【法制日报】AI浪潮下，警种能力如何升级 ——中关村科金在公安领域的创新应用与公共安全实践

反诈民警很多时候是在和“看不见的敌人”较量。

诈骗电话打进来，老百姓口袋里的钱随时可能被骗走，钱一旦汇入骗子的账户，就像一辆不起眼的小车开进四通八达的高速路。

民警能做的，就是和骗子“赛跑”，用最快的速度直接到路的末端切断钱款外流，最大程度挽回受害人损失。

在很多城市，反诈民警极其忙碌。预警劝阻，断卡行动，资金快打，断流，日常接处警，研判资金流，冻结止付解卡，联席办会议，刑事打击抓人，打击黑灰产，诉卷报卷，这些工作都在切割着民警的时间。

但很多时候，破案并不意味着钱款可以追回。电话那头受害人绝望的哭泣、难言的哽咽，很多反诈民警感同身受。

每个电诈报案电话中，信息都需要人员记录核对，不全的信息还需要民警进行追问补充。这样记录下的大量信息，是民警做案件研判的重要依据。常常一个接处警从接警到受立案全流程走下来都得小半天的时间。

“如果从接到电诈报案开始，就开始对笔录进行解析，提取关键的信息，进行串并案，就可以极大地提升效率，提高追回钱款的可能。”一位反诈民警表示。

此时，AI大模型可以大显身手。

中关村科金基于公安垂类大模型推出智能研判助手，赋能多地公安，基于语义关联引擎，对电诈报案笔录进行智能解析，提取涉诈平台/APP名称、涉诈虚拟身份、涉诈手机号/银行卡、物品流等涉诈特征标签；继而通过信息流耦合分析模型，识别出警情信息的关联情况，极大缩短了反诈民警研判案件串并的周期。

据了解，大模型在核心研判环节实现效率的跨越式提升：在涉诈语义分析场景，对百万级聊天记录的关联特征提取速度达到传统技战法的48倍；在资金流分析维度，异常交易模式识别效率提升136倍；跨区域案件串并环节，通过时空图谱碰撞技术将原本需要27人日的研判工作压缩至45分钟。

据中关村科金政法事业部总经理余星辉介绍，不仅仅在反诈领域，中关村科金基于自主研发的得助大模型平台已构建起覆盖公安全业务的智能化作战体系。该体系以"AI战队"模式运行，实现了从防范、侦查、管控、保障、队伍管理等全场景赋能和全警种升级。这套体系通过模块化组合方式，支持各警种根据实战场景需求自由配置AI能力，形成贯穿警务工作全流程的解决方案。目前，已建成智慧侦查中心、智慧法制中心和智慧情指联勤中心等核心解决方案，通过多AI协同作战，显著提升公安机关新质战斗力。

图为中关村科金一站式智慧警务综合治理平台。

公安垂类大模型的四大突破

据了解，相较于通用大模型，公安垂类大模型需在四个维度实现定向突破：

一是专业领域知识与语义理解能力，面向公安场景的大模型需要具备对警情描述、法律条文、案件分析等专业内容的深度理解能力。

二是多模态警务数据智能解析能力，实现视频流、图片、地理信息、卷宗文本等公安专属数据的融合理解与关联挖掘。

三是小样本条件下的高精度建模能力，依托公安专家知识库和百万级历史案件训练集，在情报洞察预警、电信诈骗模式识别、研判技战法执行、多模态识别及抽取等场景赋能警务工作。

四是全流程合规性控制体系，通过构建法律条文嵌入式校验模块、警务操作规程约束引擎，确保从数据标注到决策建议的输出全程符合《公安机关数据安全管理规定》等法规要求。

余星辉介绍说，得助大模型平台具备跨模态感知融合和深度推理能力，能够在公安复杂业务场景中实现结构化理解和智能关联，可以协助公安实现“以图搜人”“语音联案”“文本线索自动串并”等功能，形成“多模态输入—统一表示—逻辑推理—图谱输出”的完整闭环，显著提升办案效率与智能水平。

比如，AI笔录助手基于多模态笔录解析引擎，将询问录音、手写记录等非结构化数据自动转化为标准文本，然后通过智能辅助生成模块，根据案件类型自动关联相似案例文书模板，在故意伤害、盗窃等常见警情中实现文书要素提取准确率达98%；AI审查助手通过构建多模态质检体系，有效提升警务服务质量和监督效率；AI执法办案区应用助手高效处理执法数据，提供精准决策支持。在这些助手的支持下，民警制作一份复杂盗窃案件报告的时间从平均182分钟降至23分钟。

图为第12届中国国际警用装备博览会上中关村科金公司发布的众智系列全场景、全警种解决方案。

确保数据安全与合规

民警们在应用大模型时都会考虑数据安全的问题，是否使用公安涉密数据？如何实现“数据不出域”？

余星辉介绍说，在数据安全合规方面，公安垂类大模型构建了三层防护体系：第一层是本地化部署与数据隔离。在公安专网或政务外网中进行大模型的本地化部署，确保数据在本地处理，避免数据外泄。采用双网并行部署策略，将不同业务场景的数据分别处理，进一步保障数据安全。

第二层是技术层。通过联邦学习实现模型调优时原始数据零出域，运用多方安全计算技术确保刑侦、网安等专案数据仅在授权加密沙箱内完成特征提取。

第三层是机制层。严格遵循公安机关数据安全规定建立管理体系，模型训练仅使用脱敏处理、去除个人标识符的样本集，并与公安部门存证平台，实现数据使用全链路审计。

而在刑侦、网安等细分场景，针对公安细分场景数据痛点，得助大模型构建了三级增强学习框架：第一级是主动学习，通过模型选择最不确定的样本，交由专家标注，逐步扩充标注数据；第二级是依托公安部门大数据平台的脱敏样本，基于迁移学习机制解决小样本问题，在刑侦、网安等细分任务中，只需少量标注样本即可通过LoRA等轻量微调技术完成快速适配；第三级是采用警务知识图谱增强技术，将专家规程转化为关系推理规则，在样本稀缺场景下实现犯罪模式的可解释性补全。

部署在本地私有化环境的大模型，通过模型剪枝与量化技术，可以实现秒级响应。针对重点场景，可接入边端算力进行轻量推理或分布式处理，在确保数据安全的前提下实现高效实时识别与预警。

此外，为了避免大模型的“黑箱”特性导致决策不可信，得助大模型引入可解释性技术，提升模型透明度，还部署了警务知识图谱驱动的决策溯源模块，支持民警逐层查看线索关联路径与置信度评估依据。同时，在机制侧建立人机双盲校验制度，所有模型输出必须与资深警员经验判断进行交叉验证，差异点自动触发专家会商流程。

未来聚焦跨域联合学习

据了解，中关村科金公司计划在未来2年加速推进大模型赋能市级公安系统实战，重点聚焦刑侦、情指、治安、交管等高需求场景。

同时，为降低基层使用门槛，技术层研发轻量化模型，通过模型剪枝和量化技术，在国产警务终端提高响应时效；应用层设计模块化功能包，基层可按需加载智能研判助手、笔录辅助等轻量工具。同步建立模型训练推理一体化平台，支持多Agent方案，降低部署、训推成本。

面向未来警务智能化升级，中关村科金聚焦跨域联合学习，即打通多警种、多模态、多地域知识壁垒。下一代模型将突破“单任务、单模态”限制，走向多警种（刑侦、情指、治安、交管等）联动训练、多源数据（文本、图像、音频）融合建模。

在公安业务发展规划全景图中，未来将包含‘智能体+大模型’刑侦现场作业体系建设，例如多模态感知终端（现场勘察机器人），通过集成光谱分析、微痕提取等传感器，实现常见物证的全自动采集 ；人机协同指挥系统，通过构建AR数字案卷系统，民警可以通过智能眼镜实时接收大模型生成的现场重建方案与询问策略建议。