校局合作机制下的公安院校实验资源共享体系建设探索

实验资源的共享不仅能够有效缓解公安院校资源匮乏的局面,而且能够显著提升培养应用型、实战型人才的综合能力。在分析当前实验资源共享体系建设现状的基础上,结合学校实际和校局合作机制,从多维度构建了实验资源共享体系。通过以大型仪器为代表的实验设备资源共享、以公安数据为核心的实验数据资源共享、以实训场地为基础的实验场地资源共享、以实战需求为导向的实验项目资源共享等举措,真正实现“共享、共用、共建、共通”。

基于智能物联网技术的高校实验室信息管理系统研究

本论文旨在探讨智能物联网技术在提升高校实验室信息管理系统(LIMS)方面的可用性问题。论文分析了现行LIMS的局限性,提出了物联网技术在提高管理效率和安全性方面可能出现的应用模式。此外,研究还通过对国内外LIMS发展过程进行比较,提出了云计算、人工智能等技术的集成解决方案和建议,并总结了物联网技术对于促进高校科研和教学创新的重要作用。

基于TSN的化学实验室人员不安全行为模式识别

不安全行为是导致化学实验室事故的重要原因之一,针对化学实验室人员不安全行为模式识别的研究具有现实意义。本文首先定义了5种化学实验室人员不安全行为模式,进而根据某高校化学实验室实际场景,构建了不安全行为模式视频数据集,并建立基于时域分割网络(TSN)的化学实验室人员不安全行为模式识别模型,在模型中增加dropout层,最后使用SoftMax分类器对不安全行为进行识别。结果表明:本文模型可以准确识别本文定义的化学实验室不安全行为,召回率、精确率大于0.9,F1指数大于0.95,预期可以为化学实验室人员不安全行为的预警和风险防控提供技术支持。

基于改进双流视觉Transformer的行为识别模型

针对现有行为识别方法中抗背景干扰能力差和准确率低等问题,提出了一种改进的双流视觉Transformer行为识别模型。该模型采用分段采样的方法来增加模型对长时序列数据的处理能力;在网络头部嵌入无参数的注意力模块,在降低动作背景干扰的同时,增强了模型的特征表示能力;在网络尾部嵌入时间注意力模块,通过融合时域高语义信息来充分提取时序特征。文中提出了一种新的联合损失函数,旨在增大类间差异并减少类内差异;采用决策融合层以充分利用光流与RGB流特征。针对上述改进模型,在基准数据集UCF101和HMDB51上进行消融及对比实验,消融实验结果验证了所提方法的有效性,对比实验结果表明,所提方法相比时间分段网络在两个数据集上的准确率分别提高了3.48%和7.76%,优于目前的主流算法,具有较好的识别效果。

算法政治推送:一个命题的解构与梳理

“算法推送”是基于内容生成、个性推荐以及检索过滤等算法技术,为用户提供信息获取、检索、处理以及呈现等一系列活动的过程。人工智能时代,算法推送强大的信息支配能力深刻地影响网络空间的传播秩序,构建了基于算法的权力微观运行机制,并逐渐演化为政治行动者、大型咨询公司以及社会团体等实现自身利益的重要手段,衍生了一系列风险,如介入重大政治进程、扰动主流意识形态、强化网络认知域作战等。算法推送与政治生态交织互嵌的背后,反映了传统政治权力结构与运作方式的解构与重组,资本支配下技术工具对政治的大范围自动化渗透,数字威权主义下寡头治理的趋势,以及“后真相”时代下民主形态的更迭。

飞行时间二次离子质谱在指纹分析中的研究进展

指纹作为接触类犯罪案件现场最常见的痕迹之一,基于其形态学价值及承载的物质进行分析是个体识别、侦查破案的重要手段。飞行时间二次离子质谱技术(TOF-SIMS)是一种兼具高质量分辨率和高空间分辨能力的表面分析技术,能够同时获得待测物质的质谱信息和成像分布。相较于其他理化分析技术,TOF-SIMS所具备的快速检验、无需前处理、原位近无损分析等优势使其逐渐成为指纹分析领域的前沿课题。该文基于TOF-SIMS在成像增强、物质分析、犯罪信息挖掘等指纹分析领域的研究现状展开综述,分析其在公安实战中的应用前景,以期为该技术在指纹检验领域的推广奠定基础。

社区老年人空间行为轨迹异常分析方法

为分析社区中老年人空间行为轨迹的规律并识别其异常空间行为轨迹,建立了基于动态时间规整(dynamic time warping, DTW)算法和基于密度的空间聚类算法(density-based spatial clustering of applications with noise, ST-DBSCAN)的社区老年人异常空间行为轨迹分析模型。首先,利用社区内老年人空间轨迹定位数据,采用ST-DBSCAN聚类算法对连续空间轨迹进行聚类分析,提取老年人的动态行为链。其次,针对两种常见的异常轨迹模式(出行轨迹偏离日常轨迹和停留时间过长),利用DTW算法对老年人的动态轨迹进行异常模式识别。最后,结合异常轨迹模式、老年人背景信息、气象信息,建立社区老年人异常行为风险分析模型,分析老年人在出现轨迹异常情况下的安全风险,并基于微软亚洲研究院的开源轨迹数据集GeoLife对建立的模型进行了验证。研究结果表明,模型可以识别老年人出行时的异常空间轨迹,分析其安全风险。研究成果可以为居委会、社区物业、养老机构等部门的老年人安全管理工作提供方法支持。

新业态下互联网医疗安全风险分析与防控建议研究

互联网医疗的出现在提升我国民生医疗水平方面具有重要意义,鉴于数据保护意识淡薄、安全防护技术欠缺和监管体系不健全等因素,制约其发展的网络安全风险挑战不容小觑。介绍互联网医疗的新业态特征,探讨互联网医疗存在的新业态安全风险,诸如数据安全、云环境安全以及接入边界安全等问题,针对所述隐患提出加强数据分级管理、分域加重边界管理、完善网络安全体系以及加大处罚力度4点防控建议。

基于多Agent的社会安全事件应急疏散仿真研究

城市公共场所作为社会复杂系统,一旦突发社会安全事件,易造成重大人员伤亡和社会影响。时下计算机技术快速发展,以计算机仿真技术制定科学合理的应急预案已成为公共安全决策的重要手段。以北京西单大悦城砍杀事件为例,基于多Agent及社会力模型相关理论,通过AnyLogic软件模拟还原此次砍杀事件过程及人员伤亡情况,随后通过方案优化后再次进行仿真,并讨论了保安数量对突发事件应急处置的影响。仿真结果显示,行人应急疏散在突发事件处置中至关重要,且合理的救援人员数量会缩短事件处置时间,提高应急疏散效率,但过多的逆向人流会干扰密集人群的疏散行为,反而降低疏散效率,根据仿真数据,商场内部配置4~6名保安较为合理。

基于事故序列的自动驾驶汽车事故场景提取与分析

测试场景构建对于评估自动驾驶汽车(autonomous vehicles,AVs)上路运行风险至关重要。通过收集2019—2021年加州自动驾驶汽车事故报告,首先,将事故序列描述为初始阶段、触发事件、应对动作和碰撞阶段的组合,并从事故报告中提取序列构成基础测试场景。其次,通过序列比对算法衡量序列之间的不相似度。最后,使用聚类分析方法得到9类场景组及其典型场景。频率分析表明最具有代表性的事故模式为AV停止后被后方直行的车辆接触。交叉表分析表明场景组与衡量事故结果和描述道路环境的变量显著相关。研究方法为AV事故场景提取和分类提供新思路,研究结果对了解AV事故模式具有参考价值。

指纹物质中毒品检测的研究进展

指纹作为案件现场中最常见的物证之一,不仅包含了可用于人身识别的形态特征,还蕴含了丰富的反映遗留人人身特点的化学信息。通过对指纹中毒品物质的检测及分析,可提供指纹遗留者毒品的吸食、接触情况,将其与特定案件相联系,反映个人生活方式信息,为涉毒人员的发现提供新思路。该文利用文献计量学方法总结了该领域的发展脉络以及研究现状与热点,主要总结了目前已建立的指纹物质中毒品分析检测的各种技术方法和特点,并对未来研究方向及难点进行评述,以期为实际案件指纹中的毒品检测提供参考。

侵犯公民个人信息案件侦查与防范研究

侵犯公民个人信息犯罪不仅侵害了公民个人的公民财产权、人身权和隐私权,还常常与电信诈骗、敲诈勒索、绑架等下游犯罪相牵连,社会危害性极大。以公安机关为主导的各部门采取了一系列措施进行防范和打击,但此类犯罪依然表现出多发态势。根据已有案件研究此类犯罪表现出的共性特征,架构起此类犯罪的产业链模型,侦查机关可以依据犯罪产业链各个环节表现出的特点,有针对性地采取侦查措施对此类犯罪实施侦查打击。此外,相关部门还应当携手联动,构建起一套多元、立体的公民信息安全防范体系以实现“打防兼备、管控有力”的目标。

基于1D-CNN-Densenet的恶意代码检测方法

恶意代码的API调用序列可以反映恶意行为,深度学习模型可以应用在基于API调用序列检测恶意代码中。本文基于一维卷积神经网络和稠密网络结构设计了1D-CNN-Densenet网络模型,将恶意代码动态API调用序列处理成文本特征作为输入,横向一维卷积计算,纵向构建稠密结构网络,将前面所有层输出的相加作为下一层的输入,更深层次学习恶意代码的文本特征。实验表明1D-CNN-Densenet的恶意代码检测准确率达到了96.60%,在恶意代码检测方面有较好性能。

社区治安高危人员异常轨迹识别与预警方法研究

为解决社区治安高危人员异常轨迹难以实时感知、精确识别、及时预警的问题,对社区治安高危人员动态轨迹进行标定,并建立动态轨迹序列化模型,通过序列化模型构建动态行为链;根据静态身份属性与动态轨迹时空特征信息,建立异常轨迹分析模型。结果表明:动态轨迹标定可实现对GPS轨迹数据高效、准确标定;异常轨迹分析模型可实现异常轨迹识别与预警。研究结果适用于社区高危人群管控,可为社区治安防控提供技术支持。

基于人类注意机制的微表情检测方法

微表情是一种持续时间极短、不易被察觉的面部动作,揭示了个体的真实情绪,可以被广泛地应用于谎言识别等领域。而微表情检测的研究受到小样本问题的限制。针对该问题,本文结合计算机视觉技术与认知心理学实验方法进行探索。首先,结合眼动技术和呈现−判断范式与阈下情绪启动效应的行为实验范式,考察微表情识别中选择注意分配的认知机制,细化人类识别微表情时的特征兴趣区域。其次,结合人类注意机制,提出基于自监督学习的多模态微表情检测方法。通过理论和关键技术的突破,为真实场景下微表情检测的应用奠定基础。

基于指纹物质分析的人群特征刻画研究进展

指纹作为犯罪现场最常见、且运用历史最久的重要物证,因其人各不同,终身基本不变的特性广泛运用于人身判定。但除了形态学特征外,指纹物质中所包含的化学信息对于遗留者特征的刻画和个体行为的追踪溯源也具有重要价值,不仅能为侦查人员提供分析线索,还能一定程度上解决因现场指纹模糊或部分缺失导致的证据价值丢失问题。本文从指纹中的内源性物质和外源性物质分析两大角度,对基于不同指纹物质进行人群特征的分析研究进行了探讨,总结了多种指纹物质的化学分析方法,并对其优势进行评述,以期为未来指纹物质相关的研究提供新的思路。

改进的基于Transformer的双向编码器的对话文本识别

使用预训练语言模型基于Transformer的双向编码器(bidirectional encoder representation from transformers, BERT)进行文本分类可以帮助民警快速准确地提取电子数据。针对将输入序列的起始符[CLS]位对应的隐含层表示作为句向量输入到全连接层中进行分类会产生一部分语义信息的丢失从而导致分类准确率下降的问题。提出BERT-CNN-SE模型,即在BERT后接一个语义特征提取器以充分利用高层的语义信息,利用不同大小的二维卷积核对BERT输出的隐藏状态进行卷积,然后通过共享权重的挤压和激励(squeeze-and-excitation, SE)模块对通道进行加权,最大池化层后联结起来,最后输入到全连接层进行分类。在自建的涉案对话文本数据集和公开数据集THUCNews上进行测试,改进BERT模型的准确率达到了88.58%和93.64%。结果表明,与BERT基线模型和其他分类模型相比,改进BERT模型具有更好的分类效果。

基于节假日因素的多尺度犯罪时序预测方法研究

时序分析方法目前虽被广泛应用于各类犯罪的预测预警之中,但少有研究对各类时序分析方法的预测尺度以及节假日因素对犯罪的影响加以考虑。基于Prophet算法将节假日因素完整地纳入时序分析模型中对现有的犯罪预测模型进行多重优化,并比较Prophet和传统时序分析模型ARIMA对盗窃和诈骗两类典型犯罪在多时间尺度上的预测效果,从而进一步丰富犯罪预测方法的体系。研究结果发现ARIMA模型具有良好的短期预测性能,其对盗窃案件的预测准确率达到88.99%,比Prophet模型高出4.86%;加入节假日因素的Prophet模型在各时间尺度上均衡性更强,且对两类犯罪的长期预测准确率均高于ARIMA模型,达到了83.69%和82.49%。Prophet和ARIMA模型在多尺度时序上的良好组合可有效提升犯罪预测的准确率。

基于Agent仿真模型的城市犯罪演化研究——以警力使用优化为例

传统上研究人员采用统计方法及组织个体、群体实验来模拟犯罪。但是这些方法由于无法综合模拟个人行为或者由于规模性、经济性等因素而受到限制。基于城市犯罪特点及犯罪学基本理论,采用ABM模型与模拟仿真技术进行城市犯罪的演化研究,希望为警务决策者的警力使用优化提供建议。概述犯罪学经典理论研究及ABM模型相关要素理论,据此得出仿真模型相关参数及规则设置依据,随后基于NetLogo仿真平台开发模拟城市环境并进行城市犯罪仿真实验。结果表明:仿真实验结果对实际警务工作有指导作用,据此在特定时段对警力投入进行调整可以优化警力使用,并充分证明通过模拟仿真的方法可以帮助理解犯罪和改进治理犯罪的过程,并且制定有效的预防犯罪战略。

高风险场景下微表情高暴露的可能性实证研究

微表情是一种简短且微妙的面部表情。它可以帮助理解个体的意图和动机,反映真实的心理过程。近年来,微表情的自动化分析发展迅速,但对微表情认知机制的研究实际上仍十分缺乏。通过研究模拟犯罪范式下高低风险场景产生的表情,探讨高低风险场景产生微表情的差异,从而进一步研究微表情行为背后的生成机制。实验结果显示:(1)高风险场景下产生的微表情数量大于低风险场景下的数量。(2)皮肤电活动(EDA)在风险场景(高风险/低风险)和表情类型(微表情/宏表情)下都存在显著差异。(3)EDA在表情类型和风险场景之间存在交互作用。结果表明,相比低压场景,微表情更容易在高压下产生。研究首次为微表情产生机制提供了实证研究。