تحلیل جرائم شبکه ای با داده کاوی

گسترش جرائم شبکه ای و به موازات آن، افزایش داده های ثبت شده از جرائم و تخلف های سازمانی ما را با حجم زیادی از داده ها روبه رو کرده است. هرکدام از این داده ها، حاوی پیام ها و اطلاعات زیادی است. اگر این داده ها به درستی تحلیل شوند می توانند سازمان های نظارتی را در شناسایی و ردگیری و همچنین پیش بینی و پیشگیری از جرائم و تخلف ها یاری رسانند. همین موضوع زمینه انجام این پژوهش است و هدف آن مطالعه بر روی ارتباط های شبکه یا تحلیل پیوندهاست.

 این پژوهش از لحاظ هدف توسعه ای، از لحاظ روش کیفی و با تحلیل و بررسی ارتباط ها در شبکه ها و متغیرهای جرم بر اساس پایگاه داده پلیس فتای کشور، اقدام به ایجاد شبکه های مختلف با توجه به متغیرهای موردنظر در بحث تحلیل شبکه شده است. همچنین با تحلیل ارتباط در هر شبکه، از دیدگاه های مطرح در حوزه تحلیل شبکه های اجتماعی استفاده و در هرشبکه، گره هایی با  توانایی بالا انتخاب و مجرمان که امکان بالایی در ارتکاب جرم دارند شناسایی شدند و همچنین پیش بینی ارتباط های ممکن انجام گرفت. به صورت کلی می توان گفت که روش تحقیق و تحلیل کیفی و بر اساس نوعی رفتارشناسی بازیگران یک شبکه است که به عنوان عنصر و عضو شبکه نقش هایی را ایفا می کنند. شایان ذکر است در پژوهش حاضر در شبیه سازی ها و تحلیل ها از نرم افزار NodeXL (نود اکسل) و pajak (پاجک) بهره گرفته شده است.

 به منظور شناسایی و پیش بینی جرائم، گره هایی که مرکزیت ویژه آن بالا بود با رتبه بندی انتخاب شدند. این گره ها 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 می توان گفت که چون رتبه یک گره در این شاخص بالاست. پس این گره به احتمال بالا دوباره اقدام به جرمی با همین مصداق خواهد کرد. این یافته می تواند مراکز پلیسی را در تحت نظارت قرار دادن فعالیت های یک گره یا همان مجرم یاری رساند.