唐德權(quán)，史偉奇，凌志剛（.湖南警察學(xué)院　信息技術(shù)（網(wǎng)監(jiān)）系，湖南　長沙　4038；.湖南大學(xué)　電氣與信息工程學(xué)院，湖南　長沙　4008）

基于共犯網(wǎng)絡(luò)結(jié)構(gòu)的有組織犯罪集團(tuán)挖掘方法*

唐德權(quán)1，史偉奇1，凌志剛2
（1.湖南警察學(xué)院信息技術(shù)（網(wǎng)監(jiān)）系，湖南長沙410138；2.湖南大學(xué)電氣與信息工程學(xué)院，湖南長沙410082）

有組織犯罪集團(tuán)挖掘是目前數(shù)據(jù)挖掘技術(shù)研究的熱點，利用共犯網(wǎng)絡(luò)結(jié)構(gòu)提出一種新的有組織犯罪集團(tuán)挖掘的方法。該方法能從大型真實犯罪數(shù)據(jù)集獲取有組織犯罪集團(tuán)信息，提高了有組織犯罪集團(tuán)檢測效率。實驗結(jié)果表明，該方法能分析出有組織犯罪集團(tuán)特征演變軌跡，對挖掘有組織犯罪集團(tuán)證據(jù)可行、有效。

數(shù)據(jù)挖掘；共犯網(wǎng)絡(luò)；有組織犯罪集團(tuán)；檢測效率

0　引言

共犯網(wǎng)絡(luò)結(jié)構(gòu)分析是理解有組織犯罪成因和干預(yù)策略影響的關(guān)鍵，即如何在共犯網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上對有組織犯罪集團(tuán)證據(jù)進(jìn)行挖掘［1］。本文抓住有組織犯罪集團(tuán)檢測計算方法的關(guān)鍵——共犯網(wǎng)絡(luò)，利用小團(tuán)體的擴(kuò)展?jié)B透法匹配犯罪集團(tuán)中的某個單元，提出了共犯網(wǎng)絡(luò)分析視角（Co-offending NetworksAnalysisPerspective，CNAP）算法，并在大型真實犯罪數(shù)據(jù)集進(jìn)行實驗。實驗結(jié)果表明，在共犯網(wǎng)絡(luò)結(jié)構(gòu)分析上，該方法極大地提高了有組織犯罪分析計算速度，而且保持了較高的有效性。

1　概念

定義1罪犯組

定義2有組織犯罪集團(tuán)

2　有組織犯罪集團(tuán)檢測

2.1罪犯組檢測

該方法的第一步是建立K-結(jié)點的罪犯組網(wǎng)絡(luò)，彼此共享至少k-1結(jié)點的相鄰K-結(jié)點網(wǎng)絡(luò)［3］。假設(shè)k=3，因為有組織犯罪集團(tuán)至少有3個成員，每個組可能屬于不同的獨立社區(qū)但有共同交叉結(jié)點，因此該罪犯組既有重疊的成員還有普通成員。將這些成員分配到每個罪犯組形成內(nèi)核 K（Ci），內(nèi)核是一個犯罪集團(tuán)主要的成員，是完全參與該犯罪組活動。第二步，將鄰居結(jié)點直接連接到內(nèi)核添加到罪犯組，這些結(jié)點被稱為外圍，用P（Ci）表示。

2.2有組織犯罪集團(tuán)檢測

犯罪活動和犯罪行為是理解犯罪集團(tuán)組織結(jié)構(gòu)兩個關(guān)鍵特征［4］。下面提出兩個操作算子對犯罪活動和行為進(jìn)行計算。

犯罪集團(tuán)Ci在時間t犯罪行為表示為Φ（Ci），定義為：

其中，φik表示某個罪犯ik的嚴(yán)重程度，即犯罪集團(tuán)Ci成員在t時刻的犯罪行為。

設(shè) i1，i2，…，in是 Ci在時間 t的犯罪成員，犯罪集團(tuán)C在時間t1到時間 t2的活動記為θt1 ，t2（Ci），計算公式如下：

其中，|Rt1（Ci）|和|Rt2（Ci）|分別表示犯罪集團(tuán)Ci在時刻t1和時刻t2共犯次數(shù)。

為了確定發(fā)現(xiàn)罪犯組是否被認(rèn)為是有組織犯罪集團(tuán)，必須同時考慮犯罪活動和犯罪行為，定義兩個閾值：α表示犯罪活動和β表示犯罪行為。如果θ（Ci）＞α，那么給定的犯罪集團(tuán)C就是活動的犯罪集團(tuán)A；如果φ（Ci）＞β，那么C就是一個嚴(yán)重犯罪集團(tuán)。

2.3有組織犯罪集團(tuán)演化模型

這個模型需要確定原來的某個犯罪集團(tuán)已經(jīng)演變當(dāng)前的某個犯罪集團(tuán)。一個犯罪集團(tuán)的一個周期會出現(xiàn)5個階段：產(chǎn)生、分裂、合并、出現(xiàn)和終止［5］。為此，引入一個匹配的函數(shù)F：其中，γ表示一個犯罪組織集合，2γ表示γ的冪集。給定一個有組織犯罪集團(tuán)Oit和有組織犯罪集團(tuán)集合γt+1，如果F（Oit，g）得出集團(tuán)Oit+1與Oit有最大的交集超過給定的閾值λ，形式定義如下：

這里兩個有組織犯罪集團(tuán) O，O′∈γ，P（O，O′）定義如下：

算法1有組織犯罪集團(tuán)檢測

輸入：

（1）犯罪事件數(shù)據(jù)集；

（2）Crime seriousness index（犯罪程度索引）；

（3）犯罪活動和犯罪行為的閾值：α，β。

（1）/*數(shù)據(jù)準(zhǔn)備*/；

（2）掃描在［t1，t2］時間之間每個犯罪事件集；

（3）抽取共犯網(wǎng)絡(luò)；

（6）計算組織犯罪活動閾值θt1，t2i；

（7）計算組織犯罪行為閾值Φit；

（8）對滿足閾值的犯罪組織標(biāo)識為有可能組織犯罪集團(tuán)；

（9）對每個犯罪組織候選集Oit，進(jìn)行第（10）步；

（10）評估出犯罪組織物質(zhì)利益；

3　實驗結(jié)果

3.1犯罪數(shù)據(jù)集

為了驗證方法的有效性，實驗數(shù)據(jù)采用加拿大不列顛哥倫比亞省arrest-data犯罪數(shù)據(jù)集［6］，該數(shù)據(jù)集記錄了從2001-8-1至2006-7-31共5年的犯罪數(shù)據(jù)。

圖1顯示了活躍罪犯組的數(shù)量隨著第1、2、3、4這4段時間觀察到的區(qū)別。值得注意的是，隨著時間的推移，活躍犯罪組的數(shù)量急劇下降。在a值較高時從一個時間段到下一個時間段連續(xù)活動明顯可見，這一發(fā)現(xiàn)印證了犯罪組織的短期合作的理論［7］。

圖1　4個時間段連續(xù)活躍罪犯組數(shù)量

3.2罪犯組演變

因為不知道第一步以前的歷史時間和最后一次未來時間，在有限的可觀測時間跨度里對罪犯組的整個生命周期進(jìn)行量化工作非常困難［8］。

在5個不同時間段各罪犯組的演化軌跡統(tǒng)計如圖2所示。匹配函數(shù)的閾值0.3適用于考慮幸存一組，值大于0.2和小于0.3分別適用于分裂和合并，組匹配閾值小于0.2被認(rèn)為是終止罪犯組。總體而言（平均而言），所有罪犯群體大約14％幸存，但分裂和合并事件很少發(fā)生，不到犯罪組的1％。大約88％的罪犯組被認(rèn)為是終止了，因為在接下來的時間并沒有觀察到他們的活動，所有組織中90％是新出現(xiàn)的犯罪組。

圖2　罪犯組演變軌跡

4　結(jié)論

為提高有組織犯罪集團(tuán)證據(jù)計算效率，本文提出基于共犯網(wǎng)絡(luò)結(jié)構(gòu)分析技術(shù)。實驗結(jié)果表明，雖然罪犯在犯罪集團(tuán)中的合作是連續(xù)的，但大多數(shù)犯罪組織的活動不會持續(xù)很長時間。另外，活躍的犯罪組織通常有更多的外圍，相比之下嚴(yán)重的犯罪組織外圍成員偏少，這一發(fā)現(xiàn)表明，嚴(yán)重犯罪組織的運作主要來自他們的內(nèi)核成員。在未來的工作中將探索有組織犯罪的組織結(jié)構(gòu)，區(qū)分層次組織和分散組織，并分析這些結(jié)構(gòu)演變軌跡。

［1］MCGLOIN J M，NGUYEN H.The importance of studying co-offending networks for criminological theory and policy［C］. Proceedings of Third Annual Illicit Networks Workshop，Montréal，Québec，October 2011.

［2］KIM M S，HAN J W.A particle-and-density based evolutionary clustering method for dynamic networks［J］.Proceedings of Very Large Data Base Endowment，2009，2（1）：622-633.

［8］KIM K，MCKAY R，MOON B R.Multiobjective evolutionary algorithms fordynamic socialnetwork clustering［C］. Proceedings ofthe 12th Conf.Genetic and Evolutionary Computation，2010：1179-1186.

［3］SATULURI V，PARTHASARATHY S.Scalable graph clustering using stochastic flows：applications to community discovery［C］.KDD，Paris，F(xiàn)rance，2009：737-746.

［4］INOKUCHI A，WASHIO T.Mining frequent graph sequence patterns induced by vertices［C］.Proceedings of the SIAM Int′1 Conference on Data Mining，2010：466-477.

［5］MICHELLE G，NEWMAN M E J.Community structure in social and biological networks［J］.PNAS，2002，99（12）：7821-7826.

［6］TAYEBI M A，GL?SSER U.Organized crime structures in co-offending networks［C］.Proceedings of International Conference on Social Computing and its Applications，Sydney，Australia，Dec.2011.

［7］NGUYEN N P，DINH T N，Ying Xuan，et al.Adaptive algorithms for detecting community structure in dynamic social networks［C］.Shanghai：Proceedings of IEEE Infocom′11，2011：2282-2290.

［8］BACKSTROM L，HUTTENLOCHER D，KLEINBERG J，et al.Group formation in large social networks：membership，growth and evolution［C］.Proceedings of the KDD，2006：44-54.

瞄準(zhǔn)移動計算和嵌入式應(yīng)用閃迪推出Z400s SSD

Z400s SSD以更實惠的價格替代筆記本電腦、數(shù)字標(biāo)牌、POS機(jī)和監(jiān)控系統(tǒng)中的硬盤

2015年5月28日，中國上海-全球領(lǐng)先的閃存存儲解決方案供應(yīng)商閃迪公司（納斯達(dá)克股票代碼：SNDK）今日宣布推出全新Z400s SSD，這款高性價比固態(tài)硬盤（SSD）旨在替代計算平臺和嵌入式應(yīng)用中的傳統(tǒng)硬盤（HDD）。為了滿足業(yè)務(wù)需求，PC和嵌入式系統(tǒng)需要穩(wěn)定、可靠地訪問存儲器。Z400s性能是HDD的20倍，可靠性是其5倍，平均功耗僅為其1/20，而同等容量下價格卻不相上下。Z400s SSD作為閃迪現(xiàn)有閃存解決方案產(chǎn)品組合中的新成員，旨在提供愉悅的用戶體驗、可靠性和合理的價格。

閃迪客戶平臺解決方案部門產(chǎn)品營銷總監(jiān)Rizwan Ahmed表示：“Z400s的工程設(shè)計兼顧了兩種不同的市場需求，即PCOEM制造商和嵌入式應(yīng)用設(shè)計人員。閃迪能夠通過單一架構(gòu)為OEM提供經(jīng)濟(jì)實惠的解決方案，用于替換當(dāng)前尖端消費電子設(shè)備中的HDD，并且?guī)椭度胧綉?yīng)用設(shè)計人員避免多余空間的浪費，同時提供只有SSD才具有的峰值性能和高可靠性?！保ㄩW迪公司供稿）

Ming method of organized crime based on co-offending networks

Tang Dequan1，Shi Weiqi1，Ling Zhigang2
（1.Department of Information Technology，Hunan Police Academy，Changsha 410138，China；2.College of Electrical and Information Engineering，Hunan University，Changsha 410082，China）

Organized crime group mining is a hot spot in the current data mining technology，so this paper proposed a new method of organized crime group mining using co-offending networks analysis methods.The method can improve the efficiency of the organized crime detection for extracting information from large real-life crime datasets.Experiments show that this method can analyze the evolution characteristics of organized crime group，effectively excavate organized crime evidence.

data mining；co-offending networks；organized crime groups；detection efficiency

TP311.2

A

1674-7720（2015）12-0017-03

2015-01-28）

唐德權(quán)（1979-），通信作者，男，碩士，講師，主要研究方向：信息安全、數(shù)據(jù)挖掘。E-mail：tdq525@126.com。

史偉奇（1967-），男，碩士，教授，主要研究方向：信息安全，計算機(jī)取證。

凌志剛（1976-），男，博士后，副教授，主要研究方向：圖像處理、計算機(jī)視覺與模式識別。

國家高新技術(shù)研究發(fā)展計劃（863 計劃）（2012AA112312 ） ；教育部高等學(xué)校博士學(xué)科點專項科研基金（ 20110161120006 ） ； 湖南省教育規(guī)劃課題階段性成果（ 警察信息素質(zhì)教育理念及實戰(zhàn)能力培養(yǎng)研究XJK013CXX012 ） ；湖南省公安廳科研基金（湘公科信明電（ 2013 ） 56 號）