陳 鵬 曾昭龍 胡嘯峰 張學(xué)軍

（中國人民公安大學(xué)信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院 北京 102600）

1 前言

隨著公安信息化建設(shè)的不斷推進(jìn)，犯罪預(yù)測已經(jīng)成為當(dāng)前公安機(jī)關(guān)開展精準(zhǔn)打擊和有效治理的重要工具。而在實(shí)現(xiàn)過程上，犯罪預(yù)測也經(jīng)歷了從定性到定量，從簡單到復(fù)雜的過程?？偟膩砜?，犯罪預(yù)測的發(fā)展大致可以分為兩個主要階段，第一個階段主要是以案件數(shù)量的時序預(yù)測為主，即根據(jù)案件的歷史數(shù)據(jù)來預(yù)測未來短期內(nèi)犯罪數(shù)量的變動趨勢，在方法上主要以灰色模型[1]、自回歸滑動平均[2]、馬爾可夫鏈[3]、BP神經(jīng)網(wǎng)絡(luò)[4]、支持向量機(jī)等工具為主[5]，這種預(yù)測由于偏重于事件的發(fā)生概率，因此，主要應(yīng)用于巡邏巡控、防范防控等典型的公安勤務(wù)指揮等業(yè)務(wù)層面。近年來，隨著大數(shù)據(jù)分析在公安工作中的應(yīng)用不斷深入，犯罪預(yù)測從第一階段發(fā)展到第二階段，即從事件預(yù)測向個體預(yù)測轉(zhuǎn)變[6-8]，尤其是基于個體特征的犯罪人風(fēng)險預(yù)測得到了更多的重視，這種預(yù)測由于能夠?qū)崿F(xiàn)對個人的身份和行為進(jìn)行精準(zhǔn)刻畫，因此，適用于更加具體的業(yè)務(wù)場景，如治安重點(diǎn)人員犯罪風(fēng)險分析、犯罪人特征識別等。

在公安工作中，慣犯群體是相較于其他犯罪人危害性更大的一類主體，其主要特點(diǎn)為犯罪人員在短時間內(nèi)以一定形式反復(fù)從事同一類犯罪活動，由于慣犯群體在短時間內(nèi)頻繁作案會推高一個區(qū)域的發(fā)案量，嚴(yán)重危害社會安全秩序等特點(diǎn)，因此，具有更大的危害性，一直以來是公安機(jī)關(guān)重點(diǎn)打擊的對象。傳統(tǒng)的慣犯群體特征分析和預(yù)測研究主要是從犯罪人特征描述的角度進(jìn)行，即利用犯罪學(xué)、心理學(xué)和社會學(xué)等基本理論，利用人格分析、心理測量等手段研究犯罪人的社會、心理和人格等影響因素特征，進(jìn)而在此基礎(chǔ)上開展犯罪人行為分析等工作[9-11]。這種研究的理論性較強(qiáng)，方法以偏定性化的調(diào)查和心理分析為主，因此，適用于對慣犯群體的特征畫像與犯罪行為解釋，但在公安信息化環(huán)境下犯罪人員慣犯身份的快速判定這一實(shí)戰(zhàn)性較強(qiáng)的應(yīng)用中實(shí)用性比較有限。另一方面，近年來利用機(jī)器學(xué)習(xí)方法開展犯罪人的身份特征分析已經(jīng)成為犯罪人預(yù)測的一個新的發(fā)展方向，一些研究人員利用Probit、支持向量機(jī)等分類算法對犯罪人的身份進(jìn)行了一定的分析實(shí)驗(yàn)[12-13]，但這些工作的主要目標(biāo)為實(shí)現(xiàn)犯罪人員身份特征的精準(zhǔn)預(yù)測，其結(jié)果可解釋性和應(yīng)用性較差。因此，對于公安偵查工作來說，基于現(xiàn)有的公安數(shù)據(jù)資源提出一種分析效率高、應(yīng)用性能較好的慣犯人員身份識別方法具有很重要的現(xiàn)實(shí)意義。對此，本文從公安偵查工作的現(xiàn)實(shí)需求出發(fā)，以現(xiàn)有的公安偵查數(shù)據(jù)資源為基礎(chǔ)，研究一種基于機(jī)器學(xué)習(xí)的犯罪人慣犯身份特征的快速識別方法，為刑事偵查和犯罪人員鑒別等工作提供技術(shù)手段支持。

2 犯罪人慣犯身份特征的預(yù)測分析原理

2.1 犯罪人慣犯身份特征的預(yù)測分析流程

隨著公安信息化的快速發(fā)展，公安部門掌握了人、地、物、事等大量的基礎(chǔ)信息資源，其中在犯罪人員的數(shù)據(jù)資源方面就包括了犯罪人的生物、社會、關(guān)系、行為等多種信息類型。目前，在公安偵查工作領(lǐng)域一個很重要的業(yè)務(wù)應(yīng)用是偵查訊問，即如何根據(jù)犯罪人本身的相關(guān)信息快速判斷其身份特征以便為下一階段的工作提供偵查方向，而對于慣犯群體來說偵查重點(diǎn)就是根據(jù)犯罪人的一些基本屬性判斷其屬于慣犯的可能性。對此，根據(jù)公安數(shù)據(jù)資源現(xiàn)狀及機(jī)器學(xué)習(xí)分類預(yù)測的基本原理，提出如圖所示的慣犯群體的預(yù)測分析流程。其中原始的數(shù)據(jù)為分析對象的一些基本信息，對于犯罪人預(yù)測分析來說，主要的信息可以分為三大類，即目標(biāo)對象的生物屬性信息（如性別、年齡等）、社會屬性信息（如學(xué)歷、職業(yè)等）和行為屬性信息（如違法行為和前科記錄），在原始數(shù)據(jù)的基礎(chǔ)上可以根據(jù)如下流程開展慣犯群體的身份特征識別工作：

（1）對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除無效或缺失數(shù)據(jù)，再根據(jù)目標(biāo)對象的三類重點(diǎn)信息定義進(jìn)行數(shù)據(jù)抽取，以此作為分析預(yù)測的自變量。

（2）對目標(biāo)對象的屬性信息變量進(jìn)行數(shù)據(jù)歸約化，即把屬性特征中具有相近或相似性的數(shù)據(jù)項(xiàng)進(jìn)行合并，然后按照屬性信息變量的類別定義相應(yīng)的標(biāo)簽，對數(shù)據(jù)信息進(jìn)行標(biāo)簽化。

（3）對標(biāo)簽化后的數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和預(yù)測數(shù)據(jù)，利用機(jī)器學(xué)習(xí)分類算法對訓(xùn)練數(shù)據(jù)集進(jìn)行分類訓(xùn)練，構(gòu)造預(yù)測分類器，最后應(yīng)用分類器對預(yù)測數(shù)據(jù)集開展實(shí)際的預(yù)測分析，并得到預(yù)測結(jié)果。

圖 慣犯群體的預(yù)測分析框架

2.2 基于二項(xiàng)邏輯回歸的犯罪人慣犯身份特征預(yù)測分類實(shí)現(xiàn)

在分類器的選擇上，本文選取二項(xiàng)邏輯回歸分類算法來構(gòu)造犯罪人慣犯身份特征識別模型。二項(xiàng)邏輯回歸分類是一種基于統(tǒng)計(jì)學(xué)習(xí)的經(jīng)典分類算法，能夠解決數(shù)據(jù)線性不可分等復(fù)雜類問題，適用性較好，因此，常用于二分類預(yù)測和判別問題分析。此外，相較于其他分類算法，二項(xiàng)邏輯回歸的另一個優(yōu)勢在于能夠發(fā)現(xiàn)分類問題中的危險性因素，即對分類問題具有較大影響性的變量因素，因此，二項(xiàng)邏輯回歸分類結(jié)果具有良好的可解釋性。

現(xiàn)令犯罪人慣犯身份特征識別問題為二分類問題，則目標(biāo)對象的屬性信息為x，且，其慣犯身份分別用0和1表示，其中0表示目標(biāo)對象不是慣犯，1表示目標(biāo)對象為慣犯，則分類結(jié)果可以由條件概率分布P（Y|X）表示，其表達(dá)式為如下形式：

采用極大似然估計(jì)法對模型的參數(shù)進(jìn)行估計(jì)，設(shè)：

則似然函數(shù)為：

對數(shù)似然函數(shù)為：

3 實(shí)驗(yàn)分析

3.1 數(shù)據(jù)概況

以某市2016年街面盜竊、扒竊、入室盜竊三類案件的犯罪嫌疑人數(shù)據(jù)作為案例，進(jìn)行犯罪人群體的慣犯身份特征預(yù)測分析。根據(jù)犯罪類型定義，街面盜竊為偷竊街面機(jī)動車、沿街門店財(cái)物的犯罪行為，扒竊是在公共空間非法盜取他人隨身攜帶財(cái)物的犯罪行為，入室盜竊為進(jìn)入他人室內(nèi)盜取財(cái)物的犯罪行為。三類案件的初始數(shù)據(jù)分別為1461、316、361條，經(jīng)過去重及刪除缺失項(xiàng)后三類案件的有效數(shù)量分別為937、201、276條。

三類案件的屬性及相關(guān)變量如表1所示。其中，犯罪人的分類學(xué)習(xí)目標(biāo)被設(shè)定為是否為慣犯，即“是”和“否”兩類。在分類變量的選擇上，主要選取了犯罪人的性別、年齡、文化程度、是否有吸毒史等。其中性別和年齡為犯罪人的生物屬性，文化程度為社會屬性，是否有吸毒史為其行為屬性。在變量的標(biāo)簽化方面，除了性別與是否有吸毒史為典型的二值變量以外，年齡屬于連續(xù)型變量，文化程度屬于多值型變量。為了便于分類分析，對變量進(jìn)行歸約化處理。根據(jù)各個屬性特征變量下犯罪人的數(shù)量分布，將文化程度分為小學(xué)以下、初中和高中以上等三個類別，將年齡分為20歲以下、20-29歲、30-39歲和40歲以上等四個類別。

3.2 預(yù)測評價

應(yīng)用二項(xiàng)邏輯回歸算法對三類案件數(shù)據(jù)集進(jìn)行分類預(yù)測，其中模型參數(shù)采用梯度下降法進(jìn)行估計(jì)，模型檢測采用交叉驗(yàn)證法，分別進(jìn)行2-10折驗(yàn)證。檢驗(yàn)完成后，計(jì)算相應(yīng)的精度、召回率和AUC值。令P為正元組數(shù)量，N為負(fù)元組數(shù)量，TP為實(shí)際是正元組而被分類為正元組的數(shù)量；TN為實(shí)際是負(fù)元組而被分類為負(fù)元組的數(shù)量；FP為實(shí)際為負(fù)元組但被誤分類為正元組的數(shù)量；FN為實(shí)際是正元組但被誤分類為負(fù)元組的數(shù)量。則精度定義為：

表1 犯罪人的屬性特征變量名稱及標(biāo)簽化處理

AUC為接受者操作特征曲線（ROC）下方的面積。ROC曲線中的橫坐標(biāo)為假陽性率，縱坐標(biāo)為真陽性率，即召回率。如果模型的分類效果越好，AUC越接近1，如果模型為隨機(jī)猜測，則AUC等于0.5。本文定義慣犯為正元組，初犯為負(fù)元組。為便于兩個模型進(jìn)行比較，引入F1-Measure度量方法。F1表示為精度和召回率的調(diào)和平均值，能夠綜合反映模型在分類預(yù)測準(zhǔn)確性上的效果，其定義式為：

3.3 結(jié)果分析

表2為三類案件分別經(jīng)過2-10折交叉檢驗(yàn)的計(jì)算結(jié)果。從結(jié)果中可以看到，在三類案件中，街面盜竊案件的二項(xiàng)邏輯回歸分類效果最好，其分類精度平均值達(dá)到了0.698，召回率平均值為0.735，AUC平均值為0.716；其次為入室盜竊類案件，其分類精度平均值達(dá)到了0.634，召回率平均值為0.644，AUC平均值為0.682；相比之下，扒竊類案件的分類效果則相對較低，其分類精度平均值達(dá)到了0.624，召回率平均值為0.627，AUC平均值為0.651。由此可見，利用犯罪人的性別、年齡、文化程度和吸毒史等屬性特征能夠?qū)T犯群體實(shí)現(xiàn)較好的分類預(yù)測。

為進(jìn)一步驗(yàn)證二項(xiàng)邏輯回歸模型的有效性，將二項(xiàng)邏輯回歸分類預(yù)測的結(jié)果與隨機(jī)森林模型得到的結(jié)果進(jìn)行對比。應(yīng)用隨機(jī)森林模型和二項(xiàng)邏輯回歸模型對三類案件犯罪人進(jìn)行分類預(yù)測，結(jié)果如表3所示。由表中數(shù)據(jù)可見，對于街面盜竊和入室盜竊兩類案件，二項(xiàng)邏輯回歸與隨機(jī)森林模型的分類效果比較接近，但二項(xiàng)邏輯回歸要略好于隨機(jī)森林方法，但對于扒竊案件，二項(xiàng)邏輯回歸的分類效果則要明顯好于隨機(jī)森林模型。

表2 三類案件犯罪人的分類預(yù)測準(zhǔn)確率

表3 基于隨機(jī)森林和二項(xiàng)邏輯回歸的分類效果對比

在統(tǒng)計(jì)分類準(zhǔn)確率的基礎(chǔ)上，進(jìn)一步統(tǒng)計(jì)各類案件的二項(xiàng)邏輯回歸分類OR值。OR值即優(yōu)勢比，指的是數(shù)據(jù)組中二分類組數(shù)量的比值除以對照組中二分類組數(shù)量的比值。一般將OR值與1進(jìn)行對比，如果變量的OR值大于1，則該變量對分類結(jié)果具有顯著性影響。三類案件的二項(xiàng)邏輯回歸分類的OR值如表4所示。從中可見，街面盜竊案件中犯罪人有三類特征變量的OR值大于1，依次為文化程度在小學(xué)以下，年齡在40歲以上和30-39歲之間，即符合這些特征的犯罪人屬于慣犯的可能性要大于初犯。對于扒竊類案件，OR值最為顯著的變量為有吸毒史，達(dá)到了17.3以上，即有吸毒史的犯罪人屬于慣犯的可能性是此人屬于初犯的可能性的17倍多，其次分別為年齡在40歲以上、文化程度在小學(xué)以下、性別為男性。對于入室盜竊案件，OR值大于1的特征變量有5個，其中最為顯著的變量為年齡在40歲以上，其次分別為年齡在30-39歲之間、文化程度在小學(xué)以下、有吸毒史和文化程度為初中。

4 結(jié)論

隨著公安信息化的快速發(fā)展，如何利用已有公安數(shù)據(jù)資源實(shí)現(xiàn)犯罪人身份特征的快速、準(zhǔn)確識別和分析已成為公安偵查工作的迫切需求。本文針對慣犯這一特殊犯罪人群體，利用犯罪人的生物屬性、社會屬性和行為屬性等多類信息資源，提出了一種基于機(jī)器學(xué)習(xí)的犯罪人慣犯身份特征識別預(yù)測模型。通過以某市的街面盜竊、扒竊、入室盜竊三類案件的犯罪人特征數(shù)據(jù)作為實(shí)驗(yàn)案例，利用該模型和二項(xiàng)邏輯回歸分類算法對犯罪人的慣犯特征進(jìn)行了分類預(yù)測。分析結(jié)果表明，二項(xiàng)邏輯回歸模型能夠得到較好的分類預(yù)測效果，并且在分類預(yù)測的精度和召回率上要好于隨機(jī)森林方法，特別是二項(xiàng)邏輯回歸模型通過計(jì)算OR值給出了對預(yù)測結(jié)果影響較大的危險性特征變量集，其結(jié)論具有較好的可解釋性和外延性，對公安偵查工作有著較高的實(shí)用價值。

表4 三類案件犯罪人的分類OR值