El sector de la Seguridad Pública ya es plenamente consciente del potencial que le ofrece la analítica para mejorar su eficiencia y optimizar sus recursos pero, al mismo tiempo, se enfrenta a una serie de retos para poder implantarla.

Ahora bien, ¿de qué forma se aplica la analítica a la Seguridad Pública? Primero es importante entender que, dadas las implicaciones de las decisiones en la Seguridad Pública, los algoritmos no deben tomar las decisiones, sino aportar evidencias para que un ser humano pueda tomar la mejor decisión, teniendo siempre en cuenta el contexto completo de la situación y los riesgos correspondientes. Existen distintas técnicas analíticas para la evaluación de riesgos que pueden ayudar a los cuerpos de seguridad a realizar su labor de forma más efectiva.

Técnicas analíticas para la Seguridad Pública

Uno de los procesos utilizados para aplicar la analítica a la Seguridad Pública se conoce como la ‘Resolución de Entidades’ y consiste en limpiar, estandarizar, enriquecer e integrar datos de múltiples sistemas dispersos alrededor de un tema (entidad) en concreto: una persona, un edificio, un bien, un sospechoso, etc.  Esta es la forma en la que funciona la policía y se basa en generar entidades recopilando la información en torno a ellas y cómo se relacionan entre sí.  Estas entidades se construyen en tiempo real con datos de distintas fuentes estructuradas, como bases de datos policiales y fuentes no estructuradas, como documentos notariales, observaciones policiales o datos de internet, de los cuales pueden extraerse conceptos como nombres, fechas, DNIs, direcciones, etc… La construcción de un repositorio de entidades permite hacer búsquedas avanzadas entre todos los datos existentes, acceder a toda la información, además de verla en su contexto y cómo se relaciona con el caso.

Las fuerzas de seguridad del Estado también pueden beneficiarse de las técnicas de analítica avanzada para la evaluación de riesgos, la generación de alertas y la notificación automática de esas alertas a las personas adecuadas. La técnica de machine learning supervisado utiliza datos históricos para entrenar modelos analíticos para detectar patrones como, por ejemplo, que los criminales repitan su modus operandi o incluso se copien entre ellos. Se puede entrenar los modelos analíticos supervisados para que identifiquen patrones en casos ya resueltos y luego utilizarlos para detectar patrones similares en nuevos casos.

Si se trata de un nuevo patrón que todavía no existe en los datos históricos, podemos utilizar una técnica de machine learning no supervisada llamada ‘Detección de Anomalías’ para modelar el comportamiento histórico y detectar cambios significativos en los hábitos de grupos o individuos. Obviamente, los cambios de comportamiento no necesariamente indican un comportamiento delictivo, pero puede indicar que se requiere una mayor investigación. Por ejemplo, si un sospechoso toma un vuelo de larga distancia y regresa a casa al día siguiente, podría considerarse un comportamiento inusual e incluso dudoso, dependiendo del contexto.

Aunque la IA avanza rápidamente, es imposible reemplazar la experiencia un oficial de policía que ha trabajado en las fuerzas de seguridad durante muchos años. Sin embargo, lo que sí se puede hacer es combinar ese conocimiento experto con la tecnología para hacer que su aplicación escale más allá de las capacidades de una sola persona. Esto lo hacemos encapsulando el conocimiento experto en forma de reglas que se pueden utilizar en búsquedas automatizadas de información en nuevos casos.

Otra técnica analítica potente es la generación automática de redes de relaciones entre entidades (conocidas como redes sociales) y la capacidad, por parte del investigador, de visualizar esas redes a diferentes niveles de granularidad, permitiendo expandir una parte especifica de la red de interés. Es una técnica potente porque se base en esa capacidad humana de reconocer fácilmente los patrones visuales.

La plataforma de detección e investigación de SAS combina todas estas técnicas analíticas en un modelo híbrido que se utiliza para la generación de alertas. Cada alerta lleva aparejado un scoring (un valor numérico) que representa el nivel de riesgo o amenaza que supone. Ese scoring, por sí solo, aporta poco a un agente de investigación, por lo tanto, es imprescindible que el sistema sea capaz de explicar por qué ha surgido esta alerta y por qué se debería actuar, de modo que el oficial de policía pueda entender el porqué y tomar decisiones.

Analítica para la búsqueda de personas desaparecidas

 Uno de los casos de uso de la analítica avanzada en el sector de la Seguridad Pública es su aplicación en la búsqueda de personas desaparecidas. En este caso el Centro Nacional de Desaparecidos trabaja con dos grandes bases de datos: una que registra la información de las personas desaparecidas y otra que contiene los datos de cuerpos hallados sin identificar. Se utilizan ambas bases de datos para cruzar las tablas e intentar encontrar vínculos entre ellas.

Para ello aplican analítica de imágenes en cámaras de seguridad, cámaras de tráfico o imágenes de RRSS y utilizan el método de ‘Resolución de Entidades’ que permite que, cuando surge un informe policial que menciona a alguien con la descripción del fallecido, llegue una alerta al equipo que está investigando el caso.

El enfoque de SAS en Seguridad Pública se basa en una plataforma para detectar comportamientos delictivos y terroristas, que cuenta con el apoyo de expertos en inteligencia. Esta plataforma permite que las entidades y las relaciones entre ellas (individuos, empresas, activos) se resuelvan casi en tiempo real y a partir de todos los sistemas de información aislados dentro de un cuerpo de seguridad, combinados con la información procedente de fuentes externas, cubriendo todas sus necesidades analíticas.

¿Quieres conocer nuestras soluciones para la Seguridad Pública?