本發(fā)明涉及一種假幣犯罪信息分析系統(tǒng)及分析方法，可以提升假幣犯罪信息分析的準(zhǔn)確性和效率，屬于計算機應(yīng)用領(lǐng)域。

背景技術(shù)：

近些年來假幣犯罪不斷出現(xiàn)、對國家金融秩序和社會穩(wěn)定帶來一定的影響。通過對假幣犯罪信息的分析可從中提取一些重要的辦案線索、掌握案件的最新動態(tài)、為破獲假幣案件提供重要幫助。

目前，在犯罪信息的分析方法上面，更多的是采用傳統(tǒng)的統(tǒng)計分析方法或者采用基于社會網(wǎng)絡(luò)的分析方法。但是，由于假幣案件的特殊性，如果采用基于社會網(wǎng)絡(luò)的分析方法來分析假幣犯罪信息可能不夠準(zhǔn)確。因為，假幣是假幣犯罪過程中的一個重要的物證，假幣包含有一些重要的屬性信息、對假幣犯罪信息的分析能起到很大的作用，而現(xiàn)有的分析方法幾乎沒有考慮到假幣的因素在里面?，F(xiàn)有的犯罪分析方法主要集中在嫌疑人之間的關(guān)系分析上面、分析可能的犯罪團伙成員和挖掘犯罪網(wǎng)絡(luò)的核心人員，更多的是采取同構(gòu)信息網(wǎng)絡(luò)的分析方法。而對于假幣犯罪信息的分析應(yīng)該綜合考慮假幣案件、嫌疑人和假幣這三個重要的對象屬性以及相關(guān)之間的關(guān)聯(lián)，才能得出更準(zhǔn)確的結(jié)果。

另外，在假幣案件辦案過程中發(fā)現(xiàn)假幣犯罪很多都是團伙行為、累犯的比例也較高，并且同一個犯罪團伙制造的假幣之間的相似度極高，主要是因為設(shè)計過程中的缺陷或者印刷中的差異導(dǎo)致的。在假幣犯罪信息分析的過程中如果能夠加入對假幣之間相似度的分析將會增加信息之間的關(guān)聯(lián)性。而現(xiàn)有的對假幣的分析方法和分析技術(shù)主要考慮的是如何判斷一張人民幣是否為假幣、很少考慮不同假幣之間的相似性。同時，由于繳獲假幣的數(shù)量比較大，如果采用人工的方式進行假幣兩兩之間的相似度比對將會耗費大量時間并且效率低下，如何快速實現(xiàn)對大量假幣的分析比對獲得假幣之間的相似性是一個需要解決的技術(shù)問題。

技術(shù)實現(xiàn)要素：

本發(fā)明技術(shù)解決問題：克服現(xiàn)有技術(shù)的不足，提供一種假幣犯罪信息分析系統(tǒng)及分析方法，解決了假幣犯罪信息分析過程中的假幣犯罪信息的獲取、假幣之間相似度分析、假幣犯罪網(wǎng)絡(luò)的構(gòu)建和節(jié)點間相關(guān)性分析的問題，提升了假幣犯罪信息分析的效率和準(zhǔn)確性。

本發(fā)明的技術(shù)解決方案：一種假幣犯罪信息分析系統(tǒng)，由用戶查詢處理模塊、數(shù)據(jù)獲取模塊、假幣犯罪信息庫、假幣分析比對模塊、假幣樣本庫、假幣相似度比對庫、假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊組成。

(1)用戶查詢處理模塊，提供給用戶的一個查詢交互界面，用戶可通過輸入假幣案件、嫌疑人、假幣的查詢條件來進行檢索，用戶查詢處理模塊把查詢條件返回給應(yīng)用服務(wù)器調(diào)用假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊來處理用戶的請求。然后，把假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊的處理結(jié)果以可視化的假幣犯罪信息網(wǎng)絡(luò)圖的方式展示給用戶；

(2)數(shù)據(jù)獲取模塊，負(fù)責(zé)從外部數(shù)據(jù)源獲取假幣犯罪信息里面的假幣案件信息C、嫌疑人信息P、假幣信息M等信息，經(jīng)過處理轉(zhuǎn)換后存儲到數(shù)據(jù)庫服務(wù)器上的假幣犯罪信息庫中。同時，數(shù)據(jù)獲取模塊也負(fù)責(zé)將掃描處理后的假幣圖像上傳到數(shù)據(jù)庫服務(wù)器上的假幣樣本庫中；

(3)假幣犯罪信息庫，負(fù)責(zé)存儲數(shù)據(jù)獲取模塊從外部數(shù)據(jù)源獲取的假幣案件信息C、嫌疑人信息P、假幣信息M等信息，并為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持；

(4)假幣分析比對模塊，負(fù)責(zé)不同假幣之間相似度的比對計算并給出相似度得分。在新的假幣樣本圖像上傳到假幣樣本庫的同時，假幣分析比對模塊負(fù)責(zé)計算新上傳假幣圖像與假幣樣本庫里相同分類假幣之間的相似度，并將相似度結(jié)果存儲到假幣相似度比對庫中；

(5)假幣樣本庫，負(fù)責(zé)存儲數(shù)據(jù)獲取模塊上傳的假幣樣本圖像以及假幣特征區(qū)域的圖像，并為假幣分析比對模塊提供假幣圖像數(shù)據(jù)的支持；

(6)假幣相似度比對庫，負(fù)責(zé)存儲假幣分析比對模塊計算得出的相同分類假幣兩兩之間的相似度，為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持；

(7)假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊，根據(jù)用戶的查詢需求，通過對假幣犯罪信息庫和假幣相似度比對庫里數(shù)據(jù)的分析，以假幣案件、嫌疑人和假幣為對象，按照設(shè)定的展示層次來構(gòu)建一個異構(gòu)的假幣犯罪信息網(wǎng)絡(luò)，然后假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊將結(jié)果返回給用戶查詢處理模塊；

(8)節(jié)點相關(guān)性分析模塊，以假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊構(gòu)建的假幣犯罪信息網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合節(jié)點的屬性特征以及網(wǎng)絡(luò)拓?fù)涮卣?，來分析假幣犯罪信息網(wǎng)絡(luò)節(jié)點之間的相關(guān)性，然后將節(jié)點之間的相關(guān)性數(shù)據(jù)反饋給用戶查詢處理模塊進行展示。

所述用戶查詢處理模塊的實現(xiàn)過程為：

(1)用戶登錄假幣犯罪信息分析的查詢頁面，根據(jù)需要來輸入需要檢索的信息，可輸入需要查詢的假幣案件信息C、嫌疑人信息P、假幣信息M。同時，需要設(shè)置搜索路徑的長度，控制查詢關(guān)聯(lián)的范圍；

(2)用戶點擊“查詢”按鈕之后，用戶查詢處理模塊將會把查詢條件返回給應(yīng)用服務(wù)器調(diào)用假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊來處理用戶的請求，生成相關(guān)的假幣犯罪信息網(wǎng)絡(luò)數(shù)據(jù)和計算節(jié)點之間的相關(guān)性數(shù)值；

(3)假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊把處理的結(jié)果返回給用戶查詢處理模塊，用戶查詢處理模塊接收到數(shù)據(jù)之后將會采用包含假幣案件、嫌疑人和假幣三種對象為節(jié)點的假幣犯罪信息網(wǎng)絡(luò)圖的方式展示給用戶；

(4)用戶在查看假幣犯罪信息網(wǎng)絡(luò)圖的同時、可點擊任意一個節(jié)點，用戶查詢處理模塊會以浮動窗口的方式展示該節(jié)點的屬性信息以及同類型節(jié)點之間的相關(guān)性數(shù)值。

所述數(shù)據(jù)獲取模塊的實現(xiàn)過程為：

(1)在進行數(shù)據(jù)分析之前，需要從公安部門的相關(guān)信息系統(tǒng)里來獲取假幣犯罪信息，因為這些系統(tǒng)一般都在內(nèi)網(wǎng)，可通過數(shù)據(jù)庫視圖的方式來進行數(shù)據(jù)的集成，獲取的數(shù)據(jù)包括假幣案件信息C、嫌疑人信息P、假幣信息M；

(2)對獲取的外部數(shù)據(jù)進行檢查、保證數(shù)據(jù)的可用性和一致性，同時，根據(jù)數(shù)據(jù)分析的需要，對一些數(shù)據(jù)的內(nèi)容和格式進行一定的轉(zhuǎn)換，方便進行后續(xù)的分析；

(3)將上面處理好的數(shù)據(jù)存儲到數(shù)據(jù)庫服務(wù)器上的假幣犯罪信息庫中，為數(shù)據(jù)分析做準(zhǔn)備；

(4)將大量已收集的假幣樣本按照規(guī)定的格式進行掃描，一般采集白光、紫外、紅外三種不同光線下的假幣圖像，采集的時候按照相同的分辨率，并去除掉掃描圖像的黑邊只保留假幣的圖像區(qū)域；

(5)采集所有的假幣樣本圖像、并將掃描后的圖像上傳到服務(wù)器上建立假幣樣本庫，每個樣本錄入對應(yīng)的年版E、面額D、光線L信息；

(6)當(dāng)新增一個假幣樣本的時候，按照上面步驟(4)掃描假幣樣本并上傳圖像到到假幣樣本庫中。

所述假幣分析比對模塊的實現(xiàn)過程為：

(1)針對不同年版和面額假幣的防偽識別特征和識別區(qū)域進行分類和定義，將每類假幣的特征區(qū)域定義cr進行匯總建立假幣樣本的特征區(qū)域定義集合FAD_edk＝{cr_ed1,cr_ed2,...,cr_edk}，其中e代表年版、d代表面額、k代表具有的特征區(qū)域數(shù)量；

(2)當(dāng)新上傳一個假幣圖像的時候，假幣分析比對模塊會確定該假幣的分類，然后根據(jù)特征區(qū)域定義FAD從整張假幣圖像上提取特征區(qū)域的圖像，并存儲到數(shù)據(jù)庫服務(wù)器的假幣樣本庫里；

(3)采用基于SIFT(Scale invariant feature transform，尺度不變特征轉(zhuǎn)換)特征點的圖像相似度計算方法計算兩個假幣對應(yīng)特征區(qū)域之間的相似度其中k為特征區(qū)域的數(shù)量、i表示原始特征區(qū)域圖像、j表示要比對的特征區(qū)域圖像，N_i為原始特征區(qū)域的特征點數(shù)量，N_j為比對特征區(qū)域匹配的特征點數(shù)量；

(4)兩張假幣樣本之間的相似度其中α是每個特征區(qū)域?qū)?yīng)的權(quán)重系數(shù)，K是當(dāng)前分類假幣特征區(qū)域的數(shù)量；

(5)按照上述步驟(3)、(4)的方法，將所有存在的年版E和面額D相同的假幣之間兩兩比對計算之間的相似度，將所有相似度比對的結(jié)果存入到假幣相似度比對庫中；

(6)當(dāng)增加一張新的假幣樣本的時候，需要按照上述步驟(2)、(3)、(4)的流程計算該假幣與假幣樣本中已存在的相同年版和面額假幣之間的相似度，然后將相似度比對的結(jié)果存入到假幣相似度比對庫中。

所述的假幣犯罪信息庫，主要負(fù)責(zé)存儲數(shù)據(jù)獲取模塊從外部數(shù)據(jù)源獲取的假幣案件信息、嫌疑人信息、假幣信息信息，另外、還要存儲假幣案件、嫌疑人和假幣之間的關(guān)聯(lián)關(guān)系信息，以及基礎(chǔ)信息的代碼。同時，假幣犯罪信息庫也為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持。在假幣犯罪信息庫設(shè)計的時候要根據(jù)數(shù)據(jù)分析的需要進行設(shè)計，包括做好數(shù)據(jù)庫表的主鍵和外鍵設(shè)計，基礎(chǔ)代碼的引用，關(guān)鍵字段的索引，存儲空間的規(guī)劃等工作，以提升分析的效率。

所述的假幣樣本庫，主要是負(fù)責(zé)存儲假幣樣本掃描和處理后的圖像數(shù)據(jù)，以及假幣特征區(qū)域的圖像，同時為假幣分析比對模塊提供假幣圖像數(shù)據(jù)的支持。由于假幣樣本數(shù)量多并且掃描的圖像占用的空間較大，在設(shè)計的過程中要做好數(shù)據(jù)存儲空間和備份空間的容量，以及數(shù)據(jù)傳輸帶寬的設(shè)計，保證實現(xiàn)圖像的快速存儲和讀取服務(wù)。

所述的假幣相似度比對庫，負(fù)責(zé)存儲假幣分析比對模塊計算得出的相同分類假幣兩兩之間的相似度，為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持。由于假幣樣本的數(shù)量較多，相同分類假幣兩兩之間比對的結(jié)果會更多，所以，假幣相似度比對庫需要針對快速的數(shù)據(jù)讀取進行設(shè)計，包括做好關(guān)鍵字段的索引，以及采用基礎(chǔ)代碼等。

所述假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊的實現(xiàn)過程為：

(1)假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊接收到用戶查詢處理模塊的請求后，根據(jù)用戶查詢條件從假幣犯罪信息庫和假幣相似度比對庫里查找對應(yīng)的假幣案件C、嫌疑人P或者假幣M對象；

(2)按照用戶設(shè)定的搜索路徑長度以當(dāng)前對象為起點通過對象之間的關(guān)聯(lián)關(guān)系查找相關(guān)的對象，按照層次關(guān)系逐層進行查找、一直關(guān)聯(lián)到用戶設(shè)定的路徑長度為止；

(3)將上述查找結(jié)果生成假幣犯罪的異構(gòu)信息網(wǎng)絡(luò)圖，假幣犯罪信息網(wǎng)絡(luò)定義為有向圖G＝<V,E>的形式，有一個對象類型映射函數(shù)φ:V→A和一個關(guān)系類型映射函數(shù)

(4)獲取上面所有查找到的對象的屬性信息，包括假幣案件C、嫌疑人P、假幣M的屬性信息，在生成的假幣犯罪信息網(wǎng)絡(luò)節(jié)點中進行展示，同時也用于后面數(shù)據(jù)的分析；

(5)然后假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊將結(jié)果數(shù)據(jù)返回給用戶查詢處理模塊，通過用戶查詢處理模塊展示給用戶。

所述節(jié)點相關(guān)性分析模塊的實現(xiàn)過程為：

(1)以生成的假幣犯罪信息網(wǎng)絡(luò)為輸入，構(gòu)建出查詢與待分析相關(guān)性節(jié)點的二元組<Q,R>，其中Q表示查詢節(jié)點，R表示待分析相關(guān)性的節(jié)點。采用基于元路徑的異構(gòu)信息網(wǎng)絡(luò)的節(jié)點相關(guān)性度量方法來計算節(jié)點相關(guān)性排序中的拓?fù)涮卣鳎?/p>

(2)計算原始節(jié)點與查詢節(jié)點間的假幣案件、嫌疑人和假幣的屬性特征，按照數(shù)值、地理位置、時間、字符串和文本幾種數(shù)據(jù)類型分別采用不同的計算方法；

(3)將上述計算獲得的拓?fù)涮卣骱蛯傩蕴卣鬟M行組合，輸入到節(jié)點相關(guān)性排序模型計算得到相關(guān)性結(jié)果，返回給用戶查詢處理模塊。節(jié)點相關(guān)性排序模型采用Ranking SVM排序算法；

(4)將節(jié)點之間的相關(guān)性數(shù)據(jù)返回給用戶查詢處理模塊展示給用戶，通過在網(wǎng)絡(luò)中用不同大小的圖標(biāo)來表示當(dāng)前節(jié)點與查詢節(jié)點之間的相關(guān)性大小，也可以通過對象的屬性查看當(dāng)前節(jié)點與查詢節(jié)點之間的相關(guān)性數(shù)值。

一種假幣犯罪信息分析方法，該方法實現(xiàn)步驟如下：

(1)首先數(shù)據(jù)獲取模塊從外部數(shù)據(jù)源以數(shù)據(jù)庫視圖的方式獲取假幣犯罪信息，包括假幣案件信息C、嫌疑人信息P和假幣信息M，對獲取的數(shù)據(jù)進行檢查、處理和轉(zhuǎn)換后存儲到假幣犯罪信息庫中為后續(xù)的分析提供數(shù)據(jù)支撐；

(2)按照規(guī)定的要求掃描所有的假幣樣本，對掃描圖像進行一定的處理，包括去除假幣圖像的黑邊和旋轉(zhuǎn)校正等，然后上傳到數(shù)據(jù)庫服務(wù)器上的假幣樣本庫中；

(3)針對每類假幣的防偽識別特征和識別區(qū)域進行定義，建立假幣樣本的特征區(qū)域定義集合。當(dāng)新上傳一個假幣圖像的時候，假幣分析比對模塊會確定該假幣的分類，然后根據(jù)特征區(qū)域定義從整張假幣圖像上提取特征區(qū)域的圖像，并存儲到數(shù)據(jù)庫服務(wù)器的假幣樣本庫里；

(4)利用假幣相似度比對模塊提前做好同類假幣兩兩之間的相似度比對計算結(jié)果并存儲到假幣相似度比對庫里，可以為后續(xù)的數(shù)據(jù)分析節(jié)省大量的時間。先計算兩個假幣對應(yīng)特征區(qū)域之間的相似度，然后按照每個特征區(qū)域之間的相似度結(jié)合權(quán)重系數(shù)來計算整張假幣之間的整體相似度；

(5)完成前面的數(shù)據(jù)準(zhǔn)備工作之后，通過用戶查詢處理模塊接收用戶的查詢條件并調(diào)用假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊來處理用戶的請求。假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊將按照用戶設(shè)定的搜索路徑長度通過對象之間的關(guān)聯(lián)關(guān)系查找相關(guān)的對象，一直關(guān)聯(lián)到用戶設(shè)定的路徑長度為止。然后以假幣案件C、嫌疑人P、和假幣M三種對象以及對象之間的關(guān)聯(lián)關(guān)系為基礎(chǔ)來構(gòu)建查詢結(jié)果對應(yīng)的假幣犯罪信息網(wǎng)絡(luò)；

(6)用戶查詢處理模塊調(diào)用節(jié)點相關(guān)性分析模塊來計算節(jié)點之間的相關(guān)性。節(jié)點相關(guān)性分析模塊以生成的假幣犯罪信息網(wǎng)絡(luò)為輸入，首先計算網(wǎng)絡(luò)的拓?fù)涮卣骱凸?jié)點之間的屬性特征，然后將2個計算結(jié)果進行組合，輸入到節(jié)點相關(guān)性排序模型計算得到相關(guān)性結(jié)果；

(7)用戶查詢處理模塊接收到假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊的計算結(jié)果之后，以可視化的假幣犯罪信息網(wǎng)絡(luò)圖的方式展示給用戶，用戶可在網(wǎng)絡(luò)上查詢節(jié)點的屬性信息以及同類型節(jié)點之間的相關(guān)性。

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于：

(1)采用包括假幣案件、嫌疑人和假幣三個對象構(gòu)建的假幣犯罪異構(gòu)信息網(wǎng)絡(luò)能夠更準(zhǔn)確描述假幣犯罪信息之間的關(guān)系，展示的信息也將更為全面。

(2)考慮假幣信息和假幣樣本圖像之間相似度的分析、并預(yù)先計算好大量樣本之間的相似度比對結(jié)果，考慮到了假幣信息在假幣犯罪信息分析中的作用，能夠使節(jié)點相關(guān)性分析以及其他相關(guān)的分析結(jié)果更為準(zhǔn)確，并且提升數(shù)據(jù)分析的效率。

(3)以可視化的假幣犯罪信息網(wǎng)絡(luò)圖的方式展示用戶的查詢和節(jié)點相關(guān)性分析結(jié)果，讓用戶更為直觀掌握對象之間的關(guān)系，提升了辦公的效率。

附圖說明

圖1為本發(fā)明中假幣犯罪信息分析系統(tǒng)的體系結(jié)構(gòu)圖；

圖2為本發(fā)明中數(shù)據(jù)獲取模塊的實現(xiàn)過程圖；

圖3為本發(fā)明中假幣分析比對模塊的實現(xiàn)過程圖；

圖4為本發(fā)明中假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊的實現(xiàn)過程圖；

圖5為本發(fā)明中假幣犯罪信息網(wǎng)絡(luò)節(jié)點之間關(guān)系圖；

圖6為本發(fā)明中節(jié)點相關(guān)性分析模塊的實現(xiàn)過程圖；

圖7為本發(fā)明中假幣間相似度比對計算的結(jié)果圖；

圖8為本發(fā)明中用戶查詢生成的假幣犯罪網(wǎng)絡(luò)圖；

圖9為本發(fā)明中包含節(jié)點相關(guān)性的假幣犯罪網(wǎng)絡(luò)圖。

具體實施方式

下面將結(jié)合附圖對本發(fā)明做進一步說明。

本發(fā)明的系統(tǒng)結(jié)構(gòu)如圖1所示，由用戶查詢處理模塊、數(shù)據(jù)獲取模塊、假幣犯罪信息庫、假幣分析比對模塊、假幣樣本庫、假幣相似度比對庫、假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊組成。其中，用戶查詢處理模塊負(fù)責(zé)處理與用戶的交互操作與結(jié)果的可視化展示；數(shù)據(jù)獲取模塊和假幣分析比對模塊負(fù)責(zé)假幣犯罪信息數(shù)據(jù)的獲取、處理和存儲操作，以及將系統(tǒng)資源消耗多、耗時較長的假幣樣本比對操作預(yù)先處理好結(jié)果存儲到數(shù)據(jù)庫中、從而提升數(shù)據(jù)分析效率；假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊實現(xiàn)假幣犯罪異構(gòu)信息網(wǎng)絡(luò)的構(gòu)建與數(shù)據(jù)的分析；假幣犯罪信息庫、假幣樣本庫和假幣相似度比對庫負(fù)責(zé)數(shù)據(jù)的存儲并為數(shù)據(jù)分析提供支持。

本發(fā)明的用戶查詢處理模塊主要負(fù)責(zé)與用戶的交互與查詢結(jié)果的可視化展示，具體實現(xiàn)方式如下：

(1)首先，用戶查詢處理模塊負(fù)責(zé)接收用戶的查詢輸入信息，用戶可單獨輸入假幣案件信息C、嫌疑人信息P或者假幣信息M，也可以幾種組合來輸入、讓查詢結(jié)果更為精確。如果多個條件組合輸入的時候需要明確要查詢的對象類型。同時，用戶需要設(shè)置一下查詢生成網(wǎng)絡(luò)的大小和關(guān)聯(lián)的程度，即需要設(shè)置搜索路徑的長度，一般來說建議設(shè)置為4，查詢出來的結(jié)果方便瀏覽，查詢速度也會較快，而太長的路徑耗時將會更長。

(2)用戶查詢處理模塊把查詢條件返回給應(yīng)用服務(wù)器調(diào)用假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊來處理用戶的請求。假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊根據(jù)設(shè)置的路徑長度查找關(guān)聯(lián)的對象，并根據(jù)對象間的關(guān)聯(lián)關(guān)系生成假幣犯罪網(wǎng)絡(luò)數(shù)據(jù)。同時用戶查詢處理模塊調(diào)用節(jié)點相關(guān)分析模塊來計算網(wǎng)絡(luò)上同類型節(jié)點之間的相關(guān)性數(shù)值。

(3)當(dāng)用戶查詢處理模塊接收到假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊返回的假幣犯罪信息網(wǎng)絡(luò)數(shù)據(jù)以及節(jié)點相關(guān)分析模塊返回的節(jié)點間相關(guān)性數(shù)值的時候，將會以可視化的假幣犯罪信息網(wǎng)絡(luò)圖的方式展示給用戶。假幣犯罪信息網(wǎng)絡(luò)圖由假幣案件、嫌疑人和假幣三種對象以及相互之間的關(guān)系組成，對象之間的關(guān)聯(lián)通過線進行連接。

(4)在假幣犯罪信息網(wǎng)絡(luò)圖中，根據(jù)同類型節(jié)點之間的相關(guān)性計算數(shù)據(jù)，通過不同大小的圖標(biāo)來表示當(dāng)前節(jié)點與查詢節(jié)點之間的相關(guān)性大小，小的圖標(biāo)表示相關(guān)性較小。同時，用戶可點擊任意一個節(jié)點，用戶查詢處理模塊會以浮動窗口的方式展示該節(jié)點的屬性信息以及同類型節(jié)點之間的相關(guān)性數(shù)值。

另外，由于節(jié)點相關(guān)性的計算需要消耗較多的時間，尤其是查詢生成的網(wǎng)絡(luò)較大的時候計算時間會更長?？紤]到性能的原因，假幣犯罪網(wǎng)絡(luò)構(gòu)建和節(jié)點之間相關(guān)性分析可分開來進行，用戶可先生成假幣犯罪信息網(wǎng)絡(luò)、然后根據(jù)需要來選擇是否進行相關(guān)性的計算，這樣可以節(jié)省大量的時間方便瀏覽。

本發(fā)明的數(shù)據(jù)獲取模塊具體實現(xiàn)方式如圖2所示，在進行假幣犯罪信息網(wǎng)絡(luò)構(gòu)建和相關(guān)性分析之前從外部數(shù)據(jù)源獲取假幣犯罪信息，同時掃描和上傳假幣樣本的圖像。

(1)首先，需要從外部數(shù)據(jù)源也就是公安部門的相關(guān)信息系統(tǒng)里獲取假幣犯罪信息，獲取的數(shù)據(jù)包括假幣案件信息C、嫌疑人信息P、假幣信息M，一般沒有假幣圖像數(shù)據(jù)。這些系統(tǒng)一般都處于內(nèi)網(wǎng)，所以，可以通過數(shù)據(jù)庫視圖View的方式來進行數(shù)據(jù)的集成，數(shù)據(jù)的安全能夠得到保障。根據(jù)數(shù)據(jù)分析的需要定義數(shù)據(jù)庫視圖、確定字段的主鍵和外鍵，同時，還需要同步用到的基礎(chǔ)信息的代碼集，例如：行政區(qū)劃、案件類型、作案手段、案件罪名、案件來源、年版、面額、偽造方式等。第一次采取全部同步的方式，后續(xù)根據(jù)更新頻率采取增量同步的方式。

(2)對獲取的數(shù)據(jù)進行檢查、保證數(shù)據(jù)的可用性和一致性。檢查的內(nèi)容包括信息項是否完整、是否有錯誤的字段、是否采用了基礎(chǔ)代碼、信息關(guān)聯(lián)是否正確等。同時，還需要對獲取的數(shù)據(jù)進行一定的轉(zhuǎn)換和處理，包括數(shù)據(jù)類型的轉(zhuǎn)換、基礎(chǔ)代碼的轉(zhuǎn)換、對象之間關(guān)聯(lián)關(guān)系的建立等，滿足數(shù)據(jù)分析的需要。

(3)將處理好的假幣犯罪信息，主要是假幣案件信息、嫌疑人信息和假幣信息，存儲到假幣犯罪信息庫中。在數(shù)據(jù)庫中除了存儲基本信息之外，還要存儲假幣案件信息、嫌疑人信息和假幣信息之間的關(guān)聯(lián)關(guān)系。

(4)將大量已收集的假幣樣本掃描轉(zhuǎn)換為圖像，為假幣之間相似度比對提供圖像數(shù)據(jù)。為保證對比分析的精確性，對圖像的處理要求包括：掃描的精度建議不要低于1600dpi，采集固定波長和強度的白光、紫外、紅外三種光線下的假幣圖像，如果通過多個掃描儀來完成建議保證在同等的光線條件下。掃描后的圖像要進行一定的處理，包括去除掃描的背景圖像、對圖像進行傾斜校正操作，只保留假幣圖像。

(5)不斷重復(fù)上面的步驟來采集所有的假幣樣本圖像、并將掃描后的圖像上傳到假幣樣本庫中，每個假幣樣本錄入對應(yīng)的年版E、面額D、冠字號碼、對應(yīng)光線L的信息。如果與假幣案件和嫌疑人存在關(guān)聯(lián)關(guān)系、也要錄入對應(yīng)的關(guān)聯(lián)關(guān)系信息。

同時，當(dāng)有新的假幣樣本出現(xiàn)的時候，需要按照上面步驟的要求繼續(xù)掃描假幣樣本，并對圖像進行處理之后上傳到假幣樣本庫中。

假幣犯罪信息庫除了存儲數(shù)據(jù)獲取模塊從外部數(shù)據(jù)源獲取的假幣犯罪信息之外，也為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持。為了提升數(shù)據(jù)存儲和訪問的性能，在假幣犯罪信息庫設(shè)計的時候要根據(jù)數(shù)據(jù)分析的需要進行設(shè)計，包括做好數(shù)據(jù)庫表的主鍵和外鍵設(shè)計，基礎(chǔ)代碼的引用，關(guān)鍵字段的索引，存儲空間的規(guī)劃等工作，以提升分析的效率。

本發(fā)明的假幣分析比對模塊具體實現(xiàn)方式如圖3所示，主要負(fù)責(zé)對假幣樣本庫里存儲的假幣樣本圖像按照年版和面額相同的分類方式兩兩進行比對，計算同一分類假幣樣本兩兩之間的相似度數(shù)值，為后續(xù)的數(shù)據(jù)分析提供支撐。預(yù)先進行假幣樣本之間的相似度計算，可以為后續(xù)的分析節(jié)省大量的時間，因為圖像之間的相似度計算需要消耗很多的服務(wù)器資源和時間。

(1)在進行假幣的分析比對之前需要進行假幣的分類工作，由于人民幣和假幣都具有不同的年版E和面額D、并且防偽點和防偽識別方式也不相同、安全線和紅藍(lán)纖維的位置不固定，為了更好地進行比對和分析，需要針對每類假幣的防偽識別特征和識別區(qū)域進行定義，然后將每類假幣的特征區(qū)域定義FAD(Feature area definition)進行匯總建立假幣樣本的特征區(qū)域定義集合FAD_edk＝{cr_ed1,cr_ed2,...,cr_edk}，其中e代表年版、d代表面額、k代表具有的特征區(qū)域數(shù)量。假幣的特征區(qū)域即包括假幣的正面也包括反面。假幣之間相似度的計算主要通過這些特征區(qū)域之間的比對來完成。

(2)當(dāng)新上傳一個假幣圖像的時候，假幣分析比對模塊會確定該假幣的分類，然后根據(jù)特征區(qū)域定義FAD從整張假幣圖像上提取特征區(qū)域的圖像，并存儲到數(shù)據(jù)庫服務(wù)器的假幣樣本庫里。假幣之間相似度的計算不進行整張假幣圖像的比對、只進行假幣對應(yīng)特征區(qū)域之間的比對。每次上傳假幣圖像的時候提取特征區(qū)域圖像并進行存儲，以后比對的時候直接從服務(wù)器上讀取特征區(qū)域的圖像即可，不用再重新從整張假幣中提取，節(jié)省了大量的時間。所以，新上傳假幣圖像的同時，即要存儲整張假幣圖像、同時也要存儲提取的特征區(qū)域圖像。

(3)兩張年版E和面額D相同的同類假幣之間相似度的計算，是通過所有對應(yīng)特征區(qū)域之間的相似度計算、再得出整張假幣之間的相似度。首先需要計算每一個對應(yīng)特征區(qū)域之間的相似度。

圖像間相似性度量一般是根據(jù)所對比圖像的特點來選取分析的方法，一般按照圖像的顏色特征、形狀特征、紋理特征和局部不變性特征等來進行分析，針對每種特征也有不同的算法。由于假幣樣本之間比對主要是針對設(shè)計過程中的缺陷或者印刷中的差異來進行分析，采用圖像特征匹配算法更適合進行相似度的分析，這里采用基于SIFT(Scale invariant feature transform，尺度不變特征轉(zhuǎn)換)特征點的圖像相似度計算方法。SIFT方法對于旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對噪聲也保持一定程度的穩(wěn)定性。

SIFT是一個比較經(jīng)典的算法，算法過程主要有四個步驟：極值點檢測、關(guān)鍵點定位、關(guān)鍵點方向分配和關(guān)鍵點描述。首先選取原始的假幣圖像，通過算法來計算其中的SIFT特征點、得到N_i個特征點；然后再計算要比對的假幣圖像與原始圖像相匹配的特征點，得到匹配的特征點數(shù)量為N_j。那么當(dāng)前要比對的特征區(qū)域的相似度其中k為特征區(qū)域的數(shù)量、i表示原始特征區(qū)域圖像、j表示要比對的特征區(qū)域圖像。在計算的過程中為了保證足夠多匹配的特征點數(shù)量和精度，建議尺度空間因子σ的取值在0.5-0.6之間。通過這種方法陸續(xù)獲得所有對應(yīng)特征區(qū)域之間的相似度的數(shù)值。

(4)計算兩張假幣樣本之間的相似度，主要是通過每個特征區(qū)域相似度來進行計算，假幣樣本相似度其中α是每個特征區(qū)域?qū)?yīng)的權(quán)重系數(shù)，K是當(dāng)前分類假幣特征區(qū)域的數(shù)量。一般先計算白光圖像之間的相似度，而紅外和紫外光線下的相似度作為白光下假幣相似度的一個校驗，當(dāng)數(shù)值差別較大的時候需要通過人工的方式來檢查存在的原因。另外，也可以通過取3種光線下相似度的平均值作為總的相似度。

(5)按照上述步驟(3)、(4)的方法，將所有年版E和面額D相同的假幣之間兩兩比對計算之間的相似度，將所有相似度比對的結(jié)果存入到假幣相似度比對庫中。因為圖像之間的比對比較消耗時間，二張假幣之間的相似度的計算可能需要十幾秒的時間，所以，提前計算得出假幣之間相似度數(shù)值對于后續(xù)的數(shù)據(jù)分析具有重要意義，大大加快了數(shù)據(jù)分析的速度。

(6)當(dāng)增加一張新的假幣樣本的時候，需要按照上述步驟(2)、(3)、(4)的流程，確定所屬分類、特征區(qū)域提取、計算該假幣與假幣樣本中已存在的相同年版和面額假幣之間的相似度，并將結(jié)果存儲到假幣相似度比對庫中。

假幣樣本庫存儲假幣樣本掃描和處理后的圖像以及假幣特征區(qū)域的圖像，同時為假幣分析比對模塊提供假幣圖像數(shù)據(jù)的支持。由于一張假幣樣本需要掃描三種光線下正反面的圖像存儲到假幣樣本庫中、同時還需要存儲提取的特征區(qū)域圖像，一般一個假幣樣本掃描和處理后上傳到假幣樣本庫中需要占用100M左右的空間。所以，假幣樣本庫在設(shè)計的時候要充分考慮到存儲空間和備份空間的容量。另外，圖像的傳輸需要占用較多網(wǎng)絡(luò)的帶寬，要做好數(shù)據(jù)傳輸帶寬的設(shè)計，保證圖像的快速存儲和讀取服務(wù)。

假幣相似度比對庫用來存儲假幣樣本之間預(yù)先比對的結(jié)果信息，為假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊和節(jié)點相關(guān)性分析模塊提供數(shù)據(jù)支持。由于假幣樣本的數(shù)量較多，相同分類假幣兩兩之間組合比對后的結(jié)果會更多，相同分類下比對結(jié)果的數(shù)量相當(dāng)于該分類中所有假幣樣本中任意取2個假幣樣本的組合的數(shù)量。所以，假幣相似度比對庫要針對快速的數(shù)據(jù)讀取進行設(shè)計，包括做好關(guān)鍵字段的索引、多個查詢字段的復(fù)合索引、以及采用基礎(chǔ)代碼等，來提升數(shù)據(jù)訪問的效率。

本發(fā)明的假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊具體實現(xiàn)方式如圖4所示，根據(jù)用戶的查詢條件和設(shè)置從假幣犯罪信息庫和假幣相似度比對庫里查找相關(guān)聯(lián)的對象、獲取對象屬性信息、并生成可視化的假幣犯罪信息網(wǎng)絡(luò)圖。

(1)假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊接收到用戶查詢處理模塊的請求后，根據(jù)用戶查詢條件從假幣犯罪信息庫和假幣相似度比對庫中查找到對應(yīng)的假幣案件C、嫌疑人P或者假幣M對象。如果用戶只輸入某一類型信息進行查詢的時候?qū)⒉樵兊玫綄?yīng)類型的對象，而如果用戶輸入多種條件組合查詢的時候?qū)⒏鶕?jù)用戶指定的對象類型來查詢得到對應(yīng)類型的對象，后續(xù)將以這個對象為基礎(chǔ)查找關(guān)聯(lián)的其他對象。

(2)按照用戶設(shè)定的搜索路徑長度以當(dāng)前對象為起點通過對象之間的關(guān)聯(lián)查找相關(guān)的對象，按照層次關(guān)系逐層進行查找、一直關(guān)聯(lián)到用戶設(shè)定的路徑長度為止。這里的對象也就是節(jié)點的類型A＝{Case,Person,Money}，即假幣案件C、嫌疑人P、和假幣M三種對象。節(jié)點之間的關(guān)系類型如圖5所示，節(jié)點之間的關(guān)系R＝{involve,involved in,related by,identical,similar}，其中：

involve指該案件中的嫌疑人；

involved in指嫌疑人涉及的案件；

related by指該案件中涉及的假幣；

identical指的是兩條同名嫌疑人記錄之間的關(guān)系；

similar指假幣之間的關(guān)聯(lián)、包括冠字號相同和假幣之間相似度很高的情況。

(3)根據(jù)查找結(jié)果生成假幣犯罪的異構(gòu)信息網(wǎng)絡(luò)，定義為有向圖G＝<V,E>的形式，有一個對象類型映射函數(shù)φ:V→A和一個關(guān)系類型映射函數(shù)

(4)獲取上面所有查找到的對象的屬性信息，包括假幣案件C、嫌疑人P、假幣M的主要屬性信息，將會在生成的假幣犯罪信息網(wǎng)絡(luò)節(jié)點中進行展示，同時也用于后面數(shù)據(jù)的分析。

假幣案件對象C的主要屬性：案件編號、案發(fā)時間、案件地點、簡要案情、立案單位以及涉案金額等。

嫌疑人對象P的主要屬性：嫌疑人的編號、姓名、身份證號、電話號碼、文化程度、戶籍地、現(xiàn)居住地和涉案情況等。

假幣對象M的主要屬性：假幣的編號、年版、面額、幣種、冠字號以及一些假幣的物理特征，包括有無水印、厚度、有無熒光和偽造方式等。

(5)假幣犯罪網(wǎng)絡(luò)構(gòu)建模塊處理完后將結(jié)果數(shù)據(jù)返回給用戶查詢處理模塊，通過用戶查詢處理模塊展示給用戶。

本發(fā)明的節(jié)點相關(guān)性分析模塊具體實現(xiàn)方式如圖6所示，綜合考慮假幣案件、嫌疑人和假幣在假幣犯罪信息網(wǎng)絡(luò)中的拓?fù)浣Y(jié)構(gòu)特征以及其自身帶有的屬性特征來進行節(jié)點之間相關(guān)性的計算，將會使排序結(jié)果更為準(zhǔn)確。

(1)首先，將用戶查詢生成的假幣犯罪網(wǎng)絡(luò)作為輸入、計算假幣犯罪網(wǎng)絡(luò)的拓?fù)涮卣?。?gòu)建出查詢與待分析相關(guān)性節(jié)點的二元組<Q,R>，其中Q表示查詢節(jié)點，R表示待分析相關(guān)性的節(jié)點。假幣犯罪信息網(wǎng)絡(luò)中節(jié)點相關(guān)性排序中的拓?fù)涮卣饔嬎悖捎没谠窂降漠悩?gòu)信息網(wǎng)絡(luò)的節(jié)點相關(guān)性度量方法，分別是path count(元路徑數(shù))、normalized path count(歸一化元路徑數(shù))、random walk(隨機游走)以及symmetric random walk(對稱隨機游走)作為假幣犯罪信息網(wǎng)絡(luò)中節(jié)點相關(guān)性排序中的拓?fù)涮卣鳌?/p>

Path count(元路徑數(shù))：指的是兩個對象之間遵循一條給定的元路徑關(guān)系的路徑實例的個數(shù)，表示為PC_R(a_i,a_j)，其中R是元路徑表示的關(guān)系的縮寫，a_i和a_j是假幣犯罪信息網(wǎng)絡(luò)上的任意2個節(jié)點。

Normalized path count(歸一化元路徑數(shù))：指的是兩個對象之間符合一條給定的關(guān)系R的路徑實例的個數(shù)與兩個對象基于關(guān)系R的所有路徑實例的比值，其中，關(guān)系R^-1表示關(guān)系R的逆關(guān)系，PC_R(a_i,·)表示所有起點為a_i并且遵循關(guān)系R的路徑實例總數(shù)，PC_R(·,a_j)表示所有終點為a_j并且遵循元路徑關(guān)系R的總數(shù)。

Random walk(隨機游走)：指的是從起點a_i出發(fā)，遵循關(guān)系R隨機游走，到達(dá)節(jié)點a_j的概率，

Symmetric random walk(對稱隨機游走)：指的是以a_i為起點，遵循關(guān)系R隨機游走，到達(dá)終點a_j的概率與以起點a_j出發(fā)為起點，遵循關(guān)系R的逆關(guān)系R^-1隨機游走，到達(dá)節(jié)點a_i的概率的和，

(2)計算查詢與待分析節(jié)點之間假幣案件、嫌疑人和假幣的屬性特征，由于屬性特征的數(shù)據(jù)類型不同，將按照屬性的數(shù)據(jù)類型進行計算。

數(shù)值類型屬性直接計算差值；地理位置類型屬性計算兩個位置之間的距離；時間類型屬性通過計算間隔的時間轉(zhuǎn)換成數(shù)值類的特征計算；字符串類型屬性通過比較兩個字符串是否一致來計算；文本類型屬性是通過計算文本之間的相似度來實現(xiàn)，首先對文本進行中文分詞，然后使用Jaccard計算文本的相似度其中集合A和B表示文本a和b通過分詞后得到的詞的集合。

(3)將上述計算獲得的拓?fù)涮卣骱蛯傩蕴卣鬟M行組合，輸入到節(jié)點相關(guān)性排序模型計算得到相關(guān)性結(jié)果。節(jié)點相關(guān)性排序模型采用Ranking SVM算法，是排序算法中的一個經(jīng)典算法。Ranking SVM采用偏序的文檔對作為訓(xùn)練樣例，學(xué)習(xí)的優(yōu)化目標(biāo)是在排序函數(shù)對文檔的排序中，文檔逆序?qū)Φ膫€數(shù)最少，逆序?qū)κ侵笇⒏鼮橄嚓P(guān)的文檔排在后面的文檔對，優(yōu)化函數(shù)為：

$\underset{w,{\mathrm{\&epsiv;}}_{ijk}}{\min }\frac{1}{2}{w}^{T}w+\frac{C}{M}\&Sigma;{\mathrm{\&epsiv;}}_{ijk}$

$s.t.\&ForAll;i\&Element;\{1,2,...,m\},\&ForAll;(j,k)\&Element;P_i:y_{jk}^i\&lt;w^T,(x_j^i-x_k^i)\&gt;1-{\mathrm{\&epsiv;}}_{ijk}$

其中P_i為查詢q_i中所有偏序關(guān)系對組成的集合，w為要求的線性參數(shù)，C是在風(fēng)險和間隔之間選取的一個折中參數(shù)，一般是一個較大的大于0的值，M為總的偏序?qū)€數(shù)，ε_ijk為松弛因子。當(dāng)時，即相對于來說與查詢q_i更相關(guān)時，否則為-1。

選擇已經(jīng)標(biāo)注好的節(jié)點相關(guān)性數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，選用Ranking SVM算法訓(xùn)練排序模型，測試數(shù)據(jù)的結(jié)構(gòu)和訓(xùn)練數(shù)據(jù)相同。對于測試集中的每一條記錄，使用排序模型計算待分析節(jié)點的得分獲得相關(guān)性結(jié)果，其得分是一個在0到1之間的小數(shù)，得分越高說明兩個節(jié)點越相關(guān)。

(4)通過節(jié)點相關(guān)性分析模塊計算查詢節(jié)點與所有同類型待分析節(jié)點之間的相關(guān)性數(shù)值，然后返回給用戶查詢處理模塊展示給用戶。用戶查詢處理模塊通過在網(wǎng)絡(luò)中用不同大小的圖標(biāo)來表示當(dāng)前節(jié)點與查詢節(jié)點之間的相關(guān)性大小，小的圖標(biāo)表示相關(guān)性較小。同時，也可以通過對象的屬性查看當(dāng)前節(jié)點與查詢節(jié)點之間的相關(guān)性數(shù)值。

收集了一些假幣犯罪信息的測試數(shù)據(jù)，也包括一些假幣樣本的掃描圖片。通過假幣分析比對模塊計算同類型假幣之間的相似度，假幣間相似度比對計算的結(jié)果如圖7所示，以百分比的方式顯示兩張假幣之間的相似度，這些數(shù)據(jù)為后面的假幣犯罪信息網(wǎng)絡(luò)構(gòu)建和相關(guān)性分析提供基礎(chǔ)數(shù)據(jù)支持。通過用戶查詢處理模塊輸入檢索信息，查詢生成的假幣犯罪信息網(wǎng)絡(luò)如圖8所示，網(wǎng)絡(luò)由假幣案件、嫌疑人和假幣三種對象和相互之間的關(guān)聯(lián)構(gòu)成，當(dāng)查詢的路徑長度較大的時候網(wǎng)絡(luò)圖的內(nèi)容較多，需要放大之后查看細(xì)節(jié)。考慮到節(jié)點之間相關(guān)性結(jié)果的假幣犯罪信息網(wǎng)絡(luò)圖如圖9所示，在圖中通過對象圖標(biāo)的大小來展示當(dāng)前節(jié)點與查詢對象之間的相關(guān)性大小，可以很方便的快速掌握對象之間相關(guān)性的情況，同時，也可以點擊節(jié)點通過浮動窗口來查看對象的屬性信息。

本發(fā)明未詳細(xì)闡述部分屬于本領(lǐng)域公知技術(shù)。