تحلیل جرائم شبکه‌ای با داده‌کاوی

Abstract

زمینه و هدف: گسترش جرائم شبکه‌ای و به موازات آن، افزایش داده‌های ثبت‌شده از جرائم و تخلف‌های سازمانی ما را با حجم زیادی از داده‌ها روبه‌رو کرده است. هرکدام از این داده‌ها، حاوی پیام‌ها و اطلاعات زیادی است. اگر این داده‌ها به‌درستی تحلیل شوند می‌توانند سازمان‌های نظارتی را در شناسایی و ردگیری و همچنین پیش‌بینی و پیشگیری از جرائم و تخلف‌ها یاری رسانند. همین موضوع زمینة انجام این پژوهش است و هدف آن مطالعه بر روی ارتباط‌های شبکه یا تحلیل پیوندهاست. روش‌شناسی: این پژوهش از لحاظ هدف توسعه‌ای، از لحاظ روش کیفی و با تحلیل و بررسی ارتباط‌ها در شبکه‌ها و متغیرهای جرم بر اساس پایگاه دادۀ پلیس فتای کشور، اقدام به ایجاد شبکه‌های مختلف با توجه به متغیرهای موردنظر در بحث تحلیل شبکه شده است. همچنین با تحلیل ارتباط در هر شبکه، از دیدگاه‌های مطرح در حوزۀ تحلیل شبکه‌های اجتماعی استفاده و در هرشبکه، گره‌هایی با توانایی بالا انتخاب و مجرمان که امکان بالایی در ارتکاب جرم دارند شناسایی شدند و همچنین پیش‌بینی ارتباط‌های ممکن انجام گرفت. به صورت کلی می‌توان گفت که روش تحقیق و تحلیل کیفی و بر اساس نوعی رفتارشناسی بازیگران یک شبکه است که به عنوان عنصر و عضو شبکه نقش‌هایی را ایفا می‌کنند. شایان ذکر است در پژوهش حاضر در شبیه‌سازی‌ها و تحلیل‌ها از نرم‌افزار NodeXL (نود اکسل) و pajak (پاجک) بهره گرفته شده است. یافته‌ها و نتیجه‌گیری: به منظور شناسایی و پیش‌بینی جرائم، گره‌هایی که مرکزیت ویژۀ آن بالا بود با رتبه‌بندی انتخاب شدند. این گره‌ها در یک نوع جرم بعد از وقوع جرمی با همین مصداق، ضریب بالایی در انتخاب شدن به عنوان مجرم را دارند. همچنین با توجه به شاخص مرکزیت نزدیکی می‌توان گفت که چون رتبۀ یک گره در این شاخص بالاست. پس این گره به احتمال بالا دوباره اقدام به جرمی با همین مصداق خواهد کرد. این یافته می‌تواند مراکز پلیسی را در تحت نظارت قرار دادن فعالیت‌های یک گره یا همان مجرم یاری رساند.