犯罪与网络行为特征的映射研究

doi:10.12068/j.issn.1005-3026.2022.05.004

东北大学学报（自然科学版） ›› 2022, Vol. 43 ›› Issue (5): 632-638.DOI: 10.12068/j.issn.1005-3026.2022.05.004

犯罪与网络行为特征的映射研究

陆育卉^1,2，赵海¹，刘晓³，施瀚¹

(1. 东北大学计算机科学与工程学院，辽宁沈阳110169; 2. 辽宁省葫芦岛市人民检察院，辽宁葫芦岛125000; 3. 北京百分点科技集团股份有限公司，北京 100089)

修回日期:2021-07-22 接受日期:2021-07-22 发布日期:2022-06-20
通讯作者: 陆育卉
作者简介:陆育卉(1984-)，女，辽宁葫芦岛人，东北大学博士研究生；赵海(1959-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
中央高校基本科研业务费专项资金资助项目(2020GFZD014)；国家重点研发计划项目(2019JSJ12ZDYF01); 北京市博士后科研活动经费资助项目(2021-ZZ-092).

Research on the Mapping Between Crime and Network Behavior Characteristics

LU Yu-hui^1,2， ZHAO Hai¹， LIU Xiao³， SHI Han¹

1. School of Computer Science & Engineering， Northeastern University， Shenyang 110169， China; 2. People′s Procuratorate of Huludao City， Liaoning Province， Huludao 125000， China; 3. Beijing Percent Technology Group Co.， Ltd.， Beijing 100089， China.

Revised:2021-07-22 Accepted:2021-07-22 Published:2022-06-20
Contact: LU Yu-hui
About author:-
Supported by:
-

摘要/Abstract

摘要： 选取美国芝加哥2012—2017年的盗窃、抢劫、毒品案件进行研究.提出一种基于时空影响域的犯罪网络构造方法，并针对犯罪表现的行为特征与网络行为特征进行映射分析.实验结果表明，所提方法构造的犯罪网络在不同犯罪类型、不同网络规模下均表现出无标度性、小世界特征;局部呈现高聚集性，并体现不同的聚集特点;犯罪网络社团化的程度明显.因此，可以利用复杂网络手段，对犯罪网络建模与拓扑特征分析方面作进一步深入探讨，对不同犯罪模式的动力学研究以及预防和资源配置提供新思路.

关键词: 犯罪网络;网络行为特征;拓扑特征;中心性指标

Abstract: Thefts， robberies and drug cases from 2012 to 2017 in Chicago，United States are selected to study. A method of constructing criminal network based on spatio-temporal influence domain is proposed， and the mapping analysis is carried out according to the behavior characteristics of criminal manifestation and network behavior characteristics. The experimental results show that the criminal networks constructed by the proposed method exhibit scale-free and small-world characteristics under different crime types and different network scales. The local area showed high aggregation and different aggregation characteristics. The degree of corporatization of criminal networks is obvious. It can be seen that complex network means can be used to conduct further in-depth discussion on criminal network modeling and topological characteristics analysis， so as to provide new ideas for the dynamics study of different criminal patterns， prevention and resource allocation.

Key words: criminal network; network behavior characteristics; topological characteristics; central index

中图分类号:

TP391

陆育卉，赵海，刘晓，施瀚. 犯罪与网络行为特征的映射研究[J]. 东北大学学报（自然科学版）, 2022, 43(5): 632-638.

LU Yu-hui， ZHAO Hai， LIU Xiao， SHI Han. Research on the Mapping Between Crime and Network Behavior Characteristics[J]. Journal of Northeastern University(Natural Science), 2022, 43(5): 632-638.

参考文献

[1]Basu K，Sen A.Identifying individuals associated with organized criminal networks:a social network analysis［J］.Social Networks，2021，64:42-54.
[2]黄慧霞.跨境毒品犯罪组织结构的社会网络分析［J］.中国人民公安大学学报(社会科学版)，2010，143:29-40.(Huang Hui-xia.Social network analysis of cross board drug crime organizations ［J］.Journal of Chinese People’s Public Security University(Social Sciences Edition)，2010，143:29-40.)
[3]Shiode S，Shiode N.Network-based space-time search-window technique for hotspot detection of street-level crime incidents［J］.International Journal of Geographical Information Science，2013，27(5):866-882.
[4]Xia Z，Stewart K，Fan J.Incorporating space and time into random forest models for analyzing geospatial patterns of drug-related crime incidents in a major U.S.metropolitan area［J］.Computers Environment and Urban Systems，2021，87(1):101599.
[5]Jung Y，Chun Y，Kim K.Modeling crime density with population dynamics in space and time:an application of assault in gangnam，South Korea［J］.Crime & Delinquency，2020(2):001112872094803.
[6]Contreras C，Hipp J R.Drugs，crime，space，and time:a spatiotemporal examination of drug activity and crime rates［J］.Justice Quarterly，2019(1):1-23.
[7]Zhu Y，Jing C，Fu J Y，et al.Analysis of space-time pattern of robbery crime based on space-time cube［J］.Science of Surveying and Mapping，2019(9):45-58.
[8]Wang Z，Hong Z.Construction，detection，and interpretation of crime patterns over space and time［J］.International Journal of Geo-Information，2020，9(6):339-350.
[9]刘晓，赵海，冯颖，等.林木虫害大数据的网络科学分析方法［J］.东北大学学报(自然科学版)，2016，37(9):1254-1258.(Liu Xiao，Zhao Hai，Feng Ying，et al.Analysis method of network science based on forestry pest big data［J］.Journal of Northeastern University(Natural Science)，2016，37(9):1254-1258.)
[10]何璇.地震数据关系网络的构造、解析与节点关系预测方法研究［D］.沈阳:东北大学，2016.(He Xuan.Research on construction，analysis and node relation prediction methods of earthquake data relation networks［D］.Shenyang:Northeastern University，2016.)
[11]Haider J D，Seidler P，Pohl M，et al.How analysts think:sense-making strategies in the analysis of temporal evolution and criminal network structures and activities［J］.Proceedings of the Human Factors & Ergonomics Society Annual Meeting，2017，61(1):193-197.
[12]Nadathur A S，Narayanan G，Ravichandran I，et al.Crime analysis and prediction using big data［J］.International Journal of Pure and Applied Mathematics，2018，119(12):207-210.
[13]Taha K，Yoo P D.Shortlisting the influential members of criminal organizations and identifying their important communication channels［J］.IEEE Transactions on Information Forensics and Security，2019，14(8):1988-1999.
[14]聚数力.芝加哥市2001年以来犯罪记录数据［EB/OL］.(2017-05-28)［2021-02-15］.http://www.dataju.cn/ Dataju/web/ datasetInstance Detail/353.(Dataju. City of Chicago criminal record data since 2001［EB/OL］.(2017-05-28)［2021-02-15］.http://www.dataju.cn/Dataju/web/datasetInstanceDetail/353.)
[15]Gisela B.Understanding criminal networks:a research guide［J］.Social Forces，2020(2):e1-e3.
[16]Kanimozhi U，SoundaryaV.Recommendation system for criminal behavioral analysis on social network using genetic weighted k-means clustering［J］.Journal of Computers，2017:32-44.
[17]Lin Y L，Meng-Feng Y，Yu L C.Grid-based crime prediction using geographical features［J］.International Journal of Geo-Information，2018，7(8):298-305.

犯罪与网络行为特征的映射研究

Research on the Mapping Between Crime and Network Behavior Characteristics

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	庞彦伟，苏畅，龙涛. 自适应构造与聚合多尺度代价体的双目立体匹配[J]. 东北大学学报（自然科学版）, 2023, 44(4): 457-468.
[2]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[3]	李海燕，熊立昌，郭磊，李海江. 基于U-net边缘生成和超图卷积的两阶段修复算法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 331-339.
[4]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[5]	韩东红，张宏亮，朱帅伟，齐孝龙. 面向新浪微博的情感社区检测算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 21-31.
[6]	原培新，陈鼎夫. 双能X射线高动态范围安检图像压缩算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 96-101.
[7]	魏颖, 徐楚翘, 刁兆富, 李伯群. 基于生成对抗网络的多目标行人跟踪算法[J]. 东北大学学报（自然科学版）, 2020, 41(12): 1673-1680.
[8]	李稷，徐安军. 炼钢车间多天车动态调度仿真方案[J]. 东北大学学报:自然科学版, 2020, 41(12): 1699-1707.
[9]	李占山，吕艾娜. 基于新冗余度的特征选择方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1550-1556.
[10]	王鑫，王翠荣，王聪，苑迎. 双通道多感知卷积神经网络图像超分辨率重建[J]. 东北大学学报:自然科学版, 2020, 41(11): 1564-1570.
[11]	张春雷，戴丽，刘宇，李鹤. 基于三点法和ICP算法的手术导航系统患者配准[J]. 东北大学学报:自然科学版, 2020, 41(11): 1584-1590.
[12]	陈剑，何涛，闻英友，马林涛. 基于BERT模型的司法文书实体识别方法[J]. 东北大学学报:自然科学版, 2020, 41(10): 1382-1387.
[13]	张田，田勇，王子，王昭东. 基于清晰度评价的自适应阈值图像分割法[J]. 东北大学学报:自然科学版, 2020, 41(9): 1231-1238.
[14]	张丽杰，刘建昌，谭树彬. 复杂建筑火灾中的人员疏散路径多目标规划[J]. 东北大学学报:自然科学版, 2020, 41(6): 761-766.
[15]	赵海，周冰玲，朱宏博，窦圣昶. 基于连续最大流的三维肺实质快速分割算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 470-474.