CN111311056A - 吸毒人员风险监测方法 - Google Patents

吸毒人员风险监测方法 Download PDF

Info

Publication number
CN111311056A
CN111311056A CN202010008545.2A CN202010008545A CN111311056A CN 111311056 A CN111311056 A CN 111311056A CN 202010008545 A CN202010008545 A CN 202010008545A CN 111311056 A CN111311056 A CN 111311056A
Authority
CN
China
Prior art keywords
drug
data
addicts
risk
drug addict
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
Application number
CN202010008545.2A
Other languages
English (en)
Inventor
王青
沈云湜
李彬
贾世易
陈建华
韩军
李黎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhong Tianfeng Security Protection Technologies Co ltd
First Research Institute of Ministry of Public Security
Original Assignee
Beijing Zhong Tianfeng Security Protection Technologies Co ltd
First Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhong Tianfeng Security Protection Technologies Co ltd, First Research Institute of Ministry of Public Security filed Critical Beijing Zhong Tianfeng Security Protection Technologies Co ltd
Priority to CN202010008545.2A priority Critical patent/CN111311056A/zh
Publication of CN111311056A publication Critical patent/CN111311056A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/24323Tree-organised classifiers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Acyclic And Carbocyclic Compounds In Medicinal Compositions (AREA)

Abstract

本发明公开了吸毒人员风险监测方法,包括:S1、将吸毒人员的数据经过标准化的预处理后导入样本库,并确定数据的来源;S2、数据分析;S3、特征工程;S4、模型训练;S5、模型评估:对步骤S4得到的吸毒人员风险评估模型进行评估,若其得分超过阈值,则进入步骤S6,反之,转入步骤S4;S6、模型预警。本发明公开的吸毒人员风险监测方法具有以下有益效果:1、提高了吸毒人员的风险识别准确率;2、提高了吸毒人员的风险识别的自动化程度;3、降低了吸毒人员监控的成本。

Description

吸毒人员风险监测方法
技术领域
本发明属于信息处理技术领域,具体涉及吸毒人员风险监测方法。
背景技术
毒品是指鸦片、海洛因、甲基苯丙胺(冰毒)、吗啡、大麻、可卡因以及国家规定管制的其他能够使人形成瘾癖的麻醉药品和精神药品。
随着药物滥用逐渐成为一个新的、重大公共卫生问题,如何有效预防、治疗和管理吸毒人员,为毒品使用预防与控制提出新的挑战和机遇。
目前,对于吸毒人员的监测(主要是监测是否复吸)的技术手段主要包括以下几种类型:
1)人工排查:公安机关根据自身经验,不定期对吸毒人员进行突击检查,并使用尿检、毛发检测等检测吸毒人员是否吸毒。
2)群众线索举报:在社会上充分发展群众力量,使用微信公众号、公安手机APP等技术手段上传线索,根据收集到的情报线索甄别结合人工排查手段来实现监测目的。
3)数据模型:根据公安积累下来的经验,进行数据建模,如使用同行、同住等数据模型检测吸毒人员是否有聚集吸毒风险。
但是上述的针对吸毒人员的监测方法存在如下的主要缺陷:
1)风险识别准确率低
由于吸毒人员往往具有一定的反侦察意识,依赖群众的线索举报和常规的突击检查往往难以真正发现吸毒行为,而且吸毒人员也会通过使用他人手机号码或者冒用他人身份证来躲避打击;
2)自动化程度低
无论是线索举报还是数据模型预警,都非常依赖公安民警,需要公安民警根据自身经验来甄别,甄别的准确率也跟民警自身经验的多少息息相关;
3)人力成本居高不下
由于自动化程度低,大部分流程都需要民警亲自参与,这些都大大加重了禁毒民警的负担,浪费了人力成本。
发明内容
发明目的:本发明针对上述现有技术存在的问题做出改进,即本发明公开了吸毒人员风险监测方法。
本发明是以人工智能算法(“随机森林”模型)为后台核心技术,贴合公安民警实战经验,对掌握的吸毒人员的涉毒风险进行监控,建设吸毒人员的识别、评估、预警、介入等功能为一体的、动态完整的风险控制方法,并通过特征分析模式(如根据吸毒人员前科劣迹、行为表现、社交关系、生活环境、危险程度等信息)建模,结合其轨迹信息(如出入圈、首次流入、聚集等行为)进行动态风险监测预警。
吸毒人员风险监测方法,包括以下步骤:
S1、将吸毒人员的数据经过标准化的预处理后导入样本库,并确定数据的来源,并对导入的数据进行区分,分为正例和负例两部分(为了作样本数据分析用的),完成后进入步骤S2;
S2、数据分析:
分别分析步骤S1得到的正例数据之间的相关性和反例数据之间的相关性,得出每一个数据的特征点;
S3、特征工程:
逐一对正例数据和反例数据的特征点进行提取,完成后进入步骤S4;
S4、模型训练:
通过随机森林算法对步骤S3提取的特征点进行模型训练,剔除对训练结果影响不大的特征项,合并类似的特征项,得到修正后的吸毒人员风险评估模型,完成后进入步骤S5;
S5、模型评估:
对步骤S4得到的吸毒人员风险评估模型进行评估,若其得分超过阈值,则进入步骤S6,反之,转入步骤S4;
S6、模型预警:
定期对样本库中的吸毒人员进行评分,若其评分高于阈值,则向该吸毒人员管辖地派出所或者该吸毒人员户籍地派出所推送预警信息,反之,结束本次操作。
进一步地,还包括步骤S7预警反馈
收到预警信息后,吸毒人员管辖地派出所或者该吸毒人员户籍地派出所的民警进行人工核实,并将核实的信息进行反馈,并给予评分,帮助算法进行自动调整。
进一步地,步骤S1的吸毒人员的数据包括吸毒人员的姓名、身份证号、吸毒时间以及复吸情况。
进一步地,步骤S3中的数据的特征点包括事实属性特征点和归纳属性特征点,其中:
事实属性特征点包括:吸毒人员的年龄、性别、文化程度、从业状况、婚姻状况;
归纳属性特征点包括吸毒人员的同户人数、本地人吸毒人员入住本地旅馆的月平均数、人户分离、治安复杂区域、黄赌毒热点娱乐服务场所、宗教非法活动聚集地、高危人员聚集场所、X类案件高发区域。
有益效果:本发明公开的吸毒人员风险监测方法具有以下有益效果:
1、提高了吸毒人员的风险识别准确率;
2、提高了吸毒人员的风险识别的自动化程度;
3、降低了吸毒人员监控的成本。
附图说明
图1为本发明公开的吸毒人员风险监测方法的流程图。
具体实施方式:
下面对本发明的具体实施方式详细说明。
如图1所示,吸毒人员风险监测方法,包括以下步骤:
S1、将吸毒人员的数据经过标准化的预处理后导入样本库,并确定数据的来源,并对导入的数据进行区分,分为正例和负例两部分(为了作样本数据分析用的),完成后进入步骤S2;
S2、数据分析
分别分析步骤S1得到的正例数据之间的相关性和反例数据之间的相关性,得出每一个数据的特征点;
S3、特征工程
逐一对正例数据和反例数据的特征点进行提取,完成后进入步骤S4;
S4、模型训练
通过随机森林算法对步骤S3提取的特征点进行模型训练,剔除对训练结果影响不大的特征项,合并类似的特征项,得到修正后的吸毒人员风险评估模型,完成后进入步骤S5;
S5、模型评估
对步骤S4得到的吸毒人员风险评估模型进行评估,若其得分超过阈值,则进入步骤S6,反之,转入步骤S4;
S6、模型预警
定期对样本库中的吸毒人员进行评分,若其评分高于阈值,则向该吸毒人员管辖地派出所或者该吸毒人员户籍地派出所推送预警信息,反之,结束本次操作。
进一步地,还包括步骤S7预警反馈
收到预警信息后,吸毒人员管辖地派出所或者该吸毒人员户籍地派出所的民警进行人工核实,并将核实的信息进行反馈,并给予评分,帮助算法进行自动调整。
进一步地,步骤S1的吸毒人员的数据包括吸毒人员的姓名、身份证号、吸毒时间以及复吸情况。
进一步地,步骤S3中的数据的特征点包括事实属性特征点和归纳属性特征点,其中:
事实属性特征点包括:吸毒人员的年龄、性别、文化程度、从业状况、婚姻状况;
归纳属性特征点包括吸毒人员的同户人数、本地人吸毒人员入住本地旅馆的月平均数、人户分离、治安复杂区域、黄赌毒热点娱乐服务场所、宗教非法活动聚集地、高危人员聚集场所、X类案件高发区域。
本发明公开的吸毒人员风险监测方法的工作流程如下:
1.吸毒人员信息采集
人员相关信息根据设置好的etl定时任务自动进行汇聚。
2.归纳特征形成
通过系统定时任务,定时启动归纳模型,形成归纳特征数据。
3.监测模型预警
监测模型任务间隔执行,形成预警数据,发送到吸毒人员归属管辖单位或者户籍地单位。
4.民警处置反馈
民警收到相应预警后,对现实情况进行核实,并对预警进行相应反馈。
上面对本发明的实施方式做了详细说明。但是本发明并不限于上述实施方式,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.吸毒人员风险监测方法,其特征在于,包括以下步骤:
S1、将吸毒人员的数据经过标准化的预处理后导入样本库,并确定数据的来源,并对导入的数据进行区分,分为正例和负例两部分,完成后进入步骤S2;
S2、数据分析:
分别分析步骤S1得到的正例数据之间的相关性和反例数据之间的相关性,得出每一个数据的特征点;
S3、特征工程:
逐一对正例数据和反例数据的特征点进行提取,完成后进入步骤S4;
S4、模型训练:
通过随机森林算法对步骤S3提取的特征点进行模型训练,剔除对训练结果影响不大的特征项,合并类似的特征项,得到修正后的吸毒人员风险评估模型,完成后进入步骤S5;
S5、模型评估:
对步骤S4得到的吸毒人员风险评估模型进行评估,若其得分超过阈值,则进入步骤S6,反之,转入步骤S4;
S6、模型预警:
定期对样本库中的吸毒人员进行评分,若其评分高于阈值,则向该吸毒人员管辖地派出所或者该吸毒人员户籍地派出所推送预警信息,反之,结束本次操作。
2.如权利要求1所述的吸毒人员风险监测方法,其特征在于,还包括步骤S7预警反馈
收到预警信息后,吸毒人员管辖地派出所或者该吸毒人员户籍地派出所的民警进行人工核实,并将核实的信息进行反馈,并给予评分,帮助算法进行自动调整。
3.如权利要求1或2所述的吸毒人员风险监测方法,其特征在于,步骤S1的吸毒人员的数据包括吸毒人员的姓名、身份证号、吸毒时间以及复吸情况。
4.如权利要求1或2所述的吸毒人员风险监测方法,其特征在于,步骤S3中的数据的特征点包括事实属性特征点和归纳属性特征点,其中:
事实属性特征点包括:吸毒人员的年龄、性别、文化程度、从业状况、婚姻状况;
归纳属性特征点包括吸毒人员的同户人数、本地人吸毒人员入住本地旅馆的月平均数、人户分离、治安复杂区域、黄赌毒热点娱乐服务场所、宗教非法活动聚集地、高危人员聚集场所、X类案件高发区域。
CN202010008545.2A 2020-01-06 2020-01-06 吸毒人员风险监测方法 Pending CN111311056A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010008545.2A CN111311056A (zh) 2020-01-06 2020-01-06 吸毒人员风险监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010008545.2A CN111311056A (zh) 2020-01-06 2020-01-06 吸毒人员风险监测方法

Publications (1)

Publication Number Publication Date
CN111311056A true CN111311056A (zh) 2020-06-19

Family

ID=71158310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010008545.2A Pending CN111311056A (zh) 2020-01-06 2020-01-06 吸毒人员风险监测方法

Country Status (1)

Country Link
CN (1) CN111311056A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598184A (zh) * 2020-12-27 2021-04-02 上海达梦数据库有限公司 一种戒毒人员复吸风险预测的方法和装置
CN112801603A (zh) * 2020-10-30 2021-05-14 四川天翼网络服务有限公司 一种智慧社区特殊数据感知服务系统
CN114219300A (zh) * 2021-12-16 2022-03-22 重庆中信科信息技术有限公司 基于重点车辆的危险系数分析方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107320081A (zh) * 2017-07-03 2017-11-07 北京大学 对吸毒人员进行复吸监测的方法和系统
CN108596386A (zh) * 2018-04-20 2018-09-28 上海市司法局 一种预测犯人重复犯罪概率的方法及系统
CN109359785A (zh) * 2018-11-30 2019-02-19 安徽四创电子股份有限公司 基于大数据的强制隔离戒毒解除人员复吸预测分析系统
CN110209709A (zh) * 2019-06-06 2019-09-06 四川九洲电器集团有限责任公司 一种关注人员行为分析的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107320081A (zh) * 2017-07-03 2017-11-07 北京大学 对吸毒人员进行复吸监测的方法和系统
CN108596386A (zh) * 2018-04-20 2018-09-28 上海市司法局 一种预测犯人重复犯罪概率的方法及系统
CN109359785A (zh) * 2018-11-30 2019-02-19 安徽四创电子股份有限公司 基于大数据的强制隔离戒毒解除人员复吸预测分析系统
CN110209709A (zh) * 2019-06-06 2019-09-06 四川九洲电器集团有限责任公司 一种关注人员行为分析的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801603A (zh) * 2020-10-30 2021-05-14 四川天翼网络服务有限公司 一种智慧社区特殊数据感知服务系统
CN112598184A (zh) * 2020-12-27 2021-04-02 上海达梦数据库有限公司 一种戒毒人员复吸风险预测的方法和装置
CN112598184B (zh) * 2020-12-27 2024-02-02 上海达梦数据库有限公司 一种戒毒人员复吸风险预测的方法和装置
CN114219300A (zh) * 2021-12-16 2022-03-22 重庆中信科信息技术有限公司 基于重点车辆的危险系数分析方法及装置

Similar Documents

Publication Publication Date Title
CN111311056A (zh) 吸毒人员风险监测方法
CN108537922B (zh) 基于人脸识别的访客预警方法和系统
CN100552688C (zh) 通过人脸识别防止沉迷网络游戏的方法
CN103176981B (zh) 一种事件信息挖掘并预警的方法
CN108777703A (zh) 一种基于区块链的异常行为处理方法及系统
CN107657536A (zh) 社保欺诈行为的识别方法和装置
CN110674790B (zh) 一种视频监控中异常场景处理方法及系统
CN103607391B (zh) 一种基于K‑means的SQL注入攻击检测方法
Zeman et al. PROFILE OF A LONE WOLF TERRORIST: A CRISIS MANAGEMENT PERSPECTIVE.
CN104156447A (zh) 一种智能社交平台广告预警及处理方法
CN109347808A (zh) 一种基于用户群行为活动的安全分析方法
CN107623691A (zh) 一种基于反向传播神经网络算法的DDoS攻击检测系统及方法
CN110807117B (zh) 一种用户关系预测方法及装置、计算机可读存储介质
CN107480625A (zh) 一种基于人脸识别的身份鉴别方法
CN106657065A (zh) 一种基于数据挖掘的网络异常检测方法
CN107360190A (zh) 基于序列模式识别的木马通信行为检测方法
CN114360742A (zh) 一种基于数据分析的药物警戒数据更新系统及方法
CN108881157A (zh) 一种基于pc终端行为的个体信息安全能力评价方法及系统
CN108171187A (zh) 一种基于骨点提取的异常行为自动识别方法及装置
Panja et al. Crime analysis mapping, intrusion detection-using data mining
CN114520062B (zh) 一种基于ai和信创的医疗云通信系统
CN112818150B (zh) 一种图片内容审核方法、装置、设备和介质
CN109194622A (zh) 一种基于特征效率的加密流量分析特征选择方法
CN111210208A (zh) 吸毒人员公安管控
CN111275361A (zh) 吸毒人员查控发现系统

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