垃圾进，垃圾出：数据质量对犯罪网络干预的影响
物理与社会
2025-01-09 v2 社会与信息网络
摘要
犯罪网络（如人口贩运链）是全球社会对法治、民主和公共安全的威胁。网络科学提供了宝贵的工具，用于识别关键玩家并为执法机构（LEA）设计干预措施，例如瓦解其组织。然而，数据质量差且犯罪网络通过自组织的自适应性，使得有效干扰极其困难。尽管已有大量工作在构建和应用网络科学工具以攻击犯罪网络，但这些工作往往隐含地假设网络测量是准确且完整的。此外，迄今为止尚无对数据质量对下游干预效果影响的全面性理解。本 work 基于经典图论和机器学习方法，探讨数据质量与干预效果之间的关系。中心化在数据不完整的情况下成为网络韧性的主要因素，这使得攻击策略大体上无效。此外，中心化网络的韧性可以通过简单启发式方法提升，使有针对性的攻击更加不可行。因此，我们主张更谨慎地将网络科学应用于破坏犯罪网络，持续发展可互操作的情报生态系统，并创建新的网络推理技术以解决数据质量挑战。
引用
@article{arxiv.2501.01508,
title = {Garbage in Garbage out: Impacts of data quality on criminal network intervention},
author = {Wang Ngai Yeung and Riccardo Di Clemente and Renaud Lambiotte},
journal= {arXiv preprint arXiv:2501.01508},
year = {2025}
}