استخراج الگوهای جرائم مواد مخدر و شناسایی افراد در معرض خطر با استفاده از تکنیکهای داده کاوی

مقدمه: رشد فناوری اطلاعات در سازمان­ها، منبع عظیمی از داده­های ذخیره شده در حوزه جرائم مرتبط با مواد مخدر را فراهم آورده است. تحلیل این داده­ها و کشف الگوهای پنهان موجود در آن به کمک داده کاوی می­تواند به کشف و پیشگیری از وقوع جرائم در این حوزه کمک نماید. هدف این مقاله بکارگیری تکنیک­های داده­کاوی جهت شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان و نیز کشف الگوهای جرم است. روش : پژوهش حاضر بر روی داده­های ۴۶۷ مجرم حوزه مواد مخدر در استان سیستان و بلوچستان که در طی سال­های ۱۳۹۲ الی ۱۳۹۹ مرتکب جرم قاچاق مواد مخدر شده­اند با نمونه گیری در دسترس انجام گرفته است. برای انجام این تحقیق از متدولوژی استاندارد CRISP-DM و الگوریتم­های طبقه­بندی ماشین بردار پشتیبان، بیزین ساده، رگرسیون لجستیک، درخت تصمیم و نزدیکترین همسایه و برای استخراج الگوهای جرائم از الگوریتم الگوکاوی اپریوری استفاده شده است. یافته ها: الگوریتم الگوکاوی بالغ بر ۲۰ الگوی جرم با دقت بالای ۸۰ درصد استخراج کرده است. به علاوه نتایج نشان می­دهد در میان الگوریتم­های طبقه­بندی، طبقه­بند نزدیکترین همسایه قادر است با دقت ۸۴ درصد افراد در معرض خطر را شناسایی کند. نتیجه گیری: با بکارگیری مدل ساخته شده با این الگوریتم می­توان سامانه­ای برای شناسایی افراد مستعد به قاچاق مواد مخدر طراحی کرد. نتایج حاصل از پیش­بینی­های انجام گرفته توسط سامانه مذکور و کشف الگوهای پنهان موجود در داده­ها می توانند کمک شایانی به پلیس، دستگاه­های قضایی و مددکارهای اجتماعی در شناسایی افراد در معرض خطر و کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.

Keywords:

Drug offenses , Data mining , Support vector machine (SVM) , Crime patterns , Crime prediction , جرائم مواد مخدر , داده کاوی , طبقه بند نزدیکترین همسایه , الگوهای جرم