非法吸收公众存款案件资金流向分析
发布时间：2021-08-28 08:23
非法吸收公众存款犯罪作为典型的涉众型经济犯罪,不仅给人民群众带来巨大经济损失,也给国家带来不稳定的因素。对于经济犯罪,账户就是现场,资金就是痕迹,犯罪资金流已成为大多经济犯罪活动的DNA。非法吸收公众存款案件的资金流向分析对于公安机关侦办案件具有重要的应用价值。当下随着非法吸收公众存款犯罪发展得愈发复杂,犯罪分子的犯罪手法变得愈发新颖,案件中的犯罪角色往往也不再像以往一样固定单一,因此当案件的具体犯罪模式没有被侦查人员掌握或出现了新型的犯罪模式时,侦查人员需要采取无监督的机器学习等方式探索案件的核心成员、账户分类、层级构成及资金流向等问题。本文先通过传统的聚类方法,分析此类案件的聚类结果,进而通过社区发现算法更清晰地阐明非法吸收公众存款案件中庞大的数据分布情况及资金流向情况。论文主要工作包括:首先,针对非法吸收公众存款案件中资金交易网络的结构特点,以及该类案件中常见账户类别在流入流出频率、金额、方向、时间等属性上的数据特点,提出聚类思想对处理这类案件数据的必要性。其次,对资金交易数据进行预处理,通过Python语言调用K-means聚类算法、层次聚类算法、DBSCAN聚类算法对每个交易...
【文章来源】：中国人民公安大学北京市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
帐户交易情况
中国人民公安大学硕士学位论文-23-4、ward方法是以方差分析思想为基础，比较类中和类间的离差平方和。当分类合理时，离差平方和在同类数据间应当较小，在类与类间应当较大。这种方法在实际应用中分类效果较好，应用较广，但要求公式中距离数据项必须是欧氏距离。两个组合之间的距离公式为：d(u,v)=,2||,2||,2（公式4）第三个参数表示距离计算的方法，即上述方法中dist()函数具体的实现方法，如欧式距离。下图是将linkage函数中第二个参数设为ward方法，第三个参数设为欧氏距离得到的层次聚类结果。图5为分层结果。图5层次聚类的分层结果由图5可以看出，层次聚类算法得到的结果也不是十分清楚，可以较为清晰的看到绝大多数的数据紧密聚集在一起，只有零星的几个数据被划分在了其他层次中，具有和K-means相似的问题。因此，层次聚类算法对此类非吸数据的聚类效果不是很好。分层过多，层次聚类结果
中国人民公安大学硕士学位论文-29-上述的模块度的计算可以得到以下的简化形式：Q=∑2∑22∑（公式9）其中，∑表示的是社区c内部的边数，∑表示的是社区c内部的所有节点的度数之和，包括与社区内部的边以及社区外部的边[1]。对比公式（8），它少了判断两个节点是否属于同一个社区的δ(u,v)函数。4.3FastUnfolding算法FastUnfolding算法是一种以模块度为依据对社区划分的迭代算法，主要目标是通过对社区进行不断划分使得划分后的整个网络的模块度不断增大。FastUnfolding算法具体分为两个阶段[2]，如图7所示：图7FastUnfolding算法的两个阶段[1]王元鹏,杨树峰.基于社群发现模型的区域火灾风险分析[J].今日消防,2019(4).[2]黄盛光.网络空间的信息权力及其运作过程研究[D].云南大学,2019.
【参考文献】：
期刊论文
[1]基于社群发现模型的区域火灾风险分析[J]. 王元鹏,杨树峰. 今日消防. 2019(04)
[2]基于K-means算法的科技事件影响力评估研究[J]. 毛凯,刘明,李志恺,李伟,夏瑜潞. 无线互联科技. 2019(07)
[3]基于社交网络的犯罪团伙发现算法研究[J]. 潘潇,王斌君. 软件导刊. 2018(12)
[4]违法资金分析与查控技术专业化建设[J]. 程小白,程科. 中国刑警学院学报. 2018(05)
[5]基于信息熵的金融网络洗钱社区发现新算法[J]. 吕林涛,袁琴琴,吕晖,李婉荣. 现代电子技术. 2017(17)
[6]大数据在网络非法集资案件侦查中的应用[J]. 单丹,王铼. 中国人民公安大学学报(社会科学版). 2017(04)
[7]论网贷平台非法集资犯罪的打击侦办技战法[J]. 王铼,胡锦鑫. 山东警察学院学报. 2017(04)
[8]论沿资金流向进行电信诈骗犯罪侦查[J]. 张雪洋. 北京警察学院学报. 2017(05)
[9]自动确定聚类个数的模糊聚类算法[J]. 陈海鹏,申铉京,龙建武,吕颖达. 电子学报. 2017(03)
[10]论大数据背景下涉众型经济犯罪侦查工作机制[J]. 任怡. 中国人民公安大学学报(社会科学版). 2016(02)
博士论文
[1]若干社区发现算法研究[D]. 潘磊.南京大学 2014
[2]集资型犯罪研究[D]. 李晓强.山东大学 2012
[3]金融网络中资金流动模式识别与智能化异常监测[D]. 刘璇.上海交通大学 2010
硕士论文
[1]基于社交网络的犯罪团伙发现研究[D]. 潘潇.中国人民公安大学 2019
[2]网络空间的信息权力及其运作过程研究[D]. 黄盛光.云南大学 2019
[3]基于资金交易的金融领域犯罪团伙识别系统的设计与实现[D]. 周韬.北京邮电大学 2018
[4]基于大数据平台的拓扑信息挖掘系统研究与设计实现[D]. 唐桂明.北京邮电大学 2017
[5]基于复杂网络的社区发现算法研究与实现[D]. 杨晓光.南京理工大学 2017
[6]可视化分析在反洗钱中的应用研究[D]. 容征.华中科技大学 2016
[7]银行资金流向可视分析系统的研究与实现[D]. 赵帅.重庆邮电大学 2016
[8]基于数据挖掘的犯罪行为分析及系统实现[D]. 邓灵评.西南交通大学 2014
[9]非法吸收公众存款罪的相关问题研究[D]. 张曦.华东政法大学 2014
[10]基于网络化数据挖掘技术的银行间资金流网络研究[D]. 程建平.西南财经大学 2012
本文编号：3368166
【文章来源】：中国人民公安大学北京市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
帐户交易情况
中国人民公安大学硕士学位论文-23-4、ward方法是以方差分析思想为基础，比较类中和类间的离差平方和。当分类合理时，离差平方和在同类数据间应当较小，在类与类间应当较大。这种方法在实际应用中分类效果较好，应用较广，但要求公式中距离数据项必须是欧氏距离。两个组合之间的距离公式为：d(u,v)=,2||,2||,2（公式4）第三个参数表示距离计算的方法，即上述方法中dist()函数具体的实现方法，如欧式距离。下图是将linkage函数中第二个参数设为ward方法，第三个参数设为欧氏距离得到的层次聚类结果。图5为分层结果。图5层次聚类的分层结果由图5可以看出，层次聚类算法得到的结果也不是十分清楚，可以较为清晰的看到绝大多数的数据紧密聚集在一起，只有零星的几个数据被划分在了其他层次中，具有和K-means相似的问题。因此，层次聚类算法对此类非吸数据的聚类效果不是很好。分层过多，层次聚类结果
中国人民公安大学硕士学位论文-29-上述的模块度的计算可以得到以下的简化形式：Q=∑2∑22∑（公式9）其中，∑表示的是社区c内部的边数，∑表示的是社区c内部的所有节点的度数之和，包括与社区内部的边以及社区外部的边[1]。对比公式（8），它少了判断两个节点是否属于同一个社区的δ(u,v)函数。4.3FastUnfolding算法FastUnfolding算法是一种以模块度为依据对社区划分的迭代算法，主要目标是通过对社区进行不断划分使得划分后的整个网络的模块度不断增大。FastUnfolding算法具体分为两个阶段[2]，如图7所示：图7FastUnfolding算法的两个阶段[1]王元鹏,杨树峰.基于社群发现模型的区域火灾风险分析[J].今日消防,2019(4).[2]黄盛光.网络空间的信息权力及其运作过程研究[D].云南大学,2019.
【参考文献】：
期刊论文
[1]基于社群发现模型的区域火灾风险分析[J]. 王元鹏,杨树峰. 今日消防. 2019(04)
[2]基于K-means算法的科技事件影响力评估研究[J]. 毛凯,刘明,李志恺,李伟,夏瑜潞. 无线互联科技. 2019(07)
[3]基于社交网络的犯罪团伙发现算法研究[J]. 潘潇,王斌君. 软件导刊. 2018(12)
[4]违法资金分析与查控技术专业化建设[J]. 程小白,程科. 中国刑警学院学报. 2018(05)
[5]基于信息熵的金融网络洗钱社区发现新算法[J]. 吕林涛,袁琴琴,吕晖,李婉荣. 现代电子技术. 2017(17)
[6]大数据在网络非法集资案件侦查中的应用[J]. 单丹,王铼. 中国人民公安大学学报(社会科学版). 2017(04)
[7]论网贷平台非法集资犯罪的打击侦办技战法[J]. 王铼,胡锦鑫. 山东警察学院学报. 2017(04)
[8]论沿资金流向进行电信诈骗犯罪侦查[J]. 张雪洋. 北京警察学院学报. 2017(05)
[9]自动确定聚类个数的模糊聚类算法[J]. 陈海鹏,申铉京,龙建武,吕颖达. 电子学报. 2017(03)
[10]论大数据背景下涉众型经济犯罪侦查工作机制[J]. 任怡. 中国人民公安大学学报(社会科学版). 2016(02)
博士论文
[1]若干社区发现算法研究[D]. 潘磊.南京大学 2014
[2]集资型犯罪研究[D]. 李晓强.山东大学 2012
[3]金融网络中资金流动模式识别与智能化异常监测[D]. 刘璇.上海交通大学 2010
硕士论文
[1]基于社交网络的犯罪团伙发现研究[D]. 潘潇.中国人民公安大学 2019
[2]网络空间的信息权力及其运作过程研究[D]. 黄盛光.云南大学 2019
[3]基于资金交易的金融领域犯罪团伙识别系统的设计与实现[D]. 周韬.北京邮电大学 2018
[4]基于大数据平台的拓扑信息挖掘系统研究与设计实现[D]. 唐桂明.北京邮电大学 2017
[5]基于复杂网络的社区发现算法研究与实现[D]. 杨晓光.南京理工大学 2017
[6]可视化分析在反洗钱中的应用研究[D]. 容征.华中科技大学 2016
[7]银行资金流向可视分析系统的研究与实现[D]. 赵帅.重庆邮电大学 2016
[8]基于数据挖掘的犯罪行为分析及系统实现[D]. 邓灵评.西南交通大学 2014
[9]非法吸收公众存款罪的相关问题研究[D]. 张曦.华东政法大学 2014
[10]基于网络化数据挖掘技术的银行间资金流网络研究[D]. 程建平.西南财经大学 2012
本文编号：3368166
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/3368166.html
