湯妙佳，張 勇

（安徽省煙草公司淮南市公司信息中心，淮南 232033）

0 引言

互聯(lián)網(wǎng)具有一定的開放性和虛擬性，人們借助互聯(lián)網(wǎng)交易獲得自己所需，這一特點(diǎn)為涉煙違法行為提供了平臺和途徑。在我國經(jīng)濟(jì)日趨良好的靜態(tài)，煙草市場上的經(jīng)營者出現(xiàn)良莠不齊的局面，很多經(jīng)營者并未獲得零售許可證等相關(guān)資質(zhì)，通過快遞物流等互聯(lián)網(wǎng)手段進(jìn)行煙草倒賣假冒卷煙。此行為嚴(yán)重?cái)_亂了市場秩序，減少了國家的稅收，情節(jié)嚴(yán)重者已違反刑法。因此，加強(qiáng)物流快遞中違法犯罪涉煙行為的監(jiān)管成為當(dāng)前規(guī)范煙草市場的重要任務(wù)。自2016年起，積累了大量的物流涉煙違法行為的案件。利用歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，分析數(shù)據(jù)中的線索，為現(xiàn)階段的違法涉煙數(shù)據(jù)分析提供依據(jù)。此論文的主要目的是采用數(shù)據(jù)挖掘方法［4］，著力構(gòu)建“數(shù)據(jù)主導(dǎo)偵查，基于分析，決策依托研判”的互聯(lián)網(wǎng)涉煙犯罪模式。

常用的異常數(shù)據(jù)監(jiān)測算法為聚類算法，是基于機(jī)器學(xué)習(xí)領(lǐng)域下的無監(jiān)督學(xué)習(xí)，可有效對數(shù)據(jù)進(jìn)行分類，讓數(shù)據(jù)“活”起來，實(shí)現(xiàn)由傳統(tǒng)的人海戰(zhàn)術(shù)向數(shù)據(jù)主導(dǎo)的轉(zhuǎn)變。2019年呂飛等［5］運(yùn)用K-means聚類算法實(shí)現(xiàn)了互聯(lián)網(wǎng)涉煙異常數(shù)據(jù)的檢測。由于K-means 易受異常值影響，本文采用的數(shù)據(jù)分類方法為基于密度方法的

DBSCAN。

1 DBSCAN算法概述

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一個(gè)比較有代表性的基于密度的聚類算法。算法的主要目標(biāo)是相比基于劃分的聚類方法和層次聚類方法，需要更少的領(lǐng)域知識來確定輸入?yún)?shù)；發(fā)現(xiàn)任意形狀的聚簇；在大規(guī)模數(shù)據(jù)庫上更好的效率［6-9］。DBSCAN 算法的主要優(yōu)點(diǎn)在于能夠?qū)⒆銐蚋呙芏鹊膮^(qū)域劃分成簇，并且能夠抵抗噪聲干擾，在具有噪聲的空間數(shù)據(jù)庫中也能夠發(fā)現(xiàn)任意形狀的簇。算法的核心思想是確定一個(gè)核心點(diǎn)，從核心點(diǎn)出發(fā)向密度可達(dá)的區(qū)域擴(kuò)張，從而得到一個(gè)包含核心點(diǎn)和邊界點(diǎn)的最大化區(qū)域，區(qū)域中任意兩點(diǎn)密度相連［10］。在DBSCAN 算法中，數(shù)據(jù)點(diǎn)可分為三類，如圖1所示。

圖1 數(shù)據(jù)點(diǎn)分類

（1）核心點(diǎn)：若樣本xi的a領(lǐng)域內(nèi)至少包含MinPts個(gè)樣本，即稱樣本點(diǎn)xi為核心點(diǎn)。

（2）邊界點(diǎn)：若樣本點(diǎn)xi的領(lǐng)域范圍內(nèi)包含的樣本數(shù)目小于MinPts，但是它在其他核心點(diǎn)的領(lǐng)域內(nèi)，則稱樣本點(diǎn)xi為邊界點(diǎn)。

（3）噪音點(diǎn)：既不是核心點(diǎn)也不是邊界點(diǎn)。

DBSCAN的具體流程為：

輸入：樣本集D={x1,x2,…,xn}，領(lǐng)域參數(shù)（a,MinPts），樣本距離度量方式。

輸出：簇劃分C={C1,C2,…,Ck}。

①初始化核心點(diǎn)集合Ω=?，初始化聚類簇?cái)?shù)k=0，初始化為訪問集合Γ=D，簇劃分C=?。

②對于i=1,2,…,n，按照下面步驟找出所有的核心點(diǎn)：

（a）通過距離度量方式，找到樣本xi的a領(lǐng)域子樣本集N（ax）i；

（b）如果子樣本集樣本個(gè)數(shù)滿足|Na(xi) |≥MinPts，將樣本xi加入核心點(diǎn)集合：Ω=Ω?{xi}；（c）如果核心點(diǎn)集合Ω=?，結(jié)束；否則，轉(zhuǎn)入步驟（d）；

（d）在核心點(diǎn)集合Ω中，隨機(jī)選擇一個(gè)核心點(diǎn)o，初始化當(dāng)前簇核心點(diǎn)隊(duì)列Ωcur={o} ，初始化類別序號k=k+1，初始化當(dāng)前簇樣本集合Ck={o} ，更新為訪問樣本集合Γ=Γ-{o} ；

（e）如果當(dāng)前核心點(diǎn)隊(duì)列Ωcur=?，則當(dāng)前簇Ck生成完畢，更新劃分簇C={C1,C2,…,Ck}，更新核心點(diǎn)集合Ω=Ω-Ck；

（f） 在當(dāng)前簇核心點(diǎn)隊(duì)列Ωcur中取出一個(gè)核心點(diǎn)o'，通過領(lǐng)域閾值找出所有的領(lǐng)域子樣本集Na(o')，使Δ=Na(o') ?Γ，更新當(dāng)前簇樣本集合Ck=Ck?Δ，更新訪問樣本集合Γ=Γ-Δ，更新Ωcur=Ωcur?(Δ ?Ω)-{o'} ，轉(zhuǎn)入步驟（e）。

2仿真實(shí)驗(yàn)

為了驗(yàn)證DBSCAN 算法在實(shí)際違法犯罪區(qū)域劃分中的應(yīng)用，本節(jié)首先模擬煙草涉案數(shù)據(jù)1000 組，具體內(nèi)容見表1，將其GIS 坐標(biāo)信息進(jìn)行分類，效果如圖2所示。實(shí)驗(yàn)使用的編程語言為Python 3.6，硬件平臺配置為：Intel i5-9600kf CPU，Nvidia TITAN V（12 GB/Nvidia）GPU，16 G DDR4 RAM。

表1 涉案煙草數(shù)據(jù)表結(jié)構(gòu)

假設(shè)模擬數(shù)據(jù)如圖2（a）所示，圖中不同密度區(qū)分明顯。運(yùn)用DBSCAN 算法后，其分類結(jié)果如圖2（b）所示，圖中很好地將數(shù)據(jù)進(jìn)行了分類，表明DBSCAN 的有效性。同時(shí)，為了進(jìn)一步模擬涉煙案件數(shù)據(jù)，減小數(shù)據(jù)的特殊性，如圖3所示。從圖3分類結(jié)果可以看出，不同密度區(qū)域可以被很好劃分，可有效劃分不同區(qū)域找出其中心點(diǎn)，對實(shí)際案件進(jìn)行指導(dǎo)。

圖2 涉煙案件數(shù)據(jù)模擬1（不同形狀代表不同類）

圖3 涉煙數(shù)據(jù)模擬2（不同形狀代表不同類）

前述部分為模擬實(shí)驗(yàn)，不能完全模擬實(shí)際涉煙數(shù)據(jù)的復(fù)雜性，因此選取H 市煙草專賣局部分物流寄遞案件數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，以驗(yàn)證此算法的應(yīng)用可行性。對于每件物流涉煙案件，系統(tǒng)記錄數(shù)據(jù)包含收發(fā)貨地址以及對應(yīng)的經(jīng)緯度。從數(shù)據(jù)庫中隨機(jī)選取500 起H 市煙草專賣局2017年查獲的物流涉煙案件數(shù)據(jù)樣本，提取了案件的GIS 坐標(biāo)信息（由于涉密，進(jìn)行了數(shù)據(jù)標(biāo)準(zhǔn)化），繪制散點(diǎn)圖進(jìn)行分類后結(jié)果如圖4所示。圖4中，根據(jù)密度一共劃分為六簇，從圖4可以看到，此算法在實(shí)際應(yīng)用中能夠分離條狀及圓形區(qū)域的簇，可從復(fù)雜的分布中識別出案件高發(fā)的區(qū)域，挖掘其內(nèi)部信息。在此區(qū)域內(nèi)，涉案區(qū)域皆被劃分成六個(gè)區(qū)域，可為重點(diǎn)排查這六個(gè)區(qū)域的中心區(qū)域作指導(dǎo)。

圖4 涉煙案件數(shù)據(jù)分類結(jié)果

3 結(jié)語

本文利用DBSCAN 算法對互聯(lián)網(wǎng)涉煙數(shù)據(jù)進(jìn)行了分類，模擬了涉煙數(shù)據(jù)地點(diǎn)分布散點(diǎn)圖，實(shí)驗(yàn)表明了DBSCAN 算法劃分涉煙案件區(qū)域的有效性。為了進(jìn)一步驗(yàn)證此算法在實(shí)際案件中的應(yīng)用性，提取H 市的500 起涉煙數(shù)據(jù)進(jìn)行分類，由圖4所示結(jié)果可以看出，經(jīng)過DBSCAN算法劃分后，可對發(fā)件地址及收件地址異常區(qū)域進(jìn)行劃分，找出案件高發(fā)的中心點(diǎn)。在實(shí)際偵查時(shí)，便可重點(diǎn)排查此區(qū)域，減少偵查時(shí)間，減少人力物力投入，充分發(fā)揮信息技術(shù)的作用。

總而言之，互聯(lián)網(wǎng)具有一定的特殊性，基于互聯(lián)網(wǎng)的犯罪行為在監(jiān)管追查上難度較大。但是，可以利用互聯(lián)網(wǎng)的優(yōu)勢，對以往收集到的信息進(jìn)行數(shù)據(jù)挖掘，做好數(shù)據(jù)信息的分析工作，便可捕捉到關(guān)鍵信息。