呂芳，盧西婧，王巍，黃俊恒，王佰玲

銀行賬戶交易網(wǎng)絡(luò)中特定組織發(fā)現(xiàn)研究

呂芳，盧西婧，王巍，黃俊恒，王佰玲

（哈爾濱工業(yè)大學(xué)（威海）計算機科學(xué)與技術(shù)學(xué)院，山東 威海 264209）

近年來，非法傳銷、非法集資和洗錢等涉眾型非法金融活動屢禁不止，從資金交易網(wǎng)絡(luò)中進行異常檢測的研究，逐漸引起研究者的重視。非法組織中銀行賬戶間的資金流轉(zhuǎn)方式隱含了其成員的關(guān)系架構(gòu)。以關(guān)鍵角色賬戶為核心種子節(jié)點，結(jié)合交易關(guān)系進行特定異常組織的發(fā)現(xiàn)研究。首先，基于銀行賬戶的交易特點，建立了一個有向加權(quán)資金交易網(wǎng)絡(luò)模型。進而，結(jié)合賬戶的局部拓撲結(jié)構(gòu)，定義了組織中的兩種核心節(jié)點，即黑洞節(jié)點和星光節(jié)點。利用兩種節(jié)點的關(guān)聯(lián)關(guān)系，提出一種“黑洞&星光”組織發(fā)現(xiàn)算法。在含有傳銷組織的真實銀行交易數(shù)據(jù)上進行實驗，結(jié)果表明上述算法對發(fā)現(xiàn)傳銷組織的有效性。

資金交易網(wǎng)絡(luò)；黑洞節(jié)點；星光節(jié)點；生成子圖

1 引言

隨著經(jīng)濟的發(fā)展，非法傳銷、非法集資和洗錢等涉眾型非法金融活動屢禁不止。在涉眾型非法金融活動中，成員的角色分工呈類金子塔形或紡錘形等結(jié)構(gòu)，相應(yīng)賬戶的資金交易由其扮演的角色驅(qū)動產(chǎn)生，具有涉及賬戶多、賬戶角色差異大、犯罪意圖隱蔽等特點。目前，銀行部門使用的反洗錢等金融安全系統(tǒng)能夠根據(jù)交易規(guī)則發(fā)現(xiàn)存在異常交易的單個賬戶，但對上述多賬戶協(xié)作實施非法金融活動的行為束手無策。同時，金融環(huán)境的復(fù)雜性、異常交易行為的隱蔽性及盈利模式的多樣性，為犯罪行為的發(fā)現(xiàn)、取證和防范帶來了巨大難題。

針對涉眾型非法金融活動，本文將參與活動的賬戶稱為異常賬戶，由異常活動引發(fā)的交易稱為異常交易；具有異常交易關(guān)系的異常賬戶群體，稱為異常組織。研究發(fā)現(xiàn)，異常組織為達到金融犯罪的目的，多具有特定的組織交易關(guān)系，賬戶間資金流動方式與組織的盈利方式一致。分析賬戶的交易行為和賬戶間的交易關(guān)系，有助于發(fā)現(xiàn)異常賬戶和異常組織，對輔助公安機關(guān)偵破犯罪案件具有重要作用。

目前，在金融領(lǐng)域異常檢測方面的研究，主要集中在欺詐賬戶檢測和異常交易檢測方面，針對異常組織發(fā)現(xiàn)的研究尚處于初級階段。異常組織的研究在社交網(wǎng)絡(luò)領(lǐng)域受到較多關(guān)注。

在欺詐賬戶檢測方面，現(xiàn)有的研究多數(shù)采用對單個賬戶（或多個有關(guān)聯(lián)賬戶的集合）的資金交易情況進行統(tǒng)計分析，進而發(fā)現(xiàn)離群賬戶的方法。秦學(xué)志等[1]利用賬戶在交易網(wǎng)絡(luò)中出入度、流出和流入資金狀態(tài)分布的不同，提出了有效發(fā)現(xiàn)異常賬戶的大數(shù)據(jù)樣本分析方法。Barabasi等[2]利用交易網(wǎng)絡(luò)中賬戶的異常行為，如交易頻率、交易金額及交易方向等，對賬戶分類進而得到具有相似行為的異常賬戶集合。

在異常交易檢測方面，Hong等[3]借鑒交通網(wǎng)絡(luò)的有向圖構(gòu)建方法，構(gòu)建了有向資金交易網(wǎng)絡(luò)，提出一種借助圖分析技術(shù)的異常交易發(fā)現(xiàn)方法。該方法突出各節(jié)點之間的資金流動關(guān)系，簡化了銀行賬戶交易特點和交互關(guān)系的分析問題。薛蕾[4]利用賬戶間資金流通的數(shù)量、路徑及頻率等特征，結(jié)合鏈接分析技術(shù)提出一種異常資金流偵測技術(shù)。

在異常組織的發(fā)現(xiàn)方面，Li等[5]根據(jù)節(jié)點出入度關(guān)系定義了一種黑洞交互模式，并提出了3種黑洞模式發(fā)現(xiàn)算法，該研究有助于發(fā)現(xiàn)資金交易網(wǎng)絡(luò)中存在金融欺詐行為的異常組織。李艷麗等[6]構(gòu)建了賬戶的ego-network，對普通和傳銷賬戶的ego-network的結(jié)構(gòu)特點進行分析對比，發(fā)現(xiàn)傳銷異常組織呈現(xiàn)類樹形結(jié)構(gòu)。該項研究為利用異常個體的交互關(guān)系進行異常組織的發(fā)現(xiàn)提供了基礎(chǔ)。此外，金融交易網(wǎng)絡(luò)中異常組織的發(fā)現(xiàn)可借鑒社交網(wǎng)絡(luò)中水軍異常組織的發(fā)現(xiàn)方法。葉施仁等[7]以典型賬戶為種子，提出一種通過賬戶間的互粉關(guān)系逐層發(fā)現(xiàn)水軍組織的方法，算法的準(zhǔn)確率顯著高于以普通賬戶為中心的發(fā)現(xiàn)方法。劉程等[8]提出一種利用節(jié)點的內(nèi)容親密度挖掘隱式組織的方法。張慧杰[9]利用組織成員內(nèi)部的交互緊密性高的特點進行評論網(wǎng)絡(luò)異常組織發(fā)現(xiàn)研究。肖昕[10]利用組織內(nèi)節(jié)點內(nèi)容相似性高的特點進行水軍異常組織發(fā)現(xiàn)研究。

綜上所述，目前金融領(lǐng)域的異常檢測方法多依據(jù)賬戶交易的統(tǒng)計特征進行判斷，忽略了交易關(guān)系信息。因此，不適用于解決存在多賬戶協(xié)作的異常組織發(fā)現(xiàn)問題。

傳銷組織的成員結(jié)構(gòu)呈類金字塔形，塔頂為管理層成員，負責(zé)組織的運營和管理；塔底成員由上層成員以發(fā)展會員的形式吸納進來，通過向組織繳納會員費成為上層成員的下線；上層成員作為發(fā)展人獲得與下線會員費、自身層級相關(guān)的獎勵金；成員在組織中的層級與其下線成員人數(shù)相關(guān)。類似地，從組織中資金流通的角度看，資金交易關(guān)系結(jié)構(gòu)呈現(xiàn)類樹形結(jié)構(gòu)。傳銷組織的塔頂兩層為管理層，最頂層為大頭目成員，他從所有成員的會員費中獲利，所有成員的會員費最終匯入大頭目的賬戶；組織中另有兩種負責(zé)資金管理的賬戶，即斂財賬戶和返利賬戶，分別負責(zé)會員費的匯集和獎勵金的散發(fā)。

為解決這種類樹形特定異常組織的發(fā)現(xiàn)問題，本文借鑒社交網(wǎng)絡(luò)中水軍組織的檢測方法，以典型節(jié)點為種子，結(jié)合節(jié)點屬性和節(jié)點交易關(guān)系進行傳銷組織發(fā)現(xiàn)，提出了一種“黑洞&星光”異常組織挖掘算法。

本文的主要貢獻如下。

1) 構(gòu)建了賬戶資金交易網(wǎng)絡(luò)，為后續(xù)提供分析基礎(chǔ)。

2) 詳細分析了斂財賬戶和返利賬戶兩種關(guān)鍵角色賬戶的屬性、網(wǎng)絡(luò)交互特點，并將其分別定義為黑洞和星光兩種核心節(jié)點。

3) 量化核心節(jié)點的交易特征，分別提出黑洞節(jié)點和星光節(jié)點的發(fā)現(xiàn)算法，進而利用節(jié)點的網(wǎng)絡(luò)交互關(guān)系，提出一種基于生成子圖融合的特定異常組織發(fā)現(xiàn)算法。

4) 在真實資金交易數(shù)據(jù)上進行實驗，證明了算法在發(fā)現(xiàn)傳銷組織方面的有效性。

2 資金交易網(wǎng)絡(luò)

賬戶的交易行為對應(yīng)現(xiàn)實世界中用戶的經(jīng)濟行為，用戶在現(xiàn)實社會網(wǎng)絡(luò)中的經(jīng)濟關(guān)系可映射到賬戶的資金交易網(wǎng)絡(luò)中。銀行賬戶和賬戶間的資金流動關(guān)系共同組成資金交易網(wǎng)絡(luò)，這一復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)可抽象為有向加權(quán)圖結(jié)構(gòu)。其中，節(jié)點為銀行賬戶，有向邊為節(jié)點之間的有向交易關(guān)系，有向邊的權(quán)重由交易集合的時間、金額、次數(shù)等信息組成。銀行賬戶的資金交易網(wǎng)絡(luò)定義如下。

定義1 一個銀行賬戶交易網(wǎng)絡(luò)可表示為= (,,)，其中={1,2, … ,v}為賬戶集合，= {e} ?×, 1≤,≤為邊集合，v與v之間存在有向邊，當(dāng)且僅當(dāng)v對v至少進行了一次交易，該有向邊記作e=<v,v>。= {w},∈(R),w= ((1),(2), … ,())，其中()、分別表示節(jié)點v與v間第次交易的金額和總交易次數(shù)。

在有向加權(quán)交易網(wǎng)絡(luò)中，任一賬戶的交易網(wǎng)絡(luò)可視為一個局部拓撲網(wǎng)絡(luò)，該網(wǎng)絡(luò)由及其進出交易對手集合組成，網(wǎng)絡(luò)結(jié)構(gòu)與賬戶屬性和賬戶間交易關(guān)系有關(guān)。

本文將交易對手節(jié)點定義為鄰居節(jié)點，賬戶屬性包括賬戶的交易資金和有向交易對手數(shù)量，將其分別定義為節(jié)點的出入大小和出入度。

定義2 給定資金交易網(wǎng)絡(luò)=(,,)，對∈,v的交易候選賬戶集合可記為C={1,2,,(i?1),(i+1),, v}，v的入鄰居節(jié)點集合定義為in{v | v∈C, w∈}，v的出鄰居節(jié)點定義為out{v | v∈C, w∈}，則Nin∪out稱作節(jié)點v的鄰居集合。

3 基于生成子圖融合的特定組織發(fā)現(xiàn)

通過對非法傳銷組織等組織的研究發(fā)現(xiàn)，其資金交易關(guān)系具有類樹形結(jié)構(gòu)，即縱向具有以根節(jié)點為核心的層級結(jié)構(gòu)，橫向上同層節(jié)點的關(guān)系呈網(wǎng)狀結(jié)構(gòu)。因此，首先通過擴展根節(jié)點得到組織的局部結(jié)構(gòu)，即得到組織關(guān)系圖的生成子圖。然后，融合生成子圖實現(xiàn)對特定異常組織的發(fā)現(xiàn)。

3.1 黑洞節(jié)點和黑洞組織

每個組織都有一個或多個斂財賬戶，該賬戶負責(zé)收集所有組員的會員費并將其轉(zhuǎn)出到固定賬戶中，其在行為上類似于天體學(xué)中的“黑洞”。本文將其定義為黑洞節(jié)點，如定義5所示。

定義5 給定銀行賬戶交易網(wǎng)絡(luò)為, 節(jié)點∈被為黑洞節(jié)點，當(dāng)且僅當(dāng)

其中，inoutins和為閾值。

組織中以黑洞節(jié)點為中心形成了穩(wěn)定的資金周轉(zhuǎn)關(guān)系，本文將黑洞節(jié)點與其交易對手組成的這種局部網(wǎng)絡(luò)結(jié)構(gòu)稱為黑洞組織。該組織的交易行為具有以下特點。①組織具有明顯的層級結(jié)構(gòu)，底層為會員節(jié)點，中間層為黑洞節(jié)點，頂層為大頭目節(jié)點。②各層級節(jié)點數(shù)量分布穩(wěn)定。底層節(jié)點數(shù)量較多，頂層節(jié)點數(shù)量為1。③資金為單向流通。以黑洞節(jié)點為中心，資金由底層流入頂層。④組織中交易關(guān)系穩(wěn)定。即以黑洞節(jié)點為中心，底層節(jié)點為其入交易對手集合，頂層節(jié)點為其出交易對手集合。

依據(jù)上述分析，以黑洞節(jié)點為中心，本文提出了一種擴展中心節(jié)點的黑洞組織發(fā)現(xiàn)算法。首先，根據(jù)定義5設(shè)計交易網(wǎng)絡(luò)中的黑洞節(jié)點發(fā)現(xiàn)算法，如算法1所示。

算法1 黑洞節(jié)點發(fā)現(xiàn)算法.

輸出 黑洞節(jié)點集合記錄黑洞節(jié)點

2) for∈do

3) if滿足定義5 do

4)=∪{}

5) end if

6) end for

將黑洞節(jié)點作為組織的核心種子節(jié)點，指定擴展層級閾值，以黑洞節(jié)點為中心逐層進行黑洞組織挖掘，具體如算法2所示。

算法2 黑洞組織發(fā)現(xiàn)算法

輸入(,,)，黑洞節(jié)點集合擴展層級

輸出 黑洞組織集合

2) forv∈do

3)T=v,=∪T//黑洞節(jié)點v為種子節(jié)點

4) end for

5) forT∈do

6) for=1;≤;++ do

7) forB∈Tdo //第層中任一節(jié)點

8) ifv∈&v∈do

9)T-=T-∪{v}

10) end if

11) end for

12) end for

13) end for

3.2 星光節(jié)點和星光組織

與斂財賬戶相對，每個傳銷組織中都有一個或多個返利型賬戶，該賬戶負責(zé)根據(jù)會員所交會費的金額，按照一定比例返還給組員。這些費用來自固定賬戶，經(jīng)由返利賬戶散發(fā)給底層會員。本文將這種交易網(wǎng)絡(luò)中的返利型賬戶，稱為星光節(jié)點，定義如下。

定義6 給定銀行賬戶交易網(wǎng)絡(luò)為，節(jié)點∈被稱為星光節(jié)點，當(dāng)且僅當(dāng)

其中，inoutouts和為閾值。

與黑洞組織相對應(yīng)，以星光節(jié)點為中心的類樹形穩(wěn)定交易組織，稱為星光組織。該組織與黑洞組織除資金流向相反外，其余交易行為類似，在此不予贅述。

3.3 基于生成子圖的“黑洞&星光”組織發(fā)現(xiàn)算法

根據(jù)定義5和定義6可知，黑洞組織和星光組織圖結(jié)構(gòu)都可視為非法傳銷組織圖結(jié)構(gòu)的生成子圖。因此，通過聯(lián)合兩種生成子圖可以擴展得到該傳銷組織的網(wǎng)絡(luò)圖。本節(jié)在第3.1節(jié)和第3.2節(jié)的基礎(chǔ)上，提出一種生成子圖的“黑洞&星光”組織發(fā)現(xiàn)算法。

定義7 給定黑洞組織和星光組織，其中，和分別表示黑洞節(jié)點和星光節(jié)點，則與被稱為直接連接當(dāng)且僅當(dāng)e∈∨e∈，與被稱為弱連接當(dāng)且僅當(dāng)?shù)南录壻~戶與的下級賬戶具有一定的重合率，即

其中，為重合率閾值。

結(jié)合定義7，“黑洞&星光”組織發(fā)現(xiàn)算法的設(shè)計細節(jié)詳見算法3

算法3 “黑洞&星光”組織發(fā)現(xiàn)算法

輸入(,,)；黑洞和星光組織集合set,set;閾值

輸出 異常組織集合為樹形結(jié)構(gòu)

2) for∈set,∈setdo //直接連接

4) ife∈ore∈do

5)T=T∪{(,)}

6) end if

7) end for

8) for∈set,∈setdo //間接連接

9) if (,) 滿足定義6 do

10)T=T∪{(,)}

11) end if

12) end for

4 實驗

4.1 實驗環(huán)境

Inter(R) Core(TM) i7-7700HQ CPU@ 2.80 GHz，內(nèi)存(RAM) 16 GB。軟件環(huán)境為：Python語言，Windows 7操作系統(tǒng)。

4.2 數(shù)據(jù)集

近幾年，筆者積極參與經(jīng)偵部門打擊非法傳銷的工作，得到包含傳銷組織的銀行賬戶交易數(shù)據(jù)，經(jīng)過數(shù)據(jù)去噪等處理，最終得到349 126條交易記錄，涉及傳銷賬戶855個，正常賬戶3 232個，其中斂財賬戶為112個，返利賬戶為61個。

4.3 算法分析

實驗1 黑洞節(jié)點與星光節(jié)點發(fā)現(xiàn)

算法對黑洞和星光節(jié)點的發(fā)現(xiàn)效率如表1所示，發(fā)現(xiàn)結(jié)果示例如表2所示。

表1 黑洞和星光節(jié)點的發(fā)現(xiàn)效率

表2 黑洞節(jié)點和星光節(jié)點示例

如表1所示，根據(jù)實際應(yīng)用需求，當(dāng)定義5的閾值取值為0.5時，黑洞節(jié)點發(fā)現(xiàn)算法共發(fā)現(xiàn)黑洞節(jié)點98個，其中斂財賬戶，即真正的黑洞節(jié)點74個。該算法達到了75.51%的精確率和66.07%的召回率。星光節(jié)點發(fā)現(xiàn)算法固定閾值0.5，此時共發(fā)現(xiàn)37個星光節(jié)點，其中返利賬戶，即真正的星光節(jié)點共計26個。該算法的精確率為70.27%，召回率為42.62%。由于資金交易網(wǎng)絡(luò)中，傳銷組織的規(guī)模與星光節(jié)點的交易頻繁程度、交易對手數(shù)量等具有很大關(guān)系，因此，星光節(jié)點發(fā)現(xiàn)算法的召回率相對較低。整體上來說，兩種種子節(jié)點發(fā)現(xiàn)算法均具有較穩(wěn)定發(fā)現(xiàn)的效率。算法發(fā)現(xiàn)的典型黑洞、星光節(jié)點如表2所示?？梢?，作為傳銷組織的資金中轉(zhuǎn)節(jié)點，具有以下特點：① 節(jié)點的出大小近似等于節(jié)點的入大小；② 兩種節(jié)點的出入度具有顯著差異，黑洞節(jié)點的入度遠遠大于出度，星光節(jié)點的出度遠遠大于入度。

實驗2 黑洞組織發(fā)現(xiàn)

從黑洞節(jié)點出發(fā)，設(shè)置擴展層閾值=4，通過逐層擴展實現(xiàn)黑洞組織發(fā)現(xiàn)。真實數(shù)據(jù)中的典型黑洞組織如圖1所示。

如圖1所示，為以黑洞節(jié)點為核心，以入邊為擴展方向，層級為4的黑洞組織。從縱向上看，每層節(jié)點與次級層節(jié)點的連接呈樹形交易關(guān)系，從橫向上看，同層節(jié)點之間呈網(wǎng)狀交易關(guān)系。例如，第一層節(jié)點可視為與其相連的第二層節(jié)點的根節(jié)點；由于具有多個根節(jié)點，第二層節(jié)點整體形成網(wǎng)狀結(jié)構(gòu)。因此，黑洞組織的結(jié)構(gòu)具有縱向為樹形結(jié)構(gòu)、橫向為網(wǎng)狀結(jié)構(gòu)的特點。這與傳銷組織的實際運作特點相對應(yīng)：①具有明確的上下線關(guān)系；②通過親屬關(guān)系等社會關(guān)系擴展會員，導(dǎo)致會員之間存在因正常社會關(guān)系產(chǎn)生的資金交互。

圖1 黑洞組織示例

Figure 1 The demo of a blockhole-organization

實驗3 算法閾值分析

定義5、定義6中的取值對基于生成子圖的“黑洞&星光”組織發(fā)現(xiàn)算法的效率有直接影響。本實驗以0.01為參數(shù)間距，對∈[0,1]不同取值時算法的性能進行測試，實驗結(jié)果如圖2所示。

如圖2所示，橫軸FPR表示負例錯分為正例的概率，縱軸TPR表示能將正例分對的概率。隨著增大，接收者操作特征（ROC，receiver operating characteristic）曲線呈上升趨勢，且當(dāng)0.3時，曲線最靠近左上角，此時算法性能最優(yōu)。

實驗4 異常組織發(fā)現(xiàn)算法比較

本實驗比較基于黑洞節(jié)點、基于星光節(jié)點、基于黑洞&星光節(jié)點及基于親密度的組織發(fā)現(xiàn)算法?；诤诙垂?jié)點的組織發(fā)現(xiàn)算法，即在算法1發(fā)現(xiàn)的黑洞節(jié)點集合基礎(chǔ)上，利用算法2進行組織發(fā)現(xiàn)。類似地，基于星光節(jié)點的組織發(fā)現(xiàn)算法，基于第3.3節(jié)中的算法，僅依賴星光節(jié)點進行異常組織發(fā)現(xiàn)?；谟H密度算法的研究是研究小組的另一項研究工作。該算法定義節(jié)點之間與交易頻率、交易局部拓撲結(jié)構(gòu)相關(guān)的親密度，在已知部分異常賬戶的基礎(chǔ)上，進行組織賬戶發(fā)現(xiàn)。上述4種算法，在數(shù)據(jù)集上進行測試結(jié)果如表3所示。

圖2 閾值θ對算法性能的影響分析

Figure 2 The analysis of the influence of thresholdon the algorithm performance

由表3可知，黑洞&星光節(jié)點異常組織發(fā)現(xiàn)算法的精確率，由于受星光節(jié)點的影響，相比于基于黑洞的發(fā)現(xiàn)算法較低，但其召回率取得了顯著提升。基于親密度算法依賴標(biāo)簽信息，取得了最高的精確率，但由于親密度指標(biāo)過于嚴苛，算法的召回率較低?？傮w來說，基于生成子圖的“黑洞&星光”組織發(fā)現(xiàn)算法，取得了最優(yōu)的效率，其1值達到73.13%，明顯優(yōu)于另外兩種獨立的組織發(fā)現(xiàn)算法。黑洞和星光節(jié)點聯(lián)合的組織發(fā)現(xiàn)算法，根據(jù)兩種種子節(jié)點組成的關(guān)聯(lián)關(guān)系，首先建立核心關(guān)聯(lián)結(jié)構(gòu)，然后逐層擴張進而發(fā)現(xiàn)異常組織成員。實驗結(jié)果表明，黑洞和星光節(jié)點的節(jié)點能夠有效提高組織發(fā)現(xiàn)的效率。

表3 異常組織發(fā)現(xiàn)算法比較

實驗5 異常組織發(fā)現(xiàn)實例

分別以黑洞和星光兩種核心種子節(jié)點為中心，利用算法3結(jié)合黑洞組織和星光組織，在真實的資金交易網(wǎng)絡(luò)中挖掘傳銷組織。本實驗通過如圖3所示的實例，分析算法的有效性。其中，紅色和藍色分別代表黑洞和星光節(jié)點，橙色節(jié)點為星光組織第二層和黑洞組織第二層的交集，粉色和紫色節(jié)點分別同屬于星光組織和黑洞組織的第二、三層結(jié)構(gòu)。

驗證發(fā)現(xiàn)，圖3組織中的所有節(jié)點都為傳銷節(jié)點，星光和黑洞節(jié)點分別為傳銷組織的斂財賬戶和返利賬戶。

圖3 傳銷組織發(fā)現(xiàn)示例

Figure 3 The demo of a discovered multi-levels commission

5 結(jié)束語

本文從關(guān)鍵角色賬戶出發(fā)，進行了銀行賬戶交易網(wǎng)絡(luò)中特定異常組織的發(fā)現(xiàn)研究。在建立通用資金交易網(wǎng)絡(luò)模型的基礎(chǔ)上，首先詳述了組織中斂財型與返利型賬戶的特點，然后定義了網(wǎng)絡(luò)中的黑洞和星光兩種核心種子節(jié)點；進而通過逐層擴展得到黑洞和星光組織，最終提出了一種基于生成子圖融合的組織發(fā)現(xiàn)算法。在真實包含傳銷組織的數(shù)據(jù)上進行測試，對黑洞和星光節(jié)點的精確率分別達到75.51%和70.27%，基于子圖融合的組織發(fā)現(xiàn)算法，對異常賬戶的1值達到73.13%，能有效地發(fā)現(xiàn)其中隱藏的傳銷組織。

本文的組織發(fā)現(xiàn)算法只找出了傳銷組織的核心交易網(wǎng)絡(luò)，組織結(jié)構(gòu)不夠完備。此外，由于真實資金交易場景復(fù)雜，且交易關(guān)系與真實的異常組織架構(gòu)不完全吻合，導(dǎo)致異常組織發(fā)現(xiàn)的準(zhǔn)確率較低。下一步將針對提升發(fā)現(xiàn)的準(zhǔn)確率進行專門的算法改進。

[1] 秦學(xué)志, 李靜一. 基于大數(shù)據(jù)樣本的銀行異常賬戶監(jiān)測方法[J]. 系統(tǒng)管理學(xué)報, 2016, 25(4): 677-682.

QIN X Z, LI J Y. Abnormal account monitoring method for bank loans using big data samples[J]. Journal of System and Management, 2016, 25(4): 677-682.

[2] BARABASI A L, ALBERT R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439): 509-512.

[3] HONG L, ZHENG Y, YUNG D C, et al. Detecting urban black holes based on human mobility data[C]//Sigspatial International Conference on Advances in Geographic Information Systems (SIGSPATIAL’15). 2015.

[4] 薛蕾. 鏈接分析在金融監(jiān)管中的應(yīng)用研究[D]. 武漢: 華中科技大學(xué), 2006.

XUE L. Research on the application of link analysis in financial supervision[D]. Wuhan: HuaZhong University of Science and Technology. 2006.

[5] LI Z M, XIONG H, LIU Y C. Mining blackhole and volcano patterns in directed graphs: a general approach[J]. Data Mining and Knowledge Discovery, 2012, 25(3): 577-602.

[6] 李艷麗, 劉陽, 謝文波，等. 大數(shù)據(jù)發(fā)現(xiàn)非法傳銷網(wǎng)絡(luò)[J]. 大數(shù)據(jù), 2017, 3(5): 106-112.

LI Y L, LIU Y, XIE W B, et al. Uncovering the illegal pyramid networks by big data[J]. Big Data Research, 2017, 3(5): 106-112.

[7] 葉施仁, 葉仁明, 朱明峰. 基于網(wǎng)絡(luò)關(guān)系的微博水軍集團發(fā)現(xiàn)方法[J]. 計算機工程與應(yīng)用, 2017, 53(6): 96-100.

YE S R, YE R M, ZHU M F. Method to find spammer group for Weibo based on network relationship[J]. Computer Engineering and Applications, 2017, 53(6): 96-100.

[8] 劉程, 沙瀛, 姜波, 等. 新浪微博隱式組織發(fā)現(xiàn)[J]. 中文信息學(xué)報, 2017, 31(2): 139-145.

LIU C, SHA Y, JIANG B, et al. Detecting implicit organization on sina weibo[J]. Journal of Chinese Information Processing, 2017, 31(2): 139-145.

[9] 張慧杰. 基于多特征尺度空間模型的網(wǎng)絡(luò)水軍組織發(fā)現(xiàn)技術(shù)研究[D]. 杭州: 浙江工商大學(xué), 2015.

ZHANG H J. Research technology on fund of spammer organizations based on multi-feature scale space model[D]. Hangzhou: Zhejiang Gongshang University, 2015.

[10] 肖昕. 基于論壇信息的網(wǎng)絡(luò)組織發(fā)現(xiàn)技術(shù)研究[D]. 沈陽: 沈陽航空航天大學(xué), 2013.

XIAO X. Research technology on found of network organization based on forums information[D]. Shenyang: Shenyang Aerospace University, 2013.

Research on the method of discovering specific organization structure in bank account transaction network

LYU Fang, LU Xijing, WANG Wei, HUANG Junheng, WANG Bailing

School of Computer Science and Technology, Harbin Institute of Technology(Weihai), Weihai 264209, China

In recent years, stakeholder economic crime behaviors such as illegal pyramid schemes, illegal fund raising and money laundering despite repeated prohibitions, makes the research of anomaly detection in financial transaction network has gradually attracted the attention of researchers. The way how to fund flow between bank accounts in an illegal organization implies the relationship structure of their members. Firstly, a directed weighted transaction network model was built on the basis of the transaction characteristics. Then, combining with the local topology structure of the built transaction network of the accounts, two kinds of core nodes of the organization, including black hole nodes and star nodes, were defined. By analyzing the relationship between those two kinds nodes, an organization discovery algorithm of combining “black hole and star nodes” based on spanning subgraph was proposed. Experiments on real bank accounts transaction network containing illegal pyramid scheme organizations show the effectiveness of the algorithm in discovering the specific tree organization structure.

financial transaction network, black hole nodes, star nodes, spanning subgraph

s: The National Key R&D Program of China (No.2018YFB2004201), Frontier Science and Technology in Notation of China (No.2016QY05X1002-2),National Regional Innovation Center Science and Technology Special Project of China (No.2017QYCX14), Key Research and Development Program of Shandong Province (No.2017CXGC0706), The Fundamental Research Funds for the Central Universities (No.HIT.NSRIF.2020098), 2017 University Co-construction Project in Weihai City

TP391.4

A

10.11959/j.issn.2096?109x.2020001

呂芳（1990? ），女，山東陽谷人，哈爾濱工業(yè)大學(xué)（威海）博士生，主要研究方向為復(fù)雜網(wǎng)絡(luò)、信息內(nèi)容安全、數(shù)據(jù)挖掘。

盧西婧（1998? ），女，山東泰安人，主要研究方向為金融安全。

王巍（1975? ），女，黑龍江齊齊哈爾人，博士，哈爾濱工業(yè)大學(xué)（威海）講師、碩士生導(dǎo)師，主要研究方向為金融安全、數(shù)據(jù)挖掘、自然語言處理。

黃俊恒（1966– ），男，河南新鄉(xiāng)人，哈爾濱工業(yè)大學(xué)（威海）副教授，主要研究方向為數(shù)據(jù)挖掘、人工智能。

王佰玲（1978– ），男，黑龍江哈爾濱人，哈爾濱工業(yè)大學(xué)（威海）教授、博士生導(dǎo)師，主要研究方向為信息對抗、信息安全、信息搜索、移動網(wǎng)絡(luò)、金融安全。

論文引用格式：呂芳, 盧西婧, 王巍, 等. 銀行賬戶交易網(wǎng)絡(luò)中特定組織發(fā)現(xiàn)研究[J]. 網(wǎng)絡(luò)與信息安全學(xué)報, 2020, 6(1): 62-69.

LYU F, LU X J, WANG W, et al. Research on the method of discovering specific organization structure in bank account transaction network[J]. Chinese Journal of Network and Information Security, 2020, 6(1): 62-69.

2019?02?19；

2019?06?14

王佰玲，wbl@hit.edu.cn

國家重點研發(fā)計劃基金資助項目（No.2018YFB2004201）；國家前沿科技創(chuàng)新專項基金資助項目（No. 2016QY05X1002-2）；國家區(qū)域創(chuàng)新中心科技專項基金資助項目（No.2017QYCX14）；山東省重點研發(fā)計劃基金資助項目（No.2017CXGC0706）；中央高校基本科研業(yè)務(wù)費專項基金資助項目（No.HIT.NSRIF.2020098）；2017威海市大學(xué)共建基金資助項目