唐德權史偉奇凌志剛

（1　湖南警察學院　湖南　長沙　410138；2　湖南大學　湖南　長沙　410082）

有組織犯罪集團挖掘算法研究

唐德權1史偉奇1凌志剛2

（1湖南警察學院湖南長沙410138；2湖南大學湖南長沙410082）

針對當前中國有組織犯罪活動分布廣泛、結構嚴密、活動多樣等特點，將有組織犯罪網絡數據抽象為共犯網絡數據結構，提出一種挖掘有組織犯罪集團主要成員的算法。該算法將復雜網絡圖結構劃分為幾個模塊，采用子圖聚類的方法將共同犯罪的主要成員分出到共犯網絡結構，提高了有組織犯罪集團檢測效率，準確有效地獲取集團主要犯罪成員。算法在現實數據集上實驗結果表明，該算法較傳統的算法在時間性能上有很大提高。

共犯網絡數據挖掘有組織犯罪時間效率

1　前言

當前復雜的網絡組織通常是由若干網絡模塊（或稱網絡社區(qū)）組成，這些模塊由一組結點構成并且模塊內的結點聯系緊密而模塊間的聯系相對較少。根據結點的分布，如有無交集或相互重疊可以判斷共同犯罪網絡的緊密程度，共犯網絡的結構檢測和計算對挖掘有組織犯罪結點信息有著重要的作用。中國有組織犯罪集團主要包含黑惡勢力犯罪和黑社會性質組織犯罪，其中黑社會性質組織犯罪是中國典型的有組織犯罪。[1]國內外對有組織犯罪集團研究工作已經全面展開。國外的Morselli[2]等人經過近幾年的研究，從共犯網絡結構出發(fā)，提出了有組織犯罪系統結構，但只對205個數據樣本集進行了實驗，沒有對大型有組織犯罪實驗。當前中國有組織犯罪活動也日趨活躍，犯罪活動頻繁而強烈。犯罪組織形式多種多樣，組織結構由單一的線性或層次結構向復雜的網絡圖結構轉變，給有組織犯罪的偵查工作帶來了極大的障礙。國內學者馬萬等提出基于社會網絡結構的有組織犯罪集團取證方法；[3]唐常杰等利用Dijistra算法的最短路徑提出了有組織犯罪集團挖掘的SPLINE算法；[4]劉齊宏等提出有組織犯罪集團核心成員挖掘算法。[5]

一般來說，提取有組織犯罪集團證據結果的數據主要來自兩個方面：一是要建立符合犯罪規(guī)律的有組織犯罪網絡結構特征如形式和動態(tài)，二是有組織犯罪集團的實驗數據的演化和預測。本文從實際案例數據出發(fā)，首先建立有組織犯罪集團的共犯網絡結構提出相關知識，然后提出一種基于共犯網絡的有組織犯罪集團檢測的改進算法CNDA（Co-offending Network Detection Algorithm），最后在現實數據集上用改進的算法與現有國內有組織犯罪集團挖掘算法進行比較分析，得出改進的算法性能優(yōu)越結論。

2　相關知識

2.1共犯網絡

共犯網絡是基于社會網絡基礎上一種新的有組織犯罪集團結構。[6]目前主要利用社會網絡分析方法對大量犯罪集團和組織深入研究，得出一種犯罪組織系統結構。共犯網絡從數據集中的數據結構得到，由結點和邊構成的網絡結構，一般用四元組G=（V,E,ΣV, ΣE,L）表示。其中，V是結點集，E是邊集，ΣV和ΣE分別是結點和邊的標號集；L是標號集的映射函數即：L:V→ΣV,E→ΣE。

2.2有組織犯罪

有組織犯罪，是當今國際社會公認的一種最高級犯罪形態(tài)，聯合國大會宣稱其為“世界三大犯罪災難”之一?，F有的文獻中針對犯罪特征對有組織犯罪的定義主要有三個基本觀點：一是有組織的犯罪主要是對犯罪行為而言，與沒有規(guī)律的犯罪行為相比有組織犯罪被視為某些犯罪活動特征的連續(xù)性；二是有組織犯罪集中在與權力相關的經濟或社會的政治結構中；三是有組織犯罪通過網絡連接實施犯罪。目前對有組織犯罪研究比較認可的結論是：有組織犯罪是分散，雜亂無章的網絡結構，鏈接著罪犯權力與地位并影響國家甚至世界政治和經濟的網絡。[7]為了量化有組織犯罪，本文提出活躍犯罪組和嚴重犯罪組。

2.3共犯網絡檢測

共犯網絡檢測主要是指在靜態(tài)網絡圖結構中尋找一個最合理的模塊，這個模塊包含某個案件的所有犯罪成員。共犯網絡檢測的主要問題是如何尋找合理的網絡子結構——模塊。為處理這一問題，一個較好的技術措施就是給每個劃分的模塊進行量化，然后選出一個分值最高的為檢測模塊。隨著時間的推移，目前主要有兩種方法：一是直接在網絡檢測過程中應用時間信息；二是采用時間平滑度跟蹤犯罪網絡演繹軌跡。本文在時間信息基礎上進行改進，主要有兩個步驟：（1）在獲取的靜態(tài)數據集檢測每一個時間段；（2）應用匹配函數量化共犯網絡結構發(fā)展的時間步驟。

我們定義了一個kxm矩陣M，如果罪犯Ou參與事件iv，則muv=1，否則為0。因此一個共犯網絡是kxk矩陣：N=MMT。

3　共犯網絡檢測

為檢測共犯網絡集團，對共犯網絡每一次按照以下步驟連續(xù)進行：①在當前網絡發(fā)現罪犯組；②計算當前網絡這些組織的活動和犯罪行為，以及他們的成員基于前面的網絡之間犯下的罪行；③對步驟2中與物質利益相關的犯罪進行評估；④識別有組織犯罪集團；⑤更新當前時間，進行演化跟蹤。在下面更詳細地解釋這些步驟。算法1如下：

算法1中定義兩個閾值：α表示犯罪活動和β表示犯罪行為。某一犯罪集團Ci在時間t犯罪行為表示為，定義為:

這里jik表示某個罪犯ik的嚴重程度，即犯罪集團Ci成員在t時刻的犯罪行為。

設i1,i2,…,in是Ci在時間t的犯罪成員，某一犯罪集團Ci在時間t1到時間t2的活動記為，計算公式如下：

A l g o r i t h m 1 C N D A I n p u t：( 1 ) C r i m e D a t a s e t ( 2 ) C r i m e s e r i o u s n e s s i n d e x ( 3 ) α , β O u t p u t：Ot1, Ot2,…Otm,步驟：1 . / D a t a P r e p a r a t i o n * / 2：f o r e a c h s e t o f c r i m e i n c i d e n t s i n [ t1, t2] { 3：E x t r a c t t h e c o -o f f e n d i n g n e t w o r k 4：D e t e c t o f f e n d e r g r o u p s Ct1, Ct2,…Ctn, 5：F o r e a c h o f f e n d e r g r o u p CtiI Ct{ 6：C o m p u t e r t h e g r o u p a c t i v i t y q 7 : C o m p u t e r t h e g r o u p c r i m i n a l i t y Fti8：I d e n t i f y p o s s i b l e o r g a n i z e d c r i m e Oti9：F o r e a c h p o s s i b l e o r g a n i z e d c r i m e Oti{ 1 0 : A s s e s s o v e r a l l g r o u p m a t e r i a l b e n e f i t 1 1：O u t p u t Ot1, Ot2,…, Otm^ t1, t2i

4　實驗分析

為了驗證本文提出的CNDA算法有效性，實驗數據采用我國打擊黑社會有組織犯罪數據集，[1]該數據集記錄了時間從2006至2011犯罪數據，包含所有報告犯罪信息（1954條記錄）。犯罪記錄的基本信息如表1所示，共涉及74個罪行，該表僅列舉了前10個。本文算法對該數據集挖掘結果時間性能如圖1、圖2所示，X表示結點數目，Y表示挖掘時間（單位：ms）。

表1　有組織實施的主要犯罪行為

圖1顯示本文提出的算法CNDA挖掘活躍犯罪集團與SPLINE算法時間性能比較，基于共犯網絡結構算法可以省去最短路徑長度大于6的結點計算與判斷，從而提高了算法效率，使用CNDA算法的時間代價約為SPLINE算法的時間代價的80.6%。

圖1　活躍犯罪集團挖掘的時間性能

從圖2可以看出，CNDA算法在挖掘嚴重犯罪集團時候算法的效率高，大約高出20.3%。

圖2　嚴重犯罪集團挖掘的時間性能

5　結論

本文采用我國2006年至2011年打擊黑社會組織犯罪數據集得到的數據來建立共犯網絡，提出一種基于共犯網絡的有組織的犯罪集團檢測的改進算法CNDA（Co-offending Network Detection Algorithm）。實驗證明，該算法能成功挖掘犯罪集團核心，準確率達90.3%，較已有的算法提高20.3%。

共犯網絡結構方法同時也為分析共犯網絡形狀和有組織犯罪行為提供了重要的參考證據。值得注意的是，因為操作的背景不同，如果發(fā)出指令不是明顯的數據，共犯網絡就不一定能確定一個組織的所有個體，另需結合警方情報機構報告數據才能獲得一個更全面的刑事犯罪組織的網絡結構。一個大的犯罪網絡通常是由若干個小的集團網絡組成，而小集團網絡之間或者大的有組織犯罪集團之間如何進行交互，這將是下一步進行研究的目標。盡管有組織犯罪集團挖掘算法能準確地挖掘出核心組織成員，但是在共犯網絡結點數較多的時候算法時間效率急劇下降，算法的效率也是未來應致力研究的工作。

[1]靳高風．當前中國有組織犯罪的現狀、特點、類型和發(fā)展趨勢[J]．中國人民公安大學學報（社會科學版），2011（5）：11-23.

[2]C.Morselli,Inside CriminalNetworks.Studiesof OrganizedCrime,Vol.8,Springer，2009.

[3]MA Fang.Analysis in the Study of Organized Crime[J].Journal of Southwest University of Political Soienc;e&Law，2012，14(2):34-43.

[4]WEN Fen-lian，TANG Chang-jie，et al. MiningtheCoreofCrimeNetworkBasedon Shortest Path inSocialNetworkAnalysis[J].Computerscience(S)，2006, 33(11)：266-268.

[5]Qihong Liu，Changjie Tang,et al.Mining the Core Member of Terrorist Crime Group Based on Social Network Analysis.PAISI 2007,LNCS 4430,2007：311-313.

[6]A.J.Reiss,Co-offending and criminal careers. CrimeandJustice:AReview of Research,1988.

[7]Inokuchi A,Washio T.Mining frequent graph sequence patterns induced by vertices.In:Proc.of the SIAM Int'1Conf.on DataMining.2010：466-477.

（責任編輯：郭帥）

TP311.2

A

2095-7939(2015)01-0026-03

2015-01-15

國家高新技術研究發(fā)展計劃（863計劃）（編號：2012AA112312）；教育部高等學校博士學科點專項科研基金（編號：20110161120006）；湖南省公安廳科研基金。

唐德權（1979-），男，湖南東安人，湖南警察學院信息技術系講師，碩士，主要從事信息安全、數據挖掘研究。