Analysverktyget Sams ska hjälpa polisen att avgöra vilka personer som ligger bakom inbrottet.

I Sverige sker ungefär 22 000 bostadsinbrott varje år, De klassas som mängdbrott, det vill säga vanliga brott som inte anses så allvarliga på en samhällsnivå. Problemet med mängdbrott i allmänhet, och bostadsinbrott i synnerhet, är den låga uppklarningsfrekvensen, bara fem procent av inbrotten klaras upp.

Något som polisen länge vetat om, men haft svårt att bevisa är att majoriteten av inbrotten begås av ganska få personer. Ligor som specialiserat sig på inbrott, och har speciella metoder för att ta sig in i en bostad, står för de flesta inbrotten i bostäder.

Läs också: Saab ska leverera drönare åt polisen

Polisanmälningsrapporter består i de flesta fall av fritext där den enskilda polisen formulerar rapporten utifrån hens egna observationer och frågor till vittnen och brottsoffer. Eftersom olika poliser formulerar sig på sitt olika sätt och ställer olika frågor var det i praktiken omöjligt att på ett smart sätt jämföra rapporterna för att hitta likheter och mönster.

Martin Boldt.

– Det enda sättet att hitta mönster är att läsa igenom rapporter manuellt, och då är det ofta en ren slump om man hittar sådana mönster, eftersom en människa inte kan hålla allt det i huvudet, säger Martin Boldt, universitetslektor på Blekinge tekniska högskola som leder ett projekt som ska ge effektivare utredningsmetoder.

BTH har tillsammans med polisen tagit fram ett formulär som ska strukturera data från en brottsplats. Formuläret består av runt 130 kryssfrågor som polisen i fält ska besvara, till exempel "Var brottsoffret bortrest vid tiden för brottet?" eller "Hade gärningspersonen gått in i bostaden från en synskyddad plats?". Formuläret går mycket snabbare för en polis att fylla i än att skriva en anmälan i fritext, och gör att det går att jämföra de olika brottsplatserna med varandra genom ett analysverktyg, utvecklat av BTH.

Läs också: Småföretagen är hackarnas nya mål – så skyddar du dig bäst

Analysverktyget, kallat Sams, är byggt på så kallad supervised learning, en gren inom datamining som lär en dator vilka faktorer som ska ge ett visst utfall. Om tillräckligt många punkter stämmer överens mellan två olika inbrott markerar systemet dem som potentiellt länkade brott.

– Alla data består i princip av binära värden, i formuläret finns det kryss eller inte kryss. Vi har använt en modell där man skickat in en serie inbrott med en känd gärningsman, och datorn får hitta mönster bland de här kända fallen. Sedan testar vi så att modellen kan särskilja och hitta mönster på testdata med för systemet okända fall som den inte sett tidigare, säger Martin Boldt.

Variablerna värderas utifrån vad som polisen anser är viktigare, eller mer talande för inbrottstjuvarnas tillvägagångssätt, och ger sedan en träff om det finns brott som kan vara relaterade