研究人员认为，有了AI，系统管理员可以更好地维护网络安全和用户权益。虽然目前的AI无法进一步预测具体的违法事件类型，但或许可以抓住互联网上的“隐形”违法者，更好地保护我们的安全。

随着互联网的普及，网络违法事件已经成为一个不容忽视的社会问题。互联网消除了潜在犯罪者和受害者之间的时空距离，使得每个人都有违法的客观条件，每个人都有受到伤害的危险。中国司法大数据研究院发布的《网络犯罪的特点与趋势(2016.1-2018.12)》报告显示，社交平台尤其是QQ、微信已经成为虚拟犯罪的主要工具，犯罪分子通过这些工具在互联网上策划、实施犯罪行为。这个过程不需要现实接触，所以抓起来非常困难，给执法带来了很多困难。

.近，日本德岛大学和日本一家大型网络公司的代理公司Cyber Agent的计算机研究人员在《人类行为计算》上发表了一篇论文。他们利用机器学习对Cyber Agent的一款社交游戏的使用数据进行分析，在不监控聊天内容的情况下，基于聊天次数、聊天对象、聊天时间等基本信息，可以准确识别潜在的网络犯罪者，预测非法活动的大致时间。

“追踪嫌疑人”的理论基础

这不是一个异想天开的想法。虽然我们在游戏中只是依靠互联网进行交流，但我们的网络行为也留下了大量的数据，为预测网络上的非法活动提供了丰富的素材。

研究者基于两个传统的犯罪学理论开发了这个算法:日常活动理论和社会传染理论。

根据日常活动理论，很多犯罪行为并不是随机发生的，犯罪分子和被害人在日常活动中往往会发生重叠。比如现实生活中，盗窃之前，小偷会踩在目标地点，观察目标人的行为规律；同样，网络上的犯罪分子也需要提前与“猎物”取得联系才能获得信任。因此，玩家的社交活动数据中可能隐藏着“犯罪预告”。

此外，社会传染理论增加了一个重要的观点:违法倾向或违法行为也可以传染。.常见的例子是网络暴力。网络暴力往往来源于一些极端情绪的广泛传播:在群体的围攻下，一些人不知不觉失去了独立判断能力，在不经意间成为网络施暴者。有研究指出，在“目睹”群体中其他人的网络骚扰行为后，旁观者很容易攻击同一个受害者或试图骚扰他人。这种传染行为也为预测网络违法事件提供了重要的对象和时间线索。

基于这两种理论，研究者选择了一款名为Pigg Party的手机游戏。它侧重于社会功能。登录账号后，用户可以装扮虚拟房间和个人形象，在私聊、群聊、公开聊天中与朋友或陌生人交流。研究人员利用擅长从复杂数据中提取特征的算法——多层非线性模型，分析了55万用户在6个月内产生的聊天数据，包括每个用户的聊天频率、聊天时间和消息接收者。

想做坏事的人逃不过AI的眼睛。

研究人员结合各种神经网络模型和算法，构建人工智能来预测非法事件。性能测试结果表明，人工智能能够根据用户数据准确预测未来犯罪者和受害者的账户。输入用户两个月内聊天的时间、频率和对象，AI对未来两个月非法账号的预测准确率可达84.85%，对受害账号的预测准确率接近85%。

AI除了具备较好的预测个人账户违规或受害风险的能力外，通过提供一周内的用户活动数据，基本可以准确预测网络社区未来一周的违法事件发生时间，小时和日期的预测准确率高达95.83%和85.71%，结果与受害预测时间一致。更有意思的是，AI分析数据后对违规事件进行预警的时间，并不一定在过去违规事件的时间段内。可见，它不仅有固定的规则，而且在违法者的言行中也有真正的“逻辑”。

可以进行非法预测的AI，将用户海量、零散的日常活动记录压缩转化为可以定量分析的数据，并从中提取和理解规律，.终形成强大的预测能力。研究人员认为，有了AI，系统管理员可以更好地维护网络安全和用户权益。虽然目前的AI无法进一步预测具体的违法事件类型，但或许可以抓住互联网上的“隐形”违法者，更好地保护我们的安全。