基於時間和地域構建一個網路詐騙形勢模型

電信詐騙，網路詐騙層出不窮，花樣翻新，是當前公安部重點打擊的對象。本文從網路中爬取相關的新聞，通過對時域和數量的統計與分析，實現對網路詐騙模型中時間參量的優化，進而達到提高對於網路詐騙的識別效果的目的。

一、數據的準備

對於網路電信詐騙的發生率，作者要通過新聞中對其提及的次數和對應日期進行統計，以此來表示當前社會對電信網路詐騙的關注熱度。首先作者確定統計的參量——時間和地域。對於時間參量，作者以月為分度值，對於地域參量，作者以省為分度值。作者使用正則表達式並計算匹配的次數來對文本進行統計，正則表達式的構成是由設置的時間列表和地域列表單獨和兩兩組合構成。

具體文本可以參照前兩篇文章：

如何從新聞中識別騙子的小套路

如何構建一個反電信網路詐騙基礎模型

下面是統計結果和部分代碼：

統計的總內容：

二、數據分析及模型構建

作者對獲取的數據進行了歸納，並以月份為單位計算同比增長率，環比增長率，以此來分析網路電信詐騙的特性，從而通過對增長率的分析來構建一個關於時間序列和增長程度的模型。

這是實現增長率統計的部分代碼和結果：

圖表的具體內容可以參見tableau public中的圖表：

tableau public

為了能夠更加精確的確定電信網路詐騙不同月份之間的相互聯繫，作者決定對環比增長率進行聚類分析，對時間序列進行回歸分析。

首先作者對增長率進行了聚類分析，將其分為五類，對應四級預警模式，由低到高分別為正常、藍色預警、黃色預警、橙色預警和紅色預警。由於在網路詐騙案件中，當前月份和前一月份之間存在一定的聯繫，所以作者使用無監督聚類的Kmeans演算法，保留數據之間的相關性。具體實現方法是將增長率為負的月份確定為正常類別，將增長率大於0的月份分為低速增長，中速增長和高速增長，並進行聚類，下圖是實現代碼：

對於時間序列的模型構建，首先作者對不同月份增長之間的相互影響進行了分析

通過分析作者發現當正增長率大於1的時候，在下一個月往往會出現負增長情況，當負增長率絕對值大於0.5時，在下一個月往往會出現正增長。因此，作者對比使用了普通最小二乘法（OLS）模型和加權最小二乘法模型（WLS）模型。在WLS模型中，經過不斷測試，確定約束條件為當正增長率大於1和負增長率絕對值大0.5時將 其權值縮小為原來的100倍，對於其他情況則以當月增長率為權值，下圖為測試結果：

下面是實現代碼：

經確定，WLS模型更接近統計平均值，預測值為0.21左右。

三、數據可視化

圖表數據不能直觀的反映出電信詐騙的地域分布特點，為了確定電信詐騙的分布地域情況，作者使用了excel中的power map和tableau進行可視化統計。Power map和tableau的使用方法可以參照它們的說明。下面是作者的可視化模型：

不同顏色深度代表了網路電信詐騙不同的關注程度。

接下來作者對預警模型進行可視化處理：

四、結論

通過模型反映的趨勢，我們發現：

1、從時間模型來看我國當前網路詐騙短期內將呈現低速增長的態勢。

2、從地域角度分析南部沿海省份和京津冀是網路詐騙案件的主要受災區域。

3、從地域角度分析網路電信詐騙高發區域逐漸由南部沿海省份向中部和北部沿海省份，由東部沿海省份向內陸遷徙的趨勢。

五、總結

作者通過構建時間序列的回歸模型和地域模型，在一定程度上確定了時間和地域對網路詐騙的影響，目的是優化計算詐騙概率時的時間參量，同時增加地域參量，提高反詐騙模型對於信息判斷的準確性。在構建時間模型的時候，著重要注意的是不同時間之間的相互影響，改變不同增長率月份對於回歸模型的影響權值，通過參數調節來得到一個較為合理的值。在地域分析的時候，著重使用不同的可視化工具對數據進行展示，以便於直觀的發現數據的變化趨勢。

*本文原創作者：西角邊的MR，本文屬FreeBuf原創獎勵計劃，未經許可禁止轉載

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！