CN113590597B - 网络异常行为重点人员分析层级划分的识别方法及设备 - Google Patents
网络异常行为重点人员分析层级划分的识别方法及设备 Download PDFInfo
- Publication number
- CN113590597B CN113590597B CN202110805479.6A CN202110805479A CN113590597B CN 113590597 B CN113590597 B CN 113590597B CN 202110805479 A CN202110805479 A CN 202110805479A CN 113590597 B CN113590597 B CN 113590597B
- Authority
- CN
- China
- Prior art keywords
- personnel
- information
- analysis
- data
- key
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 69
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000003442 weekly effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims 2
- 238000011156 evaluation Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000009411 base construction Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 10
- 238000007405 data analysis Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种网络异常行为重点人员分析层级划分的识别方法及设备,其步骤包括:工商登记信息采集、信用信息采集、筛选梳理股东信息、构建信息库、确定目标并进行数据获取、数据入库并生成分析报告、生成重点人员分析报告,通过上述步骤实现对于网络异常行为的重点人员分析层级划分,该方法集数据获取、信息库构建、后台会员信息分析为一体,以互联网海量数据为基础,开展常态化的监测采集,对于已发现的可疑人员能够进行持续性的跟踪关注,具有先进可靠,安全性高,扩展性好,可实现重点监控的特点。
Description
技术领域
本发明属于网络异常行为分析技术领域,具体涉及网络异常行为重点人员分析层级划分的识别方法及设备。
背景技术
网络异常行为的特性导致监管部门无法有效的对重点人员、骨干分子、以及职业化参与人无法进行很好的识别监管,当这些人群再进行二次、多次异常行为时无法及时精准的研判识别。同时,当人员在准备处理某个网络异常行为项目后,如何对该项目参与人员进行及时有效的梳理、掌握该项目的人员层级划分架构;如何将该项目准确定性为异常行为也是目前难点所在。
发明内容
为克服上述存在之不足,本发明的发明人通过长期的探索尝试以及多次的实验和努力,不断改革与创新,提出了网络异常行为重点人员分析层级划分的识别方法及设备,其集数据获取、信息库构建、后台会员信息分析为一体,以互联网海量数据为基础,开展常态化的监测采集,对于已发现的可能存在异常行为的人员能够进行持续性的跟踪关注,具有先进可靠,安全性高,扩展性好,可实现重点监控的特点。
为实现上述目的本发明所采用的技术方案是:提供一种网络异常行为重点人员分析层级划分的识别方法,其包括以下步骤:
1)工商登记信息采集:基于网站的备案主体,追溯网站的经营公司,并查找该公司的历史变更记录、信用信息从而落地法人;
2)信用信息采集:基于已知的法人主体,在互联网检索与该法人相关联的信用记录信息;
3)筛选梳理股东信息:通过对法人的投资关系及股东信息,查找其关联人和关联机构,从而追溯可能存在异常行为的平台的组织者和运营者,落地人员身份,同时查找其关联人和关联机构的信用信息;
4)构建信息库:根据获取到的工商登记信息、信用记录信息、股东信息及其关联人和关联机构信息,构建信息库;
5)确定目标并进行数据获取:确定目标并进行数据获取:通过前期研判,确定将某个网络异常行为站点列为目标,目标确定并审核通过后,自动尝试后台数据获取,当失败后转入人工后台数据获取;
6)数据入库并生成分析报告:数据入库并生成分析报告:对获取到的后台数据进行清洗,生成分析报告;
7)生成重点人员分析报告:结合信息库和目标平台的数据,根据人员的手机号码或身份证信息,查找统计其在网站中的参与程度来生成重点人员分析报告。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:步骤2)中关联的信用记录信息中的列入经营异常名录记录、列入严重失信企业名单记录、关联裁判文书记录和失信被执行记录为衡量法人信用的关键数据,对于信用度较差的失信人员进行重点关注。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:步骤4)中信息库包括核心成员、骨干分子、“职业化”参与人以及协助转移资金、提供网站设计和维护的人员。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:信息库以结构化数据进行存储,支持检索人员的历史参与轨迹。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:依靠信息库构建人员库列表,人员库列表汇总展示所有已获取数据的网站中的所有会员数据,并自动统计每一个会员对应的手机号码和身份证的参与网站数量,实现以下功能:按参与次数进行排序,查找当前参与数量最多的人员;对人员库进行手机号归属地,身份证归属地和住址进行省市筛查;对人员的下级人员数量、涉及金额、参与程度进行筛查;
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:通过信息爬虫持续获取数据对信息库进行持续补充构建。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:步骤5)中获取数据的目标包括网站数据库、网站源码、服务器镜像。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:步骤5)将获取到的后台数据进行深度的可视化分析。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:步骤6)中分析报告具体为:分析网站关键人员基础信息和会员概况,对会员总数、下线大于等于3层30人的会员数、下线人数超过一万人的会员数、首个会员注册时间、最大层级数进行统计;对会员的按月或按周增长趋势进行分析,并以柱状图的形式进行展示;对会员的构成按参与程度、性别、年龄进行分析,以饼图的形式进行展示。
根据本发明所述的一种网络异常行为重点人员分析层级划分的识别方法,其进一步的优选技术方案是:根据多维度的数据分析,步骤7)中根据多维度的数据分析生成重点人员分析报告的依据是查找其参与过的所有异常行为或异常网站,并追踪其参与轨迹;统计其参与的所有项目的充值/投资总额、提现总额、下级人数总数和所处层级均值信息,并展示其最大值、最小值和均值;展示该人员在参与网站中的人员基本信息变动情况,用于进行信息追踪。
一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现权利要求1至10中任意一项所述方法中的步骤。
相比现有技术,本发明的技术方案具有如下优点/有益效果:
1、先进性
该发明采用了成熟、具有国内先进水平,并符合国际发展趋势的技术、软件产品和设备。在设计过程中充分依照国际上的规范、标准,利用先进的设计模式和组件技术,提高了发明的通用性和复用性,以保证该发明具有较长的生命力和扩展能力。保证先进性的同时还要保证该发明的稳定性和安全性。
2、高可靠和高安全性
该发明的设计和整体架构中充分考虑了发明的安全和可靠,具有有效抵御外部成员异常访问、以及操作人员越级操作的安全机制,保证该发明在使用中的正常运行。
3、可扩展性
该发明设计之初考虑到业务未来发展的需要,尽可能设计得简明,降低各功能模块的耦合度,并充分考虑兼容性。该发明能够支持对多种格式数据的存储。
4、已知重点人群状态监控
通过对已知列入严重失信被执行企业人进行监控,以及之前疑似参与网络异常行为重点人群进行监控。掌握大量的网络异常行为人员线索资源。
5、新生网络异常行为平台研判识别
网络异常行为传统的发现方式比较被动,因此需要对互联网上新出现的异常平台及早发现。传统对网络异常行为平台的异常行为界定需要大量的人工资料收集和研判,在面对互联网以及网络异常行为自身庞大的网站数据人工的判定难以胜任,故必须通过计算机的自动判定机制,来从中筛选整理出数据内容。该发明能够在获取到网络异常行为平台内部会员数据后,自动化筛选整理成树状图形式,帮助分析关键人物、层级架构,及时界定网络异常行为的事实,减轻人工判定的范围和工作量。
6、对网络异常行为平台实施处理
由于网络异常行为平台在其运营过程中,通常会隐藏其实际的控制人或经营主体,该发明通过对网络异常行为站点进行重点人员、董监高查询、后台数据库管理员数据分析等,能够帮助确定异常人员,对网络异常行为平台的实际控制人进行落地。在落地实际控制人后,能够对异常人员的异常行为进行界定,评估其异常收入的数量等信息。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明一种网络异常行为重点人员分析层级划分的识别方法的流程图。
图2是本发明一种网络异常行为重点人员分析层级划分的识别方法的信息库所需数据的示意图。
图3是本发明一种网络异常行为重点人员分析层级划分的识别方法的执行流程图。
具体实施方式
为使本发明目的、技术方案和优点更加清楚,下面对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明的一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中可以不对其进行进一步定义和解释。
实施例:
一种网络异常行为重点人员分析层级划分的识别方法,其包括以下步骤:
1)信息采集
1.1)工商登记信息采集:基于网站的备案主体,追溯网站的经营公司,并查找该公司的历史变更记录、信用信息从而落地法人;
1.2)信用信息采集:基于已知的法人主体,在互联网检索与该法人相关联的信用记录信息;
1.3)筛选梳理股东信息:通过对法人的投资关系及股东信息,查找其关联人和关联机构,从而追溯可能存在异常行为的平台的组织者和运营者,落地人员身份,同时查找其关联人和关联机构的信用信息;
2)构建信息库:根据获取到的工商登记信息、信用记录信息、股东信息及其关联人和关联机构信息,构建信息库;
3)确定目标并进行数据获取:确定目标并进行数据获取:通过前期研判,确定将某个网络异常行为站点列为目标,目标确定并审核通过后,自动尝试后台数据获取,当失败后转入人工后台数据获取;
4)数据入库并生成分析报告:数据入库并生成分析报告:对获取到的后台数据进行清洗,生成分析报告;
5)生成重点人员分析报告:结合信息库和目标平台的数据,根据人员的手机号码或身份证信息,查找统计其在网站中的参与程度来生成重点人员分析报告。
步骤1)中关联的信用记录信息中的列入经营异常名录记录、列入严重失信企业名单记录、关联裁判文书记录和失信被执行记录为衡量法人信用的关键数据,对于信用度较差的失信人员进行重点关注。
步骤2)中信息库包括包括核心成员、骨干分子、“职业化”参与人以及协助转移资金、提供网站设计和维护的人员,以及其他相关的人员。
信息库以结构化数据进行存储,支持检索人员的历史参与轨迹。
依靠信息库构建人员库列表,人员库列表汇总展示所有已获取数据的网站中的所有会员数据,并自动统计每一个会员对应的手机号码和身份证的参与网站数量,实现以下功能:按参与次数进行排序,查找当前参与数量最多的人员;对人员库进行手机号归属地,身份证归属地和住址进行省市筛查;对人员的下级人员数量、涉及金额、参与程度进行筛查;
通过信息爬虫持续获取数据对信息库进行持续补充构建。
步骤3)中获取数据的目标包括网站数据库、网站源码、服务器镜像。
步骤3)将获取到的后台数据进行深度的可视化分析,并作为研判的辅助数据。
步骤4)中分析报告具体为:分析网站关键人员基础信息和会员概况,对会员总数、下线大于等于3层30人的会员数、下线人数超过一万人的会员数、首个会员注册时间、最大层级数进行统计;对会员的按月或按周增长趋势进行分析,并以柱状图的形式进行展示;对会员的构成按参与程度、性别、年龄进行分析,以饼图的形式进行展示。
根据多维度的数据分析,步骤5)中根据多维度的数据分析生成重点人员分析报告的依据是查找其参与过的所有异常行为或异常网站,并追踪其参与轨迹;统计其参与的所有项目的充值/投资总额、提现总额、下级人数总数和所处层级均值信息,并展示其最大值、最小值和均值;展示该人员在参与网站中的人员基本信息变动情况,用于进行信息追踪。
一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现权利要求1至10中任意一项所述方法中的步骤。
下面进行进一步的说明。
本发明采用网络爬虫技术,网络爬虫技术是一种按照一定的规则,自动地抓取互联网信息的程序或者脚本,广泛用于互联网搜索引擎或其他类似网站,可以自动采集所有其能够访问到的页面内容,以获取或更新这些网站的内容和检索方式。从功能上来讲,爬虫一般分为数据采集,处理,储存三个部分。
传统爬虫从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。信息爬虫的工作流程较为复杂,需要根据一定的网页分析算法过滤与主题无关的链接,保留有用的链接并将其放入等待抓取的URL队列。
然后,它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL,并重复上述过程,直到达到系统的某一条件时停止。另外,所有被爬虫抓取的网页将会被系统存储,进行一定的分析、过滤,并建立索引,以便之后的查询和检索;对于信息爬虫来说,这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。在采用信息爬虫技术时,通过使用目标网站的主域名获取到目标网站系统下面的所有html页面信息,即为目标网站所包含的页面信息。
如图1所示,首先爬虫进行工商登记信息采集,基于网站的备案主体,追溯网站的经营公司,同时基于基础的工商信息,查找该公司的历史变更记录,并通过互联网采集该公司的详细信用信息,用作对平台研判的支撑数据,并在后续的研判中落地法人,以下为爬虫采集的具体工商信息内容。
在采集完可能存在异常行为的网站工商登记信息之后,基于已知的法人主体,开始进行信用信息采集,信息爬虫在互联网检索与该法人相关联的信用记录信息,其中列入经营异常名录记录、列入严重失信企业名单记录、关联裁判文书记录和失信被执行记录为衡量法人信用的关键数据,对于信用度较差的失信人员进行重点关注。以下为信息爬虫采集信用信息的样本。
在采集完工商信息和信用信息之后,通过本发明能够筛选梳理出当前可能存在异常行为的平台的股东信息,通过对法人的股东及投资关系,信息爬虫能够查找其关联人和关联机构,从而追溯可能存在异常行为的平台的组织者和运营者,落地人员身份。同时基于法人和人员信息关联查找人员的信用信息,用以对人员性质的进一步判定。以下为股东信息获取内容
如图2所示,通过信息爬虫在持续收集以上信息后,本发明利用这些数据进行信息库的构建,包括各个类型的异常组织的核心成员、骨干分子、“职业化”参与人以及协助转移资金、提供网站设计和维护的人员,以结构化数据存储并支持检索人员的历史参与轨迹。同时本发明在通过信息爬虫持续获取数据后对各类型的异常人员要进行分类存储,支持分类检索,在追踪参与轨迹的过程中,根据不同的分类展示不同的项目数据。
构建完信息库之后,本发明能够协助处理部门研判出网络异常行为的站点,如图3所示,在处理部门明确要对网络异常行为站点进行自动化获取后台数据后进行自动化获取,由于自动化获取存在极大的不确定性,故当自动化获取失败时,转入人工获取环节,可配合处理部门精准获取数据,包含网站数据库、网站源码、服务器镜像等,将获取到的数据进行深度的可视化分析(数据清洗),并作为研判的辅助数据。
在处理部门获取到目标网站的数据之后,本发明能够帮助处理部门整理数据入库并生成分析报告,分析内容包括分析关键人员基础信息和会员概况,对会员总数、下线大于等于3层30人的会员数、下线人数超过一万人的会员数、首个会员注册时间、最大层级数进行统计;对会员的按月或按周增长趋势进行分析,并以柱状图的形式进行展示;对会员的构成按参与程度、性别、年龄进行分析,以饼图的形式进行展示。
根据分析报告进行多维度的数据分析(多维数据分析),本发明还能够生成重点人员分析报告,根据人员的手机号码或身份证信息,查找其参与过的所有异常行为或异常网站,并追踪其参与轨迹;统计其参与的所有项目的充值(投资)总额、提现总额、下级人数总数和所处层级均值信息,并展示其最大值、最小值和均值;展示该人员在参与网站中的人员基本信息变动情况,用于进行信息追踪。
同时,根据信息库和处理部门获得的数据,本发明能够构建人员库列表,该人员库列表汇总展示所有已获取数据的网站中的所有会员数据,并自动统计每一个手机号码和身份证的参与网站数量;支持按参与次数进行排序,查找当前参与数量最多的人员;支持对人员库进行手机号归属地,身份证归属地和住址进行省市筛查;支持对人员的下级人员数量、涉及金额、参与程度进行筛查;
根据上述的报告和数据分析,帮助处理部门在前期识别,后期研判处理网络异常行为人员,能够取得跨阶段的进展,告别传统人工分析研判的方法,大大提高办案效率。
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,其包括以下步骤:
1)信息采集:根据网站的工商登记信息确认经营公司及经营公司的法人,根据法人的投资关系及股东信息,查找法人的关联人和关联机构,并对上述的经营公司、法人、关联人和关联机构的信用记录信息进行查找;
2)构建信息库:根据获取到的工商登记信息、信用记录信息、股东信息及其关联人和关联机构信息,构建信息库;
3)确定目标并进行数据获取:通过前期研判,确定将某个网络异常行为站点列为目标,目标确定并审核通过后,自动尝试后台数据获取,当失败后转入人工后台数据获取;
4)数据入库并生成分析报告:对获取到的后台数据进行清洗,生成分析报告;
5)生成重点人员分析报告:结合信息库和目标平台的数据,根据人员的手机号码或身份证信息,查找统计其在网站中的参与程度生成重点人员分析报告。
2.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤1)中关联的信用记录信息中的列入经营异常名录记录、列入严重失信企业名单记录、关联裁判文书记录和失信被执行记录为衡量法人信用的关键数据,对于信用度较差的失信人员进行重点关注。
3.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤2)中信息库包括经济领域异常组织的核心成员、骨干分子、“职业化”参与人以及协助转移资金、提供网站设计和维护的人员。
4.根据权利要求3所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,信息库以结构化数据进行存储,支持检索人员的历史参与轨迹。
5.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,依靠信息库构建人员库列表,人员库列表汇总展示所有已获取数据的网站中的所有会员数据,并自动统计每一个会员对应的手机号码和身份证的参与网站数量,实现以下功能:按参与次数进行排序,查找当前参与数量最多的人员;对人员库进行手机号归属地,身份证归属地和住址进行省市筛查;对人员的下级人员数量、涉及金额、参与程度进行筛查。
6.根据权利要求4所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,通过信息爬虫持续获取数据对信息库进行持续补充构建。
7.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤3)中获取数据的目标包括网站数据库、网站源码、服务器镜像。
8.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤3)将获取到的后台数据进行深度的可视化分析。
9.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤4)中分析报告具体操作为:分析网站关键人员基础信息和会员概况,对会员总数、下线大于等于3层30人的会员数、下线人数超过一万人的会员数、首个会员注册时间、最大层级数进行统计;对会员的按月或按周增长趋势进行分析,并以柱状图的形式进行展示;对会员的构成按参与程度、性别、年龄进行分析,以饼图的形式进行展示。
10.根据权利要求1所述的一种网络异常行为重点人员分析层级划分的识别方法,其特征在于,步骤5)中分析生成重点人员分析报告采用多维度的数据的方式,查找人员参与过的所有异常行为或异常网站,并追踪其参与轨迹;统计其参与的所有项目的充值/投资总额、提现总额、下级人数总数和所处层级均值信息,将其最大值、最小值和均值作为评判标准;根据该人员在参与网站中的人员基本信息变动情况进行信息追踪。
11.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现权利要求1至10中任意一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805479.6A CN113590597B (zh) | 2021-07-16 | 2021-07-16 | 网络异常行为重点人员分析层级划分的识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805479.6A CN113590597B (zh) | 2021-07-16 | 2021-07-16 | 网络异常行为重点人员分析层级划分的识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113590597A CN113590597A (zh) | 2021-11-02 |
CN113590597B true CN113590597B (zh) | 2024-03-29 |
Family
ID=78248405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110805479.6A Active CN113590597B (zh) | 2021-07-16 | 2021-07-16 | 网络异常行为重点人员分析层级划分的识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113590597B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010070662A2 (en) * | 2008-11-14 | 2010-06-24 | C S S Rao | System and method of integrated operations control, management and e-governance for law enforcement agencies and police departments |
CN104915738A (zh) * | 2014-03-10 | 2015-09-16 | 遵义市亿易通科技网络有限责任公司 | 工商智能综合执法系统 |
CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
CN109242625A (zh) * | 2018-09-06 | 2019-01-18 | 成都数银科技有限公司 | 一种大数据监管方法 |
CN110674238A (zh) * | 2019-09-26 | 2020-01-10 | 四川科瑞软件有限责任公司 | 一种基于大数据的禁毒情报研判系统 |
CN110852884A (zh) * | 2019-11-15 | 2020-02-28 | 成都数联铭品科技有限公司 | 用于反洗钱识别的数据处理系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10438297B2 (en) * | 2017-06-19 | 2019-10-08 | Accenture Global Solutions Limited | Anti-money laundering platform for mining and analyzing data to identify money launderers |
CN108280755A (zh) * | 2018-02-28 | 2018-07-13 | 阿里巴巴集团控股有限公司 | 可疑洗钱团伙的识别方法和识别装置 |
-
2021
- 2021-07-16 CN CN202110805479.6A patent/CN113590597B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010070662A2 (en) * | 2008-11-14 | 2010-06-24 | C S S Rao | System and method of integrated operations control, management and e-governance for law enforcement agencies and police departments |
CN104915738A (zh) * | 2014-03-10 | 2015-09-16 | 遵义市亿易通科技网络有限责任公司 | 工商智能综合执法系统 |
CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
CN109242625A (zh) * | 2018-09-06 | 2019-01-18 | 成都数银科技有限公司 | 一种大数据监管方法 |
CN110674238A (zh) * | 2019-09-26 | 2020-01-10 | 四川科瑞软件有限责任公司 | 一种基于大数据的禁毒情报研判系统 |
CN110852884A (zh) * | 2019-11-15 | 2020-02-28 | 成都数联铭品科技有限公司 | 用于反洗钱识别的数据处理系统及方法 |
Non-Patent Citations (9)
Title |
---|
Economic Fraud Crimes on the Internet: Development of New ‘Weapons’ and Strategies to Annihilate the Danger;Margarita Papantoniou;EU Internet Law;407-433 * |
P2P网络借贷的风险评估;黄莉 等;农村经济与科技(第01期);99-101 * |
Using Big Data to Prevent Crime: Legitimacy Matters;Youngsub Lee;Asian Journal of Criminology;61–80 * |
公司+网络+传销_非法集资犯罪的新模式及预防;赵文聘;犯罪与改造研究;13-16 * |
基于webservice的电子商务信用模式浅析;陈平昌 等;科技信息(第35期);421-422 * |
基于互联网信用信息服务的研究与分析;吴蔚 等;计算机与网络(第23期);66-68,75 * |
基于互联网的第三方信用信息服务;王伟军 等;中国图书馆学报(第03期);4 * |
基于金融大数据的国家反洗钱计算机网络系统建设;王怡靓;金融发展研究(第06期);62-66 * |
我国公共信用信息共享现状及对策;王博涵 等;电子政务(第10期);97-103 * |
Also Published As
Publication number | Publication date |
---|---|
CN113590597A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
CN110704572B (zh) | 疑似非法集资风险的预警方法、装置、设备和存储介质 | |
CN105095368B (zh) | 一种对新闻信息进行排序的方法及装置 | |
CN114066242A (zh) | 一种企业风险的预警方法及装置 | |
CN110737821B (zh) | 相似事件查询的方法、装置、存储介质和终端设备 | |
CN111680125A (zh) | 诉讼案件分析方法、装置、计算机设备及存储介质 | |
CN116384889A (zh) | 基于自然语言处理技术的情报大数据智能分析方法 | |
CN107945092A (zh) | 用于审计领域的大数据综合管理方法及系统 | |
CN110033191B (zh) | 一种商业人工智能的分析方法及系统 | |
CN111666499A (zh) | 一种基于大数据的舆情监测云服务平台 | |
CN105512224A (zh) | 基于光标位置序列的搜索引擎用户满意度自动评估方法 | |
Tong et al. | Multimedia network public opinion supervision prediction algorithm based on big data | |
CN111353085A (zh) | 一种基于特征模型的云挖掘分析网络舆情方法 | |
CN112363996B (zh) | 用于建立电网知识图谱的物理模型的方法及系统和介质 | |
Memon et al. | Harvesting covert networks: a case study of the iMiner database | |
CN113590597B (zh) | 网络异常行为重点人员分析层级划分的识别方法及设备 | |
Zhang et al. | Application of data mining technology based on data center | |
CN110837593A (zh) | 一种基于聚焦爬虫技术的旅游跟踪系统 | |
CN116756373A (zh) | 基于知识图谱更新的项目评审专家筛选方法、系统及介质 | |
CN116596412A (zh) | 人才类型画像的实现方法及系统 | |
Zhou et al. | Emmbtt: A novel event evolution model based on tfxief and tdc in tracking news streams | |
CN111241077A (zh) | 基于互联网数据的金融欺诈行为的识别方法 | |
CN114189545B (zh) | 一种互联网用户行为大数据分析方法及系统 | |
CN115640158A (zh) | 一种基于数据库的检测分析方法及装置 | |
CN115858598A (zh) | 基于企业大数据的目标信息筛选匹配方法及相关设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |