EN中文

地理科学 >

2021 , Vol. 41 >Issue 6: 1079 - 1087

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.06.017

县域尺度中国网络诈骗时空分布特征研究

  • 项金桥 , 1, 2 ,
  • 高春东 3, 4 ,
  • 马甜 3, 4 ,
  • 江东 3, 4 ,
  • 郝蒙蒙 3, 4 ,
  • 陈帅 , 3, 4, *
展开
  • 1.武汉大学法学院，湖北 武汉 430072
  • 2.湖北省人民检察院，湖北 武汉 430079
  • 3.中国科学院地理科学与资源研究所，北京 100101
  • 4.中国科学院公安部网络空间地理学实验室，北京 100101
陈帅。E-mail：

项金桥（1973‒），男，湖北武汉人，博士研究生，主要从事个人信息司法保护研究。E-mail：

收稿日期: 2020-10-22

  修回日期: 2021-01-29

  录用日期: 2021-01-29

  网络出版日期: 2021-08-13

基金资助

国家重点研发计划项目(2020YFB1806500)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial-temporal Distribution Characteristics of Cyber Fraud in China on County Scale

  • Xiang Jinqiao , 1, 2 ,
  • Gao Chundong 3, 4 ,
  • Ma Tian 3, 4 ,
  • Jiang Dong 3, 4 ,
  • Hao Mengmeng 3, 4 ,
  • Chen Shuai , 3, 4, *
Expand
  • 1. School of Law, Wuhan University, Wuhan 430072, Hubei, China
  • 2. The People’s Procuratorate of Hubei, Wuhan 430079, Hubei, China
  • 3. Institute of Geographic Sciences and Nature Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 4. Laboratory of Cyberspace Geography, Chinese Academy of Sciences and The Ministry of Public Security of the People’s Republic of China, Beijing 100101, China

Received date: 2020-10-22

  Revised date: 2021-01-29

  Accepted date: 2021-01-29

  Online published: 2021-08-13

Supported by

National Key Research and Development Project(2020YFB1806500)

Copyright

Copyright reserved © 2021.
Fold

摘要

随着互联网的发展和普及，违法犯罪活动逐渐向网络空间渗透，网络诈骗作为一种典型的网络犯罪，严重威胁社会治安稳定。基于裁判文书网数据库的25 597份网络诈骗一审判决书，采用自然语言处理技术提取了2017—2020年中国县域尺度网络诈骗案件，分析了网络诈骗的时空分布特征。空间自相关分析结果表明，网络诈骗案件多集中在东南沿海地区，包括江苏、浙江、上海、福建以及广东一带。随着时间的变化，2019年安徽、河南的聚集区逐渐消失，而湖南、重庆等地形成了明显的聚集区。网络诈骗犯罪者主要来自福建、湖北、河南、广东、湖南，不同省份的网络诈骗犯罪者分布模式有显著差异，江苏、浙江的网络诈骗犯罪者来源较为分散，广东、福建、河南的网络诈骗犯罪者来源相对集中。

关键词： 网络诈骗; 县域尺度; 空间自相关; 莫兰指数; 自然语言处理

本文引用格式

项金桥 , 高春东 , 马甜 , 江东 , 郝蒙蒙 , 陈帅 . 县域尺度中国网络诈骗时空分布特征研究[J]. 地理科学, 2021 , 41(6) : 1079 -1087 . DOI: 10.13249/j.cnki.sgs.2021.06.017

Abstract

With the development and popularization of the Internet, illegal and criminal activities have gradually penetrated cyberspace. Cyber fraud, as a typical cybercrime, has been causing property losses and seriously threatening social stability. Based on 25 597 first-instance written judgments of cyber fraud cases obtained from the China Judgments Online Database (excluding Hong Kong, Macau and Taiwan), this study used Natural Language Processing (NLP) method to extract county-level cyber fraud cases in China from 2017 to 2020 and analyzed the spatial-temporal distribution of cyber fraud. The results of spatial autocorrelation analysis show that cyber fraud mostly happens in the southeast coastal areas, including Jiangsu, Shanghai, Zhejiang, Fujian, and Guangdong. Over time, the clusters of cyber fraud cases in Anhui and Henan gradually disappeared in 2019, while some other noticeable clusters appeared in Hunan, Chongqing, etc. Nationwide, cyber fraud criminals mainly come from Fujian, Hubei, Henan, Guangdong, and Hunan. There are significant differences in the distribution patterns of cyber fraud criminals in different provinces. Cyber fraud criminals inflow to Jiangsu and Zhejiang are relatively scattered, coming from Fujian, Jiangxi, Hunan, Hubei, Henan, Guangdong, Anhui, etc. Cyber fraud criminals inflow to Guangdong, Fujian, and Henan are comparatively concentrated, mainly come from local province and neighboring provinces.

Key words： cyber fraud; county scale; spatial autocorrelation; Moran’s I; Natural Language Processing

随着互联网技术的发展和普及，网络空间已经成为人类生产生活的“第二类生存空间”[1,2]，违法犯罪活动也逐渐向网络空间渗透。网络诈骗是一种典型的网络犯罪，犯罪者以计算机网络为工具，以非法占有为目的，虚构事实，隐瞒真相，骗取公私财物[3,4]。网络诈骗不仅会使受害者遭受经济财产损失，还会威胁社会治安，造成恶劣的社会影响。目前，网络诈骗呈现出地域化、智能化、产业化、规模化等特点[5]。根据中国互联网络信息中心发布的第47次《中国互联网络发展状况统计报告》，截至2020年12月，中国网民规模已达到9.89亿，网络购物用户规模达7.82亿，网络支付用户规模达8.54亿，遭遇过各类网络诈骗的网民比例为16.5%[6]。2021年4月，习近平总书记对打击治理电信网络诈骗犯罪工作作出重要指示，强调全面落实打防管控措施，坚决遏制电信网络诈骗犯罪多发高发态势[7]。了解网络诈骗的时空分布特点，对预防和打击网络诈骗犯罪至关重要。
20世纪90年代以来，随着地理信息系统（GIS）技术的发展，犯罪制图、空间分析和时空预测的运用极大地推动了犯罪地理学的形成和发展[8]。犯罪地理学是运用地理学的理论和方法研究犯罪现象空间发生、发展和分布规律的一门学科[9]，该学科认为社会和地理环境因素通过犯罪行为产生机制影响犯罪活动的空间分布[10]。通过研究犯罪事件及其诸要素的空间分布模式和空间作用过程，犯罪地理学被应用于分析各种形式的犯罪行为，包括盗窃[11]、抢劫[12]、儿童拐卖[13]等，在警务部门预防犯罪和辅助决策中起到了重要作用。
区别于现实空间的传统犯罪活动，网络犯罪通常发生在虚拟的网络空间，犯罪分子通过代理、匿名等技术手段隐藏真实身份，其行动具有隐蔽性和匿名性[14]。但是网络犯罪往往具有很强的空间地域规律，犯罪者对受害者、犯罪地点的选择不是随机的，而是遵循一定的逻辑[15]。同时与地理环境间也存在一定相关性，例如色情网站“境外设站-境内维护”、网络诈骗“北京建站-福建操控-深圳交易”等模式[16]。犯罪地理学中的日常活动理论认为犯罪的三大核心要素为潜在的犯罪者、合适的目标及有效监管的缺失，这三者在时空上汇聚时，犯罪事件就有可能发生[17]。网络犯罪的发生同样离不开这三者的有效聚合，只是这种聚合发生在虚拟的网络空间中，网络空间的隐蔽性、瞬时性和交互性会使这种聚合变得更加容易且难以监管。
一些实证研究分析了日常活动理论对网络犯罪的适用性[18~20]，表明传统犯罪地理学的理论和方法在一定程度上也适用于网络犯罪，用户的个体属性和行为特征会影响其受害风险。当前，城市尺度的研究更加关注个体特征、社会背景、地理环境等因素对诈骗犯罪的影响[21,22]，全国尺度的研究一般以省级行政区为分析单元，侧重于网络诈骗的时空统计规律[23~25]，缺乏更精细尺度的研究。此外，由于缺少网络诈骗犯罪跨地域流动性特点的考虑，对打击网络诈骗犯罪的实践指导作用有限。本文以2017—2020年全国范围内县域尺度的网络诈骗数据为基础，在分析网络诈骗时空分布模式的基础上，挖掘国内网络诈骗犯罪者的来源地分布特征，有助于深入了解中国网络诈骗的时空分布模式和空间流动特征，从而为预防和打击网络诈骗提供借鉴与指导。

1 数据与方法

1.1 数据

本研究采用的数据来源于中国裁判文书网（ https://wenshu.court.gov.cn/），该网站公布了全国各级法院已生效的裁判文书，文书总量超过1亿篇，覆盖刑事、民事、行政等案件类型。基于裁判文书网数据库，将裁判日期设置为2017年1月1日至2020年12月31日，为防止不同审级的裁判文书对同一案件重复记录，统一将审级设置为“刑事一审”，案由设为“诈骗罪”，文书等级设为“判决书”。通过全文检索筛选其中具有网络诈骗情节的案件，共获得2017—2020年关于网络诈骗的一审判决书25 597份，其中2017年4461份，2018年4575份，2019年8816份，2020年7745份。
基于自然语言处理技术[26]，对裁判文书中的地理位置（案件发生地）进行提取。通过地理编码和属性链接，将地方各级人民法院所审理的网络诈骗案件数量展布到其对应的县级行政单元上，以此作为网络诈骗时空演变分析的基础。此外，对网络诈骗案件数据进一步细分，提取每一起案件中网络诈骗犯罪者的居住地和判决法院所在地，作为网络诈骗犯罪者来源地分析的基础。由于每起案件可能涉及多个犯罪者，去除无效记录后，最终共得到65 729条网络诈骗犯罪者来源地记录。

1.2 研究方法

1.2.1 自然语言处理技术

自然语言处理技术（Natural Language Processing, NLP）是计算机科学、人工智能和语言学等学科的交叉领域，主要研究人类自然语言和计算机之间进行有效通讯的理论和方法[26]，目前已被广泛应用于机器翻译、舆情监测、信息抽取、文本分类等方面。其中，信息抽取是从非结构化文本中提取特定信息并将其转化为结构化数据的过程，包括命名实体识别、关系抽取、实体消歧等内容[27]。
本文采用的裁判文书超过2.5万篇，如此海量的数据，无法通过人工逐篇阅读来完成文书的提取、分类等工作。因此，本文采用自然语言处理技术中的信息抽取技术，对裁判文书进行机器阅读和解析，经过中文分词、词性标注、实体识别、关系抽取等步骤，提取网络诈骗裁判文书中的判决法院所在地、犯罪者居住地、日期等主要属性信息。

1.2.2 莫兰指数

本文采用莫兰指数（Moran’s I）[28]研究中国县域尺度网络诈骗是否存在空间自相关，即网络诈骗的发生是否存在地理上的空间聚集现象。全局莫兰指数（Global Moran’s I）可以评估网络诈骗现象属于聚集模式、离散模式还是随机模式。如果I值大于0，表明网络诈骗现象在空间上是聚集分布；如果I值等于0，表明该现象在空间上随机分布；如果I值小于0，表面该现象在空间上离散分布。此外，局部莫兰指数（Local Moran’s I）通过揭示某一区域网络诈骗发生数量与其周围区域网络诈骗的发生是否存在显著性差异，从而发现网络诈骗在局部上的空间聚集特征。本文采用局部莫兰指数分析中国县域尺度网络诈骗的空间局部聚集特征，以得到国内网络诈骗发生的热点区（高‒高聚集区）。若I值大于0，则表明网络诈骗存在高‒高聚集。
本文利用ArcGIS10.5实现空间相关分析，其中，空间权重矩阵采用QUEEN（即八邻近）的邻接方式，从而判断全国范围内（不含港澳台数据）网络诈骗案件是否存在聚集，并发现中国网络诈骗的聚集热点区分布情况。

2 结果分析

2.1 网络诈骗案件总体分布特征

图1为中国2017—2020年各省网络诈骗数量的变化趋势，该图显示研究时段内各省网络诈骗案件均呈现上升的趋势，尤其是2019年，诈骗案件出现了显著上升。此外，结合网络诈骗案件的县级尺度空间分布（图2）可发现，沿海发达地区如浙江、江苏、广东、福建以及人口大省河南网络诈骗数量显著高于其它省份，诈骗案件集中分布在沿海地区，并零星分布于中西部的河南、湖南和重庆等省（市）。
图1 2017—2020年中国各省（市、区）网络诈骗数量

未含港澳台数据

Fig. 1 The number of provincial(city, region) cyber fraud cases in China from 2017 to 2020

图2 2017—2020年中国网络诈骗县域尺度空间分布

基于审图号为GS（2019）1823号的标准地图制作；无数据区指港澳台地区

Fig. 2 The spatial distribution of cyber fraud cases at county level from 2017 to 2020

研究时段内中国网络诈骗数量最多的50个区县75%以上集中在浙江、江苏、广东、福建、河南5省，由此，统计在全国网络诈骗发生数量排名前50的区县中以上5省的占比情况（表1）。结果表明，5省区县占比2018年达到了92.6%；其中，浙江的网络诈骗案件最为集中，诈骗案件数量也最多，并增长较快，占比从2017年的21.1%增长为2020年的47.9%，上涨超过1倍；而福建、广东等地的高诈骗数占比略有下降。
表1 全国网络诈骗数量前50区县中苏、浙、粤、闽、豫5省区县的占比

Table 1 The proportion of cyber fraud cases in Jiangsu, Zhejiang, Guangdong, Fujian, and Henan Provinces of the top 50 districts and counties in China

年份 省份 区县个数a/个 区县个数占比/% 网络诈骗数b/例 网络诈骗数占比/%
　　注：a意为全国网络诈骗发生数量排名前50的区县中，属于该省份的区县个数；b意为全国网络诈骗发生数量排名前50的区县中，属于该省份的区县的网络诈骗总数；未含港澳台数据。
2017 福建省 11 22 286 23.1
江苏省 5 10 262 21.2
浙江省 15 30 260 21.1
广东省 9 18 174 14.1
河南省 3 6 44 3.6
总计 43 86 1026 83.1
2018 浙江省 21 42 459 36.9
江苏省 7 14 276 22.2
福建省 8 16 223 17.9
河南省 7 14 104 8.4
广东省 3 6 89 7.2
总计 46 92 1151 92.6
2019 浙江省 15 30 580 28.5
江苏省 6 12 412 20.2
广东省 8 16 232 11.4
福建省 5 10 216 10.6
河南省 3 6 93 4.6
总计 37 74 1533 75.3
2020 浙江省 25 50 810 47.9
江苏省 6 12 281 16.6
广东省 5 10 121 7.2
福建省 2 4 74 4.4
河南省 0 0 0 0
总计 38 76 1286 76.1

2.2 网络诈骗案件时空聚集特征分析

基于2017—2020年中国范围内县域尺度网络诈骗案件，利用ArcMap计算得到全局莫兰指数（表2），可以看出，2017—2020年的全局莫兰指数均大于0，且P值均小于0.01，表明中国网络诈骗案件存在明显的空间聚集特征, 并且聚集特征逐年加强。在此基础上，利用局部莫兰指数分析得到4 a间国内网络诈骗案件详细的空间局部聚集特征，如图3所示。
表2 2017—2020年中国网络诈骗全局莫兰指数

Table 2 Global Moran’s I of cyber fraud in China from 2017 to 2020

年份 Moran’s I Z-score P值
　　注：未含港澳台数据。
2017 0.1631 17.60 < 0.01
2018 0.2075 20.30 < 0.01
2019 0.3565 33.13 < 0.01
2020 0.4019 37.46 < 0.01
图3 2017—2020年中国网络诈骗空间聚集特征

基于审图号为GS（2019）1823号的标准地图制作；无数据区指港澳台地区

Fig. 3 The spatial characteristic of cyber fraud clusters in China from 2017 to 2020

图3表明，中国网络诈骗案件主要发生在“胡焕庸线”（瑷珲-腾冲一线）[29]以南，且网络诈骗高-高集聚区集中在中国东南沿海地区，包括江苏、上海、浙江、福建以及广东一带，验证了图2的结果；安徽、河南、湖南等中部地区也存在小规模的高-高聚集。其中，江苏-浙江-上海（江浙沪）地区、福建地区以及广东地区在2017—2020年一直存在网络诈骗聚集情况。但需要注意的是，福建聚集区在逐年变小，由2017年的22个聚集区县缩减为2020年的14个区县，而江浙沪聚集区则逐年扩大，2017年的72个聚集区县于2020年扩增到110个区县（表3）。安徽、河南等地的零散聚集区在2019年开始逐渐消失，而湖南、重庆等地则从2019年开始出现了明显的聚集情况。
表3 中国网络诈骗聚集区的区县数量/个

Table 3 The number of districts and counties in the cluster areas of cyber fraud in China

聚集区 2017年 2018年 2019年 2020年
　　注：未含港澳台数据。
江浙沪聚集区 72 89 107 110
福建聚集区 22 21 20 14
广东聚集区 21 15 17 19

2.3 网络诈骗犯罪者来源分析

基于2017—2020年中国网络诈骗案件中提取的犯罪者居住地和判决地数据，分析全国各省网络诈骗犯罪者来源地分布特征（图4）。结果显示，网络诈骗犯罪者来源最多的10个省（自治区）依次为福建、湖北、河南、广东、湖南、广西、江西、四川、安徽和海南，占全国70%以上。从省级尺度看，不同地区的网络诈骗犯罪者来源地分布模式存在显著差异。总体上，东部沿海地区（江、浙）的网络诈骗以省外流入为主，来源地分散，在“胡焕庸线”以南各省（市、区）均有分布；南部沿海地区（粤、闽）及长江中游地区（湘、鄂、赣、皖）网络诈骗犯罪者以本省（区）或临近省（区）居多。具体而言，浙江、江苏网络诈骗犯罪者主要来源于本省及福建、江西、湖南、湖北、河南、广东、安徽等地；广东、河南、安徽的网络诈骗犯罪者来源地相对集中，主要来自本省，在邻近的广西、福建、湖南、湖北、海南等地有零星分布。福建、湖北、湖南的网络诈骗犯罪者大部分来自本省。可以看出，福建、湖南、湖北、广东、河南等地的网络诈骗犯罪者既在本省活跃，同时也不断向其他省（市、区）外流扩散。
图4 2017—2020 年浙江、江苏、广东、福建、河南5省及全国网络诈骗犯罪者来源地分布

基于审图号为GS（2019）1823号的标准地图制作；无数据区指港澳台地区

Fig. 4 The origin distribution of of cyber fraud criminals in Zhejiang, Jiangsu, Guangdong, Fujian, Henan and China from 2017 to 2020

从县级尺度看，全国范围内网络诈骗犯罪者来源最多的10个区县依次为福建安溪县、广西宾阳县、海南儋州市、广东茂名市电白区、福建龙岩市新罗区、湖南双峰县、湖北孝昌县、湖北天门市、江西余干县和湖北仙桃市，这些地区的网络诈骗犯罪者占全国14%以上。浙江网络诈骗犯罪者主要来自福建安溪县、海南儋州市、湖北孝昌县、广东茂名市电白区、福建龙岩市新罗区、广西宾阳县、江西余干县等地；江苏网络诈骗犯罪者主要来自海南儋州市、广西宾阳县、福建安溪县、湖北天门市及南京市鼓楼区等地；河南网络诈骗犯罪者主要来源于河南上蔡县、修武县、商水县、郑州市金水区、中原区、巩义市，以及福建安溪县、广西宾阳县等地；广东的网络诈骗犯罪者主要来广东茂名市电白区、饶平县、普宁市以及广西宾阳县、海南儋州市、福建安溪县等地；福建网络诈骗犯罪者主要来自福建安溪县、南安市以及龙岩市新罗区、永定区、长汀县、漳平市、连城县等地。

3 结论

本研究以2017—2020年中国县域尺度的网络诈骗案件为研究对象（未含港澳台），运用GIS和空间分析方法分析了网络诈骗的时空分布特征，并对网络诈骗犯罪者的来源地进行了分析，主要结论如下：
1）沿海经济发达地区如浙江、江苏、广东、福建等地网络诈骗数量显著高于其它省份，诈骗案件集中分布于在这些沿海地区，并零星分布于中西部的河南、湖南和重庆等省份。
2）网络诈骗存在明显的空间聚集，聚集区主要为：江苏-浙江-上海地区、福建地区以及广东地区。从2019年开始，安徽、河南等地的聚集区逐渐消失，湖南、重庆等地形成了明显的聚集区。
3）通过对网络诈骗犯罪者的来源地进行分析，发现网络诈骗犯罪呈现明显的地域化特点，以福建安溪、广西宾阳、海南儋州、广东茂名电白区、福建龙岩新罗区、湖南涟源-双峰-新化、湖北孝昌-天门-仙桃、江西余干、河南上蔡为中心形成了网络诈骗犯罪聚集地，这些地方是网络诈骗作案人员的主要流出地区，也是电信网络诈骗挂牌整治的重点地区。
4）不同省份的网络诈骗犯罪者分布模式有显著差异，5个网络诈骗案件数量最多的省份中，江苏、浙江的网络诈骗犯罪者来源较为分散，主要分布在“胡焕庸线”以南；广东、福建、河南的网络诈骗犯罪者来源相对集中，主要分布在本省或邻近省市。

4 讨论

本文基于中国裁判文书网数据库进行研究，结果表明研究时段内全国网络诈骗案件数量呈现上升的趋势，分布省份与县域的发生数量均有所增加。沿海发达地区网络诈骗数量显著高于其它省份，中部地区网络诈骗形势严峻，需要进一步加大打击力度以遏制网络诈骗的扩散趋势。中国网络诈骗犯罪者的空间流动总体上与人口流动特征相吻合，表现为由经济落后地区流向经济发达地区，省域的经济发展程度对网络诈骗发生频率有着较大的影响，沿海地区经济富裕、外来人口多、社会治安情况复杂，成为犯罪者的首要选择。
网络诈骗犯罪者来源地集中，具有明显的地域性。来源区县大多为国内地域性职业电信网络诈骗犯罪的重点地区，一些甚至形成了产业化运作的诈骗乡、诈骗村，在诈骗手法上具有鲜明的地域特色，如广西宾阳冒充QQ好友诈骗、龙岩新罗区网络购物诈骗、茂名电白区假冒熟人诈骗等典型诈骗模式[30,31]。一般来说，从事网络诈骗的犯罪行为人大多来自经济相对落后的地区，这些地区无业、失业人数较多，管理水平滞后，为网络诈骗提供了潜在犯罪者。对于网络诈骗犯罪者主要来源地，应加强源头治理，防止犯罪者外流，同时应加大经济产业扶植力度，扩大就业，加强反诈骗宣传。随着公安机关打击网络诈骗的力度加大，网络诈骗犯罪群体也出现了向周边及外地转移的趋势，分布区域趋向于更加散落的状态，这也为打击网络诈骗带来了更大的挑战。因此，亟需加强各地公安机关的信息共享和区域协作，加强对网络诈骗高危来源地人群的管控。本文的发现可以为各地方的公安机关打击和防范网络诈骗提供有价值的信息，从而实施轻重有别、精准施力的治理策略。
本研究在数据方面存在一定的局限性。一方面，裁判文书数据仅覆盖了已经审理和公开的网络诈骗案件，还存在部分已发生但未立案或已审理但尚未公开的案件，因此数据存在一定的偏向性，不能完全代表整体样本。另一方面，采用自然语言处理技术提取裁判文书中的属性信息时，由于技术限制无法精确提取案件的实际发生时间，因此统一采用案件的判决时间作为分析维度，相较于案件发生时间存在一定程度的滞后。本文仅讨论了网络诈骗的时空特征和来源地分布模式，未来的研究将基于裁判文书数据提取更多属性维度，结合网络诈骗犯罪者和受害者的个体特征（如年龄、文化程度、职业等）及其所在地的社会经济背景，研究影响网络诈骗的主要因素和形成机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
高春东, 郭启全, 江东, 等. 网络空间地理学的理论基础与技术路径[J]. 地理学报, 2019, 74(9): 1709-1722.

DOI

Gao Chundong, Guo Qiquan, Jiang Dong et al. The theoretical basis and technical path of cyberspace geography. Acta Geographica Sinica, 2019, 74(9): 1709-1722.

DOI

[2]
郭启全, 高春东, 郝蒙蒙, 等. 发展网络空间可视化技术支撑网络安全综合防控体系建设[J]. 中国科学院院刊, 2020, 35(7): 917-924.

Guo Qiquan, Gao Chundong, Hao Mengmeng et al. Develop visualization technology of cyberspace to support the construction of a comprehensive cyber security prevention and control system. Bulletin of Chinese Academy of Sciences, 2020, 35(7): 917-924.

[3]
孔黎明. 我国电信网络诈骗治理的现状分析与对策研究[D]. 南宁: 广西师范大学, 2017.

Kong Liming. The analysis and countermeasures of current situation of China’s telecommunication network fraud. Guangxi: Guangxi Normal University, 2017.

[4]
张宗亮. 全球化背景下的网络犯罪及其控制对策[J]. 中国人民公安大学学报: 社会科学版, 2003(4): 91-97.

Zhang Zongliang. Network crime and its control countermeasures under the background of globalization. Journal of Chinese People’s Public Security University, 2003(4): 91-97.

[5]
安子锐. 电信网络诈骗的规律特点与防治对策[J]. 产业与科技论坛, 2018, 17(18): 34-35.

DOI

An Zirui. The characteristic and prevention measure of telecom cyber fraud. Industrial & Science Tribun, 2018, 17(18): 34-35.

DOI

[6]
中国互联网络信息中心. 第47次《中国互联网络发展状况统计报告》[N/OL]. 2021-02-03. http://cnnic.cn/gywm/xwzx/rdxw/20172017_7084/202102/t20210203_71364.htm.

China Internet Network Information Center. The 47th China Statistical Report on internet Development. 2021-02-03. http://cnnic.cn/gywm/xwzx/rdxw/20172017_7084/202102/t20210203_71364.htm.

[7]
新华社. 习近平对打击治理电信网络诈骗犯罪工作作重要指示[N/OL]. 2021-04-09. http://www.xinhuanet.com/politics/leaders/2021-04/09/c_1127313085.htm.

Xinhua News Agency. Xi Jinping has made important instructions on combating telecom and Internet fraud. 2021-04-09. http://www.xinhuanet.com/politics/leaders/2021-04/09/c_1127313085.htm.

[8]
姜超, 柳林. 中国犯罪地理与警务GIS研究进展[J]. 地球信息科学学报, 2013, 15(6): 801-808+53.

DOI

Jiang Chao, Liu lin. Research progress of crime geography studies in China. Journal of Geo-information Science, 2013, 15(6): 801-808+53.

DOI

[9]
祝晓光. 论犯罪地理学[J]. 人文地理, 1989,4(2): 40-46.

Zhu Xiaoguang. Research on the criminal geography. Human Geography, 1989,4(2): 40-46.

[10]
龙冬平, 柳林, 周素红, 等. 地理学视角下犯罪者行为研究进展[J]. 地理科学进展, 2017, 36(7): 886-902.

DOI

Long Dongping, Liu Lin, Zhou Suhong et al. Research progress of criminal behavior from the perspective of geography. Progress in Geography, 2017, 36(7): 886-902.

DOI

[11]
鉏同君. 福州市盗窃犯罪空间分析[D]. 福州: 福建师范大学, 2014.

Chu Tongjun. Spatial analysis of theft crime in Fuzhou City. Fuzhou: Fujian Normal University, 2014.

[12]
唐梁博. 广州市核心区盗抢犯罪时空分布特征及其实体空间环境影响因素[D]. 广州: 广州大学, 2018.

Tang Liangbo. The spatial and temporal distribution characteristics of "Robbery, grabbing and theft" in the core area of Guangzhou and the influence factors of physica space environment. Guangzhou: Guangzhou University, 2018.

[13]
李钢, 谭然, 王会娟, 等. 中国拐卖儿童犯罪的地理特征研究[J]. 地理科学, 2017, 37(7): 1049-1058.

Li Gang, Tan Ran, Wang Huijuan et al. Geographic characteristics of child trafficking crime in China. Scientia Geographica Sinica, 2017, 37(7): 1049-1058.

[14]
关玉军. 浅谈网络犯罪特点及侦查对策[J]. 网络安全技术与应用, 2015(9): 50+52

Guan Yujun. On the characteristics and countermeasures of cyber crime. Network Security Technology & Application, 2015(9): 50+52

[15]
郭启全, 高春东, 孙开锋, 等. 基于“人-地-网”关系的网络空间要素层次体系建设[J]. 地理研究, 2021, 40(1): 109-118.

DOI

Guo Qiquan, Gao Chundong, Sun Kaifeng et al. The construction of cyberspace elements hierarchical system based on man-land-network relationship. Geographical Research, 2021, 40(1): 109-118.

DOI

[16]
修文群. 基于GIS的网络犯罪空间管理系统设计[J]. 地理研究, 2006,25(5): 939-948+952.

DOI

Xiu Wenqun. The design of cybercrime spatial management system based on GIS. Geographical Research, 2006,25(5): 939-948+952.

DOI

[17]
Miró-Llinares F, Moneva A. Environmental criminology and cybercrime: Shifting focus from the wine to the bottles[J]. The Palgrave Handbook of International Cybercrime and Cyberdeviance, 2020(24): 491-511.

[18]
Pratt T C, Holtfreter K, Reisig M D. Routine online activity and internet fraud targeting: Extending the generality of routine activity theory[J]. Journal of Research in Crime and Delinquency, 2010, 47(3): 267-296.

DOI

[19]
Reyns B W. Online routines and identity theft victimization: Further expanding routine activity theory beyond direct-contact offenses[J]. Journal of Research in Crime and Delinquency, 2013, 50(2): 216-238.

DOI

[20]
Leukfeldt E R, Yar M. Applying routine activity theory to cybercrime: A theoretical and empirical analysis[J]. Deviant Behavior, 2016, 37(3): 263-280.

DOI

[21]
张春霞, 柳林, 周素红. ZG市非接触型诈骗被害相对发生概率的性别差异. 地理科学, 2018, 38(8): 1218-1226.

Zhang Chunxia, Liu Lin, Zhou Suhong. Gender difference on relative probability of non-contact fraud in ZG City. Scientia Geographica Sinica, 2018, 38(8): 1218-1226.

[22]
柳林, 张春霞, 冯嘉欣, 等. ZG市诈骗犯罪的时空分布与影响因素. 地理学报, 2017, 72(2): 315-328.

DOI

Liu Lin, Zhang Chunxia, Feng Jiaxin et al. The spatial-temporal distribution and influencing factors of fraud crime in ZG city, China. Acta Geographica Sinica, 2017, 72(2): 315-328.

DOI

[23]
赵四方, 周学广, 张志刚. 网络诈骗案件热度分析与时空预警模型研究[J]. 计算机与网络, 2018, 44(20): 58-61.

DOI

Zhao Sifang, Zhou Xueguang, Zhang Zhigang. Analysis and study on hot degree and spatio-temporal early-warning models of internet fraud. Computer & Network, 2018, 44(20): 58-61.

DOI

[24]
鄢文凤, 孙玲琍. 地理加权回归模型在网络诈骗分析中的应用[J]. 湖北民族学院学报(自然科学版), 2017, 35(2): 148-151.

Yan Wenfeng, Sun Lingli. Application of geographical weighted regression model in analyzing internet fraud. Journal of Hubei Minzu University (Nature Science Edition), 2017, 35(2): 148-151.

[25]
陈天麒. 2019年我国电信网络诈骗犯罪的典型空间模式——基于314份判决文书数据的研究[J]. 法制博览, 2020(17): 7-11+104.

DOI

Chen Tianqi. Typical spatial patterns of telecom network fraud in China in 2019 — Based on the data of 314 judgment documents. Legality Vision, 2020(17): 7-11+104.

DOI

[26]
赵京胜, 宋梦雪, 高祥. 自然语言处理发展及应用综述[J]. 信息技术与信息化, 2019(7): 142-145.

DOI

Zhao Jingsheng, Song Mengxue, Gao Xiang. Development and application of natural language processing. Information Technology & Informatization, 2019(7): 142-145.

DOI

[27]
郭喜跃, 何婷婷. 信息抽取研究综述[J]. 计算机科学, 2015, 42(2): 14-17+38.

DOI

Guo Xiyue, He Tingting. Survey about research on information extraction. Computer Science, 2015, 42(2): 14-17+38.

DOI

[28]
陈彦光. 基于Moran统计量的空间自相关理论发展和方法改进[J]. 地理研究, 2009, 28(6): 1449-1463.

Chen Yanguang. Reconstructing the mathematical process of spatial autocorrelation based on Moran’s statistics. Geographical Research, 2009, 28(6): 1449-1463.

[29]
李佳洺, 陆大道, 徐成东, 等. 胡焕庸线两侧人口的空间分异性及其变化[J]. 地理学报, 2017, 72(1): 148-160.

DOI

Li Jiaming, Lu Dadao, Xu Chengdong et al. Spatial heterogeneity and its changes of population on the two sides of Hu Line. Acta Geographica Sinica, 2017, 72(1): 148-160.

DOI

[30]
张豫辰, 吴照美. 地域性职业电信网络诈骗犯罪研究[J]. 广州市公安管理干部学院学报, 2019, 29(1): 27-29.

DOI

Zhang Yuchen, Wu Zhaomei. Research on regional professional telecommunication network fraud crime. Journal of Guangzhou Police College, 2019, 29(1): 27-29.

DOI

[31]
徐永胜, 徐公社, 韩冰. 地域性职业电信网络诈骗犯罪及其侦防对策研究[J]. 山东警察学院学报, 2018, 30(1): 121-129.

DOI

Xu Yongsheng, Xu Gongshe, Han Bing. Research on regional professional telecommunication network fraud crime and its countermeasure. Journal of Shandong Police College, 2018, 30(1): 121-129.

DOI

Options
文章导航

/

〈 〉