【开源技巧】AIS定位异常船舶挖掘实用指南

admin 2026-11-16 20:48:34 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

【开源技巧】AIS 定位异常船舶挖掘实用指南

原创

丁爸
丁爸

丁爸 情报分析师的工具箱

2026年11月13日 16:29
四川

去阅读

AIS 定位异常船舶挖掘实用指南

适用对象:海事态势感知分析员、合规与制裁筛查团队、海警/海关情报岗、航运风险尽调人员,以及搭建\"暗船\"检测流水线的数据工程师。

开源情报研究中心

2026年11月13日不开船舶定位,或者盗用其他船舶的注册名称该怎么挖?一句话结论:绝大多数\"异常\"是数据和覆盖造成的,不是船在作弊。指南的全部技巧,都是为了让\"漏掉的船\"和\"无辜的船\"同时变少。

0. 一页速览:30 分钟上手流程

步骤 做什么 产出 典型耗时
① 建底座 把 AIS 拆成\"船舶静态表 / 动态报文表 / 航次表 / 事件表\",跑一遍字段质检 可信 MMSI 清单 + 脏数据黑名单 半天(一次性)
② 硬规则筛 速度不可能、位置跳变、越陆、长度与船型矛盾 L1 候选池(通常占全量 0.1%–2%) 分钟级
③ 行为画像 静默缺口(gap)、绕行、长时间漂航、近距离并靠 L2 候选池 小时级
④ 遥感复核 用 SAR/光学影像判断\"当时那里到底有没有船\" 可见 / 不可见 / 无法判定 受卫星重访限制
⑤ 身份归因 IMO 主键 → 注册、检验、所有权、制裁 证据卷宗 每船 10–30 分钟
⑥ 网络扩展 同港同窗、STS、共有公司、共有管理公司 关联船组 批量
⑦ 分级交付 按证据强度分 A/B/C 三档,附可复核的证据链 可行动清单 每轮 1 小时

记住一条铁律:\"某一次 SAR 过境没看到 AIS\"不构成故意规避的证据——可能是卫星没拍到、设备坏了、或船本来就小于 AIS 强制配备门槛。系统的定位是\"生成待人工裁定的候选\",不是\"下判决\"。

1. 先搞清楚:你要找的是哪一类异常

\"定位信息异常\"在实务中是四种完全不同的东西,混在一起分析必然误报泛滥:

类型 现象 常见成因 挖掘难点
A. 静默/断点(gap) 报文中断数十分钟到数天,之后在原处或远处\"重新出现\" 关闭设备、遮挡、岸基/卫星覆盖空洞、设备故障 无法自证恶意;必须先排除覆盖问题
B. 位置伪造/跳变 位置瞬移、速度矢量不可能、多船同步偏移 篡改 AIS 报文、GPS 干扰/欺骗、身份冒用 区域性 GPS 干扰会让\"整片海\"一起异常
C. 身份伪装(identity laundering) 声称是渔船/游艇/Class B,但实际是大型货船 冒用他人 MMSI、错填船型、关闭 A 类改开 B 类 需要外部物理证据(长度、吃水、影像)
D. 行为异常 绕行、禁区闯入、长时漂航、异常并靠 规避检查、走私转运、电缆/管道抵近、捕捞 阈值强依赖海域与时季

学术界常用的五种行为异常分类(Lane 等提出,被 J. Mar. Sci. Eng. 2022 综述沿用,该综述覆盖 44 篇 AIS 异常检测论文)可以直接作为你的\"分析菜单\":

1.偏离常规航线(route deviation)

2.异常 AIS 活动(信号丢失 / 丢失后异常续接)

3.异常到港(unexpected port arrival,去了不该去的港)

4.近距离接近(close approach,长时间并靠)

5.进入禁区(zone entry,海洋保护区、专属经济区、制裁水域)

落到数据上,这五类都要转成可计算的代理指标,第 5 节给对照表。

一条重要的分流原则:单船异常 vs 区域同步异常

特征 更可能是 处置
只有个别船静默/跳变,同海域其他船正常 个体行为或个体设备问题 逐船画像 + 遥感复核
同一时段、同一片海域,几十上百条船同时出现物理上不可能的位移 区域性 GPS 干扰/欺骗 判定为\"环境受影响区\",不要把这些船当嫌疑人;标注为数据可信度屏蔽区

佐治亚理工学院对 2024 年 11 月—2025 年 2 月全球 36.7 万艘船的 AIS 测量发现:31 个持续性异常热点中至少 22 个有强 GPS 欺骗证据,且红海(MSC Antonia 搁浅事件前数月)与霍尔木兹海峡(2026 年伊朗战争前一年多)的欺骗活动长期存在。结论:区域欺骗是常态,逐船定罪必须扣除这一层。

2. 数据底座:把报文变成能查的四张表

2.1 表结构

表 关键字段 用途
船舶静态表 MMSI、IMO、呼号、船名、船旗、船型、总长/船宽、吃水 身份核对、物理一致性校验
动态报文表 MMSI、时间戳(UTC)、经纬度、SOG、COG、艏向、旋回率、航行状态 一切轨迹分析
航次表 目的地、ETA、吃水、危险品标志 意图与实际对照(异常到港/异常目的地)
事件表 进出港、锚泊、STS、禁区闯入、gap 供人工复核的结构化线索

分区的关键建议:动态表按MMSI + 时间 建索引,并按月/海域分区;单月全球量级在十亿条报文上下(本地论文使用的商用聚合器 12 天语料即含 1.34 亿个位置快照、192 万 MMSI),单机 PostgreSQL/PostGIS + TimescaleDB 足够,不必上大数据栈。

2.2 质检:先杀掉会毁掉全部结论的脏数据

校验项 判定方式 不通过意味着
MMSI 结构 9 位;前 3 位为 MID 国家码;无 MID 的号段(如 111/970/974)需单独规则 伪造号或测试设备
MMSI 校验 同一 MMSI 出现多个 IMO/船名/呼号/尺寸 身份冒用、或静态信息被改写
IMO 校验位 7 位,前 6 位加权求和取模 10 得第 7 位 假 IMO(本地论文样本中 IMO 校验位 100% 通过,说明校验位是廉价而有效的过滤)
坐标合法性 lat∈[-90,90]、lon∈[-180,180];不等于 0/91/181;不在陆地上(用海陆栅格判定) 解析错误、设备故障、故意投毒
速度合法性 SOG ≤ 30 kn(本地论文取 v\_max=30 kn 作为水面船上限),且 > 102.3 kn 为保留值 传感器故障或伪造
时间一致性 报文时间单调、时区统一为 UTC、无跨年错误 聚合器处理错误(这类错误会伪造出\"瞬移\")
船型—尺寸一致性 声明\"游艇/渔船/Class B\"但总长 > 50 m 身份伪装(本地论文据此定义 identity laundering 规则)
覆盖可信度 与岸站/卫星覆盖栅格叠置,标注\"低覆盖区\" 决定后续 gap 能否作为证据

实操建议:把\"低覆盖区\"图层做出来。同一片海,如果历史 AIS 密度本身很稀,那里的 gap 几乎没有任何证据价值——这是把误报砍掉一半的最省力手段。

3. L1 硬规则层:用物理与格式把人筛到几十条

硬规则的价值不在\"聪明\",而在可解释、可复现、可写进报告。建议全部实现为对单条报文或相邻报文的确定性判定。

# 规则 判定式(示例阈值) 主要误报来源 处置
R1 速度不可能 相邻两点位移 / 时间差 > 30 kn(或 > 45 kn 作为极端) 时间戳错乱、聚合器补点 先修时间戳,再判
R2 位置瞬移 位移 > 100 km 且 Δt < 10 min 经纬度解析错误、MMSI 复用 标记为\"疑似报文污染\"
R3 越陆移动 相邻两点连线穿越海陆栅格的陆地 海岸线精度、内河/运河 用高精度海陆掩膜,排除运河
R4 航迹—航向矛盾 COG 与两点实际方位差 > 90° 且持续 > 3 个报文 强流、锚泊回转 结合 SOG 判定
R5 SOG 与位移不符 SOG > 8 kn 但实际位移对应 < 1 kn,或反之 停泊时 GPS 抖动 用 10 分钟滑窗
R6 报文间隔异常 单船报文中位间隔的 10 倍以上、且不在低覆盖区 卫星过境间隙 进入 L2 的 gap 分析
R7 静态信息改写 同一 MMSI 的船名/呼号/尺寸在 30 天内变更 合法改名/换旗 与登记变更记录对照
R8 身份伪装 船型∈ {游艇, 渔船, Class B} 且总长 > 50 m 船型字段错填 用影像/登记长度交叉验证
R9 禁区滞留 在禁区内连续 > 2 h 且 SOG < 3 kn 边界精度、合法通行 叠加许可清单
R10 异常到港 目的地字段与实际靠港不一致(连续 2 次以上) 船员不改 ETA/目的地 仅作为弱证据

阈值起点建议:R1、R2 用\"物理上限\"(30 kn、100 km/10 min)而不是\"统计学分位\",因为这层的目标是零漏网的粗筛;真正的排序交给 L3/L4。本地论文的配对实验也印证了\"门限不能一味放大\"——见第 5 节。

4. L2 行为层:把\"异常\"变成可比较的特征

4.1 静默缺口(gap)的特征化——本指南的核心

不要只记录\"中断了 6 小时\",要把它拆成一组可比特征,否则无法区分\"设备坏了\"和\"关掉了\":

特征 计算方式 为什么有用
gap 时长 t\_end − t\_start 与卫星重访周期、覆盖栅格对照才有意义
gap 前 30 min 平均 SOG/COG 滑窗统计 突然减速后关机 vs 高速中关机,含义不同
gap 两端位移与方位 大圆距离 / 方位角 与\"按最后 SOG 直线推算\"的位置比对,偏差即证据
gap 期间是否被 SAR/光学观测到 与影像检测结果求交 这是唯一能把\"没报告\"升级为\"在但不报告\"的证据
gap 起点距最近港口/锚地距离 空间查询 一出港就关,和在大洋中间关,性质不同
同海域并发 gap 比例 时空邻域统计 高并发⇒ 区域干扰/覆盖问题,不是个体行为
gap 后首次出现位置合理性 与可达半径比对 超出 v\_max·Δt 的\"跳跃\"是伪造的强信号

本地论文给了一个极其实用的数量级:一艘 30 kn 的船,每静默 1 小时可以合法移动约 55.6 km;因此任何\"用固定 5 km 距离门去匹配 SAR 与 AIS\"的做法,都会把正常的快速船误判成\"位置伪造\"。这正是论文里 legacy 静态门限产生 105,549 条\"疑似欺骗\"告警、把分析员彻底淹掉的原因。

4.2 停留、并靠与转运(STS)

可复现的判据(本地论文部署规则,可直接借鉴):

·STS 转运候选:两船 SOG < 3 kn(缺失按 0 处理),同一 5 分钟时间桶内位置相距 < 1 km,且共享时间桶的首末间隔 ≥ 0.5 h(不必连续);排除平均位置距港口 < 2 n mile 的配对;且至少一方为货船/油轮,或双方船型未知。

·到港:至少 3 个 SOG < 1 kn 的位置落在某港口(有 UN/LOCODE)2 n mile(3704 m)内。

这两条规则的价值在于把\"漂航\"从噪声里分离出来:港口内的低速是常态,必须显式排除,否则告警里 90% 是锚地。

4.3 绕行与规避

·建立\"常规航路栅格\"(把历史轨迹栅格化后取高频格),统计单船轨迹落在常规栅格内的比例;比例骤降且伴随航程变长 ⇒ 绕行。

·叠加敏感图层:海洋保护区、电缆/管道走廊、专属经济区边界、制裁相关水域。绕行 + 禁区边缘擦边 + 目的地含糊三者同时出现,才是高价值线索。

4.4 预测误差法(无需标签的通用手段)

Electronics 2025 的做法值得直接照搬:用 LSTM 学习单船历史航迹,预测下一时刻的位置、COG、SOG,把\"预测—实测\"偏差与由航海惯例、AIS 精度、经验灵敏度共同标定的阈值比较,超阈即异常。优点是不需要人工标注,且能捕捉\"莫名其妙改向/减速\"这类软异常;缺点是阈值对海域敏感,必须逐海域标定(该文在北海南部—波罗的海验证)。

工程上更稳的组合是:

6.逐船基线(同一 MMSI 自身历史分位,如 P99)+ 同类型船基线(同船型/同尺度/同海域);

7.双基线都超阈才报警,可显著降低\"特殊作业船\"带来的长期误报;

8.把预测误差、gap 特征、STS 命中、禁区命中合成一个 0–100 的可解释分数,而不是训练一个黑箱分类器。

5. L3 遥感复核:把\"没报告\"变成\"在但不报告\"

AIS 只能看见愿意被看见的船。要突破这个结构性盲区,必须引入非合作传感(SAR 全天时全天候、光学受云影响)。这一层的工程细节决定了整个流水线是否可用。

5.1 关联的核心:动态运动学门(DKG)

把每个 AIS 船位按 SOG/COG 外推到卫星过境时刻,再与影像检测到的目标做二分图匹配。接受半径按下式放大(本地论文式 3):

g\_j = min( g\_max , max( g\_0 , 2·CEP\_j , κ·√(1 + v\_j/v\_ref) ) + v\_max·Δt\_j )

参数 含义 部署取值 实务解读
g\_0 门限下限 200 m 约等于 Sentinel-1 的 20 像素,吸收几何定位与拼接误差
κ 速度不确定系数 50 m/kn 吸收速度相关的抖动
v\_max 水面船速度上限 30 kn(15.43 m/s) 静默 1 h ⇒ 半径 +55.6 km
g\_max 门限硬上限 50 km 超过约 0.9 h 静默后半径即封顶
τ\_sparse 时间稀疏阈值 3 h 超过则降级为\"低置信度\",不再计入欺骗告警

把静默时长与半径的关系记住一句话就够:门限随静默时间线性膨胀,封顶后不再膨胀;超过 3 小时的静默交给\"降级规则\"处理,而不是继续放大半径。

5.2 五种结果标签(也是你的告警分类)

标签 定义 处置
确认 Confirmed 影像目标与 AIS 轨迹在门限内匹配 常规跟踪,不报警
暗船 Dark 影像目标在门限内找不到任何 AIS 高优先级,进入归因
疑似欺骗 Spoof candidate AIS 广播在门限内找不到影像目标,且未触发降级 中优先级,需二次影像
身份伪装 Identity laundering AIS 声明小艇但影像包围盒 > 50 m 高优先级,物理证据最硬
低置信时间稀疏 静默 > 3 h,且存在影像目标落在 v\_max·Δt 可达半径内 不进入操作员队列,仅存档

5.3 门限取舍:这是最容易做错的地方

本地论文在 200 个受控合成场景上给出的对照,几乎是一份\"反面教材清单\":

关联策略 真匹配召回 欺骗告警 错误确认
固定 1 km 0.204 4234 17
固定 5 km 0.705 2878 184
固定 10 km 0.909 2187 391
固定 50 km 0.879 1757 891
传统封顶静态门(≤5 km) 0.650 3107 85
DKG(部署版,含降级) 0.878 764 893
DKG(10 km 上限) 0.909 829 388

三条可直接落地的结论:

9.告警下降 4.1 倍(3107→764)来自\"降级规则\",不是来自放大半径——放大半径只会制造错误确认。

10.错误确认是致命伤:固定 50 km 门限下,605 个合成暗船目标里有 604 个被\"确认\"到了某条无关 AIS 轨迹上,等于把暗船从分析员视野里彻底抹掉。你的门限越宽,漏掉的暗船越多。

11.上限应显著小于 50 km:10–25 km 在实验中同时取得更高召回与更少错误确认。建议按海域调:开阔洋面 20–30 km,港口/海峡密集区 5–10 km。

5.4 检测器本身的可靠性(必须写进结论的免责条款)

本地论文的跨数据集测试给出了硬约束:在 SSDD 上 [email protected] 高达 0.938–0.941 的检测器,不做域内微调时,在 LS-SSDD 与 HRSID 的近岸子集上 [email protected] 只有 0.052–0.185,85%–89% 的小目标被漏检;离岸(较大目标)能迁移到 0.86–0.87,但在 Sentinel-1 宽幅影像上仍只有 0.39–0.48。

实务含义:

·近岸/港口的暗船检测最不可信,而这恰好是走私与规避最集中的地方;

·论文运营语料中 1606 个暗船检测里,114 个位于港口 5 n mile 内——这批必须单独标注\"高误报风险\";

·任何\"暗船数量\"结论都必须附上\"检测器在近岸的漏检率\"与\"影像分辨率下限\"。

5.5 匹配算法选择

·密集场景(港内、锚地):用匈牙利/最优分配(论文实测 0.853 vs 贪心 0.793);

·稀疏混合场景:贪心最近邻不劣,甚至略优(0.903 vs 0.878),因为\"最大化配对数\"的分配目标会把暗船强行配对;

·落地方案:先按海域密度切换策略;或改造代价函数,让\"多配一对\"不再获得奖励。

6. L4 归因:从一条可疑轨迹到一个能写进报告的身份

6.1 IMO 是唯一可靠的主键

·IMO 号有校验位,造假成本高于 MMSI;本地论文对 2000 艘抽样船验证:IMO 校验位 100% 通过,且 97.7% 的 IMO 唯一映射到一个 MMSI。

·流程:MMSI → 静态信息里的 IMO → 注册/检验/所有权文档 → 制裁名单。

·一致性而非准确性:论文测得注册文档与 AIS 申报的名称一致率 90.1%,船旗一致率 71.8%(在可比对的 83.2% 船舶中)。不一致是复查线索,不是欺诈证据(改名、换旗都会造成不一致)。

6.2 所有权链是最薄的一环

同一样本中:99.1% 的船有所有权记录,但只有 37.1% 有公司字段、11.4% 有受益所有人字段。这意味着:

·不要指望自动化\"查出实际控制人\",要把人力放在这 11.4% 上;

·公司名做模糊合并(如 token-sort 相似度 ≥ 92)会错误合并名称相近的不同公司,合并结果必须人工确认后才能进图谱;

·注册信息天然滞后(换旗/过户数周才更新),时间戳必须一起存。

6.3 制裁筛查:名称匹配远远不够

论文用公开 OFAC SDN 名单(19,391 条、1,540 艘船、其中 1,525 艘带 IMO)做了离线对照:按\"名称+船旗\"匹配只能召回 51.4%,仅按名称匹配 67.0%——只有按 IMO 匹配才能接近全覆盖。因此:

12.首选 IMO 精确匹配;

13.名称匹配作为补充,必须人工复核;

14.记录名单版本日期(论文里名单比数据新约半年,会造成\"当时不在名单\"的误判)。

6.4 网络视角:把单船放进关系图

本地论文的五类边定义可直接复用:

边类型 判定
船—船(STS) 见 4.2 节(<3 kn、<1 km、5 分钟桶、≥0.5 h、排除港内 2 n mile)
船—港 ≥3 个 SOG < 1 kn 的位置落在港口 2 n mile 内
船—公司 / 公司—公司 来自所有权与公司文档,公司名规范化后按相似度合并
船—船旗 来自静态表的国家字段(注意:若导出数据缺该字段,这类边会全空)
暗船邻近 两次 SAR 关联置信度 ≥ 0.6 的船,末位位置相距约 50 n mile 且时间差 < 24 h

图上用 Louvain 做社区划分,用介数中心性找\"桥船\"(连接两个本不相连的社区)。但必须诚实:论文在一个月、27,991 个节点的波斯湾真实图上没有发现明显的桥船,图结构被港口枢纽主导。所以:

网络分析的正确用法是\"给已由融合/卷宗标记出的船提供上下文\",不是独立的风险排序来源。

7. 打分、分级与队列治理

7.1 证据强度分级(比分数更重要)

档位 证据组合 处置 建议占比
A 级 影像确认\"在但不报告\" + 物理尺寸与声明矛盾(或 IMO 与登记矛盾) 24 h 内人工复核,进入执法/合规流程 ≤ 5%
B 级 影像不可见 + gap 特征异常 + 目的地/航线异常 72 h 内复核,等待下一次过境影像 15%–25%
C 级 仅 AIS 侧行为异常,无外部证据 批量统计、趋势监控,不单独立案 其余

7.2 可解释打分示例(权重可调)

因子 分值 说明
gap 期间被影像观测到 +40 最强单一证据
物理尺寸与申报船型矛盾 +35 确定性规则,误报极低
gap 后位置超出 v\_max·Δt 可达范围 +25 需要可靠的时间戳
同海域并发异常比例 < 10%(排除区域干扰) +15 反向条件,用于排除
目的地与实际靠港不一致≥2 次 +10 弱证据
命中 STS 规则且不在港区 +10 需人工确认
位于低覆盖区 / 港口 5 n mile 内 / 检测器近岸退化区 −30 误报抑制项

7.3 队列治理的三条硬规则

15.同一事件去重:同一 gap 只产生一条告警,后续报文刷新它而不是新建。

16.降级优先于删除:静默 > 3 h 的条目转入\"低置信\"存档(论文做法),保留可追溯性,同时不占用分析员注意力。

17.每条告警必须带\"为什么\":规则名、命中字段、阈值、证据文档的报告类型。本地论文把这一点写成原则——告警是\"规则可解释的假设\",不是黑箱分数。

8. 七日落地 SOP

天 任务 交付物 验收标准
D1 接入 AIS(≥30 天历史)+ 海陆栅格 + 港口表;跑质检 质检报告、低覆盖区图层、干净 MMSI 清单 脏数据比例 < 3%
D2 实现 R1–R10 硬规则;对全量跑一遍 L1 候选池(含规则命中明细) 抽样 100 条人工核对,误报可解释
D3 计算 gap 特征表、STS、到港、绕行指标 单船特征宽表 特征覆盖率 > 90%
D4 接入 SAR/光学检测结果,实现 DKG 匹配 五类标签结果表 门限按海域分档;记录错误确认抽样
D5 对 A/B 级候选做 OSINT:IMO→注册/所有权/制裁 证据卷宗 每份卷宗含 3 类以上文档
D6 构建 SNA 子图(2 跳内),算社区与介数 关联船组清单 明确标注\"仅作上下文\"
D7 分级交付、复盘误报、标定阈值 周报 + 阈值调整记录 误报率与漏报抽检均留档

第一个月不要追求\"自动发现犯罪\",先追求\"每条告警都能在 10 分钟内被人工证实或证伪\"。可解释性先行,模型后置。

9. 代码骨架(pandas / PostGIS 思路)

import numpy as np, pandas as pd

R\_E = 6371.0          # km
V\_MAX\_KN = 30.0       # 水面船上限
GATE\_FLOOR\_M = 200.0
KAPPA\_M\_PER\_KN = 50.0
GATE\_CEIL\_M = 25\_000.0    # 建议 10–30 km,不用 50 km
SPARSE\_H = 3.0            # 时间稀疏阈值

def haversine\_km(lat1, lon1, lat2, lon2):
    p = np.radians
    dlat, dlon = p(lat2 - lat1), p(lon2 - lon1)
    a = np.sin(dlat/2)\\2 + np.cos(p(lat1))\np.cos(p(lat2))\np.sin(dlon/2)\\2
    return 2 \ R\_E \ np.arcsin(np.sqrt(a))

def check\_kinematics(df, v\_max=V\_MAX\_KN):
    \"\"\"R1/R2:速度与瞬移。df 需按 mmsi, ts 排序。\"\"\"
    df = df.sort\_values([\"mmsi\", \"ts\"])
    g = df.groupby(\"mmsi\")
    df[\"dt\_h\"] = g[\"ts\"].diff().dt.total\_seconds() / 3600
    df[\"dist\_km\"] = haversine\_km(g[\"lat\"].shift(), g[\"lon\"].shift(), df[\"lat\"], df[\"lon\"])
    with np.errstate(divide=\"ignore\", invalid=\"ignore\"):
        df[\"implied\_kn\"] = df[\"dist\_km\"] / 1.852 / df[\"dt\_h\"]
    df[\"flag\_speed\"] = (df[\"implied\_kn\"] > v\_max \* 1.5) & (df[\"implied\_kn\"].notna())
    df[\"flag\_jump\"]  = (df[\"dist\_km\"] > 100) & (df[\"dt\_h\"] < 1/6)
    return df

def gate\_radius\_m(sog\_kn, cep\_m, dt\_h, v\_max=V\_MAX\_KN,
                  g0=GATE\_FLOOR\_M, kappa=KAPPA\_M\_PER\_KN, gmax=GATE\_CEIL\_M):
    \"\"\"DKG:随静默时长膨胀,封顶。dt\_h 为 SAR 时刻与末次 AIS 的时间差(小时)。\"\"\"
    base = max(g0, 2 \ cep\_m, kappa \ np.sqrt(1 + sog\_kn))
    return min(gmax, base + v\_max \ 0.514444 \ dt\_h \* 3600)

def classify(d, gate\_m, dt\_h, sar\_len\_m=None, ais\_type=None):
    \"\"\"五类标签;d 为推算位置与影像目标的距离(米)。\"\"\"
    if d <= gate\_m:
        if ais\_type in (\"Pleasure\", \"Fishing\", \"ClassB\") and (sar\_len\_m or 0) > 50:
            return \"identity\_laundering\"
        return \"confirmed\"
    if dt\_h > SPARSE\_H:
        return \"low\_confidence\_temporal\_sparsity\"
    return \"spoof\_candidate\"   # AIS 无影像对应

def sts\candidates(pts, dist\_km=1.0, sog\_max=3.0, bucket\_min=5, min\_span\_h=0.5,
                   port\_exclusion\_km=3.7):
    \"\"\"简化的并靠检测:同 5 分钟桶内、低速度、近距、持续 ≥30 分钟。\"\"\"
    pts = pts[pts.sog.fillna(0) < sog\_max].copy()
    pts[\"bucket\"] = pts.ts.dt.floor(f\"{bucket\_min}min\")
    hits = []
    for (b, mmsi), grp in pts.groupby([\"bucket\", \"mmsi\"]):
        near = pts[(pts.bucket == b) & (pts.mmsi != mmsi)]
        for \
, a in grp.iterrows():
            for \_, o in near.iterrows():
                if haversine\_km(a.lat, a.lon, o.lat, o.lon) <= dist\_km:
                    hits.append((a.mmsi, o.mmsi, b))
    pairs = pd.DataFrame(hits, columns=[\"a\", \"b\", \"bucket\"]).drop\_duplicates()
    span = pairs.groupby([\"a\", \"b\"]).bucket.agg([\"min\", \"max\", \"count\"])
    span[\"span\_h\"] = (span[\"max\"] - span[\"min\"]).dt.total\_seconds() / 3600
    return span[(span.span\_h >= min\_span\_h) & (span[\"count\"] >= 2)]

要点:所有阈值都放进配置而不是散落在代码里,并按海域/季节分别标定;每次调参都要留版本号,因为\"漏报\"往往在几个月后才被发现。

10. 常见陷阱与合规红线

陷阱 后果 对策
把\"gap\"直接当\"关闭 AIS\" 80% 以上是覆盖/设备/卫星间隙 先叠覆盖栅格,只在覆盖良好的海域计证据
用固定距离门做 SAR–AIS 匹配 快速船全部误判为欺骗;宽门限把暗船\"确认\"掉 用速度与静默时长自适应的门限,且上限≤ 25 km
忽略区域性 GPS 欺骗 整片海域的船被集体打成嫌疑人 先算\"同海域并发异常率\",高则整片屏蔽
只做 AIS 侧分析 结构性盲区:不广播的船永远看不见 必须上非合作传感(SAR/光学)
用名称匹配做制裁筛查 召回仅 51%–67% 以 IMO 为主键,名称仅作补充
认为\"所有权可自动查清\" 仅 11.4% 有受益所有人字段 人力聚焦高价值样本,模糊合并须人工确认
把图分析当风险排序 真实图被港口枢纽主导,可能没有\"桥船\" 图只做上下文,不做独立排序
忽略检测器域偏移 近岸 AP 可跌到 0.05–0.19,漏检 85%+ 近岸单独标定、域内微调、结论附免责
直接对外指名\"暗船\" 法律与声誉风险 输出\"待裁定候选\"+\"证据链\",人工复核后再定性

合规要点:AIS 数据的使用受数据提供方许可约束(商用数据通常禁止再分发);涉及个人/船舶指控的材料应遵循当地证据标准;保留名单与数据的版本与时间戳,确保结论可追溯、可复现。本地论文明确把系统定位为\"决策支持 + 人工复核 + 审计留痕\",而非自动执法。

11. 资料清单

本地文件

文件 说明
futureinternet-18-00559.pdf 本地论文:SAR–AIS 融合 + OSINT + SNA 的暗船筛查框架(Future Internet 2026, 18, 559)
refs/mdpi-ais-review-2022.pdf AIS 轨迹异常检测综述(J. Mar. Sci. Eng. 2022, 10, 112;覆盖 44 篇论文,给出 Lane 五类异常分类)
refs/mdpi-ship-movement-anomalies-2025.pdf 基于 LSTM 预测误差的航行异常识别(Electronics 2025, 14, 4733)
refs/arxiv-darkvessselnet-2606.00445.pdf DarkVesselNet:SAR + 光学 + AIS 轨迹推理与缺口检测(arXiv 2606.00445,预印本)
refs/arxiv-gps-spoofing-2609.37676.pdf 全球海运 GPS 欺骗的大规模测量:36.7 万艘船、31 个热点(arXiv 2609.37676)

检索得到的在线出处

·Albaqami & Haq, A Computational Framework for Dark-Vessel Screening — https://www.mdpi.com/1999-5903/18/10/559

·Rolfsen et al., Anomaly Detection in Maritime AIS Tracks: A Review of Recent Approaches — https://www.mdpi.com/2077-1312/10/1/112

·Wielgosz et al., Investigations of Anomalies in Ship Movement During a Voyage — https://www.mdpi.com/2079-9292/14/23/4733

·Sharma, DarkVesselNet — https://arxiv.org/abs/2606.00445

·Raymaker et al., She Spoofed Sea Ships by the Sea Shore — https://arxiv.org/abs/2609.37676

附:最小可用产出模板

船舶候选卡片
─────────────
MMSI / IMO / 船名 / 船旗 / 船型 / 总长(申报 · 影像)
异常类型:A 静默 / B 伪造 / C 身份伪装 / D 行为
时间线:末次正常报文→ gap 起止 → 复现位置(含推算误差半径)
影像证据:卫星/过境时刻/检测置信度/包围盒尺寸/与推算位置距离
归因证据:登记文档类型 + 一致性结论(名称/船旗/所有权)
网络上下文:同港同窗船、STS、共有公司(标注\"仅上下文\")
证据强度:A / B / C      建议动作:立即复核 / 等待下次过境 / 存档监控
复核人 / 时间 / 结论:待填

本指南中的阈值均为工程起点,须按所在海域、数据源与法规环境重新标定;所有\"异常\"在人工裁定前只是候选,不构成对任何船舶或个人的指控。

指南文档及参考资料已上传知识星球

长按识别下面的二维码可加入星球

里面已有万余篇资料可供下载

续费五折优惠

评论:0   参与:  0