一种基于多源信息融合的预防网络赌博监测系统技术方案

本发明专利技术提供了一种基于多源信息融合的预防网络赌博监测系统，其特征在于：通过历史行为数据、数据端实时数据、智能预防监测系统以及云服务器组成。系统主要包括对网络赌博前期历史行为数据特征分析，数据特征提取过程中将结合研判人员实际处理“经验阈值”，参照数据特征分析建立预防网络赌博参与人员模型，通过模型预防行为人网络赌博知识图谱，在LSTM的辅助下对构建的知识图谱进行“柔滑”构建基于多源信息融合的预防网络赌博监测系统，在对发现的预警数据处理后将该数据变为新的旧数据，用以修正系统，从而实现基于多源信息融合的预防网络赌博监测系统训练及参数更新。该发明专利技术将有助于解决现有技术中侦破效率低，处理具有延迟滞后性技术问题。后性技术问题。后性技术问题。

【技术实现步骤摘要】
一种基于多源信息融合的预防网络赌博监测系统


[0001]本专利技术设计数据挖掘、机器学习、知识图谱、人工智能、网络赌博等
，是一种基于多源信息融合的预防网络赌博监测系统。

技术介绍

[0002]随着现代化生活中，网络成为人们交流、工作、学习等方方面面的重要平台，并提供了相对自由、开放的空间。互联网金融，是时代发展的必然产物，为人们的生活带来了便利，加速节奏，提高效率，打破时空局限，成为人们生产、生活的得力助手。除此之外，互联网金融有效的促进经济发展、带动贸易增长，满足人们的现代化物质需求。
[0003]目前，网络赌博参与模式变化多端，证据往往难以追踪和提取，现有常规技术多为网络侦察特定人员银行卡、支付宝、微信、银联等金融账号内的资金流向，这不仅需要侦查人员具备高超的信息处理技术，而且需要在海量的数据中提取有用信息，耗费大量人力。

技术实现思路

[0004]为了解决上述问题，本专利技术针对源数据数据量大，数据特征复杂，实时性强，难以建立适用的数学模型等问题。专利技术了一种基于多源信息融合的预防网络赌博监测系统，做到在运行过程中能自主识别出潜在的网络赌博参与人员并及时预警。
[0005]为实现上述目的，本申请采用以下技术方案予以实现：
[0006]1.一种基于多源信息融合的预防网络赌博监测系统，该方法包括以下步骤：
[0007]S1、通过合法途径获取网络赌博参与人员数据，并对原始数据进行数据预处理；
[0008]S2、对网络赌博参与人员进行前期历史行为数据特征分析；
[0009]S3、建立预防网络赌博知识图谱模型；
[0010]S4、搭建预防行为人网络赌博参与模型；
[0011]S5、构建基于多源信息融合的预防网络赌博监测系统；
[0012]S6、实现基于多源信息融合的预防网络赌博监测系统训练及参数更新。
[0013]2.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于步骤S2中，通过S1合法途径拿到的网络赌博前期历史行为数据传送数据分析人员PC，对行为人每日、每月、每季度、每年进行86项数据分析结果，从而得到涉及网络赌博参与人员犯案前的数据特征。在进行行为特征分析时，并非纯粹的采用传统的理论性指标分析，重点侧重于研判人员的从业经验“阈值”进行特征指标提取，这将使得提取出的数据特征更贴合实际效果，有助于提升模型及系统的有效率和正确率。
[0014]3.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于步骤S3中，建立预防网络赌博参与人员知识图谱模型从实际数据出发，结合犯案人员单人时空关系中的个人财务、个人轨迹、生活习性、娱乐生活4大类，IP跳转、转账关联账户、滴滴快车乘车数据、微信支付记录、支付宝记录、轨道交通乘车记录、通话记录等27小类对原始数据归类划分，构建初步参与人员知识图谱。
[0015]4.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于步骤S3中，参照S2对网络赌博参与人员前期历史行为数据特征分析结果及历史数据进行数学建模，通过改进特定机器学习的原始模型，构建预防网络赌博参与人员模型，并将模型上传至云服务器。已有知识图谱能够较为准确的刻画用户习性等，其本质为用户标签集合体，在用户习性发生改变时，反应较为迟钝。因此在构参与用知识图谱期间，引入LSTM对画像进行“柔滑”，其中使用了4中时序对模型进行“柔滑”处理，包含
[0016]网络赌博事件指数平滑：
[0017]s
i
＝αx
i
+(1
‑
α)s
i
‑1[0018]网络赌博事件二次指数平滑：
[0019]t
i
＝β(s
i
‑
s
i
‑1)+(1
‑
β)t
i
‑1[0020]历史网络赌博行为数据的混合自回归移动平均过程：
[0021]Y
t
＝c+φ1Y
t
‑1+φ2Y
t
‑2+...+φ
p
Y
t
‑
p
+ε
t
+θ1ε
t
‑1+θ2ε
t
‑2+...+θ
p
ε
t
‑
q
[0022]网络赌博事件累乘性公式如下:
[0023][0024]下面的式子中k表示季节频率：
[0025]x
i+h
＝(s
i
+ht
i
)p
i
‑
k+(hmodk)
[0026]或者
[0027]x
i+h
＝(s
i
+ht
i
)p
i
‑
k+1+(h
‑
1)modk
[0028]网络赌博事件累加性公式如下:
[0029]s
i
＝α(x
i
‑
p
i
‑
k
)+(1
‑
α)(s
i
‑1+t
t
‑1)
[0030]t
i
＝β(s
i
‑
s
i
‑1)+(1
‑
β)t
i
‑1[0031]p
i
＝γ(x
i
‑
s
i
)+(1
‑
γ)p
i
‑
k
[0032]其中α是数据平滑因子,0＜α＜1；β是趋势平滑因子,0＜β＜1；γ是季节改变平滑因子0＜γ＜1。α,β,γ的值都位于[0,1]之间，在经过多试验后达到最佳效果。s,t,p初始值的选取对于算法整体的影响不是特别大，通常的取值为s0＝x0,t0＝x1‑
x0,累加时p＝0,累乘时p＝1。
[0033]此时累加性公式初始值的计算如下所示：
[0034][0035][0036]p1＝x1‑
s
k
,p2＝x2‑
s
k
,...,p
k
＝x
k
‑
s
k
[0037]通过上述操作将对网络赌博知识图谱进行“柔滑”，使得最终构建的模型能够较为快速的应对网络赌博参与模式的演变，进而提升模型及系统的可适应性和可迁移性。
[0038]5.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于步骤S4中，
[0039]将数据端实时数据汇集的行为人银行卡信息、微信信息、支付宝信息、淘宝信息及上述日常使用明细上传至云服务器，并利用预防网络赌博参与人员模型进行运算判定，判
定行为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息融合的预防网络赌博监测系统，该方法包括以下步骤：S1、通过合法途径获取网络赌博参与人员数据，并对原始数据进行数据预处理；S2、对网络赌博参与人员进行前期历史行为数据特征分析；S3、建立预防网络赌博参与人员知识图谱模型；S4、搭建预防行为人网络赌博参与模型；S5、构建基于多源信息融合的预防网络赌博监测系统；S6、实现基于多源信息融合的预防网络赌博监测系统训练及参数更新。2.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于：步骤S2中，通过S1合法途径拿到的网络赌博前期历史行为数据传送数据分析人员PC，对行为人每日、每月、每季度、每年进行86项数据分析结果，从而得到涉及网络赌博参与人员犯案前的数据特征；在进行行为特征分析时，重点侧重于研判人员的工作经验“阈值”进行特征指标提取，这将使得提取出的数据特征更贴合实际效果，有助于提升模型及系统的有效率和正确率。3.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于：步骤S3中，建立预防网络赌博参与人员知识图谱模型从实际数据出发，结合犯案人员单人时空关系中的个人财务、个人轨迹、生活习性、娱乐生活4大类，IP跳转、转账关联账户、滴滴快车乘车数据、微信支付记录、支付宝记录、轨道交通乘车记录、通话记录等27小类对原始数据归类划分，构建初步参与人员知识图谱。4.根据权利要求1所述的一种基于多源信息融合的预防网络赌博监测系统，其特征在于：步骤S3中，参照S2对网络赌博参与人员前期历史行为数据特征分析结果及历史数据进行数学建模，通过改进特定机器学习的原始模型，构建预防网络赌博参与人员模型，并将模型上传至云服务器；在构建参与用知识图谱期间，引入LSTM对画像进行“柔滑”，其中使用了4中时序对模型进行“柔滑”处理，包含网络赌博事件指数平滑：s
i
＝αx
i
+(1
‑
α)s
i
‑1网络赌博事件二次指数平滑：t
i
＝β(s
i
‑
s
i
‑1)+(1
‑
β)t
i
‑1历史网络赌博行为数据的混合自回归移动平均过程：Y
t
＝c+φ1Y
t
‑1+φ2Y
t
‑2+...+φ
p
Y
t
‑
p
+ε
t
+θ1ε
t
‑1+θ2ε
t
‑2+...+θ
p
ε
t
‑
q
网络赌博事件累乘性公式如下：下面的式子中k表示季节频率：x
i+h
＝(s
i
+ht
i
)p
i
‑
k+(hmodk)网络赌博事件累加性公式如下:s
i
＝α(x
i
‑
p
i
‑
k
)+(1

【专利技术属性】
技术研发人员：周伟，赵海航，蔡昆，陈凯，田峰，邓粤鹏，易军，车承志，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：