预测犯罪:大数据分析揭示的介绍

大数据平台建立之后，可以根据数据的变化，发掘新的线索，预测潜在的犯罪。犯罪预测分析主要包括四类：一是预测犯罪的方法，这是应用于预测犯罪风险增加的地点和时间的方法；二是预测罪犯的方法，该方法可以用来识别将来可能犯罪的个人；三是预测犯罪者身份的方法，该技术用于对精确匹配特定的过去犯罪的最有可能的罪犯的画像；四是预测犯罪受害人的方法，它类似于聚焦罪犯、犯罪位置和高风险时间的那些方法，这些方法用于识别可能成为犯罪受害人的群体或在某种情况下的个人。[23]通过预测犯罪，能够识别犯罪模式和具体诱因，进而采取干预措施，来有效预防犯罪。

第一是根据热搜词排查虚假广告罪及关联犯罪。人们的心理会体现在行为上，对于P2P网贷平台何种特征的关注，会体现在这一特征的搜索量上，以此来搜集市场信息、行业信息和公司信息。因此，搜索量可以反映投资者的关注点，搜索量的变化也即是投资者心理的变化，如以“P2P网贷”为关键词在百度上搜索出11500000条关联词条，以“P2P国资”为关键词可搜索出3570000条，以P2P银行存管为关键词可搜索出3490000条，各占三分之一。为了符合投资者的期待，不少平台通过伪装，企图接近投资者的心理预期。大数据正可以给我们提供这样的思路，结合热搜词，准确地“扒”开平台的“标签”、“关键词”，排查是否涉嫌虚假广告并造成严重后果，是否利用虚假广告实施其他犯罪。

第二是通过资金去向等排查非法集资犯罪。以开展P2P网络借贷业务为名实施的非法集资行为有三种类型：一是“资金池模式”，二是“不合格借款人导致的非法集资风险”，三是“庞氏骗局”。第一和第三种经常结合在一起出现，可以通过大数据追踪资金的去向，是否流入单各或数个资金池中。而司法实践中尚未出现的第二种情形，更是需要依托于大数据，将多个平台的数据关联到一起，就能发现不合格借款人的身影，其为了规避法律，通过借用他人身份等方式在多个平台借款，但资金的最终流向无疑都是不合格借款人所控制的账户。此外，对于充当资金掮客的“线下理财师”，其飘忽不定，混迹于多个平台，但其必须有业绩的凭证，也就是其介绍多少人注册并理财，这可以通过推荐人号码来识别，普通的推荐人一般会推荐亲朋好友，一般不超过十人，对于推荐人甚众的号码应当予以重点关注，是否充当P2P网贷平台非法集资的共犯。(www.xing528.com)

第三是通过近似手法排查诈骗类犯罪。诈骗的手法虽然层出不穷，但是在P2P网贷领域，日息平台是最为常见的诈骗方式，周期短、利息高、背景硬、人员强、保障全，而且通常是同一班人员不断变换平台，实施一系列诈骗，虽然平台的信息都是假的，但是工商登记信息是真实备案的，联系电话是真实可查的，通过这两个真实信息，就可以关联出诈骗集团的组成人员，从而密切注意其动向，不仅能够预测犯罪，还能够精准抓捕犯罪嫌疑人。

当然，现实中网贷数据涉及许多参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度量，处理的复杂度很高，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态且可能是模棱两可的数据中综合信息，并导出可理解的内容。