李萬彪，余 志，龔峻峰，陳銳祥

(1.中山大學(xué)工學(xué)院∥智能交通研究中心,廣東 廣州 510275; 2.廣東機(jī)電職業(yè)技術(shù)學(xué)院信息工程學(xué)院,廣東 廣州 510515；3.華南理工大學(xué)土木與交通學(xué)院,廣東 廣州510641)

近年來，隨著社會(huì)經(jīng)濟(jì)的迅猛發(fā)展，各類經(jīng)濟(jì)案件和刑事案件的發(fā)案率不斷上升。據(jù)公安部門統(tǒng)計(jì)，在這些案件中，多人犯罪或團(tuán)伙犯罪的比重越來越大，而且，犯罪團(tuán)伙的隱蔽性越來越高，犯罪手段的科技含量越來越高。因此，有效地發(fā)掘并遏制打擊犯罪團(tuán)伙成為公安偵查辦案部門的重要工作。

有效發(fā)掘犯罪團(tuán)伙，歸根結(jié)底為兩個(gè)問題：一是已知嫌疑人，發(fā)掘出該特定嫌疑人的其他犯罪同伙；二是在未知嫌疑人的前提下識別不同的犯罪團(tuán)伙。隨著信息化技術(shù)的不斷發(fā)展，各個(gè)部門都積累了大量的數(shù)據(jù)資源，比如公安的戶政數(shù)據(jù)、銀行的賬戶轉(zhuǎn)賬數(shù)據(jù)、電信運(yùn)營商的通訊數(shù)據(jù)，可通過分析這些數(shù)據(jù)資源來挖掘線索從而協(xié)助偵破案件，然而，面對海量的數(shù)據(jù)，僅依靠人工分析識別犯罪團(tuán)伙幾乎是不可能的，需要有高效智能化的分析手段來識別犯罪團(tuán)伙。

“9.11”事件后，國內(nèi)外學(xué)術(shù)界對犯罪團(tuán)伙的識別作了大量的研究工作，最典型的是將社會(huì)網(wǎng)絡(luò)分析(Social Network Analysis SNA)的方法引入犯罪偵查領(lǐng)域[1]，基于社會(huì)網(wǎng)絡(luò)分析的手段，研究發(fā)掘犯罪團(tuán)伙，稱為犯罪網(wǎng)絡(luò)分析(Crime Network Analysis CNA)[2-4]。

一些學(xué)者，特別是Sparrow[5]，Coles[6]，Klerks[7]和Williams[8]，在犯罪網(wǎng)絡(luò)分析的研究中，提出了犯罪網(wǎng)絡(luò)結(jié)構(gòu)的一些特征(網(wǎng)絡(luò)大小、密度、關(guān)聯(lián)強(qiáng)度、中心性等)，以及分析這些特征的方法，為犯罪網(wǎng)絡(luò)的理論發(fā)展做出了重大貢獻(xiàn)。Krebs[4]通過搜集和整理有關(guān)“9.11”恐怖襲擊事件成員之間的社會(huì)關(guān)系，構(gòu)建恐怖襲擊網(wǎng)絡(luò)并進(jìn)行分析。XU[3]等人根據(jù)犯罪網(wǎng)絡(luò)相關(guān)分析方法，設(shè)計(jì)出一個(gè)犯罪網(wǎng)絡(luò)知識發(fā)現(xiàn)體系CrimeNet Explorer，該體系能夠建立犯罪網(wǎng)絡(luò)，并進(jìn)行犯罪網(wǎng)絡(luò)結(jié)構(gòu)分析和可視化。高建強(qiáng)等[9]提出的以“某個(gè)嫌疑人為團(tuán)伙犯罪中的一員”為前提假設(shè)進(jìn)行犯罪網(wǎng)絡(luò)的團(tuán)伙分析，是犯罪網(wǎng)絡(luò)分析中已知嫌疑人分析犯罪團(tuán)伙的重要應(yīng)用。四川大學(xué)的唐常杰及其團(tuán)隊(duì)等人基于最短路徑算法，提出了網(wǎng)絡(luò)核心挖掘算法和子網(wǎng)絡(luò)分析算法等[10-19]。馬方[20]介紹了社會(huì)網(wǎng)絡(luò)分析方法在我國犯罪團(tuán)伙挖掘中的應(yīng)用及挑戰(zhàn)。黃慧霞[10]分析我國近年來的犯罪數(shù)據(jù)，發(fā)現(xiàn)了販毒組織的小世界的組織特征。潘芳，張自力等將模糊處理技術(shù)與層次聚類算法相結(jié)合[21-22]，應(yīng)用于犯罪網(wǎng)絡(luò)分析，提出了一種新的基于模糊層次聚類算法(FHCM)的犯罪網(wǎng)絡(luò)分析方法，基于9.11犯罪數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，劃分犯罪網(wǎng)絡(luò)并找到不同網(wǎng)絡(luò)的中間人。李亮[17]從公安業(yè)務(wù)的角度出發(fā)，基于已掌握犯罪團(tuán)伙某一個(gè)或多個(gè)嫌疑人資料的情況，建立犯罪網(wǎng)絡(luò)識別系統(tǒng)，采用Radicchi快速分裂算法對社會(huì)網(wǎng)絡(luò)進(jìn)行分解，并基于SPLINE的KMM算法對子網(wǎng)絡(luò)進(jìn)行分析，突出犯罪團(tuán)伙的核心成員，協(xié)助偵查辦案部門進(jìn)行犯罪團(tuán)伙篩選并應(yīng)用于蘇州公安部門，取得了不錯(cuò)的應(yīng)用效果。

然而，上述研究大部分集中于社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的理論研究或小型的犯罪網(wǎng)絡(luò)研究，基于公開的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)(如9.11事件相關(guān)數(shù)據(jù))，但應(yīng)用到海量數(shù)據(jù)挖掘的較少。本文針對實(shí)際可能獲取的海量數(shù)據(jù)與分析需求，利用社會(huì)網(wǎng)絡(luò)分析手段進(jìn)行犯罪網(wǎng)絡(luò)分析，分析數(shù)據(jù)特點(diǎn)，建立關(guān)系數(shù)據(jù)模型，開展已知嫌疑人和未知嫌疑人的犯罪團(tuán)伙及成員挖掘，從各類數(shù)據(jù)資源中發(fā)掘犯罪團(tuán)伙信息。

1 背景及基本概念

1.1 問題背景

通常情況下，團(tuán)伙犯罪案件中的犯罪嫌疑人都有著較密切的聯(lián)系，如通過分析部分案件發(fā)現(xiàn)幾名涉案嫌疑人相互之間通信頻繁、銀行賬戶轉(zhuǎn)賬密切。

基于團(tuán)伙犯罪的一般規(guī)律，希望可以快速、準(zhǔn)確、直觀地從海量的數(shù)據(jù)資源中發(fā)掘犯罪團(tuán)伙信息。而發(fā)掘犯罪團(tuán)伙信息存在兩種情況，一種情況是已知某個(gè)嫌疑人是潛在的犯罪團(tuán)伙的一員，根據(jù)已知的團(tuán)伙成員發(fā)掘與其有關(guān)聯(lián)關(guān)系的其他團(tuán)伙成員，從而發(fā)掘整個(gè)犯罪團(tuán)伙；另一種情況是從已有的數(shù)據(jù)資源中發(fā)掘未知的犯罪網(wǎng)絡(luò)和犯罪網(wǎng)絡(luò)中的成員，從而可以實(shí)現(xiàn)犯罪預(yù)警。

1.2 基本概念

1.2.1 對象 對象是有可區(qū)別性且獨(dú)立存在的某種事物，是一具有相同屬性描述的實(shí)體集合，對象可用來指人、動(dòng)物、植物、地名、機(jī)構(gòu)名、汽車等事物。在本文中，對象指人、電話、賬戶等。

1.2.2 屬性數(shù)據(jù) 對象所具有的特征稱為屬性。如人有身份證號碼、姓名、年齡、性別等屬性；又如，電話有電話號碼、歸屬地、機(jī)主身份證號碼等屬性。

屬性數(shù)據(jù)指用來描述對象的屬性的數(shù)據(jù)，僅與對象本身的特征有關(guān)，不涉及對象與其他對象之間的聯(lián)系。屬性數(shù)據(jù)可以通過二維矩陣來描述，即以行、列的形式來描述，行代表對象，列代表每一個(gè)對象所具有的不同的屬性。屬性數(shù)據(jù)可以很清晰地描述對象自身的特征，但是無法表征對象與對象之間的關(guān)聯(lián)關(guān)系。

1.2.3 關(guān)系數(shù)據(jù) 關(guān)系數(shù)據(jù)除了具備屬性數(shù)據(jù)的基本特征外，還包括對象與對象之間的關(guān)聯(lián)關(guān)系(也稱聯(lián)系：Association)，如人與電話間存在所有者關(guān)系，兩人如若通話則存在“通話”關(guān)系；人與銀行賬戶間存在所有者關(guān)系，兩人賬戶有經(jīng)濟(jì)往來則存在“轉(zhuǎn)賬”關(guān)系。關(guān)系數(shù)據(jù)不僅表征對象本身的屬性，還能表征對象與其他對象之間的聯(lián)系。

1.2.4 關(guān)系數(shù)據(jù)模型 基于對象、屬性及對象間的關(guān)聯(lián)關(guān)系等要素，建立一個(gè)四元組網(wǎng)絡(luò)模型M=(O,K,P,A)。O表示對象的集合；K表示對象的主鍵，用以唯一識別對象；P表示對象的屬性集；A表示對象與對象之間的關(guān)聯(lián)關(guān)系。利用關(guān)系數(shù)據(jù)模型可以搜索特定對象并挖掘?qū)ο笾g的關(guān)系，也可以組合多個(gè)模型搜索，發(fā)掘關(guān)系網(wǎng)絡(luò)。

1.2.5 社會(huì)網(wǎng)絡(luò)與犯罪網(wǎng)絡(luò) 文獻(xiàn)[13]指出，社會(huì)網(wǎng)絡(luò)(Social Network)是社會(huì)行動(dòng)者及其間的關(guān)系集合。社會(huì)網(wǎng)絡(luò)是社會(huì)個(gè)體成員之間互動(dòng)形成的相對穩(wěn)定的關(guān)系體系，任何一種用于建立個(gè)體之間聯(lián)系的自然現(xiàn)象、社會(huì)活動(dòng)或技術(shù)體制都能形成一個(gè)網(wǎng)絡(luò)。社會(huì)網(wǎng)絡(luò)分析利用社會(huì)學(xué)、數(shù)學(xué)和圖論等相關(guān)方法，分析對象節(jié)點(diǎn)、對象連結(jié)之間的社會(huì)關(guān)系，對象節(jié)點(diǎn)表示網(wǎng)絡(luò)的行動(dòng)者，結(jié)點(diǎn)間的邊表示行動(dòng)者之間的關(guān)系。

社會(huì)網(wǎng)絡(luò)分析的手段應(yīng)用于犯罪偵察領(lǐng)域，稱為犯罪網(wǎng)絡(luò)分析(SNA)，相應(yīng)的社會(huì)網(wǎng)絡(luò)稱為犯罪網(wǎng)絡(luò)(Crime Net)。在犯罪網(wǎng)絡(luò)中，行動(dòng)者通過通話、轉(zhuǎn)賬等發(fā)生關(guān)聯(lián)關(guān)系，進(jìn)而形成關(guān)系網(wǎng)絡(luò)。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

本文利用關(guān)系數(shù)據(jù)，建立模型分析對象與對象間的關(guān)聯(lián)關(guān)系。要對數(shù)據(jù)進(jìn)行預(yù)處理，處理成對象與關(guān)系的格式，如“人”與“電話”間的“所有者”關(guān)系。

再者，本文研究采用的實(shí)驗(yàn)數(shù)據(jù)格式與質(zhì)量參差不齊，需要進(jìn)行必要的預(yù)處理，包括數(shù)據(jù)清洗、轉(zhuǎn)換、隱私信息加密處理。首先，由于采集來源、采集手段和錄入水平不一，導(dǎo)致部分?jǐn)?shù)據(jù)存在錯(cuò)誤的取值、空值或者重復(fù)的取值，這些數(shù)據(jù)記錄在應(yīng)用中屬于“臟”數(shù)據(jù)，需要清洗。如，身份證號碼為“12345678”類似的值，為明顯錯(cuò)誤取值，清洗時(shí)需將記錄刪除；又如，賬戶轉(zhuǎn)賬時(shí)間為空值，則可考慮平滑處理，以記錄的錄入時(shí)間來代替。其次，不同數(shù)據(jù)來源存在將同一對象定義為不同的數(shù)據(jù)類型的情況，比如有些數(shù)據(jù)源將日期定義為DATETIME類型，但另一些數(shù)據(jù)源卻定義為VARCHAR類型，表征同一對象的數(shù)據(jù)字段類型要轉(zhuǎn)換成統(tǒng)一的數(shù)據(jù)類型。此外，由于部分?jǐn)?shù)據(jù)涉及隱私信息，因此在數(shù)據(jù)分析前需要對數(shù)據(jù)進(jìn)行加密處理，對姓名、身份證號碼、手機(jī)號、賬戶號等信息要作映射處理，比如將身份證號后四位及姓名的最后一位轉(zhuǎn)換成“A”到“Z”的大寫字母。

本文實(shí)驗(yàn)采用的是通話記錄(手機(jī)號碼數(shù)據(jù)、通話數(shù)據(jù))和轉(zhuǎn)賬記錄(賬戶數(shù)據(jù)、轉(zhuǎn)賬數(shù)據(jù))，按照規(guī)則預(yù)處理后的部分?jǐn)?shù)據(jù)格式如表1-4所示。

表1 手機(jī)號碼數(shù)據(jù)格式

表2 賬戶數(shù)據(jù)格式

表3 通話數(shù)據(jù)格式

表4 轉(zhuǎn)賬數(shù)據(jù)格式

2.2 模型構(gòu)建

2.2.1 建模步驟 基于關(guān)系數(shù)據(jù)特點(diǎn)，針對不同的業(yè)務(wù)需求建立關(guān)系數(shù)據(jù)模型，運(yùn)行模型生成犯罪網(wǎng)絡(luò)，如 “通話模型”(模型中成員具備通話關(guān)系)、 “轉(zhuǎn)賬模型”(模型中的成員具備經(jīng)濟(jì)往來關(guān)系)的關(guān)系數(shù)據(jù)模型。不同模型的建模算法相同，本文以“通話”模型為例，介紹建模的基本算法。

1)選擇數(shù)據(jù)源。本模型以通話記錄(手機(jī)數(shù)據(jù)、通話數(shù)據(jù))為數(shù)據(jù)源。

2)確定模型對象。本模型包括兩個(gè)對象：人與手機(jī)。

3)確定對象主鍵字段。主鍵唯一識別對象，以身份證號作為對象“人”的主鍵，手機(jī)編號作為對象“手機(jī)”主鍵。

4)確定對象的屬性。對象“人”的屬性包括姓名、性別、身份證號等；對象“手機(jī)”的屬性包括手機(jī)號碼、機(jī)主身份證號碼等。

5)確定對象間的關(guān)系。關(guān)系的表述方式為“從對象到對象”，在某特定時(shí)段內(nèi)某手機(jī)號碼給另一手機(jī)號碼撥號則稱兩手機(jī)的機(jī)主間存在通話關(guān)系，如兩人在n個(gè)特定時(shí)段內(nèi)通話則他們存在n次通話關(guān)系。

2.2.2 模型實(shí)現(xiàn)算法 基于圖論，以無向帶權(quán)圖G=(V,E)實(shí)現(xiàn)模型M=(O,K,P,A)，將對象視為無向圖的結(jié)點(diǎn)，以對象的主鍵標(biāo)識，對象與對象之間的關(guān)系用結(jié)點(diǎn)間的邊來表示，權(quán)重為對象關(guān)聯(lián)關(guān)系的次數(shù)。

符號定義：以無向帶權(quán)圖G=(V,E)實(shí)現(xiàn)模型M=(O,K,P,A)，將對象視為無向圖的結(jié)點(diǎn)，用對象的主鍵進(jìn)行標(biāo)識，對象與對象之間的關(guān)系用結(jié)點(diǎn)間的權(quán)重用無向圖的邊來表示。DS為預(yù)處理后的通話數(shù)據(jù)集，D(d)為特定通話時(shí)段；ΘPID={x|x為數(shù)據(jù)集DS中主叫號碼的身份證號碼}；n=|ΘPID|為集合ΘPID的元素個(gè)數(shù)；ΘHID={y|y為數(shù)據(jù)集DS中被叫號碼的身份證號碼}；m=|ΘHID|為集合ΘHID的元素個(gè)數(shù)；Vi∈ΘPID(1≤i≤n)，Vj∈ΘHID(1≤j≤m)；G=(V,E)為由結(jié)點(diǎn)Vi、Vj生成的無向帶權(quán)圖；邊Eij表示對象Vi與對象Vj間是否存在關(guān)聯(lián)關(guān)系，Eij的取值公式為

(1)

基于通話數(shù)據(jù)DS(數(shù)據(jù)格式如表3所示)實(shí)現(xiàn)“通話”模型，生成犯罪網(wǎng)絡(luò)(無向帶權(quán)圖G)的算法偽碼描述如下：

sortDSbyD(d)andViasc

initial,setEij=0(1≤i≤n,1≤j≤m)

foreachD(d)

for i = 1 to n

begin

ifVi?Gthen addVitoG

foreachVj

begin

ifVj?Gthen

begin

addVjtoG

setEij=Eij+1

end

ifVj∈Gthen setEij=Eij+1

end

end

generateG

2.3 模型應(yīng)用

關(guān)系數(shù)據(jù)模型基于特定的數(shù)據(jù)源，可單獨(dú)用于已知嫌疑人和未知嫌疑人的犯罪團(tuán)伙識別，也可多個(gè)模型組合進(jìn)行犯罪網(wǎng)絡(luò)挖掘。

2.3.1 單模型網(wǎng)絡(luò)挖掘 基于單個(gè)模型，可以生成特定時(shí)間內(nèi)模型中對象與對象之間的關(guān)系。如利用“通話”模型可生成人與人的關(guān)聯(lián)關(guān)系，結(jié)點(diǎn)之間的聯(lián)系表示對象之間至少存在一次直接的關(guān)系。

2.3.2 組合模型網(wǎng)絡(luò)挖掘 實(shí)際應(yīng)用中，基于單個(gè)模型有時(shí)候不足以深度挖掘犯罪網(wǎng)絡(luò)結(jié)構(gòu)。如僅僅基于“通話”或“轉(zhuǎn)賬”模型，只能挖掘出特定時(shí)間內(nèi)的通話或經(jīng)濟(jì)關(guān)系，存在一定的偶然性，并不足以證明對象之間存在“事實(shí)上”的團(tuán)伙關(guān)系。如果某些人在特定時(shí)間內(nèi)既多次通話，又多次進(jìn)行轉(zhuǎn)賬，則其屬于同一團(tuán)伙的可能性就更高。利用本文提出的關(guān)系數(shù)據(jù)模型，可實(shí)現(xiàn)組合挖掘，不同模型只要彼此存在一個(gè)共有對象，并且對象的主鍵相同，就可以組合進(jìn)行網(wǎng)絡(luò)挖掘。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)場景

本文采用為期半年的通話與轉(zhuǎn)賬數(shù)據(jù)作為數(shù)據(jù)源，其中通話數(shù)據(jù)約5 000萬條記錄，轉(zhuǎn)賬數(shù)據(jù)約1 000萬條記錄。實(shí)驗(yàn)前已對數(shù)據(jù)進(jìn)行預(yù)處理。

本文分別利用單個(gè)模型和多個(gè)模型組合的方式，挖掘已知嫌疑人和未知嫌疑人情況下的犯罪網(wǎng)絡(luò)，實(shí)驗(yàn)?zāi)Ｐ瓦x用一定特定時(shí)段內(nèi)的“通話”和“轉(zhuǎn)賬”模型。由于通話的頻率一般都高于轉(zhuǎn)賬，本實(shí)驗(yàn)對通話次數(shù)選取較高度量值。

3.2 實(shí)驗(yàn)結(jié)果與分析

3.2.1 已知嫌疑人挖掘其他團(tuán)伙成員 已知嫌疑人“王X”，身份證號為“41012219871006XXXX”，挖掘其可能的團(tuán)伙成員。分別利用“通話”和“轉(zhuǎn)賬”模型挖掘與嫌疑人“王X”半年內(nèi)有通話或轉(zhuǎn)賬關(guān)系的可能團(tuán)伙成員，進(jìn)一步利用“通話”及“轉(zhuǎn)賬”模型組合挖掘與嫌疑人“王X”既通話又有轉(zhuǎn)賬往來的成員。實(shí)驗(yàn)結(jié)果如圖 1-7所示。

圖1 與已知嫌疑人有1次通話及轉(zhuǎn)賬關(guān)系的成員

圖2 與已知嫌疑人有5次通話關(guān)系的成員

圖 3 與已知嫌疑人有2次轉(zhuǎn)賬關(guān)系的成員

圖4 與已知嫌疑人有5次通話且2次轉(zhuǎn)賬關(guān)系的成員

圖5 與已知嫌疑人有10次通話關(guān)系的成員

圖 6 與已知嫌疑人有3次轉(zhuǎn)賬關(guān)系的成員

圖 7 與已知嫌疑人有10次通話及3次轉(zhuǎn)賬關(guān)系的成員

實(shí)驗(yàn)結(jié)果表明：① 本文提出的關(guān)系數(shù)據(jù)模型可以挖掘并直觀展示與已知嫌疑人王X存在通話轉(zhuǎn)賬關(guān)系的可能的團(tuán)伙成員。② 特定時(shí)間內(nèi)有1次通話轉(zhuǎn)賬關(guān)系的結(jié)點(diǎn)數(shù)量龐大，大多數(shù)并無必然聯(lián)系。如表5所示，與王X有通話關(guān)系的人達(dá)到465人，轉(zhuǎn)賬的人數(shù)達(dá)到121人，其中絕大多數(shù)是單次通話或轉(zhuǎn)賬，無法確定是否屬于同一團(tuán)伙。③ 特定時(shí)間內(nèi)有多次通話、轉(zhuǎn)賬、通話且轉(zhuǎn)賬關(guān)系的人，其屬于某一團(tuán)伙的可能性較高，需要重點(diǎn)關(guān)注。

表5 與嫌疑人有N次關(guān)聯(lián)關(guān)系的人數(shù)

3.2.2 未知嫌疑人挖掘所有潛在的犯罪網(wǎng)絡(luò) 未知嫌疑人時(shí)，利用單個(gè)“通話”、“轉(zhuǎn)賬”模型可生成所有具有通話、轉(zhuǎn)賬關(guān)系的犯罪網(wǎng)絡(luò)；進(jìn)一步組合模型，可生成既通話且轉(zhuǎn)賬的犯罪網(wǎng)絡(luò)。經(jīng)驗(yàn)表明，通話或轉(zhuǎn)賬1次的關(guān)系中有大量的冗余信息，無法準(zhǔn)確展示潛在的犯罪網(wǎng)絡(luò)，故本實(shí)驗(yàn)首先對數(shù)據(jù)進(jìn)行過濾，只考慮2次及以上的關(guān)聯(lián)關(guān)系，圖8-10展示了具有2次以上轉(zhuǎn)賬及5次以上通話關(guān)系的犯罪網(wǎng)絡(luò)，圖11-13展示了具有3次以上轉(zhuǎn)賬及10次以上通話關(guān)系的犯罪網(wǎng)絡(luò)(因數(shù)據(jù)量大無法展示所有的網(wǎng)絡(luò)，僅展示網(wǎng)絡(luò)的局部)。

圖8 通話5次的犯罪網(wǎng)絡(luò)(局部)

圖9 轉(zhuǎn)賬2次的犯罪網(wǎng)絡(luò)(局部)

圖10 通話5次且轉(zhuǎn)賬2次的犯罪網(wǎng)絡(luò)(局部)

圖11 具有10次通話關(guān)系的犯罪網(wǎng)絡(luò)(局部)

圖12 具有3次轉(zhuǎn)賬關(guān)系的犯罪網(wǎng)絡(luò)(局部)

圖13 通話10次且轉(zhuǎn)賬3次的犯罪網(wǎng)絡(luò)(局部)

結(jié)果分析：① 本文提出的關(guān)系數(shù)據(jù)模型在未知嫌疑人的前提下可遍歷數(shù)據(jù)源生成所有犯罪網(wǎng)絡(luò)；② 關(guān)系次數(shù)越低，網(wǎng)絡(luò)規(guī)模越大，單個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)越多，增加關(guān)系次數(shù)可以減小網(wǎng)絡(luò)規(guī)模，減少網(wǎng)絡(luò)中無關(guān)節(jié)點(diǎn)數(shù)，如表6所示；③ 具有關(guān)聯(lián)關(guān)系次數(shù)越高，成員事實(shí)上屬于同一個(gè)犯罪團(tuán)伙的可能性越高；④ 實(shí)驗(yàn)生成的網(wǎng)絡(luò)不能完全判斷成員具備犯罪嫌疑，只能作為決策支持。

表6 具有N次關(guān)聯(lián)關(guān)系的犯罪網(wǎng)絡(luò)數(shù)

4 結(jié) 論

本文提出基于關(guān)系數(shù)據(jù)模型的犯罪網(wǎng)絡(luò)挖掘方法，建立基于關(guān)系數(shù)據(jù)的分析模型，從海量數(shù)據(jù)中挖掘?qū)ο蟮年P(guān)聯(lián)關(guān)系，生成社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)圖，應(yīng)用于犯罪團(tuán)伙發(fā)掘領(lǐng)域。本文提出的模型既可在已知嫌疑人的前提下挖掘其他團(tuán)伙成員，也可在未知嫌疑人的前提下挖掘存在特定關(guān)系的犯罪網(wǎng)絡(luò)。本文提出的模型可單獨(dú)使用，也可組合分析，根據(jù)不同的業(yè)務(wù)需求靈活使用，可為各部門挖掘犯罪團(tuán)伙提供有效的技術(shù)支持。

另外，對象間存在的僅為1次的偶然的關(guān)聯(lián)關(guān)系對犯罪團(tuán)伙分析的作用并不大，本文的算法并未對這部分?jǐn)?shù)據(jù)做深入的處理。后續(xù)研究將對數(shù)據(jù)進(jìn)行深入的預(yù)處理，提高模型分析效率；同時(shí)，考慮對不同數(shù)據(jù)源(如通話記錄、轉(zhuǎn)賬記錄、定位記錄等)合并分析，構(gòu)建如“通話-轉(zhuǎn)賬-位置”的復(fù)雜模型，從數(shù)據(jù)挖掘角度就發(fā)現(xiàn)團(tuán)伙、研究團(tuán)伙內(nèi)部角色等問題進(jìn)行深入廣泛的分析。

參考文獻(xiàn)：

[1]FREEMAN L.Centrality in social network:conceptual clarification [J].Social Networks,1979,1:215-239.

[2]LIU Xiaoming,BOLLEN J,ENSON M L.Co-authorship networks in the digital library research community [J].Information Project & Management,2005，41:1462-1480.

[3]XU Jennifer,CHEN Hsinchun.CrimeNet Explorer:A framework for criminal network knowledge discovery [J].ACM Transactions on Information Systems,2005,23(2):201-226.

[4]KREBS V.Mapping networks of terrorist cells [J].Connections,2002,24(3):43-52.

[5]SPARROW M K.The application of network analysis to criminal intelligence:An assessment of the prospects [J].Social Networks,1991,13(3):251-274.

[6]COLES N.It’s not what you know- It’s who you know that counts.Analyzing serious crime groups as social networks [J].British Journal of Criminology,2001,41(4):580-594.

[7]KLERKS P.The network paradigm applied to criminal organizations [J].Connection,2001,24(3):53-65.

[8]WILLIAMS P.Transnational criminal networks[C]∥J Arquilla and D.Ronfeldt(eds),Networks and Netwars:The Future of Terror,Crime and Militancy.Santa Monica:and Corporation,2001:61-97.

[9]高建強(qiáng)，譚強(qiáng)，崔永發(fā).一種基于通訊痕跡的社會(huì)網(wǎng)絡(luò)團(tuán)伙分析模型[J].計(jì)算機(jī)應(yīng)用與軟件， 2012，29(3):206-208.

[10]黃慧霞.跨境毒品犯罪組織結(jié)構(gòu)的社會(huì)網(wǎng)絡(luò)分析[J].中國人民公安大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2010,143:29-40.

[11]張德豐，馬子龍，梁忠宏.基于數(shù)據(jù)挖掘技術(shù)的算法研究[J].中山大學(xué)學(xué)報(bào):自然科學(xué)版,2004,43(3):36-39.

[12]喬少杰，唐常杰，彭京.基于個(gè)性特征仿真郵件分析系統(tǒng)挖掘犯罪網(wǎng)絡(luò)核心[J].計(jì)算機(jī)學(xué)報(bào)，2008，31(10):1795-1802.

[13]周利娟，林鴻飛，羅文化.基于實(shí)體關(guān)系的犯罪網(wǎng)絡(luò)識別機(jī)制[J].計(jì)算機(jī)應(yīng)用研究， 2011，28(3):998-1002.

[14]林聚任.社會(huì)網(wǎng)絡(luò)分析：理論、方法與應(yīng)用[M] .北京：北京師范大學(xué)出版社，2009.

[15]約翰斯科特.社會(huì)網(wǎng)絡(luò)分析法 [M].劉軍，譯.重慶：重慶大學(xué)出版社，2007 :33-53.

[16]羅兆波.面向社會(huì)網(wǎng)絡(luò)分析的數(shù)據(jù)挖掘方法研究[D].杭州：浙江大學(xué)，2010.

[17]李亮.基于社會(huì)網(wǎng)絡(luò)分析的犯罪團(tuán)伙識別系統(tǒng)[M].上海:上海交通大學(xué),2008.

[18]柳國華，謝璨，英春.基于短信的社會(huì)網(wǎng)絡(luò)行為分析[J].計(jì)算機(jī)應(yīng)用與軟件， 2011，28(6):220-22.

[19]陳鵬，袁宏永.犯罪組織結(jié)構(gòu)的社會(huì)網(wǎng)絡(luò)分析[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2011,51(8):1097-1101.

[20]馬方.犯罪網(wǎng)絡(luò)分析：社會(huì)網(wǎng)絡(luò)分析在有組織犯罪研究中的應(yīng)用[J].西南政法大學(xué)學(xué)報(bào),2012,14(2):35-43.

[21]潘芳，張自力.對犯罪網(wǎng)絡(luò)的模糊層次聚類分析[J].西南師范大學(xué)學(xué)報(bào):自然科學(xué)版,2009.34(3):200-214.

[22]張昕，關(guān)志超，楊東援.基于多目標(biāo)數(shù)據(jù)挖掘的城市交通仿真算法研究[J].中山大學(xué)學(xué)報(bào):自然科學(xué)版,2007 (S2):210-214.