī)器學(xué)習(xí)的方法,，分析了Cyber Agent旗下一款社交類游戲的使用數(shù)據(jù)，并且在不監(jiān)測聊天內(nèi)容的情況下,，僅基于聊天次數(shù),、聊天對(duì)象、聊天時(shí)間等基本信息,，就能較為精準(zhǔn)地識(shí)別出潛在網(wǎng)絡(luò)違法者,，并預(yù)測出違法行為的大概時(shí)間。

“疑犯追蹤”的理論基礎(chǔ)

這不是一個(gè)異想天開的想法,。盡管在游戲中大家只是依靠網(wǎng)線交流,，但我們?cè)诰W(wǎng)上的行為也留下了海量數(shù)據(jù),，為預(yù)測網(wǎng)絡(luò)違法行為提供了豐富的材料。

研究者基于兩種傳統(tǒng)犯罪學(xué)理論開發(fā)了這套算法：日?；顒?dòng)理論和社會(huì)傳染理論,。

日常活動(dòng)理論提出,，許多犯罪行為并不是隨機(jī)發(fā)生的,，犯罪者和被害人往往在日常活動(dòng)中有交集,。例如，在現(xiàn)實(shí)生活中,，小偷在盜竊前會(huì)去目標(biāo)地點(diǎn)踩點(diǎn),，并觀察目標(biāo)人物的行為規(guī)律；同樣的,，網(wǎng)絡(luò)上的犯罪者更需要提前與“獵物”取得聯(lián)系,，套取信任。因此,，玩家的社交活動(dòng)數(shù)據(jù)中或許就藏著“犯罪預(yù)告”,。

另外，社會(huì)傳染理論還補(bǔ)充了重要的一點(diǎn)：違法傾向或違法行為也會(huì)傳染,。最常見的例子就是網(wǎng)絡(luò)暴力,。網(wǎng)絡(luò)暴力往往來源于某種過激情緒的廣泛傳播：在群體的裹挾下，有的人不知不覺就失去了獨(dú)立判斷能力,，無意間成為了網(wǎng)上的施暴者,。有研究指出，在“目睹”群體內(nèi)其他人的網(wǎng)絡(luò)騷擾行為后,，旁觀者也很容易對(duì)同一名受害者發(fā)起攻擊,，或者嘗試騷擾其他人。這樣的傳染行為也為預(yù)測網(wǎng)絡(luò)違法事件提供了重要的對(duì)象和時(shí)間線索,。

在這兩種理論的基礎(chǔ)上,，研究者選擇了是一款名叫Pigg Party的手機(jī)游戲。它主打社交功能,，用戶登錄賬號(hào)后,，可以裝扮虛擬的房間和個(gè)人形象，與朋友或陌生人以私聊,、群聊,、公聊的方式進(jìn)行交流。研究人員采用擅長從復(fù)雜數(shù)據(jù)中提取特征的算法——多層非線性模型,，對(duì)55萬用戶6個(gè)月內(nèi)產(chǎn)生的聊天數(shù)據(jù),，包括每名用戶的聊天頻率,、聊天時(shí)間、消息的接收者等進(jìn)行了分析,。

想做壞事的心逃不過AI的眼

研究者組合多種神經(jīng)網(wǎng)絡(luò)模型和算法,，搭建了預(yù)測違法事件的人工智能。性能測試結(jié)果顯示,， AI能根據(jù)用戶數(shù)據(jù),，較為準(zhǔn)確地預(yù)測未來的違法者和受害者賬戶。輸入用戶兩個(gè)月內(nèi)聊天的時(shí)間,、頻率,、對(duì)象，AI對(duì)接下來兩個(gè)月內(nèi)違法賬戶的預(yù)測準(zhǔn)確率可以達(dá)到84.85%,，對(duì)受害者賬戶的預(yù)測準(zhǔn)確度也接近85%,。

除了對(duì)個(gè)體賬戶違法或受害的風(fēng)險(xiǎn)有較好的預(yù)測能力外，只需提供一周內(nèi)的用戶活動(dòng)數(shù)據(jù),，AI就能基本精準(zhǔn)地預(yù)測接下來的一周網(wǎng)絡(luò)社區(qū)里發(fā)生違法事件的時(shí)間,，對(duì)小時(shí)和日期的預(yù)測準(zhǔn)確率高達(dá)95.83%和85.71%，并且結(jié)果與預(yù)測受害給出的時(shí)間相吻合,。更有趣的是,，AI分析數(shù)據(jù)后預(yù)警發(fā)生違法事件的時(shí)間，并不一定處在以往發(fā)生違法事件的時(shí)間段中,，可見它掌握的并不僅僅是固定的規(guī)則,，還有違法者言行中的真正“邏輯”。

可進(jìn)行違法預(yù)測的AI將海量,、零散分布的用戶日?；顒?dòng)記錄壓縮轉(zhuǎn)化成可以定量分析的數(shù)據(jù)，并從中提煉,、理解規(guī)律,，最終形成了強(qiáng)大的預(yù)測能力。研究者認(rèn)為,，借助AI,，系統(tǒng)管理員能更好地維護(hù)網(wǎng)絡(luò)安全和用戶權(quán)益。盡管目前的AI并且不能進(jìn)一步預(yù)測違法事件的具體類型,，但它或許能抓住網(wǎng)絡(luò)上“隱形”的違法者,，更好地保護(hù)我們的安全。