大学生网络诈骗案件的相关特征分析*

2020-09-25李益军邱明月

法制博览 2020年27期

李益军邱明月

南京森林警察学院，江苏南京 210023

一、研究背景

随着大数据技术与物联网技术的发展，犯罪形式与犯罪类别也发生着转变，网络诈骗与传统的诈骗的形式和手段不同，他们利用网络，针对大学生这一单纯群体，通过新兴技术获取大学生的信息，以达到精准欺诈的目的。大学生正处于青春期，兴趣爱好广泛且对于新兴事物的接收能力较强。但是由于大学生的社会阅历不足，一旦外界信息与他们自身的认知和价值观相一致，他们就会把它当做正确的信息来接收，因此很容易相信他人的言论与引导。大学生的爱好广泛且上网时间普遍比较长，同时他们对网络新鲜事物好奇心很强，所以对一些新型的诈骗手段不易察觉，而以为是一种互联网的新兴产物或者商业模式的创新。由于大学生经常性的上网行为且自身防范意识不强，导致他们每天的上网的信息以及各种个人信息容易被他人通过非法方式获取，由此判断出他们的身份、偏好、用户习惯等，犯罪分子会专门针对大学生制作虚假欺诈事件或者圈套，让大学生上当受骗，从而获取非法利益。所以，我们应该加强大学生的网络防诈骗宣传和教育力度，在新生刚入学的时候就进行各种宣传，做到全方位的网络防诈骗教育，防止大学生上当受骗。

本文通过对大学生受骗的网络诈骗方式、发案时间、作案手法等相关特征进行研究，为防范大学生网络诈骗案件的相关策略措施提供数据支撑与科学依据，以降低类似的案件发生概率，维护良好的网络使用环境。

二、相关研究

由于互联网时代的飞速发展，传统的犯罪类型逐渐转向新型网络犯罪，导致近年来网络诈骗案件频发。在知网搜索“大学生诈骗”为主题进行文献检索发现，论文数量在2016年以前一直保持每年5篇不到的论文量，直到“徐某案”引发了全社会的重点关注，所以论文的数量也有了很大的提升。很多学者开始对大学生网络诈骗案件的相关特征与影响因素进行探究。比如王飞等就大数据环境下大学生的网络诈骗现状及防范策略进行分析，重点研究了当代大学生的显著特点与受骗原因，以及此类案件的防范对策［1］。李珊珊根据大数据环境下网络诈骗的特征分析以及大学生受到网络诈骗的原因进行分析，还针对高校大学生的网络欺诈类型进行分析，以及提出具体的思想政治教育对策［2］。也有学者对诈骗案件与受害者之间的关联关系进行研究，李晓冰基于Aprior算法对诈骗案件进行关联规则的挖掘研究，得出发案时间为中午且地点在银行的诈骗案件，损失都比较严重的关联规则［3］。李爽设计了基于卷积神经网络对电信诈骗案件识别分类器，通过对电信用户话单数据的学习，挖掘诈骗用户通话数据特征并识别诈骗用户的行为［4］。所以，本文由大学生电信诈骗案件的基本特征分析逐步转向深层次的案件挖掘，进一步对大学生电信诈骗案件内部因素的关联规则进行挖掘。

三、大学生电信诈骗案件的统计分析

（一）案发时间

图1 9月1号开学后每周的大学生电信诈骗案件发案数量

以9月1号为开学日期，按周来分析大学生诈骗案件的发案时间规律。由图1可知，开学后每周均有大学生电信诈骗案件的发生，且案发数量都较大。大学开学之际学生往往会带着本学期的生活费、学杂费等来开学报到，于是很多犯罪分子利用大学生自我保护意识薄弱、社会经验不足、经常上网等行为特点，在短时间内达到精准欺骗的目的。学校及相关教育部门应该在平时的反诈骗宣传教育工作之外，在开学季的前两个月，强化大学生的网络安全教育，让学生掌握必要的诈骗防范措施，减少或者杜绝大学生电信诈骗现象发生。

（二）案发时长

图2 大学生电信诈骗案件的案发天数统计

图3 大学生电信诈骗案件（一天内案发）的时间统计

根据对比发案时间的上限与下限可知，一般的大学生电信诈骗受害案件都发生在一天以内（如图2所示）。在一天内案发的案件当中，案件数量最多的案件时长为60分钟，即一小时犯罪嫌疑人对大学生受害人实施了整个诈骗行为的案件数量最多。此外，受骗过程时长集中在120分钟、30分钟和20分钟（如图3所示）。由此可见，大学生电信诈骗案件的案发时间非常短，一旦进入设计好的欺诈圈套，在很短的时间就会被诈骗。

（三）报案时间

电信诈骗大学生受害人在发现上当受骗后会选择报警，但分析数据表明，并不是所有人都会在第一时间选择向警方求助。对比发案时间下限与报案时间，即受害人被设计诈骗后发现上当受骗，随即报警的时间间隔。数据表明大部分人都会在一天内选择迅速报警，概率达77%，一周内报警的受害人达到96%。通过了解民警办案经验可知，一般的电信诈骗案件中，受害人的资金转入犯罪嫌疑人相关账户后的1小时内，是拦截资金流的黄金时间。所以，在今后的电信诈骗相关宣传中，更应该加强宣传报警时间的有效性，以最快的速度挽回受害人的经济损失。

结合2014-2018年9、10两月份的案件数据分析发现，下午和晚上为案件的高发时段。其中下午（14：00-18：00）占比28%，晚上（18：00-24：00）占比47%。这也与大学生的网上作息时间密切相关，大学生一般习惯于下午至晚上在电脑上查阅资料与娱乐。与案件的发案时间相对应，大学生电信诈骗案件中大学生的报警时间也大多集中在下午和晚上。

（四）诈骗金额

根据2011年《最高人民法院、最高人民检察院关于办理诈骗刑事案件具体应用法律若干问题的解释》规定：诈骗公私财物价值3000元-10000元以上、30000元至100000元以上、500000元以上的，应当分别认定为刑法第二百六十六条规定的“数额较大”、“数额巨大”、“数额特别巨大”。所以，对于一般的网络诈骗案件起邢点是3000元，小于3000元则依照规定进行治安处罚。本文依据以上规定对大学生电信诈骗案件中的诈骗金额进行归类。由图4可知，大学生电信诈骗案件中被诈骗金额达到治安处罚条例的占47%，诈骗金额在3000元-30000元达到数额较大的案件比例为48%。由此可见，大学生电信诈骗案件中小金额的诈骗案件数量占绝大多数，犯罪金额巨大以及特别巨大的占比不多。

图4 大学生电信诈骗案件损失金额统计

（五）诈骗案件类别

在统计的大学生电信诈骗案件中，网络诈骗占总体电信诈骗案件总量的77%，电话诈骗占20%，还有3%的案件为短信诈骗。由此可知，由于大学生的上网习惯以及自身保护意识不强等原因，造成了网络诈骗占据着大学生电信诈骗案件的主要案件分类，后续本文也主要着手分析大学生网络诈骗案件的相关因素与特征描述。分析网络诈骗案件可知，诈骗方式以网络购物占比最大，达案件总数的44.3%，这也与大学生的网络购物行为频繁相关。其次为银行卡案件（15.06%）与冒充熟人（10.51%），这也多与大学生自身防范意识不高，容易轻信他人有关。其中，冒充熟人这一作案手法在电话诈骗中也占有一定比重，嫌疑人往往自称政府的工作人员，学校的老师，快递等服务人员骗取受害人信任，随后让受害人向相关账户转账以非法谋取利益。

四、基于Apriori关联分析的大学生网络诈骗案件挖掘

（一）关联网状图

图5 关联网状图

通过显示各分类变量之间相关关系强弱的网状结构图，本文将案件类别、报案时段、报案时间（天、周）、处罚金额类别、开学周数等分类变量之间的关联关系显示如图5所示。图中线条的粗细反映了两变量之间频数的大小，即相关关系的强弱。由关联网状图可以直观地显示出，网络诈骗与报案时间的第一周、第一天有强关联关系，案件的处罚金额中治安处罚、数额较大。说明大学生受害人在发现自己被骗后都会选择及时报警，且大学生网络诈骗案件的案件金额为多数在3万元以下的小额诈骗居多。

（二）基于Apriori关联分析的大学生网络诈骗案件挖掘

关联规则是通过分析数据，找到数据之间的关联关系的一种无监督的数据挖掘算法。简言之，就是由于某些事件的发生而引起另外一些事件的发生。Apriori是关联规则的主要算法之一，属于无指导学习方法，能够有效揭示数据中隐含的关联特征，揭示事物的内在结构。

由表1可知，通过Apriori关联分析得出规则如下：当报案时间为发案后第一天以外，且依据法律规定仅构成治安违法行为，尚未构成刑事犯罪的案件发生时，在众多诈骗案件中，发生网络诈骗案件的置信度最高，为91.111%。当报案时间为发案后第一天以外，且报案时间段为下午时，在众多诈骗案件中，发生网络诈骗案件的置信度为87.654%，位居第二。以上两种关联性较强的关联规则共同表明，在案发后一天以外报案，诈骗数额较小，尚不构成犯罪，或发生在下午时分的诈骗案件，通常为网络诈骗。

大学生网络诈骗案件中的受害人通常对0-3000元不等的小数额治安案件性质的网络诈骗行为较为大意。大学生普遍认为小数额支付或借贷并不会对自身经济带来严重后果，且小数额钱款尚属于大学生日常生活中可接受范围之内。由此导致该受害群体通常在受到网络诈骗后不能及时报警，一般会在一天后才会发觉其上当受骗的事实，从而报警，但由于错过黄金报案时间，会对警方的抓捕带来一定困难。同时，下午至晚上的时段为此类网络诈骗案件的高发时段，这与日常上课时段的心态不无关系。通常在下午及晚上，在校大学生结束一天的学习生活，防范警惕意识下降使得嫌疑人最容易得手。