AI 身份调查平台
通过照片识别人物、运行背景调查、发现匹配特定条件的人才。人脸搜索、语义搜索和深度研究于一体。
核心功能
平台数据
调查档案组成
Seme vs 传统方法
| 对比维度 | 传统方法 | Seme |
|---|---|---|
| 数据来源 | 1-3 个数据库 | 15-20 个独立来源 |
| 验证方式 | 单一来源 | 交叉验证（2+ 来源佐证） |
| 证据分级 | 无标准化 | E1-E5 五级体系 |
| 调查时间 | 数天到数周 | 10-30 分钟 |
| 输出格式 | 非结构化报告 | 结构化档案 + 信任分数 |
术语表
查看全部 →OSINT（开源情报）
OSINT（开源情报）是从公开可用来源收集和分析信息以产生可操作情报的实践。根据 NATO 指南，OSINT 来源包括社交媒体平台、公共记录数据库、新闻档案、学术出版物、政府文件和域名注册记录。在身份调查中，OSINT 综合来自 LinkedIn 档案、公司文件、学术出版物和社交媒体活动的数据，构建全面的背景档案。现代 OSINT 工作流使用 AI 跨 15-20 个独立来源交叉验证发现，实现从 E1（多个相互印证的一手来源）到 E5（单一未验证来源）的验证置信度。美国国防部将 OSINT 定义为"从公开可用来源获取并经过情报技术验证的信息"。
人脸搜索
人脸搜索是一种生物识别技术，使用 AI 驱动的深度学习将面部照片与已知人脸数据库进行匹配。现代人脸搜索系统使用卷积神经网络（CNN）如 FaceNet、ArcFace 或 DeepFace 将面部图像转换为高维嵌入向量（通常 128-512 维）。这些嵌入捕获独特的面部特征——眼睛间距、鼻子形状、下巴轮廓和皮肤纹理——即使在光线、角度、表情和老化变化下也能实现匹配。最先进的系统在 LFW（野外标记人脸）等基准数据集上达到 99.5%+ 的准确率。在身份调查中，人脸搜索弥合了拥有照片与知道此人身份之间的鸿沟。
语义搜索
语义搜索是一种搜索方法，理解查询背后的意图和上下文含义，而不仅仅是匹配关键词。与依赖精确术语匹配和 TF-IDF 评分的传统关键词搜索不同，语义搜索使用自然语言理解（NLU）模型——通常是基于 Transformer 的架构如 BERT 或 GPT——来解释查询意图并匹配语义相关的结果。在身份调查中，语义搜索解释自然语言条件，如"2018 年至 2022 年间在腾讯 AI 实验室工作的所有研究人员"，以找到符合特定描述的人员，即使数据中不存在精确的关键词匹配。
深度研究
深度研究是一种多轮 AI 调查过程，系统地探索被调查对象背景的多个角度以生成全面的身份档案。与单次查询搜索不同，深度研究遵循结构化方法论：研究规划（设计调查角度——专业、社交、传记、教育）、并行搜索执行（跨搜索引擎和数据库同时运行多个查询）、差距分析（评估覆盖范围并生成后续查询）、交叉验证（跨独立来源验证事实）和报告综合（生成结构化档案）。典型的深度研究调查涉及 3-4 轮，每轮建立在前一轮的发现之上，每个对象覆盖 15-20 个独立来源。
身份验证
身份验证是通过交叉引用多个独立数据点来确认一个人是其声称身份的过程。在数字环境中，验证结合生物识别数据（人脸识别、指纹）、文件（政府 ID、学术证书）、行为模式（写作风格、活动模式）和社交信号（专业联系、组织从属关系）来建立对身份的信心。现代身份验证系统使用分层方法：级别 1 检查基本文件有效性，级别 2 与外部数据库交叉引用，级别 3 执行生物识别匹配。置信度以百分比表示，基于佐证来源的数量和质量。
数字足迹
数字足迹是一个人在线活动留下的全面数据和信息痕迹。它包括主动足迹（社交媒体帖子、博客文章、论坛评论、档案注册）和被动足迹（Cookie、IP 日志、位置数据、设备指纹）。在身份调查中，分析一个人的数字足迹可以揭示其专业网络、兴趣、位置历史、行为模式和关联关系。典型成年人的数字足迹跨越 15-25 个不同的平台和服务，生成数百个数据点，可聚合为连贯的身份档案。数字足迹按持久性分类：临时性（故事、直播）、半永久性（社交媒体帖子）和永久性（公共记录、存档内容）。
调查档案
浏览已发布的身份调查档案和实体页面。
常见问题
什么是身份调查？▾
身份调查是通过公开来源情报（OSINT）系统地收集和验证个人信息的过程。它综合来自社交媒体、公共记录、学术数据库和新闻档案的数据，构建包含教育背景、工作经历、社交档案、关联关系和时间线的结构化档案。证据按 E1（一手权威来源）到 E5（未验证来源）分级，总体置信度通过信任分数量化。
人脸搜索如何工作？▾
人脸搜索使用深度学习卷积神经网络（CNN）将面部照片转换为 128-512 维的嵌入向量。这些向量编码独特的面部特征（眼睛间距、鼻子形状、下巴轮廓），然后与数据库中的已知人脸进行余弦相似度比对。先进系统在 LFW 基准数据集上达到 99.5%+ 的准确率，即使在光线、角度和老化变化下也能匹配。
什么是调查档案？包含哪些内容？▾
调查档案是身份调查的结构化输出，包含八个核心组件：背景和教育、工作经历、社交媒体档案（带置信度分数）、关联关系和组织从属、时间线（按时间顺序的关键事件）、关系图谱（实体连接的可视化）、证据和来源（E1-E5 分类），以及信任分数（基于来源质量的 0-100% 置信度）。
Seme 与 LinkedIn 搜索有何不同？▾
LinkedIn 搜索仅限于其平台内的档案数据，而 Seme 跨 15-20 个独立来源进行多轮调查，包括公共记录、学术数据库、新闻档案和多个社交平台。Seme 使用交叉验证确认事实（2+ 来源佐证），提供证据分级（E1-E5），计算信任分数，并生成包含时间线和关系图谱的完整档案。