连接线上犯罪行为与机器学习：使用作者归属分析分析并链接潜在的线上贩运者

本研究探讨了如何使用数据驱动的机器学习方法更好地理解和关联线上犯罪活动。许多非法活动，如人口贩运和非法贸易，已转移到在线平台，嫌疑人通过匿名账户隐藏身份并频繁更改身份，这使得执法机构难以了解这些网络的规模以及不同的在线档案之间可能的关联关系。研究表明，人们即使尝试保持匿名，也会在撰写广告和呈现图片的方式上保持一致的模式。通过分析大量在线广告中的这些模式，本研究展示了如何链接相关账户并识别跨越非法在线市场的重复行为。此外，本研究还讨论了应如何负责任地使用此类方法。我们提出了明确的指南，以确保在应用这些工具时尊重隐私、公平性和透明度。总体而言，本研究为支持执法调查提供了实用方法，同时强调了谨慎和伦理使用的重要性。