更改

链路分析 (查看源代码)

2021年7月13日 (二) 00:16的版本

添加51字节、 2021年7月13日 (二) 00:16

无编辑摘要

第5行：第5行： −

在'''网络理论 Network Theory'''中，''' 链路分析 Link Analysis'''是一种用于评估节点之间关系（连接）的'''数据分析 Data Analysis'''技术。该技术可以鉴别各种类型节点（对象）之间的关系，包括组织、人和金融交易。链路分析已被应用于诸多领域，如打击犯罪活动(如欺诈侦查、反恐和情报)、计算机安全分析、搜索引擎优化、市场调查、医学研究和艺术。

+

在'''网络理论 Network Theory'''中，''' 链路分析 Link Analysis'''是一种用于评估节点之间关系（连接）的'''数据分析 Data Analysis'''技术。该技术可以鉴别各种类型节点（对象）之间的关系，包括组织、人和金融交易。链路分析已被应用于诸多领域，如打击犯罪活动（如欺诈侦查、反恐和情报）、计算机安全分析、搜索引擎优化、市场调查、医学研究和艺术。

==知识发现==

−

''' 知识发现 Knowledge Discovery'''，是指不断地识别、分析和可视化数据中的内在模式，这是一个持续迭代和交互的过程。<ref>{{cite web|url=https://www.torproject.org/about/overview.html.en|title=Tor Project: Overview|first=The Tor Project|last=Inc.|publisher=}}</ref>网络分析、链路分析和'''社会网络分析 Social Network Analysis'''都是知识发现的方法，它们都是属于''' 先验方法 Prior Method'''~~。大多数知识发现方法遵循以下几个步骤(~~'''在最高级别''') :<ref>Ahonen, H., [http://www.cs.helsinki.fi/u/hahonen/features.txt Features of Knowledge Discovery Systems].</ref>

+

''' 知识发现 Knowledge Discovery'''，是指不断地识别、分析和可视化数据中的内在模式，这是一个持续迭代和交互的过程。<ref>{{cite web|url=https://www.torproject.org/about/overview.html.en|title=Tor Project: Overview|first=The Tor Project|last=Inc.|publisher=}}</ref>网络分析、链路分析和'''社会网络分析 Social Network Analysis'''都是知识发现的方法，它们都是属于''' 先验方法 Prior Method'''。大多数知识发现方法遵循以下几个步骤（'''在最高级别'''）:<ref>Ahonen, H., [http://www.cs.helsinki.fi/u/hahonen/features.txt Features of Knowledge Discovery Systems].</ref>

#数据处理

#数据转换

第17行：第17行：

数据的收集和处理需要访问数据，但此过程存在一些固有的问题，包括'''信息超载 Information Overload'''和数据错误等。在数据被收集后，它将转换成一种人和计算机分析程序都能有效使用的格式。之后基于数据，可使用计算机生成的或人工操作的可视化工具进行作图（如网络图）。目前有几种算法可以帮助人类进行数据分析-'''迪杰斯特算法 Dijkstra’s algorithm'''，'''广度优先搜索 Breadth-First Search'''和''' 深度优先搜索 Depth-First Search'''。

−

~~链路分析主要通过可视化方法(网络图、关联矩阵)分析节点之间的关系。这里有一个基于犯罪侦查绘制网图的例子~~:<ref name=Krebs>Krebs, V. E. 2001, [http://vlado.fmf.uni-lj.si/pub/networks/doc/Seminar/Krebs.pdf Mapping networks of terrorist cells], Connections 24, 43–52.</ref>

+

链路分析主要通过可视化方法（网络图、关联矩阵）分析节点之间的关系。这里有一个基于犯罪侦查绘制网图的例子:<ref name=Krebs>Krebs, V. E. 2001, [http://vlado.fmf.uni-lj.si/pub/networks/doc/Seminar/Krebs.pdf Mapping networks of terrorist cells], Connections 24, 43–52.</ref>

第36行：第36行：

#在数据中寻找已知兴趣模式的匹配;

#发现与已知模式不相符的异常数据;

−

#~~发现新的兴趣模式(社会网络分析、数据挖掘)。~~

+

#发现新的兴趣模式（社会网络分析、数据挖掘）。

第54行：第54行：

* 爱荷华州性犯罪分析系统

* 明尼苏达州性犯罪分析系统

−

* ~~华盛顿州凶杀案调查追踪系统(HITS)~~<ref>{{cite web|url=http://www.atg.wa.gov/HITS.aspx |title=Archived copy |accessdate=2010-10-31 |url-status=dead |archiveurl=https://web.archive.org/web/20101021005202/http://atg.wa.gov/HITS.aspx |archivedate=2010-10-21 }}</ref>

+

* 华盛顿州凶杀案调查追踪系统（HITS）<ref>{{cite web|url=http://www.atg.wa.gov/HITS.aspx |title=Archived copy |accessdate=2010-10-31 |url-status=dead |archiveurl=https://web.archive.org/web/20101021005202/http://atg.wa.gov/HITS.aspx |archivedate=2010-10-21 }}</ref>

* 纽约州凶杀案调查和线索追踪系统

−

* ~~新泽西州凶杀案评估与测评跟踪系统(HEAT)~~<ref>{{cite web|url=http://www.state.nj.us/njsp/divorg/invest/invest.html |title=Archived copy |accessdate=2010-10-31 |url-status=dead |archiveurl=https://web.archive.org/web/20090325004722/http://www.state.nj.us/njsp/divorg/invest/invest.html |archivedate=2009-03-25 }}</ref>

+

* 新泽西州凶杀案评估与测评跟踪系统（HEAT）<ref>{{cite web|url=http://www.state.nj.us/njsp/divorg/invest/invest.html |title=Archived copy |accessdate=2010-10-31 |url-status=dead |archiveurl=https://web.archive.org/web/20090325004722/http://www.state.nj.us/njsp/divorg/invest/invest.html |archivedate=2009-03-25 }}</ref>

* 宾夕法尼亚州ATAC程序

* 暴力犯罪联系分析系统<ref>{{cite web|url=http://www.rcmp-grc.gc.ca/tops-opst/bs-sc/viclas-salvac-eng.htm |title=Archived copy |accessdate=2010-10-31 |url-status=dead |archiveurl=https://web.archive.org/web/20101202144141/http://www.rcmp-grc.gc.ca/tops-opst/bs-sc/viclas-salvac-eng.htm |archivedate=2010-12-02 }}</ref>

第65行：第65行：

===信息过载===

−

由于大量数据和信息以电子形式存储，用户可能会面临拥有多种不相关的信息来源却不知如何分析的难题。数据分析技术的使用可以帮助有效和高效地利用数据。帕尔希卡尔 Palshikar将数据分析技术分为两大类(统计模型、时间序列分析、聚类分类、异常检测匹配算法)和人工智能(AI)技术(数据挖掘、专家系统、模式识别、机器学习技术、神经网络)。<ref>Palshikar, G. K., [http://www.intelligententerprise.com//020528/509feat3_1.jhtml The Hidden Truth], Intelligent Enterprise, May 2002.</ref>

+

由于大量数据和信息以电子形式存储，用户可能会面临拥有多种不相关的信息来源却不知如何分析的难题。数据分析技术的使用可以帮助有效和高效地利用数据。帕尔希卡尔 Palshikar将数据分析技术分为两大类（统计模型、时间序列分析、聚类分类、异常检测匹配算法）和人工智能（AI）技术（数据挖掘、专家系统、模式识别、机器学习技术、神经网络）。<ref>Palshikar, G. K., [http://www.intelligententerprise.com//020528/509feat3_1.jhtml The Hidden Truth], Intelligent Enterprise, May 2002.</ref>

博尔顿 Bolton &汉德 Hand 将统计数据分析定义为有监督或无监督的方法。<ref>Bolton, R. J. & Hand, D. J., Statistical Fraud Detection: A Review, Statistical Science, 2002, 17(3), pp. 235-255.</ref>'''监督式学习方法 Supervised Learning Methods'''要求在系统中有明确的规则来指出什么是预期行为，什么是意外行为。'''非监督式学习方法 Unsupervised Learning Methods'''在审视数据时，通过将数据与正常值的比较，来发现统计异常值。监督式学习方法能处理的场景是有限的，因为这种方法需要基于以前的模式建立训练规则。非监督式学习方法可以检测更广泛的问题。但是，如果数据的行为规范没有很好的建立或被机器理解，可能会导致较高的误报率。

−

~~数据本身存在固有的问题，包括完整性(或缺失性)和持续的改变。数据可能包含~~'''“由于收集或处理不当，以及试图欺骗或隐瞒其行为而造成的遗漏和委托错误”。''' <ref name="Link Analysis Workbench"/> Sparrow<ref>Sparrow M.K. 1991. Network Vulnerabilities and Strategic Intelligence in Law Enforcement’, [[International Journal of Intelligence and Counterintelligence]] Vol. 5 #3.</ref>~~强调了数据分析中三个主要的问题，不完整性(数据或链路缺失的必然性)、模糊边界(边界确定的主观性)和动态变化(数据的持续变化性)。~~<ref name=Krebs/>

+

数据本身存在固有的问题，包括完整性（或缺失性）和持续的改变。数据可能包含'''“由于收集或处理不当，以及试图欺骗或隐瞒其行为而造成的遗漏和委托错误”。''' <ref name="Link Analysis Workbench"/> Sparrow<ref>Sparrow M.K. 1991. Network Vulnerabilities and Strategic Intelligence in Law Enforcement’, [[International Journal of Intelligence and Counterintelligence]] Vol. 5 #3.</ref>强调了数据分析中三个主要的问题，不完整性（数据或链路缺失的必然性）、模糊边界（边界确定的主观性）和动态变化（数据的持续变化性）。<ref name=Krebs/>

一旦数据转换成可用的格式，就会出现开放结构和交叉引用问题。魏斯曼 Waismann将''' 开放结构 Open Texture'''定义为在不同语境中使用经验词汇时不可避免的语义不确定性。<ref>Friedrich Waismann, Verifiability (1945), p.2.</ref>当试图从多个数据源搜索和交叉引用数据时，术语含义的不确定性带来了问题。<ref>Lyons, D., [http://ssrn.com/abstract=212328 Open Texture and the Possibility of Legal Interpretation (2000)].</ref>

唐糖糖

1,068

个编辑

更改

链路分析 (查看源代码)

2021年7月13日 (二) 00:16的版本

导航菜单

搜索