第六十章 劉凡的預案

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

四天的測試之後，劉凡在會議室中向趙建國以及他帶來的其他六個人展示成果。在半小時的影片播放之後，劉凡起身站到大家面前。

“剛才的演示應該還是比較清晰的，現在我應該說是來做一個註解吧。”劉凡現在面對這樣的場合，顯然自如了很多，“資訊洩露及交易這個問題核心因素就兩個，一是內鬼，二是駭客。在內鬼方面我能做的很少，我先來談談我的大資料處理系統能如何有效針對駭客。

聽說今天在座好幾位都是技術部門的負責人，那想必各位都知道，其實像電影裡那種動不動就黑了五角大樓的駭客是萬里挑一的，90%以上的駭客，使用的手段都差不多，而且很好學。說白了就是做好五件事情，隱藏ip，發現目標漏洞，植入木龍篡改資料，獲取目標，趕緊閃人。

而他們在做這五件事情的時候最注重一點就是時間，在趙局的授權下我研究了警方現在正在使用的駭客偵查系統，邏輯和執行都沒有問題，問題就出在速度上。這個速度問題還可以分為兩塊，一是處理速度，二是即時性問題。

所以我剛才展示的最直觀的內容，就是速度，大家應該也都看到了剛才的實驗對比，經過我最佳化的系統可以提高三倍以上的資料處理速度。那麼在第影片第二部分所展示的即時駭客報警機制是如何實現的呢？

這個東西還是和我的底層演算法特殊性有關，我們現在在用的偵查系統利用的是痕跡資訊，據說是已經發現了1800多種痕跡資訊對吧？但在我的演算法演算之下，已經發現了二十多種木馬植入邏輯，有了這些植入邏輯，系統可以在駭客正在進行攻擊的時候進行報警。”

“抱歉打斷一下。”就在這時，有一名男子突然舉手。

“您有什麼問題？”面對警察劉凡還是很禮貌的，慫不慫的不重要，關鍵是對這個職業的尊敬。

“真的不好意思。”男子又對著大家說了聲抱歉，“主要這個問題困擾了我很久，正好講到這了我就想問問。劉先生提到了你的演算法，我之前也做過研究，現在很多人認為你的演算法才能帶人類走向真正人工智慧時代。

我個人對真正的人工智慧，或者說你的演算法的理解就是依託與計算機強大的處理能力，讓計算機擁有與人類一樣的思考方式，而計算機可以打破人腦的能力限制，人工智慧實現一了種類似超級人類的存在，去處理無數人類處理不了的問題。也包括你之前提到的在無序中尋找有序。”

劉凡仔細的想了想，點頭道，“也可以這麼理解。”

“那這裡我就有一個疑惑了，如果計算機真的可以擬人了，那麼在計算機可以像人類一樣思考的同時，是不是也就意味著計算機會像人類一樣去犯錯？縱觀人類歷史，人類經常犯的一個錯就是一葉障目，當人類對世界的認知更完善的時候，就會發現自己以前對世界的認知是錯的。

那麼你如何確定你的演算法推匯出來的函式或者規則就是對的呢？雖然目前在人臉識別的使用上確實很有成效，但如果在未來，資料量變得越來越大，這些規則錯了怎麼辦？到時候會不會出現一些混亂？”

“看來這位警官跟我一樣是個愛琢磨的人。”劉凡笑了笑道，“我可以這樣回答您，您剛才的論點是計算機擬人後可能也會像人一樣犯錯我也考慮過，所以在我的演算法中有一個函式反省機制。

簡單來說，演算法一旦在資料中發現了函式規則，他需要將函式規則對所有相關資料進行一次匹配，正確100%的函式規則才會保留，而當資料增加的時候，每一個增加的資料函式規則都會進行一次匹配。

就拿人臉識別來說，在越來越多的人臉資訊輸入的時候，這個函式規則一直在做匹配，一旦這個函式規則在某一個人身上匹配不上了，即便正確率高達99.99%，系統也會立刻將這個函式從規則列表中剔除出去。

也就是說，在現有的大資料環境下，規則列表中的規則可以保證100%正確，而我們需要尋找的那些罪犯只要都是在這個資料庫裡的，就不會發生意外。如果發生意外也是在極端情況下，比如一個全新的人臉資料剛進入這個庫裡，正好函式匹配不上了，而這個人正好又是罪犯，又剛好激發了這個錯誤的函式，又正好被拍下來了。”

“我明白了。”男子點頭道，“如果是這樣的話其實在人臉識別方面不用擔心什麼意外，隨著這些年的技術發展用不了多久我們就可以覆蓋幾乎所有人的人臉資料。

但是像這次的反駭客技術，資料是在不斷膨脹的，是不是還有另外一種可能就是