量化概念格上网络盗窃行为拟合预测  

作　　者：王慧[1] 秦静[1] 郑涛[1] 

机构地区：[1]中国人民公安大学信息技术与网络安全学院,北京100038

出　　处：《中国人民公安大学学报（自然科学版）》2017年第2期63-67,共5页Journal of People’s Public Security University of China(Science and Technology)

基　　金：公安理论及软科学研究计划项目(2016LLYJGADX003)"面向公安大数据的融合智能网络建设研究"

摘　　要：时间序列挖掘是在经典的数据关联分析过程中加入时间戳印记,从而发现一定时间间隔内事物对象不同行为模式之间的关联关系。网络盗窃是一针对不特定多数人实施的短期多发性犯罪活动,其原始数据记录形式为多属性关联信息表,数据分布因具有时间顺序特征而符合时间序列挖掘分析的基本条件,为对该类数据进行频繁序列模式提取。首先论述了建立量化概念格数学模型的知识表示优势,证明了该格结构对原始数据表的完备性,其次提出了量化概念格上的频繁序列生成算法AMSP,最后在网络盗窃行为的拟合分析中对AMSP算法加以验证,说明该算法对于时间序列分析具有直观高效性,同样可应用于与网络盗窃案件具有相似数据特征的其他网络犯罪行为的预测分析。

关 键 词：网络盗窃 概念格 序列挖掘 关联规则 

分 类 号：D917.7[政治法律—法学]