论文部分内容阅读
当前,盗窃、电信诈骗等系列案件高发,给人们生命财产造成了巨大损失,也严重影响了公安机关的公信力。多发性系列案件因其发案率高、破案率低、线索提取难的特点给公安机关破案增加了难度,在多发性系列案件中,同一嫌疑对象所实施的行为通常具有共性特征,这一特征所产生的数据在案件独立分析时无法体现为有价值的信息。利用大数据挖掘多发性系列案件之间的关联关系,已成为公安机关分析案件线索的一个重要手段。
多点位关联分析是针对多发性案件线索提取的一种大数据方法,以公安数据库为基础数据源,提取案发现场海量的电子数据,利用大数据构建多点位关联分析模型,挖掘出现在多个案发现场的同一特征数据,为公安机关侦查多轨迹、多区域、多行为等多发性系列案件提供线索。
首先,通过文献阅读总结国内外公安大数据研究水平、存在的问题。
其次,介绍了多点位关联分析的大数据处理系统、公安数据系统架构。阐述多点位关联分析理论,分析了多点位关联的数据关系及逻辑关系。
接着,根据公安办案需求以获取系列案件特征数据为目标,利用Linux虚拟操作系统,搭建Hadoop分布式大数据处理集群,实现海量数据的分布式计算;利用HBase与公安数据库实现数据交换,提取与案件相关的海量数据;通过JupyterNotebook应用程序将数据转化成可关联数据集,使用Python语言编程构建多点位关联分析模型。
最后,通过编程将多点位关联分析模型应用到多轨迹、多区域、多行为的系列案件中,验证了大数据多点位关联分析的有效性。
研究发现,通过大数据技术将海量无规律的数据转化为高价值的可获取信息,可以快速准确锁定多发性系列案件的关键线索;多点位关联分析可将大数据技术固化为通用公安办案工具,用于并案线索分析、关系网研判、作案工具查找等多种办案情景,有助于公安办案效率的提高。
多点位关联分析是针对多发性案件线索提取的一种大数据方法,以公安数据库为基础数据源,提取案发现场海量的电子数据,利用大数据构建多点位关联分析模型,挖掘出现在多个案发现场的同一特征数据,为公安机关侦查多轨迹、多区域、多行为等多发性系列案件提供线索。
首先,通过文献阅读总结国内外公安大数据研究水平、存在的问题。
其次,介绍了多点位关联分析的大数据处理系统、公安数据系统架构。阐述多点位关联分析理论,分析了多点位关联的数据关系及逻辑关系。
接着,根据公安办案需求以获取系列案件特征数据为目标,利用Linux虚拟操作系统,搭建Hadoop分布式大数据处理集群,实现海量数据的分布式计算;利用HBase与公安数据库实现数据交换,提取与案件相关的海量数据;通过JupyterNotebook应用程序将数据转化成可关联数据集,使用Python语言编程构建多点位关联分析模型。
最后,通过编程将多点位关联分析模型应用到多轨迹、多区域、多行为的系列案件中,验证了大数据多点位关联分析的有效性。
研究发现,通过大数据技术将海量无规律的数据转化为高价值的可获取信息,可以快速准确锁定多发性系列案件的关键线索;多点位关联分析可将大数据技术固化为通用公安办案工具,用于并案线索分析、关系网研判、作案工具查找等多种办案情景,有助于公安办案效率的提高。