社会网络分析在团伙诈骗犯罪侦查中的应用

周志涛，鲍灵佳

（浙江警察学院，浙江 杭州 310053）

社会网络分析在团伙诈骗犯罪侦查中的应用

周志涛，鲍灵佳

（浙江警察学院，浙江 杭州 310053）

团伙诈骗犯罪破案难度一直很大，社会网络分析在此类犯罪调查中进行了一些应用。通过对诈骗犯罪团伙实例的社会网络分析，研究了诈骗犯罪团伙在网络结构、网络中心度、小团体、等级程度、小世界效应上存在的一些特点。这些特点对于团伙诈骗案件的侦查和预防有启发性，并有助于拓宽侦查思路。进一步分析表明，社会网络分析在查明犯罪团伙组织结构和层次、发现核心成员和中介者、搜寻团伙成员及组网、选择侦查突破口、分析团伙的运行机制和作案模式等方面具有应用价值。

团伙诈骗犯罪；社会网络分析；刑事侦查

团伙诈骗犯罪近年来呈增长态势，特别是如电信诈骗因其多发性、非接触性、跨区域团伙作案而使得办案成本高，破案难度较大，破案率一直较低。然而，此类案件往往因涉案金额较大，群众反响强烈，使公安机关承受了较大的压力。因此，针对团伙诈骗案件的特点，探索有效的打击和预防团伙诈骗的方法与手段具有较为重要的现实意义。社会网络分析可以为分析团伙犯罪网络的组织、结构与运作模式此提供较为有效的理论与方法。

一、社会网络分析在犯罪调查中的应用概况

社会网络分析是在20世纪60年代美国社会心理学家莫雷诺（Moreno）所提出的社会计量法的基础上发展起来的，是将社会关系结构视为一种网络，并对网络中的成员关系及属性进行分析的方法。其在反恐和应对犯罪组织上的重要性引起了众多学者的关注。Malcolm Sparrow 1991年探索了网络分析在犯罪领域的应用，他认为执法者和调查者可利用网络分析的概念和方法对各种犯罪网络进行分析；[1]Wayne E.Baker和 Robert R.Faulkner 1993年对重型电气设备公司密谋限价行为如何组织及秘密社会网络做了定量分析；[2]荷兰学者 Peter Klerks以荷兰警方的应用为背景，认为复杂、持久、敏感类的犯罪调查项目可适用社会网络分析技术，并提出执法部门要成功控制有组织性犯罪需要转变组织结构和运行模式。[3]Valdis Krebs通过追踪每天的主流媒体收集数据，并绘制了“9·11”事件19个劫机犯的组织结构网络图；[4]西班牙学者 Jose A.Rodriguez以马德里爆炸案为例做了类似的研究，他认为社会网络分析有助于理解恐怖组织网络构成及其动力学；[5]Ferenc Jordán以伦敦爆炸案为例，运用社会网络方法对恐怖袭击的关键目标进行了预测分析；[6]Marc Sageman收集了172个伊斯兰恐怖分子的生平档案，通过运用社会网络分析法分析1998年来的数据，从中发现与基地有关的四大恐怖分子群体；[7]黄慧霞对1999年到2006年公安边防部门侦办的95个跨境毒品犯罪案例中跨境毒品犯罪网络的组织结构进行分析，揭示了跨境毒品犯罪网络的一些特点。[8]此外，一些基于社会网络分析的情报分析软件也被开发出来用于团伙犯罪侦查实践，如IBMI2情报分析软件。上述社会网络分析的应用主要集中在恐怖组织、贩毒集团方面，对普通刑事案件中的团伙犯罪的社会网络分析应用则较少；而应用也主要侧重于对组织成员关系和属性的分析，很少涉及侦查和预防思路方面的研究。本研究希望在对团伙诈骗案件实例进行社会网络分析的基础上，探索其犯罪网络结构特征，发现其弱点，进而提出有针对性的侦查思路。

二、诈骗犯罪团伙的社会网络分析

（一）分析工具、样本及方法

1．分析工具。在诈骗案件侦查中，对于诈骗团伙的分析通常是以一般归纳的方式来分析团伙的组成、结构及特征，分析结论较为粗陋，准确性不高，很难对侦查实践有指导价值。这与缺乏有效的分析方法有关。社会网络分析是根据数学方法和图论发展起来的定量分析方法，可以定量并可视地显示犯罪团伙或组织的结构特征与属性，可以发现一般归纳分析无法获得的结果，对于揭示诈骗团伙的网络结构关系是一种很好的分析工具。本文主要采用UCINET6（University of California at Irvine NETwork）进行社会网络分析。

2．样本选择。对于某一类案件或犯罪成员特征的分析，通常都认为需通过一定样本量的分析才能得出具有普适意义的结论。但罗伯特·K·殷（美）认为：对于发生在当代但无法对相关因素进行控制的事件，以了解其“怎么样”和“为什么”的问题是适用案例研究的，[9]并认为“单从一个案例归纳出结论与单从一个实验得出结论并无本质上的差异”。当然，他所指的案例研究是在案例基础上进行定量化的 “归纳”分析而不是一般性的“列举”分析。因此，本文采用单案例研究设计，选取了浙江省2012年8月破获的以“看风水”为名骗取钱财的徐某某迷信诈骗团伙为研究样本。该诈骗团伙有成员133人，作案66起，涉案金额高达数百万元。

表1 徐某某迷信诈骗团伙关系矩阵

3．分析方法。从浙江省打防控系统中获取了诈骗团伙133名成员以及66起案件的相关信息。根据团伙成员的共案关系来构建数据矩阵，如胡某与杨某系其中一起案件的共犯，则表示胡某与杨某存在关联关系，以此对66起案件信息进行分析，成员间系一起案件的同案犯的，关联关系记作1，在N起案件中成为同案犯则记作N，没有在任何一起案件中成为同案犯的关联关系记作0。逐一分析133名成员间的关联关系，汇总记录到EXCEL电子表格中，再导入到UCINET6中，建立数据矩阵见表1（由于成员较多，数据表庞大，此处只显示部分）。

（二）诈骗犯罪团伙的社会网络结构图

使用UCINET中附带的NetDraw工具，将数据输入 NetDraw，采用 Spring Embedding法，选择相似性以其测地距表示，成分间的距离为 5，则诈骗团伙的社会网络排列结果如图1所示。

图1 徐某某诈骗团伙网络图

从图中可以看出，孤立点竖直排于一线，其它节点按所属成分排列，同属一成分的节点具有较大相似性，表现在图上即其间测地距较小。图中显示数据中存在一相较大的成分，包含了大部分的节点，其余的成分较少也都比较小。图中节点间的连线越粗表示共同作案的次数越多。分析表明，该诈骗团伙社会网络并不具有严格等级结构，也不具有蜂窝式的网络结构，形成了以徐某某为核心的类星形结构。独立的节点和较小的其它成份意味着相关的成员与徐某某诈骗团伙核心层联系较少，或存在数据缺失情形。

（三）诈骗犯罪团伙的中心度分析

表2 点中心度分析结果

1．点度中心度分析。在UCINET中，进行点度中心度的分析，得出结果如下（见表2）。表2中由高到低给出了各个节点的绝对点度中心度（Degree）和相对点度中心度（NrmDegree）。从结果中可以看出，点度中心度最高的前五位为徐泓昊、何红艳、戴恩君、王秋菊、陈雪英。这些数据说明，在结伙作案过程中，这些节点所代表的团伙成员与其他团伙成员一起共同作案的次数较多，在团伙中起着核心作用，与侦查结果相符。

2．中间中心度分析。在UCINET中，通过中间中心度的分析，得出如下结果（见表3）。该结果从高到低的顺序给出了各个节点的绝对中间中心度（Betweenness）和相对中间中心度（nBetweenness）。结果表明，中间中心度最高的5位团伙成员为徐泓昊、李燕燕、何红艳、何承禧、柯丽君。说明这几个团伙成员在团伙网络中处于比较重要的连接性位置，对其他团伙成员的结伙起到促进作用，也就是说其他团伙成员之间的结伙作案对于这几个节点的依赖性比较大。同时可以看出徐泓昊、何红艳在点度中心度和中间中心度指标中都列前，可以说此两人在诈骗团伙网络中是绝对的核心人物。

表3 中间中心度分析结果

（四）诈骗犯罪团伙的小团体分析

在诈骗团伙网络中，单个成员通过一定关系形成小的群体，整个网络则是一定数量的群体所构成，这些小群体就是团伙网络中的小团体。通过小团体分析掌握小团体的规模、人员构成、行为特征一直是社会网络分析的重要内容。下面通过派系分析寻找诈骗团伙网络中存在的派系，即小团体的数目；同时通过凝聚子群密度分析各个小团体之间相互联系的紧密程度。

1．派系分析结果。在UCINET中，对诈骗团伙网络进行派系分析后得出如下结果（见表4、图2和图3）。表4给出了在网络中找到的所有的派系，这里分为34个派系。图2给出了派系层次聚类分析矩阵（Hierarchical Clustering of Overlap Matrix），这是对派系共享成员矩阵进行聚类分析的结果。从结果中可以看出，当相似性为1.0时，34个派系又聚集为2个大类，即1至32、33和34，此结果也验证了下面通过共享成员矩阵判断出来的结果。图3给出了派系共享成员矩阵 （Clique-by-Clique Actor Co-member Ship Matrix），它表达了不同派系共享的行动者的数量，值越大，说明两个派系越相似。如在图3的结果中，派系3和派系5共享4个成员，派系7和派系30共享3个成员。所以派系3和派系5更为相似。

从矩阵的角度可以看出，虽然UCINET分析出了34个独立派系，但是从派系相似度的角度又可以将整个网络粗略地分为两个部分，即{1至32}和{33、34}。因为矩阵的右边和下边两行的值除了一个值之外全部为零，说明了派系1至32和派系33、34之间相互相似性极低，只有一名相同的成员，表明这一成员是联系两个派系的桥梁。

通过以上分析可以看出，整个诈骗团伙中分派相对较多，从另一个侧面反映了该犯罪团伙实施犯罪时的结伙方式及成员组成。

表4 派系分析结果

图2 徐某某诈骗团伙派系层次聚类分析矩阵

图3 徐某某诈骗团伙的成员共享模型

2．凝聚子群密度分析。用子群密度与整个网络的密度之比来表示凝聚子群的密度 （External-Internal Index，E-I Index），目的在于研究各个子群内部交流、子群与子群之间交流的紧密程度。对诈骗团伙网络也可以进行凝聚子群密度分析，借助分析结果可以了解团伙内部的派系联系紧密度。

在UCINET中计算诈骗团伙网络凝聚子群的密度，得出的结果见表5。根据定义，该指数的取值范围为[-1,+1]。该值越向1靠近，表明关系越趋向于发生在群体之外；该值越接近-1，表明子群体之间的关系（即外部关系）越少，关系越趋向于发生在群体之内；该值越接近0，表明关系越趋向于随机分布，看不出派系林立的情形。分析表明，该诈骗团伙的凝聚子群密度是比较显著的，达到了0.58，比较接近1，表明子群体之间的关系（即外部关系）比较密切。这意味着在子群体之间交流较为频繁，这与该诈骗团伙经常通过组织“养生”和“风水”培训以物色作案对象的特点相符。从一定程度上来说，这种情况也反映了团伙的作案方式和内部小团体间的交流模式。由于组织培训需要有联系人和授课者，此分析结果也从另一个方面印证了中间中心度的分析结果。

表5 子群密度分析结果

（五）诈骗犯罪团伙的小世界效应验证

Stanley Milgram（1969）通过小群体实验，认为“世界上任何人之间都能通过大约6步就可以建立联系”，Jon Kleinberg把这称之为小世界现象。小世界效应在社会网络分析中具有重要意义，如果该网络具有小世界效应，则说明诈骗团伙网络是一个信息通畅，团伙成员能够较为方便地结伙实施作案的网络。相反，则这个网络就是一个信息流通速度慢甚至信息闭塞，团伙成员不能方便结伙实施作案的网络，这不利于犯罪目标的实现。

将数据导入UCINET中进行途径长度均值的计算，进行对称化处理后，再通过Distance计算距离，得到“距离矩阵”，再通过Matrix对“距离矩阵”进行计算，得到C值，分析结果见图4。从以上结果可以得到网络中节点对之间的平均距离L=2.227，就是说，在诈骗犯罪团伙网络中，每两个团伙成员只要通过2.227个人就可以联系起来。根据小世界效应理论，L的值一般不超过10的网络就可以说具有小世界效应，该诈骗团伙网络是具有显著小世界效应特性的网络。在该诈骗团伙中，成员间通过一个人就可以联接起来的情形占5.8%；成员间需通过二个人才能联接起来的情形占70.5%；通过三个人联接的情形占19.2%；三者合计为95.5%，说明在绝大多数情况下，追踪某一团伙成员3个层次的人员关联就可以发现其犯罪同伙。

图4 小世界效应——最短矩离验证结构

（六）诈骗犯罪团伙的等级程度分析

魁克哈特（Krackhardt，1994）将网络等级程度分为四个充分必要的维度：关联性、层阶性、效率性和最小上界性。UCINET中提供了这四个维度指标的算法，值越高，表明等级程度越高。对诈骗团伙网络等级程度分析结果见图5。结果表明，该诈骗团伙网络的关联性为0.5924，说明从关联性角度看，诈骗团伙网络的等级程度较高，对于具有133名成员的团伙来说，较高的关联性表示团伙内部存在某种机制把所有成员联接在一起；层阶性（Hierarchy）是指纯粹的等级结构中不存在对称的互向关系，本团伙网络的层阶性值为0.0187，表明该团伙网络层阶性很低，意味着该团伙并不是一个层级分明的团伙；效率性可以测量网络中的行动者拥有单一上级的程度，本团伙的效率性值为0.9781，表明具有较高的效率性，意味着团伙成员实施作案很大程度上接受来自上一级成员的指令；最小上界性用来测量网络中每对行动者拥有共同上级的程度，本团伙的最小上界性为1，意味着该团伙是一种扁平化的结构。网络等级程度分析表明该诈骗团伙是一个由核心成员驱动具有扁平化组织结构的犯罪网络。

图5 诈骗团伙网络等级程度

三、社会网络分析在侦查团伙诈骗案件中的应用

当前团伙犯罪日益突出，团伙诈骗尤为明显，并向智能化、技术化、非接触化和职业化的方向发展。在实施犯罪过程中，团伙成员人数众多，联系紧密，分工明确，各团伙成员在犯罪过程中所起的作用也各不相同，并具有一定的反侦查能力，因而给有效打击诈骗犯罪团伙带来了一定的难度。基于上述对诈骗犯罪团伙的社会网络分析，揭示了当前诈骗犯罪团伙网络的一些特征，可以给打击诈骗犯罪团伙提供一些新的启发和侦查思路。

（一）查明诈骗团伙组织结构和层次方面

在查获诈骗团伙时，因团伙成员众多，涉及案件数多，案情复杂，办案时间紧，往往需要投入大量警力进行侦办，但警力分散又会因每个警员只掌握犯罪团伙部分成员的涉案情况，很难从总体上把握整个团伙组织的结构、成员及案件情况，并以此指导案件侦办工作，故在案件材料准备、证据搜集和审查以及案件移诉时难免会存在一些差错。因此，在办案的初始阶段就快速查明诈骗团伙的组织结构、成员属性及行为模式非常重要，尽快让每一个办案人员在掌握这些基本情况的基础上有针对性地开展侦查办案工作，无疑可以极大地提高工作效率，减少不必要的重复劳动。社会网络分析在这一点上可以很好地发挥作用，通过搜集诈骗团伙的交往关系数据，建立数据矩阵进行结构图分析，可以很直观地显示整个团伙的网络结构，谁是核心成员，谁是边缘成员，谁起着中介和桥梁作用，犯罪行动指令是如何传达的，组织的运行模式如何等。可以快速让所有办案民警从整体上了解团伙概况，对办案的指导意义非常明显。此外，还可以在社会网络分析中通过对结构洞的分析，并与实际办案情况相比较，以发现不一致的方面，从而有针对性指引相关调查，辅助制定详细的审讯计划及提纲，通过对重点案犯的审讯，摸清整个犯罪集团的组织结构、工作机制、赃款分配及诈骗手法等信息，为之后的案件查证打下坚实的基础。

图6 徐某某诈骗团伙网络被摧毁后结构图

（二）打击诈骗团伙核心成员和重要中介者方面

俗话说“擒贼先擒王”，在打击诈骗团伙时，重点打击团伙核心成员是优先选择，但在侦查过程中，要查明团伙核心成员并非易事，很多诈骗团伙的核心成员在具体行动时往往躲在幕后操纵，自已并不出面，隐藏较深。通过获取已查明的团伙成员的交往关系数据构建数据矩阵，进行点中心度分析，可以很清晰地发现团伙中重要成员是哪些，如果针对这些重要成员的关系数据进行更进一步的挖掘，还可以发现隐藏更深的核心成员，有助于在侦查中快速锁定重要成员开展调查，并以此为突破口查明整个犯罪网络。此外，由于有一些诈骗团伙往往是通过一些经纪人和中介人进行联系，虽然中介人不直接参与犯罪，但他们的存在使犯罪网络保持了足够的弹性，在某些案件中基至比核心成员还重要。一些团伙案件正是由于中介人没有受到打击，即使打掉了核心成员，犯罪团伙仍能维持运转。而通过社会网络分析中的中介者分析可以很快锁定团伙的中介者，打击中介者更有利于快速摧毁犯罪网络。图6显示了徐某某诈骗团伙的三名核心成员和中介人被移除后的网络结构，可以发现网络中的独立点、分散的小团体大幅度增加，原有的网络结构被摧毁。

（三）搜寻发现诈骗团伙成员方面

在早期侦查阶段，往往对诈骗团伙情况缺乏足够的了解，不知其有哪些成员，也不知团伙的结构特点。如何从零星的线索中发现团伙踪迹，并进而扩展探寻团伙成员，查明网络组织结构就显得非常重要。从诈骗团伙的社会网络分析来看，团伙成员间的平均距离为2.227，意味着通过挖掘团伙成员的三个层次的人员关联关系即能发现其同伙。当前各类信息系统的建立，为挖掘关系数据提供了可能，如果掌握了某嫌疑团伙成员的情况，可以进一步通过旅馆住宿数据、上网数据、通信数据等其它能显示关系状况的数据进行关系人挖掘，建立数据矩阵，再通过社会网络分析构建结构图，进行中心度分析发现核心成员和中介者，再围绕核心成员和中介者进行深入侦查，可以有效缩小侦查范围，明确侦查目标。图7按照这一思路分析了徐某某诈骗团伙133名成员的旅馆同住关系数据，建立数据矩阵后进行社会网络结构图分析和中心度分析（见图8），发现了何红艳、陈振华、黄细军、陈雪英、徐泓昊等团伙主要成员，而这些成员恰恰也是诈骗团伙的核心成员，说明通过社会关系数据发现的人际网络与犯罪网络具有相似性，对侦查具有重要的参考价值。

图7 徐某某诈骗团伙的旅馆同住数据形成的网络结构图

图8 徐某某诈骗团伙的旅馆同住关系网络中心度分析

（四）诈骗团伙派系分析和侦查突破口选择方面

对于一些规模较大的诈骗团伙来说，因所处地域、价值观、目标、个人兴趣和偏好的不同，会形成多个小团体，小团体在长时间的交往过程中就会逐渐形成派系，派系之间有合作，也会有矛盾，合作关系有利于侦查人员通过一个小团体追查另一个小团体的情况；而派系之间的矛盾有利于侦查人员在侦查中加以利用。通过社会网络的凝集子群分析，可以发现诈骗团伙中存在哪几个派系，有哪些成员参与多个派系，哪几个派系共享同一个成员等。而通过凝集子群密度分析，则可以发现小团伙之间的联系性怎样，以此可进行有针对性的侦查部署。在分析团伙派系、各派系成员组成、派系间的关联性等的基础上，具体考虑侦查在保密、突审、控制、策反及预防等方面的需要来选择相应的侦查突破口。

（五）在推断诈骗团伙运行及作案模式方面

对于一些长线经营的诈骗犯罪团伙而言，社会网络分析还有助于从整体上分析和推断团伙的运行机制和行为模式，从而有效地对其犯罪活动作出预测并进行有针对性地防范。通过对团伙网络的关联性、层级性、效率性和最小上界性的分析，有助于推断犯罪网络的层级是否分明，行动指令是单向还是互向的，团伙间是否存在有效的联接和交流机制，团伙是等级明显的组织还是一种扁平的合伙形式的组织，是由单一核心成员驱动的还是由多核心成员分工合作驱动的等。在此基础上可以进一步推断诈骗团伙的运行方式和行为模式，为侦查部署提供决策参考，为犯罪预防提供行为预测。

[1]Sparrow，M.K..The application of network analysis to criminal intelligence：An assessment of the prospects[J]. Social Networks，1991，（13）：251-274.

[2]Baker，W.E.and R.R.Faulkner.The social organization of conspiracy：Illegal networks in the heavy electrical equipment industry [J].American Sociological Review，1993，（58）：837-860.

[3]Klerks，P..The network paradigm applied to criminal organizations：Theoretical nitpicking or a relevant doctrine for investigators？Recent developments in the Netherlands [J].Connections，2001，（24）：53-65.

[4]Valdis E.Krebs Mapping Networks of Terrorist Cells[J]. Connections，2001，（24）：43-52.

[5]Rodriquez.J.A.The March 11th terrorist network:In its weakness lies its strength[R].Working paper EPP-LEA，2005，（3）.http://www.ub.es/epp/wp/11m.PDF.

[6]Ferenc Jordán.Predicting target selection by terrorists：a network analysis of the 2005 London underground attacks [J].Int.J.Critical Infrastructures，2008，（4）：206-214.

[7]Marc Sageman.Understanding Terror Networks[M]. Philadelphia：University of Pennsylvania Press.2004.

[8]黄慧霞.跨境毒品犯罪组织结构的社会网络分析[J].中国人民公安大学学报(社会科学版)，2010，（1）：29-40.

[9][美]罗伯特·K·殷.案例研究设计与方法[M].重庆：重庆大学出版社，2004.

责任编辑：张 艳

D631.4

A

2095－2031（2014）03－0035－06

2014－02－27

周志涛 （1971-），男，浙江嵊州人，浙江警察学院侦查系副教授、副主任，从事侦查学研究；鲍灵佳（1993-），女，浙江海宁人，浙江警察学院侦查学专业2011级学生，从事侦查学研究。