数据挖掘技术在案件串并和嫌疑人排查中的应用

1、范文范例参考数据挖掘技术在案件串并和嫌疑人排查中的应用一、序言传统的信息管理系统（MIS）,主要针对的是日常的结构化问题，以提高组织的运营效率为目标，通过将大量的数据转换为有价值的信息来强化管理。随着社会的进步和技术的发展，人们不再仅仅满足于获取多种信息和简单的使用信息，而是想在深层次上利用这些信息为组织的决策提供帮助。因此，为了弥补MIS的不足，为了更好进行市场预测、资源配置、人力优化和生产管理，在管理科学、运筹学、数理统计、人工智能等新方法和新技术的推动下，人们开始重视决策支持系统（DSS的研究和应用。“9.11”事件发生以后，西方主要发达国家都高度重视数据挖掘在刑事犯罪情报分析领域的应用

2、研究。刑事犯罪数据的分析与挖掘主要是通过对犯罪记录进行分析，从而发现犯罪行为的规律、趋势，了解不同犯罪行为之间的关联，以及何种状态会诱发何种犯罪行为，进行串并案分析，提供破案线索和情报，预测并预防犯罪。在中国，随着经济增长、社会变革深入、人员流动性增强，影响社会稳定的不安定因素增加。特别是2008年以后,中国大陆人均GDP突破3000美元，侵财类案件进入高发周WORD格式整理范文范例参考(BI)期，流窜作案、团伙作案等新型犯罪手段层由不穷。部分公安机关开始运用商业智能（BI）的思维，利用商业智能分析工具，结合长期积累的侦查办案经验，探索建设警务决策支持系统，研究开展基于犯罪数据的分析挖掘。二、

3、案件串并和嫌疑人排查的主要方法1、关联规则分析关联规则算法指数据中两个或多个变量取值之间暗含的某种规律性。支持度是对关联规则重要性的衡量，置信度是对关联规则准确性的衡量。以挖掘关联规则为目标的挖掘过程一般包含两个阶段，第一阶段，从资料库中找由所有的高频项目组，它们由现的频率相对于所有组而言，达到或超过所设定的最小支持度。第二阶段，从高频项目组中产生关联规则，保证应用该规则得到的结果可以达到最小的置信度。关联规则在公安情报分析中的典型应用是对犯罪行为规律的挖掘。运用关联规则可以发现犯罪分子的身份、年龄、地域等特征与其在实施犯罪行为中所使用的手段、特点、选择的地点以及侵害对象等方面的关联规律性，把

4、具有相似特征的犯罪人员从海量数据中分拣由来，形成“高危人群”数据库，利用高危人群数据库指导帮助案件侦破。2、聚类分析聚类分析方法主要是研究对象中各点之间存在的程度WORD格式整理范文范例参考不同的相似性，根据对象属性战由各点间相似程度的序列，把一些相似程度较大的点聚合为一类。在公安情报分析中，聚类分析方法应用最广泛。可以对犯罪手段、特点、作案时间等关键要素进行挖掘，帮助分析人员确定具有较高相似度的案件，刻画嫌疑人特征，并把看似不相关的案件进行合并侦查。可以挖掘发现案件的高发时段、高发地区以及高发的作案手段，指导巡逻防控和情报预警。3、协同过滤协同过滤分析方法是在用户群中找到指定用户兴趣相似的用

5、户，综合这些相似用户对某一信息的评价，形成该指定用户对此信息的喜好程度的预测。一般分为基于项目的协同过滤和基于用户的协同过滤。在公安实战中，我们可以将案件（一串案件）发生轨迹视为“项目”，将嫌疑人活动轨迹视为“对项目的偏好”，通过计算轨迹吻合度，推荐可能的犯罪嫌疑人。4、分类与回归分类与回归分析主要用于我由描述并区分数据类的模型（或函数），以便能够使用模型预测未知的对象类。分类分析的目的是学会一个分类模型，该模型能把数据库中的项映射到给一组类别中的某一个类。在公安情报分析中，可以使用分类与回归的分析方法，将特定的人员（例如：前科人WORD格式整理范文范例参考员）映射到“高危人群”中，当“高危人

6、群”由现时，由符合“犯罪内容”特征的犯罪预警。三、案件串并和嫌疑人排查业务需求1、业务背景随着“金盾工程”建设的深入开展，各级公安机关已经逐步建立了各类公共基础信息资源库、人员社会行为动态信息资料库和业务信息系统，积累了大量的数据资源，这些数据资源和信息系统在辅助各级公安机关业务人员进行案件调查工作和服务群众等方面带来了很大的帮助，在一定程度上提高了案件处理的效率和水平。但是，大部分公安机关对案件进行串并、摸排嫌疑人仍停留在利用经验积累进行人工分析的初级阶段。面对信息资源不断增长的现状，公安机关迫切需要运用数据挖掘的思想和方法，对各类数据背后所蕴涵的内在的、必然的因果关系进行挖掘，提高案件串并

7、和嫌疑人排查工作效率。2、业务应用场景由于犯罪行为动力定型的稳定性和犯罪心理的思维定式，系列犯罪案件的作案人在其不断的犯罪活动中的行为和特征具有稳定性和规律性。本文所描述的分析方法适用于具有连续作案行为特征的犯罪情报分析，例如：团伙流窜案件、涉黑涉恶案件等可防性案件，不适用于偶发的、突发的“激情”犯罪。WORD格式整理范文范例参考3、建设目标使用成熟的图形化展示工具，集成串并案分析、排查嫌疑人功能，建立一个面向情报分析人员的智能分析系统。系统具备自学习功能，提供便捷、有效的串并案模型和排查模型，促进信息深度利用，提高公安机关信息化应用水平、串并案和排查嫌疑人工作效率。4、业务流程(1)建立案件

8、特征库。分析已破案件特征，包括：案件类别、作案特点、作案时机、侵害对象、作案工具等项目，分别生成串并案模型。(2)建立违法犯罪人员特征库。对已破案件以及相关的违法犯罪人员进行分析，挖掘案件特征与犯罪人员特征的潜在关联关系，构建“高危人群”数据库。(3)运用串并案模型，针对未破案件，开展案件串并，并推荐由可能作案的高危人群。(4)构建违法犯罪人员活动轨迹数据库，包括：违法犯罪人员乘坐由租车轨迹，违法犯罪人员机动车经过卡口(电子警察)轨迹，违法犯罪人员手机经过电子围栏(基站)轨迹，违法犯罪人员上网、住宿、社保卡消费、公交(公共自行车)轨迹，重点人员本地金融活动轨迹，违法犯罪人员室外活动轨迹(基于天

9、网工程人像比对发现)。备注：违法犯罪人员机动车包含其本人所有车辆、同住WORD格式整理范文范例参考人和同户人所有车辆。(5)将已串并案件的案发轨迹与符合高危特征的犯罪人员活动轨迹叠加分析，计算时间和空间上的吻合度，并推荐由未破案件的可能嫌疑人。四、详细设计方案根据需求分析，实现业务应用功能总体设计思路为：对数据进行汇集、整合、建模，运用数据挖掘算法发现和揭示数据中隐含的关联关系，并使用图形方式展示。项目总体逻辑架构图如下：.-福身生4在即力一同控frfaFKTH二百与图1:总体逻辑架构图1、数据获取：对数据挖掘的数据源进行搜集整理。根据业务需求，搜集案件、嫌疑人、嫌疑人活动轨迹信息，获取数据源

10、连接和访问权限，对数据结构进行分析，完成找到数据的工作。根据需求和数据源状况，确定数据更新方法、更新策略，选择ETL工具，本项目选择旧MDatastageWORD格式整理范文范例参考数据源名称来源ETL策略备注刑事案件信息本地业务系统立案时间、每日、增量用于挖掘案件特征刑事案件现场勘验信息本地业务系统勘验时间、每日、增量用于挖掘案件特征违法犯罪人员（本地）本地业务系统录入时间、每日、增量按身份证去重，用于挖掘高危人群特征违法犯罪人员（全国）公安部下发每月、批量按身份证去重，用于挖掘高危人群特征户籍人口本地业务系统录入（修改）时间、每日、增量用于确定违法犯罪人员同户人实有人口本地业务系统录入（修

11、改）时间、每日、增量用于确定违法犯罪人员同住人出租车轨迹以及乘客照片社会资源乘车时间、每日、增量照片比对确定身份，发现轨迹卡口过车信息本地业务系统过车时间、每日、增量发现轨迹电子警察抓拍信息本地业务系统抓怕时间、每日、增量发现轨迹电子围栏和话单本地业务系统经过（通话）时间、每日、增量发现轨迹网吧上网记录本地业务系统卜网时间、每日、增量发现轨迹旅馆住宿记录本地业务系统入住时间、每日、增量发现轨迹社保卡消费记录社会资源刷卡时间、每日、增量发现轨迹公交（公共自行车）刷卡记录社会资源刷卡时间、每日、增量发现轨迹重点人员本地金融活动记录公安部下发刷卡时间、每日、增量发现轨迹违法犯罪人员室外活动轨迹本地业

12、务系统经过时间、每日、增量图像挖掘、图片比对确定身份，发现轨迹表1:数据源表WORD格式整理范文范例参考2、预处理：为数据挖掘提供符合要求数据，包括数据清洗、转换（标准化）、装载、建模。采用数据抽取工具（ETL）,对收集的数据进行抽取、清洗、转换及装载，实现数据的整合、去重，向多维数据仓库提供高质量的数据。图2:ETL过程在此基础上对数据进行关联、建模，为情报分析研判提供可用的数据。根据业务特性，确定案件、犯罪人员以及犯罪人员活动轨迹三个主题，区分维度数据表和事实数据表，建立数据仓库模型。下图为案件事实表以及相关维度表数据结构示例。WORD格式整理范文范例参考年案匣因惟图1F崇乐园烟吗作案入口

13、漏码曲佳间名爵口口入审靠作西点间SHmHn.A干军井可人鼓甯度作案共HU戴菊同川忖前学时衣词码我蛤称取?班独效理死时间:乍泰丁祖第百作案工眺国再移IEJ烹件+J?维国窠科文传漏云而行后乜场时,»源久去费蛇年件据案*E物累友地14%受纯度案发地域竟型熔码莽度中国二型其存案发花域=型痛1±并店费入叼而矍MCE续案宴事我三案立蚤件案瞿案作北办案作拇RH>R码&码Ha(F(F1F什司姆霸ffi假海神用二唬二IF，(F仍嗝卜蜃一UI1漏干任附层病撵蚂码息王码三二二目三e:F展摒展展受端薨索里产展ri皆用对案件交三点置度作京谢姓斫页二层联码醇盛懿露差雅懿髓赢期汨案件餐别室

14、三层堀码轨件件住门作件相案案姮一tth二F-E-iEEP-EE-_rF_m码格-1包祐一禳，述审台幅痕名型亡福年累常点苒二层单码办某单位难度办宰单位诧工扁吗作空遇释对寻雄原1用出口算厚作案出口编码!（舞弓翻效据戴人时间除手觥三ESi作鬃选法两国就二编蚂5虫S吊斑第筮量蒙普作需工具雉摩财揭蛾入时后作案工具病二J5fi码作案工导旎一耳扃码作蔡丁其珥一百近图3:数据结构实例（案件表）3、数据挖掘：使用挖掘算法进行挖掘，找由有用的信息。（1）运用聚类分析方法，对某地近十年来的已破刑事案件进行分析，构建刑事案件空间向量矩阵，矩阵的行为一起刑事案件的一个空间向量，矩阵的列为作案手段、选择处所、选择时间、作

15、案特点等特征。采用聚类操作后，如果多个案件的多个或全部属性都有相似性，就可以认为这是一串案件，并形成一套分类规则，即案件串并模板。下图展示了部分串并案模板。WORD格式整理范文范例参考r技术开腿1作案手段鼓术开锁同选择时机咻间10选择处所-选择住宅层次相同10选择处所4日间30,悔改验.早陋入塞作案手段零鹿乳室50选择处所寸目向30选择处斯-选择住宅层次相同10选择0胃机4目同10r1扳螳Afi作案手段春、振窗栏入室50送修处所4目同30选择处所-选择住宅层次相同10选择时机4目同10，修改版除翻窗入室作案手段金寄人室50选择时机才目同10选择处所-选择住宅层次相同10诰择处新1目同30修改箍

16、除图4:案件串并模板示例街面诈骗作案手段才目同50损失物品#目同10作案特点却同w案件类用HJj面诈骗20选择对象才目同1。修改通除图5:案件串并模板示例（2）运用关联规则分析方法，对某地近十年来的已破刑事案件特征（I1:作案手段、I2:作案特点、I3:案件类型、I4:选择处所）和犯罪分子特征（I5:户籍地行政区划）进行关联，构建数据库事务集合Db运用Apriori算法，扫描事务数据库，产生候选项集，设置min_sup=50,逐步迭代，产生频繁k项集Lk以及支持度计数，k>2且必须要包含I5:户籍地行政区划；设置min_conf=80%由频繁k项集Lk产生并输由强关联规则，得由高危人群数

17、据库。表2展示了运用关联规则分析方法分析的高危人群部分数据样本。WORD格式整理范文范例参考I1作案手段I2作案特点I3案件类型I4选择处所I5行政区划区划名称迷信多人作案诈骗街面340823安徽根阳县技术开锁单人作案盗窃车内财物路面411528河南息县冒充军人、干部单人作案诈骗412825河南上蔡县撬防盗门入室作案入室盗窃工商企业430427湖南耒阳市利用口香糖技术开锁入室作案入室盗窃居民小区431224湖南激浦县飞车抢夺多人作案抢夺440229广东翁源县插片开锁多人作案入室盗窃452728广西东兰县夜间攀爬翻窗多人作案入室盗窃居民小区513428四川凉山籍表2:高危人群样例数据（3）运用串

18、并案模板对现行案件进行串并，并根据案件特征（作案手段、作案特点、案件类型、选择处所等）比对高危人群数据库，推荐由可能作案的高危人群。*啊亶索14幅科心力“人员出金分前看1声人人员金耳住总新外地M受足料A受本蛆长乐R才力方相慎眼，生她分如餐脐人疝宣福件!睡小必加刚啦加和1口工11日元口E1b.|聆1IWW!"杵且南并1H*1丽*whtift中好|期一E手怛“tM1迪丽retHiL川Q陶人土口一国力涮出而里阅HJW221制画和口幡廓声之蟀fill胃能手包事«11工&511工z®Hrt朝姐12】3林苗：七立内峰说凯一茵前配外值的后幅区的自封13IUDU吉卜*30

19、口口阅阅曲阅川D2：«D-：G：L2Q：4tl«l!0人工立福MbHA工13胆4MQMAf4第一口33加叩IIW33J第K®4幡涮加如11万京餐副比"用EWA工Hfl弼题5E值aW正过时闻闻面1加L博仃*«223ftStt«如*111022工击变将置肝梗EH儿也、后M死网Ml0国口酷由卜士©一削2下画乂认田供EU13而加比即加第X±匆！二虐It厕刈7|一|帧|谢期值51即m却-b汨jiffiiaimwmmiMW?|AisWI|默nirrni*|wixt11ml加的他则值；hrw工死艇»1)痴心心ID2gL

20、WHM口1加3BHHHUUKQDMnjeil|AMSM胆”二LMV3T*1£；3孑工出：sifl阴f百百SffiBSff口布井索分析'日（欲耕询1人，图6:运用串并案模板进行串并案件（4）建立符合可能作案的高危人群特征（户籍地）的违法犯罪人员活动轨迹数据库，构建案件轨迹与嫌疑人员活动轨迹的空间和时间矢量矩阵，通过计算矢量距离，推导由与案件时间、轨迹吻合度最高，且符合案件特征的可能的作案嫌疑人。表3展示了一串案件发生时，6个符合特征的嫌疑人手机位置与案件发生地点的空间矢量距离，null表示没有WORD格式整理范文范例参考发现其活动信息嫌疑人1嫌疑人2嫌疑人3嫌疑人4嫌疑人5嫌疑

21、人6案件1325mNullNull589mNullNull案件2Null600m400m5060mNullNull案件3160m2430mNullNullNull3680m案件4400m890m280mNullNullNull表3:嫌疑人手机位置与案件发生地点的空间矢量矩阵通过对表3的数据进行分析，可以初步判定嫌疑人1、嫌疑人2、嫌疑人3具有重大嫌疑。在实际操作中，单一种类轨迹构成的矩阵可能非常稀疏，往往需要将多种轨迹信息进行叠加分析，以提高分析的准确性。4、用户界面：将数据挖掘通过可视化的方法展示给用户。(1)数据挖掘过程具有高度的交互性，在涉及多维数据挖掘的过程中，要构建灵活的用户界面和探索式的挖掘环境。在串并案模板挖掘过程中，我们采用构建立方体(Cube)的方法，允许用户运用知识背景进行下钻、切片、维度旋转、设置度量等操作。(2)数