《智慧政务大数据分析审计方案》由会员分享，可在线阅读，更多相关《智慧政务大数据分析审计方案（22页珍藏版）》请在金锄头文库上搜索。
1、智慧政务大数据分析审计方案 技术创新，变革未来 坚持“数据先行”，加大数据采集和分析力度，大力推广“总体分析、发现疑点、分散核实、 系统研究”的数字化审计方式，积极运用大数据思维和技术，确定重点、锁定疑点， 从严把握现场实施时间，着力提升审计监督的能力和效率 行业背景 国安案例 建立一套互联网数据与政府各相关部门政务数据相结合的大数据情报分析系统，为政 府安全部门提供危险人群动态监测，恐暴 公安案件数据 已侦破案件、接警记录信息； 公安内网的各类案情数据； 情报数据 现有情报收集渠道数据； 朝阳群众&基层民警线索数据； 运营商数据 沟通记录、联系人数据； “以人找人”发现和确认更多线索 ； 日
2、常生活行为数据 银行交易记录、交通出行信息暗藏玄机； 敏感人群水电费突增，有事情要发生； 用户画像数据 嫌疑人在互联网上的行为画像； 危险物品关注人群特征； 平台特点 观察 确认 决策 行动 “人 工 +计算机”协同工作的智能化架构设计，提高系统可用性； 人的经验 + 计算机的批量处理能力； 人：定性分析+计算机：定量计算； 以OCDA方法论为指导，形成完整的业务闭环； 完整业务流体系的应用，符合业务的战略需要； 在已发现线索的基础上，再次发现新的线索； OODA包以德循环： 包以德循环的发明人是美国空军上校约翰博依德（John Boyd），凭借他战 斗机飞行员的经验和对能量机动性的研究，发明
3、了这一理论。经历了科学、 历史、哲学约半个世纪的检验，极大地挑战了传统的组织和冲突理论的思维 方式。在其他领域，包以德循环概念同样有效。 平台优势 基于语义的文本挖掘，可深度准确的识别各种隐性信息 犯罪行为具有典型的“人为隐藏性”，进行语义级内容识别，对系统准确有效的发现犯罪线索至关重要； 数据整合处理能力，支持超大规模数据处理能力 挖掘与分析多源、异构、持久性、机密性数据，对数据管理、加工能力有着极高的要求； 面向对象的大数据分析，立体化、可视化的全方位展示对象属性 历史、现在、线上、线下、行为、过程、静态、动态，全方位全角度的360度深度数据洞察； 面向业务的线索发现分析，根据业务需要灵活
4、调整监测目标和范围，满足各种业务需要 随时调整、实时生效、知识沉淀、业务积累、系统自成长，随着时间的推移系统满足业务需要的能力更强； 文本分析技术 价值： 热点话题分析 领域知识收集 敏感人群话题动态 新犯罪线索发现 领域知识收集 文本分析技术 知 识 管 理 和 复 用 特 征 提 取 用 户 画 像 标 签 价值： 可视化业务表达 中文语义识别 数据准确分类 文本分析技术 命 名 实 体 识 别 结 构 化 数 据 数 据 关 联 分 析 价值： 信息抽取 非结构化到结构化 多种业务场景 多种设备数据 人口属性地理位置 全网偏好犯罪特征 行为特征潜在需求 反馈特征社交图谱 过程 审计 过程
5、 监控 标签生产 UTT模型 用户画像 业务标签体系 E x t r a 附 加 F o r m 表 现 形 Core 核 心需求 生产 报表 价值反馈 数据验证 用户标签 标签生产流程用户画像体系 人口统计学标签：UID: 537821068，性 别：男，年龄39，工作状态：在职；工作 行业：IT，教育程度：硕士生，地域：湖北 省，武汉市；活动区域：武汉_汉阳大道 通用标签：海归，运动，篮球，科比，易 建 联，高尔夫，伍兹，热血，星座，双子座， 红酒，不重时尚，游戏，流行音乐 价值标签： 房主：是；位置：市中心 是否拥有奢侈品：是 是否股民：是 是否信托客户：是 犯罪标签 盗窃犯1：判刑；出
6、狱：46；盗窃金额：2级： 50，1级：50；3年：拦路抢劫：83，刑满释 放：66，十个月：50，团伙：50，受害人： 44 购物场景 关注品类1：枪支配件；查看比例：31；消费 力等级：1级：63，2级：30；特征tag偏好： 刀头-旋转式2刀头：60，电源方式-充电式： 43，管制刀具：33 长期阅读喜好 喜好类别1：体育新闻；浏览比例：19 喜好类别2：军事新闻；浏览比例：11 喜好类别3：侦查类；浏览比例：32 短期阅读关注： 关注类别1：案件通报；浏览比例：31 关注类别2：暴力案件；浏览比例：26 关注类别3：；浏览比例：12 金融服务 贷款：房贷：额度：200万； 车贷：额度：
7、15万 保险：车险；出境险 长期游戏喜好：重度游戏、小游戏 近期游戏喜好：魔兽世界；购买可能性：49；消 费力等级：2级：72，1级：28 社交圈 社交圈属性： IT，篮球，红酒，军事 粉丝数：1503 关注数：423 影响力排名：34% 社交圈口碑：78 用户画像体系用户画像示例 类目标 签体系 制定 准备训 练数据 清洗训 练数据 文本建 模 训练多 个模型 Boosting 保存模 型 根据业务需求制定 互联网&政务业务数据 保留有效字段 VSM、TF/IDF、 Bag ofWords SVM、Bayes、 KNN 线性加权 所有模型的参数和 权重 构建基于机器学习的业务模型（示例） 业
8、务建模技术 反间谍案例：场景 李伟是某涉密科研机构的一名普通职 工，五年中他换了三个部门，最近被 单位末位淘汰了 场景一： 李伟被解职后买了机票，声称去东南 沿海某城市旅游散心，到达目的地后 入住一五星级酒店，很少出门 场景二： 半个月后李伟回来了，并且给很多同 事带了礼物，尤其是送给刘楠的礼物 很用心，自此后两人经常喝酒聚会 场景三： 某一敏感时期，大数据情报分析系统 自动弹出一条报警信息：“某涉密科 研机构相关人员发现异常汇款，汇款 金额在五十万以上” 场景四： 人物： 李伟 某涉密机构被 解职员工； 刘楠：李伟前同事， 涉密机构现职工； 独立来看每个场景都没 有问题，综合起来看前 三个场
9、景也合情合理！ 从场景四开始，事情有 了发生了变化. 反间谍案例：数据分析 及时报警和辅助决策： 李伟与境外情报组织取得联系，并赴沿海城市接受了间谍 的培训； 神秘人物向李伟和刘楠支付大额活动经费； 涉密人员有异常银行交易系统自动报警 被解职期间 访问情报组织网站 同期入住酒店并密切接触 李伟 刘楠 李伟的同事 沿海某酒店 假身份证办理新手机号 神秘人物 属 同 一 组 织 海外账户支付酒店费用 基于时间、空间、人物和事件的关联分析： 李伟在被解职期间浏览境外情报组织网站并注册用户； 预订了沿海某城市的机票，并用假身份证办理了新手机号； 通过运营商的通话数据和基站数据确认，李伟在用两个手机号； 李伟入住由新入境神秘人物预订的酒店，并有密切接触； 款项来源是境外情报组织账号的国际汇款； 大 额 汇 款 22 谢谢！
