据《应用分析期刊（Journal on Applied Analytics）》透露，纽约警察局（NYPD）成为全美首个在犯罪案件侦办中使用机器学习工具的执法部门。这款从2016年底开始应用、名为Patternizr的软件已帮助纽约警察局更高效地排查案件数据，并寻找扒窃、抢劫和盗窃三类案件间的联系；该款软件所形成的模型，也被引入到纽约警察局的“警务态势感知系统（Domain Awareness System，DAS）”——由遍布纽约全城的传感器、基础设施及警方数据库所构成的网络，以此加强纽约警察局打击犯罪的效率。
在2018年1月至7月间，Patternizr软件每周可帮助纽约警察局分析400个报案信息——占纽约警察局在该时间段内所记录的扒窃、抢劫和盗窃三种犯罪类型案件数量的30%。纽约警察局的警探过去习惯利用自己的记忆力来寻找犯罪模式——找到不同案件中的共通点而后开展深入调查，尽管纽约警察局数据库之前已具备查询功能，但Patternizr软件能更高效地找到若干案件间的相似性。
Patternizr软件的核心是机器学习算法从历史样本中形成的统计模型，它使用了十年的扒窃及抢劫罪、三年的盗窃罪历史数据，每类犯罪案件都包含了大量由日期、时间、案发位置和嫌疑人信息组成的结构化信息，以及关于犯罪事实的非结构化信息。纽约警察局的分析师可利用Patternizr软件将新收到的报案信息与纽约警察局数据库内现有的数十万个记录进行比对，而后该软件将对其分析过的每个案件进行相似度打分——描述两个案件在犯罪模式上的相似程度——而后再向分析师返回一个降序排列的相似案件列表。分析师还可结合或单独使用文本搜索、案发地距离、案发时间间隔、是否抓到嫌疑人等条件筛选由Patternizr软件输出的结果。例如，纽约警察局的某位分析师接到一个“商店扒手使用注射器扎伤商店雇员”的案子，Patternizr软件为他在数据库中找到了另一个地区曾发生过的涉及“针管袭击”的抢劫案，这名分析师就可把这两个案件合并为一个“犯罪模式”，并通过警方数据库已有的惯犯信息锁定真正的嫌疑人。
纽约警察局在开发Patternizr软件的算法、界面及后台系统上投入了2年时间，而即将上线的第二版将包括更全面的犯罪类型比对功能。纽约警察局助理局长伊万.列文（Evan Levine）在接受媒体电邮采访时指出，纽约警察局愿意帮助美国其他地区的警察部门利用其已取得的算法成果，来定制适用于各地情况的Patternizr软件。
声明：本文来自国际安全简报，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
