CN111339219A - 一种经济行为异常线索信息分析方法 - Google Patents

Abstract

本发明是一种关系网梳理并在关系网中发现异常线索的信息分析方法，可以梳理出人际关系网、资金轨迹网、物的关系网、时空关系网并从这些网络中发现异常线索，可用于经济犯罪侦查领域和计算机信息处理领域，依靠大数据手段和新的信息处理方法，自动化的梳理关系网并从关系网中发现异常线索，减轻侦查人员工作负担，提升经济犯罪侦查能力，是一种方法上和技术上的创新。

Description

一种经济行为异常线索信息分析方法

技术领域

本发明是一种关系网梳理并在关系网中发现异常线索的信息分析方法，可以梳理出人际关系网、资金轨迹网、物的关系网、时空关系网并从这些网络中发现异常线索，可用于经济犯罪侦查领域和计算机信息处理领域。

背景技术

随着技术的发展和信息化手段的提高，经济犯罪也逐步呈现高智商化的特点，异常线索往往隐藏在纷繁复杂的数据之中，给调查和侦查工作带来不便，传统的手段逐步难以适应新情况的发展，本发明依靠大数据手段和新的信息处理方法，自动化的梳理关系网并从关系网中发现异常线索，减轻侦查人员工作负担，提升经济犯罪侦查能力，是一种方法上和技术上的创新。

发明内容

人际关系是经济侦查的基础，使用大数据手段梳理出人际关系脉络可服务于经济犯罪侦查，步骤如下：S1：从户籍数据、民政结婚离婚数据、社会保险参保数据、学籍数据、职位职务数据等数据中梳理出基本的显性关系，包括家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系；S2：从购物数据、快递数据、场所出入数据等数据中梳理出男女朋友关系或情侣关系；S3：从购房交易数据、房屋产权登记数据、房屋租赁数据、地理信息数据等数据中梳理出邻居关系；S4：从发票数据、交易记录数据等数据中梳理出经济来往关系；S5：从发表记录数据、出版数据等数据中梳理出共同作者关系；S6：从项目基本信息数据、招投标数据、供应商数据、项目采购数据、发票数据等数据中梳理出共同项目关系；S7：从资金拨付记录数据、收受记录数据、采购记录数据、销售记录数据、发票数据等数据中梳理出共同资金关系；S8：从场所出入数据、购物记录数据、快递数据等数据中梳理出朋友关系或者疑似熟识关系；S9：对S1-S8的关系进行交叉碰撞，找到交叉点，从交叉点梳理出人际关系中的多重关系，本发明所述“碰撞”是指交叉比对找到重合点、共同点；S10：对S1-S9发现的关系进行分类存储和迭代分析，丰富和优化S1-S9的关系网络。

人际关系中找异常，具体步骤如下，S1：以每个人为中心，输出以此人为中心的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系、男女朋友关系或情侣关系、邻居关系、经济来往关系、共同作者关系、共同项目关系、共同资金关系、朋友关系或者疑似熟识关系、多重关系；S2：把经济来往关系、共同项目关系、共同资金关系中的关系网与其他共同关系网，做进一步聚合分析，设置一定的阈值，这个阈值设置标准可以是重合次数、资金额度、不同关系权重以及这些指标的综合指标，超过阈值的，把两个人或者多个人拟合为一个疑似利益共同体；S3：分配一组数据作为验证数据集，把疑似利益共同体在验证数据集中的多个经济关系中继续分析和验证；S4：通过S3的验证，把疑似利益共同体的两个人或者多个人拟合为一个“利益人”，本发明所述“利益人”是指具有共同利益关系的一组自然人或者机构、团体，不仅仅限于自然人；S5：把S4中的“利益人”存入共同利益人库；S6：把S5的“利益人”列入重点关注对象。

专项资金中找异常，具体步骤如下，S1：根据资金拨付、收受记录等数据中的发放单位、接收单位、经手人信息，把每一笔专项资金从源头到末端找出每一个经手单位和经手人的节点；S2：梳理出每一笔专项资金的节点、分支路径和汇聚路径；S3：把S2的资金节点与具有共同利益关系的“利益人”做碰撞，发现每一笔专项资金的疑似异常节点；S4：设置一定的阈值，超过一定阈值的资金节点、路径和共同关系体，做重点处理，这个阈值可以是重合次数、资金额度、不同关系权重以及这些指标的综合指标；S5：把多笔专项资金的节点和路径互相碰撞，多次发生异常或者多次超过阈值的资金节点、路径和共同关系体，列入重点关注对象。

普通资金中找异常，具体步骤如下，S1：根据资金拨付、收受记录、采购数据、销售数据、发票数据等数据中的发放单位、接收单位、经手人信息，梳理出每一笔资金的发放单位、发放人和收受单位、收受人以及其他经手人；S2：分析每一个收受单位和收受人在一定时间段内的资金支出和使用情况，并延伸分析下一级的收受单位、收受人和其他经手人；S3：扩大S2延伸层级，直到达到预定的层级深度为止；S4：与具有共同利益关系的“利益人”做碰撞，找出资金发放和收受的疑似闭环；S5：设置一定的阈值，超过一定阈值的节点、路径和共同关系体，做重点处理，这个阈值可以是重合次数、资金额度、不同关系权重以及这些指标的综合指标；S6：将疑似闭环继续与其他多笔资金碰撞分析，把多次发生疑似闭环的人列为疑似利益共同体，列入重点关注对象，并自动输入到共同利益人库，作为迭代分析的基础。

物的网络中找异常，具体步骤如下，S1：从采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置等数据中，梳理出每一个物的诞生、变化、损坏、维修、增值、减值、赠送、借用、买卖、处置、灭失全过程；S2：找出每一个物的价值发生变化的节点和产权发生变化的节点；S3：把S2发现的价值变化节点和产权变化节点与具有共同利益关系的“利益人”做碰撞，发现疑似异常交易；S4：对S3发现的疑似异常交易与其他多个物品进行碰撞分析，同一组人多次发生疑似异常交易列为疑似利益共同体，列入重点关注对象，并自动输入到共同利益人库，作为迭代分析的基础。

时空网络中找异常，具体步骤如下，S1：分析每一笔资金发放和收受的时间和地点；S2：分析每一个物诞生、变化、损坏、维修、增值、减值、赠送、借用、买卖、处置、灭失的时间和地点；S3：分析具有共同利益关系的“利益人”发生共同关系的时间和地点；S4：把S1、S2、S3多种共同时间、共同地点关系进行大数据交叉碰撞，发现重合的共同时空关系；S5：把S4中多次重合时空关系的人，列入疑似利益共同体；S6：把S5的疑似利益共同体数据自动输入到共同利益人库，作为迭代分析的基础。

按照下面步骤做纵向动态分析，进一步发现异常线索，以下步骤并无严格顺序：S1：将一个人历史上的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系与当前的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系做纵向对比，分析出该人稳定的人际关系、新增的人际关系和淡化的人际关系，将这些变化了的关系情况存入关系动态库，与其他的人、财、物、时、空关系和线索做关联分析，分析出人际关系稳定的原因、新增的原因和淡化的原因，分析这些原因中是否存在异常情况，进而发现异常线索；S2：对一个人或单位历史的资金关系与当前的资金关系做纵向对比，发现稳定的资金轨迹、新增的资金轨迹和淡化的资金轨迹，将这些变化了的关系情况存入关系动态库，与其他的人、财、物、时、空关系和线索做关联分析，分析出资金关系稳定的原因、新增的原因和淡化的原因，分析这些原因中是否存在异常情况，进而发现异常线索；S3：对一个人或单位历史上物品的采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置情况与当前的采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置情况做纵向分析，分析出买卖、增值、减值、赠与、处置、灭失等关键节点的变化情况，与其他的人、财、物、时、空关系和线索做关联分析，分析出买卖、增值、减值、赠与、处置、灭失真实原因，进而分析这些原因中是否存在异常情况，从而发现异常线索。

交叉碰撞和迭代分析发现重点异常线索，步骤如下，S1：把【0004】- 【0009】的多种异常线索之间做交叉碰撞；S2：同时在多个异常网络中出现或者多次在异常网络中出现的人物、单位、节点、线索，列入重点关注对象；S3：继续持续迭代分析，从而发现更多更有价值的线索；S4：把【0004】- 【0009】过程中发现的异常线索和疑似利益共同体，自动输入到异常线索库、共同利益人库中，作为进一步迭代分析的基础。

具体实施方式

本发明所述大数据，分布式存储用MongoDB，分布式检索用Apache Solr，分布式计算用Apache Spark，应用程序协调服务用Apache ZooKeeper。

收集户籍数据、民政结婚离婚数据、社会保险参保数据、学籍数据、职位职务数据、购物数据、快递数据、场所出入数据、购房交易数据、房屋产权登记数据、地理信息数据、发票数据、项目基本信息数据、项目立项数据、招投标数据、供应商数据、项目采购数据、资金拨付记录数据、资金收受记录数据以及物的设计、采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置等数据，将原始数据清洗后，分类存储到MongoDB，并在Apache Solr建索引。

将与人相关的多源异构的数据，以身份证号为中心，对数据进行整合，变成统一格式、统一标准的数据视图，把数据存储到MongoDB，并在Apache Solr建索引。

将与专项资金相关的多源异构的数据，以资金批号为中心，对数据进行整合，变成统一格式、统一标准的数据视图，并与单位、人、时间、地点相关联，把数据存储到MongoDB，并在Apache Solr建索引。

将与普通资金相关的多源异构的数据，以经手单位和经手人为中心，对数据进行整合，变成统一格式、统一标准的数据视图，并与其他单位、人、时间、地点相关联，把数据存储到MongoDB，并在Apache Solr建索引。

将与物相关的多源异构的数据，以物品编号为中心，对数据进行整合，变成统一格式、统一标准的数据视图，并与其他单位、人、时间、地点相关联，把数据存储到MongoDB，并在Apache Solr建索引。

时间和空间信息，分别与人、资金、物相关联，存储到相关的人、资金、物数据库中。

在进行分析计算时，首先从Solr中进行高速检索，需要调取原始数据字段时，再从MongoDB数据库中调取，需要进行分布式并行计算时，把计算任务和相关数据提交给ApacheSpark。

按照【0003】的步骤，分析出目标人的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系、男女朋友关系或情侣关系、邻居关系、经济来往关系、共同作者关系、共同项目关系、共同资金关系、朋友关系或者疑似熟识关系。

按照【0004】的步骤，分析出利益共同体。

按照【0005】的步骤，分析出专项资金的资金轨迹和异常情况。

按照【0006】的步骤，分析出普通资金的资金轨迹和异常情况。

按照【0007】的步骤，分析出物的价值变化和产权变化节点和异常情况。

按照【0008】的步骤，分析出各种关系和异常线索的时空重叠关系。

按照【0009】的步骤，分析出各种关系和异常线索的纵向变化情况和异常情况。

按照【0010】的步骤，做交叉碰撞和迭代分析，发现异常线索后，存储到MongoDB并在Solr建索引，利用计算机的计算能力，多种线索往复交叉碰撞和迭代分析，发现更多有价值的异常线索。

在大数据碰撞分析过程中，每一次发现重要的异常共同体线索，都自动输入到共同利益人库中，为进一步迭代深入计算奠定基础。

Claims (8)

1.一种依靠大数据手段和信息处理方法，梳理出人、财、物、时、空关系网并从关系网中发现异常线索，其特征是：人际关系网络找拟合、专项资金轨迹网络找异常节点和路径、通用资金轨迹网络找闭环、物的网络找差价、时空网络找重叠，经过横向碰撞和纵向分析以及迭代优化，发现异常线索。

2.根据权利要求1所述方法，其特征在于，提出了一种在人际关系中发现异常线索的新方法： S1：以每个人为中心，输出以此人为中心的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系、男女朋友关系或情侣关系、邻居关系、经济来往关系、共同作者关系、共同项目关系、共同资金关系、朋友关系或者疑似熟识关系、多重关系；S2：把经济来往关系、共同项目关系、共同资金关系中的关系网与其他共同关系网，做进一步聚合分析，设置一定的阈值，超过阈值的，把两个人或者多个人拟合为一个疑似利益共同体；S3：分配一组数据作为验证数据集，把疑似利益共同体在验证数据集中的多个经济关系中继续分析和验证；S4：通过S3的验证，把疑似利益共同体的两个人或者多个人拟合为一个“利益人”，本发明所述“利益人”是指具有共同利益关系的一组自然人或者机构、团体；S5：把S4中的“利益人”的团体存入共同利益人库；S6：把S5的 “利益人”列入重点关注对象。

3.根据权利要求1所述方法，其特征在于，提出了一种在专项资金中找异常线索的新方法：S1：把每一笔专项资金从源头到末端找出每一个经手单位和经手人的节点；S2：梳理出每一笔专项资金的节点、分支路径和汇聚路径；S3：把S2的资金节点与具有共同利益关系的“利益人”做碰撞，发现每一笔专项资金的疑似异常节点；S4：设置一定的阈值，超过一定阈值的资金节点、路径和共同关系体，做重点处理；S5：把多笔专项资金的节点和路径互相碰撞，多次发生异常或者多次超过阈值的资金节点、路径和共同关系体，列入重点关注对象，并自动输入到共同利益人库，作为迭代分析的基础。

4.根据权利要求1所述方法，其特征在于，提出了一种在普通资金中找异常线索的新方法：S1：梳理出每一笔资金的发放单位、发放人和收受单位、收受人以及其他经手人；S2：分析每一个收受单位和收受人在一定时间段内的资金支出和使用情况，并延伸分析下一级的收受单位、收受人和其他经手人；S3：扩大S2延伸层级，直到达到预定的层级深度为止；S4：与具有共同利益关系的“利益人”做碰撞，找出资金发放和收受的疑似闭环；S5：设置一定的阈值，超过一定阈值的节点、路径和共同关系体，做重点处理；S6：将疑似闭环继续与其他多笔资金碰撞分析，把多次发生疑似闭环的人列为疑似利益共同体，列入重点关注对象，并自动输入到共同利益人库，作为迭代分析的基础。

5.根据权利要求1所述方法，其特征在于，提出了一种在物的数据中找异常线索的新方法：S1：梳理出每一个物的诞生、变化、损坏、维修、增值、减值、赠送、借用、买卖、处置、灭失全过程；S2：找出每一个物的价值发生变化的节点和产权发生变化的节点；S3：把S2发现的价值变化节点和产权变化节点与具有共同利益关系的“利益人”做碰撞，发现疑似异常交易；S4：对S3发现的疑似异常交易与其他多个物品进行碰撞分析，同一组人多次发生疑似异常交易列为疑似利益共同体，列入重点关注对象，并自动输入到共同利益人库，作为迭代分析的基础。

6.根据权利要求1所述方法，其特征在于，提出了一种在时空网络找出异常的新方法：S1：分析每一笔资金发放和收受的时间和地点；S2：分析每一个物诞生、变化、损坏、维修、增值、减值、赠送、借用、买卖、处置、灭失的时间和地点；S3：分析具有共同利益关系的“利益人”发生共同关系的时间和地点；S4：把S1、S2、S3多种共同时间、共同地点关系进行大数据交叉碰撞，发现重合的共同时空关系；S5：把S4中多次重合时空关系的人，列入疑似利益共同体；S6：把S5的疑似利益共同体数据自动输入到共同利益人库，作为迭代分析的基础。

7.根据权利要求1所述方法，其特征在于，提出了一种纵向动态分析辅助发现异常的新方法，以下步骤并无严格顺序：S1：将一个人历史上的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系与当前的家庭关系、亲属关系、同事关系、同学关系、师生关系、上下级关系做纵向对比，分析出该人稳定的人际关系、新增的人际关系和淡化的人际关系，将这些变化了的关系情况存入关系动态库，与其他的人、财、物、时、空关系和线索做关联分析，分析出人际关系稳定的原因、新增的原因和淡化的原因，分析这些原因中是否存在异常情况，进而发现异常线索；S2：对一个人或单位历史的资金关系与当前的资金关系做纵向对比，发现稳定的资金轨迹、新增的资金轨迹和淡化的资金轨迹，将这些变化了的关系情况存入关系动态库，与其他的人、财、物、时、空关系和线索做关联分析，分析出资金关系稳定的原因、新增的原因和淡化的原因，分析这些原因中是否存在异常情况，进而发现异常线索；S3：对一个人或单位历史上物品的采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置情况与当前的采购、制造、存储、运输、销售、使用、装饰、维修、改造、报废、处置情况做纵向分析，分析出买卖、增值、减值、赠与、处置、灭失等关键节点的变化情况，与其他的人、财、物、时、空关系和线索做关联分析，分析出是否买卖、增值、减值、赠与、处置、灭失真实原因，进而这些原因中是否存在异常情况，进而发现异常线索。

8.根据权利要求1所述方法，其特征在于，提出了一种交叉分析发现异常的新方法，S1：把人、财、物、时、空的多种异常线索之间做多重交叉碰撞；S2：把同时在多个异常网络中出现或者多次在异常网络中出现的人员、单位、节点、线索，列入重点关注对象；S3：继续持续迭代分析，从而发现更多更有价值的线索；S4：把迭代过程中发现疑似利益共同体，输入到共同利益人库中，作为进一步迭代分析的基础，往返循环。