CN109785207A - 一种犯罪预防预测发现的方法方式 - Google Patents
一种犯罪预防预测发现的方法方式 Download PDFInfo
- Publication number
- CN109785207A CN109785207A CN201711126979.7A CN201711126979A CN109785207A CN 109785207 A CN109785207 A CN 109785207A CN 201711126979 A CN201711126979 A CN 201711126979A CN 109785207 A CN109785207 A CN 109785207A
- Authority
- CN
- China
- Prior art keywords
- test object
- crime
- value
- ways
- dubious value
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 73
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims abstract description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims description 3
- 230000002996 emotional effect Effects 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Abstract
本发明涉及一种犯罪预防预测发现的方法方式。所述方法方式包括以下步骤：对检测对象进行评估、对检测对象进行判断和对高危人员进行监控；所述对检测对象进行评估包括检测对象的特征、检测是否有案底、检测对象的接触人群、检索检测对象的学历、检测对象的网络言论、检测对象资金是否异常、检测是否有躲避监察监控、检测对象是否拥有犯罪工具、检测对象是否有不良嗜好和检测是否使用他人身份。本发明通过对检测对象的不同信息及行为进行观察分析，判断可能实施犯罪的人员，从而降低整个社会的犯罪率；本发明的实施可以提高对可能犯罪人员的科学化管理水平，降低对社会的负面影响，保证人们的生命财产安全。
Description
技术领域
本发明涉及目标监测评估技术领域，特别涉及一种犯罪预防预测发现的方法方式。
背景技术
犯罪是人类社会的一种正常的社会现象。随着人类社会的不断进步，尤其是现代化科学技术突飞猛进的发展，犯罪无论在数量上、规模上，还是在犯罪方法、对社会的危害程度上都发生了很大变化，对人类社会构成的威胁越发变得严重。实践证明，犯罪仅靠打击这一治标措施是远远不够的，因此，人们寄希望于犯罪预防。伴随时代发展与科技进步，犯罪也体现出与以往不同的特点。
现有技术中，国内犯罪预测主要采用数理分析的方法，包括回归分析法、灰色系统理论分析法和最优组合分析法等，但这些方法都多数偏重宏观预测领域，未能偏重微观预测领域，无法针对具体人物的信息和行动轨迹给出犯罪的概率大小，从而对民警日常工作缺乏良好的辅助作用。因此，亟需一种犯罪预防预测发现的方法方式，能够具体涉及到个人，准确预测出待测人员的犯罪概率，为公安干警重点排查提供现场指导。
发明内容
为了解决现有技术存在的问题，本发明提供了一种犯罪预防预测发现的方法方式，监测并判断可能实施犯罪的人员，变被动管理为主动监测，对可能出现的风险行为进行积极干预，降低对社会的负面影响。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种犯罪预防预测发现的方法方式，所述方法方式包括以下步骤：
步骤一：建立特征数据库；通过检测大量的无案低以及已确认为罪犯的照片，建立特征数据库；
A．检测对象的特征；采用四类分离器对罪犯与非罪犯的特征进行区分，检测对象是否包含预设面部特征和情绪特征加相应可疑值；
B.检测是否有案底；检测对象是否有案底，同时根据射频技术读取对象身份证信息、社保卡和银行卡信息加相应可疑值；
C.检测对象的接触人群；检测对象是否与可疑值超过预设值的人进行过密切接触加相应可疑值；
D.检索检测对象的学历；对检测对象的学历进行检索，根据不同的教育程度加相应可疑值；
E.检测对象的网络言论；检测对象是否在社交网络发布不当言论或预设关键词，或在聊天软件工具等发布不当言论或预设关键词加相应可疑值；
F.检测对象资金是否异常；检测对象资金是否异常，资金账号内资金近期是否有大波动变动及支出大于收入等情况加相应可疑值；
G.检测是否有躲避监察监控；检测是否有躲避监察监控系统，如墨镜、帽子和口罩等加相应可疑值；
H.检测对象是否拥有犯罪工具；检测对象是否拥有管制物品和犯罪工具，根据此可以预测犯罪类型及部分作为加相应可疑值；
I.检测对象是否有不良嗜好；检测对象是否有不良嗜好及出入高危场所加相应可疑值；
J.检测是否使用他人身份；检测对象是否有使用他人身份，使用身份证与本人不符、自动取款机所使用银行卡并非本人和手机号码主体并非本人等加相应可疑值；
步骤二：对检测对象进行判断；当累加的相应可疑值小于预设值时，初步判断检测对象为安全型人员；当累加的相应可疑值超过预设值时，初步判断检测对象为犯罪高危人员；
步骤三：对高危人员进行监控；判断检测对象为犯罪高危人员时，要对其活动进行重点监控，采用无人机进行跟踪，并实时向监控中心发送高危人员的位置信息。
作为本发明的一种优选实施方式，所述面部特征包括内眼角间距、上唇曲率和鼻唇角角度。
作为本发明的一种优选实施方式，所述四类分离器包括逻辑回归、邻近算法、支持向量机和卷积神经网络。
作为本发明的一种优选实施方式，所述密切接触包括但不限于面见、社交网络和即时通讯软件。
作为本发明的一种优选实施方式，所述资金账号包括银行卡、支付宝、微信支付和其他电子支付。
作为本发明的一种优选实施方式，所述不良嗜好包括吸毒、纹身和吸烟。
作为本发明的一种优选实施方式，所述高危场所是根据场所使用内容及经常出入人的可疑值进行评估。
作为本发明的一种优选实施方式，所述检测以每100×100米的范围作为识别，根据历来犯罪数据，通过历来的犯罪时间及地点，分析高发犯罪地点及犯罪时间段，经常在高发犯罪时间段以及在高发犯罪地点的增加一定可疑值。
本发明的有益效果为：
1、本发明通过检测大量的无案底以及已确认为罪犯的照片，建立特征数据库，然后对检测对象进行评估，进行预测预知犯罪，可以提前进行提醒、警示教育，在技术未完善前可以作为犯罪发现系统进行运营。
2、本发明通过对检测对象的不同信息及行为进行观察分析，判断可能实施犯罪的人员，对此类人群进行防范管理，从而降低整个社会的犯罪率，提高社会和谐稳定度。
3、本发明的实施可以提高对可能犯罪人员的科学化管理水平，变被动管理为主动监测，对可能出现的风险行为进行积极干预，化解不和谐因素，降低对社会的负面影响，保证人们的生命财产安全。
附图说明
图1为一种犯罪预防预测发现的方法方式流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
请参阅图1，本发明提供一种技术方案：一种犯罪预防预测发现的方法方式，所述方法方式包括以下步骤：
步骤一：建立特征数据库；通过检测大量的无案低以及已确认为罪犯的照片，建立特征数据库；
A．检测对象的特征；采用四类分离器对罪犯与非罪犯的特征进行区分，检测对象是否包含预设面部特征和情绪特征加相应可疑值；
B.检测是否有案底；检测对象是否有案底，同时根据射频技术读取对象身份证信息、社保卡和银行卡信息加相应可疑值；
C.检测对象的接触人群；检测对象是否与可疑值超过预设值的人进行过密切接触加相应可疑值；
D.检索检测对象的学历；对检测对象的学历进行检索，根据不同的教育程度加相应可疑值；
E.检测对象的网络言论；检测对象是否在社交网络发布不当言论或预设关键词，或在聊天软件工具等发布不当言论或预设关键词加相应可疑值；
F.检测对象资金是否异常；检测对象资金是否异常，资金账号内资金近期是否有大波动变动及支出大于收入等情况加相应可疑值；
G.检测是否有躲避监察监控；检测是否有躲避监察监控系统，如墨镜、帽子和口罩等加相应可疑值；
H.检测对象是否拥有犯罪工具；检测对象是否拥有管制物品和犯罪工具，根据此可以预测犯罪类型及部分作为加相应可疑值；
I.检测对象是否有不良嗜好；检测对象是否有不良嗜好及出入高危场所加相应可疑值；
J.检测是否使用他人身份；检测对象是否有使用他人身份，使用身份证与本人不符、自动取款机所使用银行卡并非本人和手机号码主体并非本人等加相应可疑值；
步骤二：对检测对象进行判断；当累加的相应可疑值小于预设值时，初步判断检测对象为安全型人员；当累加的相应可疑值超过预设值时，初步判断检测对象为犯罪高危人员；
步骤三：对高危人员进行监控；判断检测对象为犯罪高危人员时，要对其活动进行重点监控，采用无人机进行跟踪，并实时向监控中心发送高危人员的位置信息。
作为本发明的一种优选实施方式，所述面部特征包括内眼角间距、上唇曲率和鼻唇角角度。
作为本发明的一种优选实施方式，所述四类分离器包括逻辑回归、邻近算法、支持向量机和卷积神经网络。
作为本发明的一种优选实施方式，所述密切接触包括但不限于面见、社交网络和即时通讯软件。
作为本发明的一种优选实施方式，所述资金账号包括银行卡、支付宝、微信支付和其他电子支付。
作为本发明的一种优选实施方式，所述不良嗜好包括吸毒、纹身和吸烟。
作为本发明的一种优选实施方式，所述高危场所是根据场所使用内容及经常出入人的可疑值进行评估。
作为本发明的一种优选实施方式，所述检测以每100×100米的范围作为识别，根据历来犯罪数据，通过历来的犯罪时间及地点，分析高发犯罪地点及犯罪时间段，经常在高发犯罪时间段以及在高发犯罪地点的增加一定可疑值。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种犯罪预防预测发现的方法方式，其特征在于，所述方法方式包括以下步骤：
步骤一：建立特征数据库；通过检测大量的无案低以及已确认为罪犯的照片，建立特征数据库；
A．检测对象的特征；采用四类分离器对罪犯与非罪犯的特征进行区分，检测对象是否包含预设面部特征和情绪特征加相应可疑值；
B.检测是否有案底；检测对象是否有案底，同时根据射频技术读取对象身份证信息、社保卡和银行卡信息加相应可疑值；
C.检测对象的接触人群；检测对象是否与可疑值超过预设值的人进行过密切接触加相应可疑值；
D.检索检测对象的学历；对检测对象的学历进行检索，根据不同的教育程度加相应可疑值；
E.检测对象的网络言论；检测对象是否在社交网络发布不当言论或预设关键词，或在聊天软件工具等发布不当言论或预设关键词加相应可疑值；
F.检测对象资金是否异常；检测对象资金是否异常，资金账号内资金近期是否有大波动变动及支出大于收入等情况加相应可疑值；
G.检测是否有躲避监察监控；检测是否有躲避监察监控系统，如墨镜、帽子和口罩等加相应可疑值；
H.检测对象是否拥有犯罪工具；检测对象是否拥有管制物品和犯罪工具，根据此可以预测犯罪类型及部分作为加相应可疑值；
I.检测对象是否有不良嗜好；检测对象是否有不良嗜好及出入高危场所加相应可疑值；
J.检测是否使用他人身份；检测对象是否有使用他人身份，使用身份证与本人不符、自动取款机所使用银行卡并非本人和手机号码主体并非本人等加相应可疑值；
步骤二：对检测对象进行判断；当累加的相应可疑值小于预设值时，初步判断检测对象为安全型人员；当累加的相应可疑值超过预设值时，初步判断检测对象为犯罪高危人员；
步骤三：对高危人员进行监控；判断检测对象为犯罪高危人员时，要对其活动进行重点监控，采用无人机进行跟踪，并实时向监控中心发送高危人员的位置信息。
2.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述面部特征包括内眼角间距、上唇曲率和鼻唇角角度。
3.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述四类分离器包括逻辑回归、邻近算法、支持向量机和卷积神经网络。
4.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述密切接触包括但不限于面见、社交网络和即时通讯软件。
5.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述资金账号包括银行卡、支付宝、微信支付和其他电子支付。
6.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述不良嗜好包括吸毒、纹身和吸烟。
7.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述高危场所是根据场所使用内容及经常出入人的可疑值进行评估。
8.根据权利要求1所述的一种犯罪预防预测发现的方法方式，其特征在于，所述检测以每100×100米的范围作为识别，根据历来犯罪数据，通过历来的犯罪时间及地点，分析高发犯罪地点及犯罪时间段，经常在高发犯罪时间段以及在高发犯罪地点的增加一定可疑值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711126979.7A CN109785207A (zh) | 2017-11-15 | 2017-11-15 | 一种犯罪预防预测发现的方法方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711126979.7A CN109785207A (zh) | 2017-11-15 | 2017-11-15 | 一种犯罪预防预测发现的方法方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109785207A true CN109785207A (zh) | 2019-05-21 |
Family
ID=66494569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711126979.7A Pending CN109785207A (zh) | 2017-11-15 | 2017-11-15 | 一种犯罪预防预测发现的方法方式 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109785207A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179520A (zh) * | 2019-12-06 | 2020-05-19 | 广州烽火众智数字技术有限公司 | 一种电信诈骗预警方法、系统及存储介质 |
| CN112907416A (zh) * | 2020-11-13 | 2021-06-04 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015139007A (ja) * | 2014-01-20 | 2015-07-30 | 株式会社竹中工務店 | 犯罪リスク値導出装置およびプログラム |
| CN105138570A (zh) * | 2015-07-26 | 2015-12-09 | 吉林大学 | 网络言论数据疑似犯罪度计算方法 |
| CN105512995A (zh) * | 2016-01-11 | 2016-04-20 | 浪潮集团有限公司 | 通过大数据降低社会犯罪率的方法 |
| CN106295565A (zh) * | 2016-08-10 | 2017-01-04 | 中用环保科技有限公司 | 基于大数据的监控事件识别及实时犯罪预测方法 |
| CN106780263A (zh) * | 2017-01-13 | 2017-05-31 | 中电科新型智慧城市研究院有限公司 | 基于大数据平台的高危人员分析和识别方法 |
-
2017
- 2017-11-15 CN CN201711126979.7A patent/CN109785207A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015139007A (ja) * | 2014-01-20 | 2015-07-30 | 株式会社竹中工務店 | 犯罪リスク値導出装置およびプログラム |
| CN105138570A (zh) * | 2015-07-26 | 2015-12-09 | 吉林大学 | 网络言论数据疑似犯罪度计算方法 |
| CN105512995A (zh) * | 2016-01-11 | 2016-04-20 | 浪潮集团有限公司 | 通过大数据降低社会犯罪率的方法 |
| CN106295565A (zh) * | 2016-08-10 | 2017-01-04 | 中用环保科技有限公司 | 基于大数据的监控事件识别及实时犯罪预测方法 |
| CN106780263A (zh) * | 2017-01-13 | 2017-05-31 | 中电科新型智慧城市研究院有限公司 | 基于大数据平台的高危人员分析和识别方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179520A (zh) * | 2019-12-06 | 2020-05-19 | 广州烽火众智数字技术有限公司 | 一种电信诈骗预警方法、系统及存储介质 |
| CN111179520B (zh) * | 2019-12-06 | 2021-08-31 | 广州烽火众智数字技术有限公司 | 一种电信诈骗预警方法、系统及存储介质 |
| CN112907416A (zh) * | 2020-11-13 | 2021-06-04 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544163B (zh) | 一种用户支付行为的风险控制方法、装置、设备及介质 | |
| EP3343422B1 (en) | Systems and methods for detecting resources responsible for events | |
| Halvaiee et al. | A novel model for credit card fraud detection using Artificial Immune Systems | |
| US20190311367A1 (en) | System and method for using a data genome to identify suspicious financial transactions | |
| US20190238568A1 (en) | Identifying Artificial Artifacts in Input Data to Detect Adversarial Attacks | |
| Tseng et al. | Fraudetector: A graph-mining-based framework for fraudulent phone call detection | |
| CN107169499B (zh) | 一种风险识别方法及装置 | |
| CN112053221A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
| US20130218797A1 (en) | Systems and Methods for Identifying Entities Using Geographical and Social Mapping | |
| Goode et al. | Detecting complex account fraud in the enterprise: The role of technical and non-technical controls | |
| Mahor et al. | Machine learning based detection of cyber crime hub analysis using twitter data | |
| Subudhi et al. | Quarter-sphere support vector machine for fraud detection in mobile telecommunication networks | |
| CN109213857A (zh) | 一种欺诈行为识别方法和装置 | |
| CN110109905A (zh) | 风险名单数据生成方法、装置、设备及计算机存储介质 | |
| CN112053222A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
| CN109785207A (zh) | 一种犯罪预防预测发现的方法方式 | |
| Lata et al. | A comprehensive survey of fraud detection techniques | |
| Coppolino et al. | Use of the dempster-shafer theory for fraud detection: The mobile money transfer case study | |
| Devaki et al. | Credit card fraud detection using time series analysis | |
| CN115204881A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| Wass et al. | Prediction of cyber attacks during coronavirus pandemic by classification techniques and open source intelligence | |
| US11755700B2 (en) | Method for classifying user action sequence | |
| US20210035235A1 (en) | System and method for detecting fraud among tax experts | |
| US11621966B1 (en) | Detection of malicious user accounts of an online service using feature analysis | |
| Abbassi et al. | Fraud detection techniques in the big data era |
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 |
Application publication date: 20190521 |
|
| RJ01 | Rejection of invention patent application after publication |