CN108109096A - 一种智慧检务预防职务犯罪的方法 - Google Patents
一种智慧检务预防职务犯罪的方法 Download PDFInfo
- Publication number
- CN108109096A CN108109096A CN201711473944.0A CN201711473944A CN108109096A CN 108109096 A CN108109096 A CN 108109096A CN 201711473944 A CN201711473944 A CN 201711473944A CN 108109096 A CN108109096 A CN 108109096A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- crime
- occupational crime
- occupational
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种智慧检务预防职务犯罪的方法,涉及职务犯罪预防和发现技术领域。该方法,通过综合运用数据挖掘,各类数据的采集、数据处理和清洗技术,运用转化思想,将对应人的房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况均加权转化成人民币计算,再对其社会相对应的地位进行对比,分析出其偏离数值,计算偏离数值阈值,从而可以使得决策人员可以快速的根据偏离值与阈值比较结果采用主动的,不同的应对预防策略,尽可能快的和尽可能早的预防和发现职务犯罪,从而快速的预防和治理的作用,达到维护法制社会,提高政府威信的目的。
Description
技术领域
本发明涉及职务犯罪预防和发现技术领域,尤其涉及一种智慧检务预防职务犯罪的方法。
背景技术
随着社会经济的发展,经济体制的变革,社会结构和社会思想发生相应的变化,而社会转型期的利益驱使和滞后的制度,使得职务犯罪日益严重,犯罪形式层出不穷,加之犯罪主体的特殊性,犯罪手段也越来越隐蔽,这使得职务犯罪侦查的难度大大提高。同时,职务犯罪相对于其他犯罪具有反侦查能力和意识较强和高隐蔽性的特点,要求了检务人员务必快速做出决定和行动。
目前,往往发生了职务犯罪才做出相应的行动,而这个时候,对于人民群众、党、国家和政府已经造成了不可挽回的损失和威信伤害,检务部门面对职务犯罪的发生,相对比较被动。
在职务犯罪侦查过程中,检务为了掌握足够的情报数据和证据,虽然已经使用了具有科技感的侦查工具,例如移动手机定位系统、手机侦听、GPS定位等,但是,在实际操作中,往往不能系统化发挥这些设备的组合效果,不能达到预期的目的。因此,检务对于职务犯罪的情报掌握不够系统。
另外,目前,检务部门在全国联网,数据统一、东西部技术差距、甚至区域标准统一等方面都有较大的欠缺,从而,使得检务对于职务犯罪的侦查数据的整合和分析力度无法达到相应的要求。
可见,现有技术中,在预防职务犯罪的情报和数据收集分析系统和手段还不能达到预期的要求,辅助决策者快速的做出决定。
因此,职务犯罪应当向主动发现发展,消灭职务犯罪于萌芽之中。同时,构建科学、合理有效的职务犯罪侦查系统和方法是预防职务犯罪的必要制度保障。
发明内容
本发明的目的在于提供一种智慧检务预防职务犯罪的方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种智慧检务预防职务犯罪的方法,包括如下步骤:
S1,获取被调查者名下的如下项目的数据:房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况,并转化成统一的价值单位数据;
S2,利用如下公式计算被调查者职务犯罪的偏离值:
其中,
λ为综合数值,即被调查者职务犯罪的偏离值;
βi为地域性权重,取值范围大于0,默认值是1;
Xi是S1中得到的被调查者名下的各数据项数值,单位可以是人民币,如果不是人民币,可以按照实际市场价值转化为以人民币计价的数据;
Xi’是被调查者所在地区的各数据项的平均值;
m为数据项的数量,为正整数;
每一个(Xi/Xi')βi为个人单项数据比值;
S3,将S2中计算得到的偏离值与偏离阈值Smin进行对比,判断被调查者职务犯罪可能性,其中,Smin为该地区最近三年所有职务犯罪历史数据按照S2中公式计算求得的最小值,某地区偏离阈值Smin为一个动态阈值。
优选地,S1中,所述被调查者名下的各项目的数据为:房管局、金融系统记录的数据,信用卡交易记录、信用卡信用数值、通话记录、工商企业金额流动关联的数据。
优选地,S2中,所述被调查者所在地区的各数据项的平均值,采用如下方法获取:
直接来源于国家统计局发布的数据,或
按照国家统计局的数据进行计算间接获取,或
对于统计局未统计的数据,则依照相关机构,包括金融机构、第三方权威统计机构发布的数据为准。
优选地,S2中,所述计算被调查者职务犯罪的偏离值,采用spark技术处理,其处理过程为:先将不同的数据项以及权重进行分割,分别计算各数据项的偏离值,再将各数据项的偏离值进行合并相加得出综合的λ。
优选地,每个所述数据项的偏离值利用服务器集群计算。
优选地,S3中,所述被调查者职务犯罪可能性,包括如下情况:
偏离值小于偏离值阈值Smin,可能没有职务犯罪动机;
偏离值大于等于偏离值阈值Smin,存在职务犯罪动机。
本发明的有益效果是:本发明实施例提供的智慧检务预防职务犯罪的方法,通过综合运用数据挖掘,各类数据的采集、数据处理和清洗技术,运用转化思想,将对应人的房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况均加权转化成人民币计算,再对其社会相对应的地位进行对比,分析出其偏离数值,计算偏离数值阈值,从而可以使得决策人员可以快速的根据偏离值与阈值比较结果采用主动的,不同的应对预防策略,尽可能快的和尽可能早的预防和发现职务犯罪,从而快速的预防和治理的作用,达到维护法制社会,提高政府威信的目的。
附图说明
图1是集群处理结构示意图;
图2是利用集群进行处理的B/S架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供的一种智慧检务预防职务犯罪的方法,包括如下步骤:
S1,获取被调查者名下的如下项目的数据:房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况,并转化成统一的价值单位数据;
S2,利用如下公式计算被调查者职务犯罪的偏离值:
其中,
λ为综合数值,即被调查者职务犯罪的偏离值;
βi为地域性权重,取值范围大于0,默认值是1;
Xi是S1中得到的被调查者名下的各数据项数值,单位可以是人民币,如果不是人民币,可以按照实际市场价值转化为以人民币计价的数据;
Xi’是被调查者所在地区的各数据项的平均值;
m为数据项的数量,为正整数;
每一个(Xi/Xi')βi为个人单项数据比值;
S3,将S2中计算得到的偏离值与偏离阈值Smin进行对比,判断被调查者职务犯罪可能性,其中,Smin为该地区最近三年所有职务犯罪历史数据按照S2中公式计算求得的最小值,某地区偏离阈值Smin为一个动态阈值。
本发明采用B/S架构,该架构将系统功能实现的核心部分集中到服务器上,简化了系统的开发、维护和使用。客户机上只要安装一个浏览器即可正常使用。
因为绝大多数的个人财富是有限的,其对应的消费水平也是有限的,尤其是在固定收入工作的情况下。一个人对各项物质的消耗与各项社会消耗平均值的比值越高,则其发生职务犯罪的可能性越大。所以,本发明实施例中,通过S2中的公式计算个人职务犯罪的偏离值。
在该计算过程中,平均值的意义非常重要,例如计算房产价值,那么该被调查者所在的市区/县区人均拥有房产价值就是一个非常重要的参考。平均数值主要直接来源于国家统计局发布的数据,亦或者按照国家统计局的数据进行计算间接获取。对于统计局未统计的数据,则依照相关机构,例如银行等金融机构、第三方权威统计机构等部门发布为准。
计算得到偏离值之后,将其与偏离阈值进行比较,确定该被调查者的犯罪可能性。
比如,针对某地区偏离阈值的确定过程:将该地区最近3年所有职务犯罪历史数据按照S2中公式计算,求得所有结果数值的最小值Smin。因此,某地区偏离阈值是一个动态数据。
在具体预测过程中,假如综合数据λ小于Smin,那么认为此人暂时没有职务犯罪的可能;假如综合数据λ大于等于Smin,则认为此人可能存在职务犯罪的风险,并且λ越大,预警级别越高。
对于偏离阈值,由于不同地域经济发展有较大差异,所以,可以依据具体情况进行适应性调整。
可见,本发明实施例中,通过使用各种侦查方法和手段,搜集来自各种渠道的数据。数据包括但是不限于房产,车辆资产,工作情况,手机通话记录、银行流水,行为偏好等数据。充分发挥各种工具的作用,实时掌握各类数据。对于不能直接采集到的数据,数据源则优先选择统计局、银行等第三方权威机构。
通过对数据进行数据清洗,使清洗后的数据能够进行计算和分析。例如,对于缺陷数据可以采用平均值,统一标准,数据标准和单位转化等。
通过spark进行大数据数据分析计算。采用spark流式分析技术,相对Hadoop能够更快的发现异常点。
因此,采用本发明提供的预防职务犯罪的方法,具有简单明了,计算方便,易操作的特性,可以帮助检务部门进行职务犯罪的初级筛选,更好的促进法治社会的发展。
本发明实施例中,S1中,所述被调查者名下的各项目的数据可以为:房管局、金融系统记录的数据,信用卡交易记录、信用卡信用数值、通话记录、工商企业金额流动关联的数据。
在实际操作过程中,可以通过使用各种侦查方法和手段,搜集来自各种渠道的数据。数据包括但是不限于房产,车辆资产,工作情况,手机通话记录、银行流水,行为偏好等数据。
采集到各项数据后,可以对数据进行清洗,使清洗后的数据能够进行计算和分析。例如,对于缺陷数据可以采用平均值,统一标准,数据标准和单位转化等。
本发明实施例中,S2中,所述被调查者所在地区的各数据项的平均值,可以采用如下方法获取:
直接来源于国家统计局发布的数据,或
按照国家统计局的数据进行计算间接获取,或
对于统计局未统计的数据,则依照相关机构,包括金融机构、第三方权威统计机构发布的数据为准。
本发明实施例中,S2中,所述计算被调查者职务犯罪的偏离值,可以采用spark技术处理,其处理过程为:先将不同的数据项以及权重进行分割,分别计算各数据项的偏离值,再将各数据项的偏离值进行合并相加得出综合的λ。
Spark运用内置组件Streaming对数据进行运算,Streaming是一个对实时数据流进行高通量、容错处理的流式处理系统,可以对多种数据源(如Kdfka、Flume)进行类似Map、Reduce等复杂操作,并将结果保存到外部文件系统、数据库。其计算过程是将大批量的数据进行切割、分片。然后分解成一系列短小的批处理作业进行处理。最后在将结果进行合并运算。在该系统中,我们可以将不同的数据项以及权重进行分割,然后在进行分别运算。分割后分别以不同的服务器计算(X1/X1')β1,计算(X2/X2')β2,以此类推。最后,再将这些数据进行合并相加得出最终结果λ,并将结果存储到数据库。
本发明实施例中,每个所述数据项的偏离值利用服务器集群计算。
上述方法中,利用不同的集群分别处理利用Spark技术分割后的各项数据及其权重,比如,集群1计算(X1/X1')β1,集群2计算(X2/X2')β2,以此类推,最后,将这些计算结果进行合并相加得出最终结果λ,并将结果存储到数据库。具体的集群处理结构示意图如图1所示。利用集群进行处理的B/S架构如图2所示。
S3中,所述被调查者职务犯罪可能性,包括如下情况:
偏离值小于偏离值阈值Smin,可能没有职务犯罪动机;
偏离值大于等于偏离值阈值Smin,存在职务犯罪动机。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明实施例提供的智慧检务预防职务犯罪的方法,通过综合运用数据挖掘,各类数据的采集、数据处理和清洗技术,运用转化思想,将对应人的房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况均加权转化成人民币计算,再对其社会相对应的地位进行对比,分析出其偏离数值,设置偏离数值阈值,对比分析被调查人的综合值与阈值的大小关系来预测其职务犯罪可能性,从而可以使得决策人员可以快速的针对不同犯罪可能性采用主动的,不同的应对预防策略,尽可能快的和尽可能早的预防和发现职务犯罪,从而快速的预防和治理的作用,达到维护法制社会,提高政府威信的目的。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (6)
1.一种智慧检务预防职务犯罪的方法,其特征在于,包括如下步骤:
S1,获取被调查者名下的如下项目的数据:房产,车辆,银行流水,负债与存款,日常消费,潜在消费,通话关联人信用值,高档消费,家庭资产流动情况,并转化成统一的价值单位数据;
S2,利用如下公式计算被调查者职务犯罪的偏离值:
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>0</mn>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
</mrow>
其中,
λ为综合数值,即被调查者职务犯罪的偏离值;
βi为地域性权重,取值范围大于0,默认值是1;
Xi是S1中得到的被调查者名下的各数据项数值,单位可以是人民币,如果不是人民币,可以按照实际市场价值转化为以人民币计价的数据;
Xi’是被调查者所在地区的各数据项的平均值;
m为数据项的数量,为正整数;
每一个(Xi/Xi')βi为个人单项数据比值;
S3,将S2中计算得到的偏离值与偏离阈值Smin进行对比,判断被调查者职务犯罪可能性,其中,Smin为该地区最近三年所有职务犯罪历史数据按照S2中公式计算求得的最小值,某地区偏离阈值Smin为一个动态阈值。
2.根据权利要求1所述的智慧检务预防职务犯罪的方法,其特征在于,S1中,所述被调查者名下的各项目的数据为:房管局、金融系统记录的数据,信用卡交易记录、信用卡信用数值、通话记录、工商企业金额流动关联的数据。
3.根据权利要求1所述的智慧检务预防职务犯罪的方法,其特征在于,S2中,所述被调查者所在地区的各数据项的平均值,采用如下方法获取:
直接来源于国家统计局发布的数据,或
按照国家统计局的数据进行计算间接获取,或
对于统计局未统计的数据,则依照相关机构,包括金融机构、第三方权威统计机构发布的数据为准。
4.根据权利要求1所述的智慧检务预防职务犯罪的方法,其特征在于,S2中,所述计算被调查者职务犯罪的偏离值,采用spark技术处理,其处理过程为:先将不同的数据项以及权重进行分割,分别计算各数据项的偏离值,再将各数据项的偏离值进行合并相加得出综合的λ。
5.根据权利要求4所述的智慧检务预防职务犯罪的方法,其特征在于,每个所述数据项的偏离值利用服务器集群计算。
6.根据权利要求1所述的智慧检务预防职务犯罪的方法,其特征在于,S3中,所述被调查者职务犯罪可能性,包括如下情况:
偏离值小于偏离值阈值Smin,可能没有职务犯罪动机;
偏离值大于等于偏离值阈值Smin,存在职务犯罪动机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711473944.0A CN108109096A (zh) | 2017-12-29 | 2017-12-29 | 一种智慧检务预防职务犯罪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711473944.0A CN108109096A (zh) | 2017-12-29 | 2017-12-29 | 一种智慧检务预防职务犯罪的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108109096A true CN108109096A (zh) | 2018-06-01 |
Family
ID=62214632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711473944.0A Pending CN108109096A (zh) | 2017-12-29 | 2017-12-29 | 一种智慧检务预防职务犯罪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109096A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106578A1 (en) * | 2009-10-29 | 2011-05-05 | Bank Of America Corporation | Reputation Risk Framework |
CN104008007A (zh) * | 2014-06-12 | 2014-08-27 | 深圳先进技术研究院 | 基于流式计算和批处理计算的互操作数据处理系统及方法 |
CN104899430A (zh) * | 2015-05-14 | 2015-09-09 | 江苏大学 | 一种基于多源实例迁移学习的恐怖行为预测方法 |
CN106096623A (zh) * | 2016-05-25 | 2016-11-09 | 中山大学 | 一种犯罪识别与预测方法 |
CN107194715A (zh) * | 2017-04-07 | 2017-09-22 | 广东精点数据科技股份有限公司 | 社会行为数据模型的构建方法 |
CN107506952A (zh) * | 2017-10-12 | 2017-12-22 | 杭州中奥科技有限公司 | 危险指数的评估方法、装置及电子设备 |
-
2017
- 2017-12-29 CN CN201711473944.0A patent/CN108109096A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106578A1 (en) * | 2009-10-29 | 2011-05-05 | Bank Of America Corporation | Reputation Risk Framework |
CN104008007A (zh) * | 2014-06-12 | 2014-08-27 | 深圳先进技术研究院 | 基于流式计算和批处理计算的互操作数据处理系统及方法 |
CN104899430A (zh) * | 2015-05-14 | 2015-09-09 | 江苏大学 | 一种基于多源实例迁移学习的恐怖行为预测方法 |
CN106096623A (zh) * | 2016-05-25 | 2016-11-09 | 中山大学 | 一种犯罪识别与预测方法 |
CN107194715A (zh) * | 2017-04-07 | 2017-09-22 | 广东精点数据科技股份有限公司 | 社会行为数据模型的构建方法 |
CN107506952A (zh) * | 2017-10-12 | 2017-12-22 | 杭州中奥科技有限公司 | 危险指数的评估方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
韩德志 等: "基于Spark Streaming的实时数据分析系统及其应用", 《计算机应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | How concentrated is crime at places? A systematic review from 1970 to 2015 | |
Escribà‐Folch et al. | Remittances and protest in dictatorships | |
Pinotti | The economic costs of organised crime: Evidence from Southern Italy | |
Light et al. | Race, space, and violence: Exploring spatial dependence in structural covariates of white and black violent crime in US counties | |
Schneider et al. | The economics of terrorism and counter-terrorism: A survey | |
Schneider | Macroeconomics: The financial flows of islamic terrorism | |
Pinotti | The economic consequences of organized crime: Evidence from Southern Italy | |
Dee et al. | Vanished classmates: The effects of local immigration enforcement on student enrollment | |
Johnson | The future of American tax administration: Conceptual alternatives and political realities | |
Slutzky et al. | Organized Crime and Firms: Evidence from Antimafia Enforcement Actions | |
Neretina | Lobbying externalities and competition | |
Szabó et al. | Why Do some Labour Alliances Succeed in Politicizing Europe across Borders? A Comparison of the Right2Water and Fair Transport European Citizens' Initiatives | |
Helms | Global Economic Integration and Nativist Politics in Emerging Economies | |
van Ostaijen et al. | The politics of numbers. Framing intra-EU migrants in the Netherlands | |
Zhu et al. | Impact of the COVID-19 pandemic on the stock market and investor online word of mouth | |
Saxena et al. | Application of social network analysis (SNA) to terrorist networks in Jammu & Kashmir | |
Unlu et al. | A contemporary evaluation of Turkish drug-control policy | |
Sánchez et al. | FraudFind: Financial fraud detection by analyzing human behavior | |
Zhang et al. | Big data-assisted urban governance: forecasting social events with a periodicity by employing different time series algorithms | |
Kanhere et al. | A methodology for outlier detection in audit logs for financial transactions | |
CN108109096A (zh) | 一种智慧检务预防职务犯罪的方法 | |
Ahokpossi et al. | Financial depth in the WAEMU: Benchmarking against frontier SSA countries | |
Kalugina et al. | Comparative analysis and experience of using social network analysis information systems | |
Amodio et al. | Making do with what you have: Conflict, firm performance and input misallocation in palestine | |
Tuhkuri | Big data: Do google searches predict unemployment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |