涉人工智能产品犯罪刑事责任的归属与性质认定.pdf

人工智能犯罪主体化否定论.pdf

计算机犯罪取证工具之Foxmail口令破解,这好像也是公安专用的东东

百度联合公安部第三研究所共同发布了《2020网络黑灰产犯罪研究报告》。《报告》以互联网企业常见的黑灰产类型为核心，深度揭示其现状、黑灰色产业链，并对其发展趋势进行分析，力求客观的呈现近年来互联网企业所遭遇的黑灰产行为，提出针对性的防治建议。

Abm犯罪：犯罪行为的基础-Netlogo

是基于犯罪网络的算法研究，有聚类算法，从而订犯罪嫌疑人

sklearn机器学习使用旧金山犯罪分类数据，分为测试集、训练集等。属于多分类问题，提供的数据特征包含时间、地点、描述等。花了不少时间才从公开数据网站kaggle上下载到。

《职业道德与法律》第十课避免误入犯罪歧途

迄今为止，关于犯罪预测的研究还很少。 在这项研究中，根据个人标签数据以及城市S中罪犯和普通百姓的旅行和住宿数据，将与城市S有关的犯罪数据分为1：1的训练数据集和验证数据集。首先，采用FP-增长算法来计算犯罪分子和普通民众在其旅行和旅馆住宿数据中的关联规则，以便根据关联规则发现犯罪嫌疑人。 其次，采用DBSCAN算法对罪犯和普通人的标签数据进行聚类，然后进行相似度计算，以基于标签聚类发现犯罪嫌疑人。 最后，对上述两组犯罪嫌疑人进行交叉路口操作，并根据犯罪验证集对产生的交叉路口进行验证，以消除出现在交叉路口的犯罪分子，从而获得最终的犯罪嫌疑人。 结果表明，根据FP增长算法计算的关联规则，检索到648名犯罪嫌疑人，而根据DBSCAN聚类和个人标签的余弦相似度，检索到973名犯罪嫌疑人。 两组相交后，犯罪嫌疑人的数量缩小到567名，使用验证集进一步验证了567名犯罪嫌疑人中的419名是罪犯，从而使其他148名成为最终犯罪嫌疑人并给出了预测准确性为73.9％。 本研究基于关联规则和标签聚类的犯罪嫌疑人数据挖掘方法已成功应用于城市S的警务系统，实验证明了该方法在侦查犯罪嫌疑人中的有效性。

来自的关联规则挖掘犯罪分析的空间数据 抽象 该项目的目的是检查与美利坚合众国北卡罗来纳州夏洛特市一年内犯罪的空间分布有关的数据。 从大约60,000起犯罪中收集了数据，以及地区人口普查数据和有关商业活动的信息。 因此，我们打算将算法应用于发现变量之间的关联规则，以便寻找可用信息之间的关联。 应用知识发现过程并将过滤器应用于规则，从而仅选择具有犯罪类型的规则，因为它们与规则的相关性更高，因为它们显示出在规则的先决条件出现时，各种类型的犯罪更有可能表现出来。 酒类场所 罪案 建立 我建议使用设置虚拟环境 使用python 2.7创建环境： conda create --name crime_