บทที่ 5 — การเชื่อมโยง
คนห้าร้อยคนถูกกลโกงเดียวกันหลอก แต่ละคนต่างเดินเข้าสถานีตำรวจหรือเปิดเว็บไซต์ แล้วแจ้งความของตัวเอง ตอนนี้ระบบถือคดีอยู่ห้าร้อยคดี
มันควรถือไว้คดีเดียว
ช่องว่างระหว่างสองประโยคนั้นคือจุดสูญเปล่าจุดเดียวที่ใหญ่ที่สุดในการบังคับใช้กฎหมายกับการฉ้อโกงออนไลน์ ไม่ว่าที่ใดในโลก การปิดช่องว่างนี้คืองานเดียวในหนังสือเล่มนี้ที่เครื่องจักรทำได้ดีกว่าการเพิ่มกำลังคน โดยไม่มีข้อกังขา บทนี้คือคณิตศาสตร์ของการปิดช่องว่างนั้น และคณิตศาสตร์นั้นมีอายุห้าสิบเจ็ดปีแล้ว
จุดอ่อนเชิงโครงสร้างของอาชญากร
เริ่มจากว่าทำไมเรื่องนี้จึงเป็นไปได้ตั้งแต่แรก
การฉ้อโกงระดับอุตสาหกรรมต้องใช้ซ้ำ บัญชีม้าเดียวกันรับเงินจากเหยื่อหลายคน หมายเลขโทรศัพท์เดียวกันถูกใช้โทรออก ไอดีไลน์เดียวกัน กระเป๋าเงินดิจิทัลเดียวกัน หน้าเว็บปลายทางเดียวกัน สคริปต์เดียวกัน — เพราะเขียนสคริปต์ใหม่ให้เหยื่อทุกคนมีต้นทุน และโมเดลธุรกิจทั้งหมดคือปริมาณมากที่ต้นทุนต่อหน่วยต่ำ
คำอธิบายเชิงรูปนัยของการใช้ประโยชน์จากจุดนั้นมีอยู่แล้ว: การชี้ตัวตนซ้ำ ทำงานได้เพราะการฉ้อโกงที่จัดตั้งเป็นองค์กรนำข้อมูลระบุตัวตนกลับมาใช้ซ้ำ และมันดำเนินไปด้วยการจับคู่แบบรวมศูนย์ ข้ามการเปรียบเทียบข้อมูลที่ถูกใช้ซ้ำนั้น ทั้งแบบตรงทุกตัวอักษรและแบบประมาณ — คลุมเครือ [ESTABLISHED]
ประสิทธิภาพของอาชญากรคือด้ามจับของผู้สืบสวน ทุกอย่างด้านล่างนี้คือกลไกสำหรับกำด้ามนั้นให้แน่น
Fellegi และ Sunter, ปี 1969
ในปี 1969 Ivan Fellegi และ Alan Sunter ตีพิมพ์ทฤษฎีเชิงรูปนัยของการจับคู่ระเบียนข้อมูลเชิงความน่าจะเป็น ทฤษฎีนี้ยังเป็นรากฐานของระบบเชื่อมโยงข้อมูลอัตโนมัติทุกระบบที่ใช้งานอยู่จนถึงวันนี้
โจทย์ตั้งต้นเป็นแบบนี้: นำระเบียนสองรายการมาเทียบกันทีละฟิลด์ — ชื่อตรงกันหรือไม่ วันเกิดตรงกันหรือไม่ ที่อยู่ตรงกันหรือไม่ รูปแบบของฟิลด์ที่ตรงและไม่ตรงนั้นเกิดขึ้นได้จากสองทางเท่านั้น ทางแรก มันเป็น การจับคู่จริง และแต่ละฟิลด์ตรงกันด้วยความน่าจะเป็นค่าหนึ่ง (ความน่าจะเป็นแบบ m: คู่ที่ตรงกันจริงก็ยังมีฟิลด์ไม่ตรงได้บ้าง เพราะคนสะกดชื่อผิดและพิมพ์ตัวเลขสลับกัน) ทางที่สอง มันเป็น การไม่จับคู่จริง และแต่ละฟิลด์ตรงกันด้วยความน่าจะเป็นอีกค่าหนึ่ง (ความน่าจะเป็นแบบ u: ระเบียนที่ไม่เกี่ยวกันเลยก็ยังตรงกันได้บ้าง เพราะคนจำนวนมากเกิดวันเดียวกัน)
ทฤษฎีบทพื้นฐานของพวกเขาบอกว่า กฎการเชื่อมโยงที่เหมาะสมที่สุดคือการทดสอบอัตราส่วนภาวะน่าจะเป็น บนเวกเตอร์การเปรียบเทียบ คำนวณว่ารูปแบบความตรงกันแบบนี้เกิดขึ้นได้ง่ายกว่ากี่เท่า ภายใต้สมมติฐาน "จับคู่" เทียบกับ "ไม่จับคู่" อัตราส่วนนั้นคือหลักฐานทั้งหมดที่มี จากนั้นกฎของเบย์แปลงมันเป็นความน่าจะเป็นภายหลังของการจับคู่ โดยใช้ความชุกเบื้องต้นของการจับคู่ในข้อมูลชุดนั้น [ESTABLISHED] (เอกสาร Splink, กระทรวงยุติธรรมสหราชอาณาจักร; Linacre, คณิตศาสตร์เบื้องหลัง)
ย้อนกลับไปดูบทที่ 3
มาตรฐานปัจจุบันของการรายงานพยานหลักฐานทางนิติวิทยาศาสตร์คือ ผู้เชี่ยวชาญให้ อัตราส่วนภาวะน่าจะเป็น: ความน่าจะเป็นของสิ่งที่สังเกตได้ภายใต้สมมติฐานฝ่ายโจทก์ หารด้วยความน่าจะเป็นภายใต้สมมติฐานฝ่ายจำเลย ไม่ใช่ความน่าจะเป็นของความผิด เป็นอัตราส่วนระหว่างคำอธิบายสองแบบ รูปแบบนี้มีขึ้นเพื่อสกัดเหตุผลวิบัติของอัยการและภาพสะท้อนกลับของมันโดยเฉพาะ [ESTABLISHED] (arXiv 2502.03217)
มันคือสิ่งเดียวกัน ผู้ตรวจพิสูจน์ลายนิ้วมือที่ประเมินรอยพิมพ์ กับอัลกอริทึมที่ตัดสินว่ารายงานการฉ้อโกงสองฉบับบรรยายปฏิบัติการเดียวกันหรือไม่ กำลังทำการกระทำทางคณิตศาสตร์เดียวกันทุกประการ: เทียบว่าคำอธิบายที่แข่งกันสองแบบ อธิบายสิ่งที่สังเกตได้ดีเพียงใด ห่างกันห้าสิบปีและสองสาขาวิชา โครงสร้างเดียว
นั่นไม่ใช่ความบังเอิญที่ฟังแล้วสบายใจ มันคือเหตุผลที่วินัยของบทที่ 3 ถ่ายทอดตรงมาสู่กลไกของบทที่ 5 ได้ — รวมถึงวินัยเรื่องสิ่งที่อัตราส่วนภาวะน่าจะเป็นห้ามทำ
สิ่งที่อัตราส่วนภาวะน่าจะเป็นทำไม่ได้
วรรณกรรมทางนิติวิทยาศาสตร์เข้มงวดกับเรื่องนี้ และความเข้มงวดนั้นต้องข้ามมาสู่งานเชื่อมโยงคดีด้วย
มีสิ่งที่เรียกว่า ลำดับชั้นของข้อเสนอ Cook, Evett และคณะจัดวางมันเป็นรูปแบบทางการ ไล่จากแคบที่สุดไปกว้างที่สุด: ระดับต่ำกว่าแหล่งที่มา (DNA นี้มาจากคนคนนี้) ระดับแหล่งที่มา (น้ำอสุจินี้มาจากคนคนนี้) ระดับการกระทำ (คนคนนี้มีเพศสัมพันธ์กับผู้เสียหาย) ระดับความผิด (คนคนนี้ก่อเหตุข่มขืน) อัตราส่วนภาวะน่าจะเป็นมีความหมายก็ต่อเมื่อกำหนดชัดแล้วว่ากำลังตอบระดับใด รายงานอัตราส่วนระดับแหล่งที่มาราวกับว่ามันตอบคำถามระดับความผิดได้ เป็นความผิดพลาดในการตีความที่รู้จักกันดีและร้ายแรง [ESTABLISHED] (Cook et al. 1998; Evett et al. 2000)
แปลลำดับชั้นนี้มาสู่การเชื่อมโยงคดีฉ้อโกง เพราะที่นี่มันจำเป็นไม่น้อยไปกว่ากัน:
| ระดับ | ข้อเสนอที่โมเดลของคุณกำลังทดสอบจริง ๆ |
|---|---|
| ระดับต่ำกว่าแหล่งที่มา | รายงานทั้งสองฉบับมีสตริงหมายเลขบัญชีเดียวกัน |
| ระดับแหล่งที่มา | บัญชีธนาคารเดียวกันรับเงินในทั้งสองคดี |
| ระดับการกระทำ | บุคคลหรือกลุ่มเดียวกันเป็นผู้ควบคุมบัญชีนั้นในทั้งสองคดี |
| ระดับความผิด | เครือข่ายอาชญากรรมเดียวกันก่อเหตุฉ้อโกงทั้งสองครั้ง |
อัลกอริทึมการจัดกลุ่มตอบแถวบนสุด แต่มันถูกรายงานเป็นประจำราวกับตอบแถวล่างสุด บัญชีม้าขายต่อได้ หมายเลขโทรศัพท์นำกลับมาใช้ใหม่ได้ สคริปต์หลอกลวงถูกแก๊งที่ไม่เกี่ยวข้องกันคัดลอกไปจากช่องเทเลแกรมได้ ทุกขั้นที่ไล่ลงไปในตารางนั้นคือการอนุมานเพิ่มอีกหนึ่งชั้น ที่โมเดลไม่ได้ทำและรองรับไม่ได้
เขียนระดับกำกับไว้บนผลลัพธ์ หากระบบรายงานว่า "คดีทั้ง 340 คดีนี้คือเครือข่ายเดียวกัน" มันได้กล่าวข้อสรุประดับความผิดจากหลักฐานระดับต่ำกว่าแหล่งที่มา และคนที่เขียนมันไม่รู้ว่าตัวเองสร้างอะไรขึ้นมา
มีสิ่งที่สองที่ต้องเขียนกำกับไว้คู่กับระดับ และมันเป็นคนละชนิดกับทั้งระดับและอัตราส่วน: สถานะ ของการเชื่อมโยง อัตราส่วนภาวะน่าจะเป็นบอกว่าหลักฐานหนุนคำอธิบายหนึ่งเหนืออีกคำอธิบายหนึ่งแรงเพียงใด แต่มันบอก ว่าไม่มีหลักฐานเลย ไม่ได้ — อัตราส่วนที่ต่ำกับอัตราส่วนที่ไม่มีอยู่ไม่ใช่ข้อกล่าวอ้างเดียวกัน และระบบที่ใช้ตัวเลขเดียวแทนทั้งสองกรณีจะรายงานความไม่รู้ว่าเป็นความบริสุทธิ์ ความแตกต่างนี้มีประวัติเชิงรูปนัยย้อนไปถึง Łukasiewicz และ Belnap มีหายนะที่บันทึกไว้อย่างน้อยหนึ่งกรณีผูกอยู่กับมัน และมีการตัดสินใจเรื่องโครงสร้างข้อมูลที่ตามมาจากมัน ทั้งหมดนี้อธิบายไว้ในภาคผนวกท้ายเล่ม
ศาลเคยตีกลับมาแล้วครั้งหนึ่ง
ในปี 2010 ศาลอุทธรณ์แห่งอังกฤษและเวลส์พิจารณาคดีหนึ่ง ผู้เชี่ยวชาญด้านรอยรองเท้าใช้มาตราส่วนอัตราส่วนภาวะน่าจะเป็นแบบมาตรฐาน เพื่อแสดง "ระดับปานกลางของหลักฐานทางวิทยาศาสตร์" ว่ารองเท้าไนกี้คู่หนึ่งเป็นผู้ทิ้งรอยดังกล่าว ศาลตัดสินว่าคำให้การนั้นไม่ควรถูกรับฟัง และกล่าวว่านักนิติวิทยาศาสตร์ไม่ควรใช้สูตรทางคณิตศาสตร์อย่างอัตราส่วนภาวะน่าจะเป็น ในกรณีที่ไม่มีฐานข้อมูลทางสถิติที่มั่นคง รองรับตัวเลขเหล่านั้น
คำพิพากษานี้รักษาการรายงานเชิงความน่าจะเป็นในกรณี DNA ไว้อย่างชัดเจน เพราะฐานข้อมูลความถี่ประชากรในกรณีนั้นมั่นคง ขอบเขตของมันแคบเมื่ออ่านตามถ้อยคำ กระนั้นมันถูกอ้างอิงอย่างกว้างขวางว่าเป็นการที่ฝ่ายตุลาการปฏิเสธเหตุผลแบบเบย์เซียนโดยรวม และคำตอบที่ชุมชนสถิติทางนิติวิทยาศาสตร์ตีพิมพ์ออกมาแย้งว่าถ้อยคำของศาลไปไกลเกินเจตนา [CONTESTED] (แถลงการณ์จุดยืนต่อคดี R v T; บรรณานุกรมของคำตอบโต้; Kaye, Likelihoodism, Bayesianism, and a Pair of Shoes)
บทเรียนเชิงปฏิบัติสำหรับผู้สร้างระบบเชื่อมโยงคดีตรงไปตรงมา: ความน่าจะเป็นแบบ m และ u ของคุณคือฐานข้อมูลทางสถิตินั้นเอง ถ้าคุณบอกไม่ได้ว่ามันมาจากไหน — ประมาณจากข้อมูลที่ติดป้ายกำกับไว้ ได้มาจากความถี่ที่สังเกตได้จริง หรือเดาเอา — คุณอยู่ในตำแหน่งเดียวกับที่ศาลคัดค้านพอดี ตัวเลขที่ไม่มีที่มาไม่ได้เป็นวิทยาศาสตร์มากไปกว่าความคิดเห็น มันคือความคิดเห็นที่ถูกทำให้ท้าทายได้ยากขึ้น
การเชื่อมโยงคดีในฐานะศาสตร์ที่มีอยู่แล้ว
ไม่มีสิ่งใดในนี้ใหม่สำหรับงานตำรวจ นั่นเป็นข่าวดี และเป็นข่าวที่เจาะทำลายข้อเสนอใด ๆ ที่สร้างขึ้นบนความใหม่
สาขานี้เรียกว่า การเชื่อมโยงคดี ในสหราชอาณาจักรเรียกว่า การวิเคราะห์คดีเปรียบเทียบ มีวรรณกรรมด้านพฤติกรรมศาสตร์รองรับมาหลายทศวรรษ และวรรณกรรมนั้นแยกการเชื่อมโยงแบบ เชิงรุก — ไล่ค้นฐานข้อมูลคดีที่ยังไม่คลี่คลาย หาชุดคดีที่ยังไม่มีใครสังเกตเห็น — ออกจากแบบ เชิงรับ ที่ทดสอบว่าคดีที่ยังไม่คลี่คลายคดีใดเกาะอยู่กับคดีที่สนใจหนึ่งคดีหรือไม่ [ESTABLISHED] (งานทบทวนวรรณกรรม, ScienceDirect)
สาขานี้มีปัญหาที่ต้องยอมรับตรง ๆ ด้วย มนุษย์ตัดสินการเชื่อมโยงได้ตรงกันน้อย: การศึกษาชิ้นหนึ่งให้เจ้าหน้าที่ตำรวจแคนาดาให้รหัสสถานการณ์การเชื่อมโยง พบว่ามี ความเห็นตรงกันเพียง 38% สำหรับคดีฆาตกรรม และ 25% สำหรับคดีล่วงละเมิดทางเพศ [ESTABLISHED] (งานทบทวนเดียวกัน)
ตัวเลขนั้นคือข้อโต้แย้งที่หนักแน่นที่สุดสำหรับระบบอัตโนมัติในหนังสือเล่มนี้ ไม่ใช่เพราะเครื่องจักรฉลาด — เพราะเส้นฐานมนุษย์ที่กำลังจะถูกแทนที่นั้นแทบไม่ดีไปกว่าสัญญาณรบกวน
สถานะของเทคโนโลยีอัตโนมัติในวันนี้ รายงานตามตรง:
- วิธีมาตรฐานคือ การถดถอยโลจิสติก บนคุณลักษณะรูปแบบการก่อเหตุ งานวิจัยปี 2025 ชิ้นหนึ่งทดสอบทางเลือกทั้งการถดถอย การสุ่มตัวอย่าง และแมชชีนเลิร์นนิง โดยเทียบกับข้อกำหนดด้านความสามารถในการอธิบายและความโปร่งใสของ UK Policing AI Covenant อย่างชัดเจน แสดงให้เห็นโมเดลที่อธิบายได้ดีกว่าบน ชุดข้อมูลคดีฉ้อโกงโรแมนซ์ที่มีเหยื่อ 361 ราย ซึ่งสถานะการเชื่อมโยงที่แท้จริงไม่เป็นที่ทราบ
[ESTABLISHED]ว่างานวิจัยนี้มีอยู่จริง แต่เป็นพรีปรินต์บน arXiv และผมไม่ได้ยืนยันว่าผ่านการทบทวนโดยผู้ทรงคุณวุฒิ
- งานอีกชิ้นหนึ่งเสนอ Siamese autoencoder สำหรับข้อมูลอาชญากรรมที่มีมิติสูงและกระจัดกระจาย ทดสอบกับระบบเชื่อมโยงคดีอาชญากรรมรุนแรง ViCLAS ของ National Crime Agency เป็นบทความเชิงวิธีการ ไม่ใช่เครื่องมือที่ถูกนำไปใช้งานจริงและประเมินผลแล้ว
[ESTABLISHED]ในฐานะงานวิจัย
- ไม่มีการประเมินผลภาคสนามที่ตีพิมพ์เผยแพร่ซึ่งแสดงว่าการเชื่อมโยงคดีอัตโนมัติช่วยเพิ่มอัตราปิดคดี อัตราการตัดสินลงโทษ หรือผลลัพธ์การเรียกคืนทรัพย์สินในคดีฉ้อโกง
[ABSENT]
ดูบรรทัดสุดท้ายให้ดี เพราะมันใช้กับข้อเสนอใด ๆ ที่คุณจะเสนอ คณิตศาสตร์แน่นหนา เส้นฐานมนุษย์อ่อนแอ งานวิจัยกำลังเดินอยู่ — และยังไม่มีใครแสดงผลลัพธ์ให้เห็น
การเชื่อมโยงอีกแบบหนึ่ง ที่กำลังทำงานอยู่แล้ว
มีระบบหนึ่งในประเทศไทยที่เชื่อมโยงในระดับประเทศอยู่แล้วในวันนี้ และมันเป็นระบบด้านการเงิน ไม่ใช่ด้านการสืบสวน
Central Fraud Registry คือฐานข้อมูลร่วมระหว่างธนาคาร: บุคคลที่ถูกปักธงที่สถาบันหนึ่งถูกระงับบัญชีในทุกสถาบัน และถูกกันไม่ให้เปิดบัญชีใหม่ มันสร้างขึ้นจากความร่วมมือระหว่างกระทรวง ธนาคารกลาง สำนักงานป้องกันและปราบปรามการฟอกเงิน และสมาคมธนาคาร [ESTABLISHED] (Nation Thailand)
นั่นคือการชี้ตัวตนซ้ำที่ใช้งานจริงแล้ว บนเงิน ไม่ใช่บนเรื่องเล่า ช่องว่างที่มันทิ้งไว้ชัดเจนและควรเอ่ยชื่อ เพราะงานที่เหลืออยู่ตรงนั้น: ทะเบียนนี้เชื่อมโยง บัญชี ยังไม่มีอะไรเชื่อมโยง เรื่องเล่า — ข้อความอิสระที่บอกว่าเหยื่อถูกบอกอะไร ใครติดต่อมา สคริปต์เป็นอย่างไร เรื่องเล่าเหล่านั้นคือบันทึกเดียวของปฏิบัติการมนุษย์ที่อยู่หลังบัญชีเหล่านั้น และมันนอนอยู่ในรูปร้อยแก้ว ไม่มีโครงสร้าง ไม่เคยถูกค้น
นั่นคือช่องเปิด ไม่ใช่สิ่งทดแทนอะไรที่มีอยู่แล้ว มันคือชั้นที่ยังไม่มีใครสร้าง บนชั้นที่ทำงานได้อยู่แล้ว
ท่าประจำบท — เขียนระดับของข้อเสนอกำกับไว้บนทุกการเชื่อมโยง เมื่อใดที่ระบบหรือบุคคลกล่าวอ้างว่าสองคดีเชื่อมโยงกัน ให้บันทึกว่าหลักฐานหนุนแถวใดของลำดับชั้น: สตริงร่วมกัน บัญชีร่วมกัน ผู้ควบคุมร่วมกัน หรือเครือข่ายร่วมกัน หนึ่งบรรทัด ในไฟล์ มันไม่มีต้นทุน และมันกันความผิดพลาดที่ส่งผลร้ายแรงที่สุดเพียงหนึ่งเดียวในงานเชื่อมโยงคดี — นำข้อค้นพบระดับต่ำกว่าแหล่งที่มาไปสวมเป็นข้อกล่าวอ้างระดับความผิด นั่นคือวิธีที่บัญชีม้าที่ถูกขายต่อกลายเป็นข้อกล่าวหาว่าดำเนินการเป็นองค์กรอาชญากรรม
อะไรจะทำให้ผมเปลี่ยนใจ: การประเมินภาคสนามที่แสดงว่าการเชื่อมโยงอัตโนมัติทำให้ผลลัพธ์ของคดีดีขึ้น จะเลื่อนบทนี้จากคณิตศาสตร์ไปสู่หลักฐาน ในทางกลับกัน การศึกษาที่แสดงว่าความเห็นตรงกันของการเชื่อมโยงด้วยเครื่องจักรไม่ดีไปกว่าเส้นฐานมนุษย์ที่ 38%/25% จะทำลายบทนี้ลง ยังไม่มีทั้งสองอย่าง บทนี้ในตอนนี้ตั้งอยู่บนรูปนัยที่แน่นหนาและกลุ่มเปรียบเทียบที่อ่อนแอ และผมขอพูดแบบนี้ตรง ๆ ดีกว่าบอกเป็นนัยว่ามีมากกว่านั้น
บทถัดไป · 7 / 19บทที่ 6 — ที่ซึ่งเครื่องจักรเคยผิดพลาด