电信网络诈骗受害人特征研究——基于不同地区数据对比分析

□张耀文，罗文华

(中国刑事警察学院，辽宁 沈阳 110035)

随着网络时代的到来，电信网络诈骗犯罪相关案件数量明显上升。本文以电信网络诈骗中受害人特征为出发点，分析不同地区受害者特征的差异性，为电信网络诈骗犯罪的防范治理和宣传教育工作提出一定的建议措施。

特定的受害人特征是否存在易受骗类型？不同地区电信网络诈骗受害人特征的具体差异是什么？以上两问同样也是电信网络诈骗受害人特征研究的重要一环。[1]

一、电信网络诈骗受害人特征

(一)电信网络诈骗受害人特征研究价值

电信网络诈骗是犯罪分子以非法占有为目的，利用移动电话、固定电话、互联网等通讯工具，采取远程、非接触的方式，通过虚构事实或隐瞒真相的方式，诱使受害人向指定的账号打款或转账，骗取他人财物的一种违法犯罪行为。近几年来，电信网络诈骗犯罪呈现出多发态势。2015年公安部开展“打击治理电信网络新型违法犯罪专项行动”，全国各省市及地区始终保持着严打高压的态势。然而一方面，打击和处置电信网络诈骗的数目逐年递增；另一方面，电信网络诈骗的受案率也日益攀升。[2]

那么，如何有效治理电信网络诈骗活动，如何有针对性地开展防范电信网络诈骗犯罪宣传教育工作，已成为各级执法部门必须深入探究和重点解决的当务之急。根据犯罪预防原理，预防电信网络诈骗犯罪除关注犯罪主体、行为及侦查过程外，受害人这一群体同样应当重点关注。目前，国内各地区、各层级对电信网络诈骗受害人特征的研究各自为战。2017年，江苏警官学院的殷明教授基于203份受害人笔录，针对电信网络诈骗的受害人单一特征进行分析。该文采用统计学方法对受害人特征开展量化研究，具有一定的启示意义。[3]2021年浙江警察学院的张芷等，基于报案笔录、电话回访等方式，对电信网络诈骗受害人采用简单统计分析。[4]2021年西南政法大学刑事侦查学院的向静教授基于跨国电信网络诈骗系列案件，剖析诈骗犯罪团伙的培训课件和诈骗话术等相关信息，对“杀猪盘”类电信诈骗犯罪进行研究。[5]2021年西南政法大学刑事侦查学院的谢玲，基于诈骗话术对13位电信网络诈骗受害人展开研究。[6]通过现有文献分析，可看出：第一，当前针对电信网络诈骗受害人特征研究成果、数量不多，且案情来源不等、研究方法不同、所得结论不一；第二，现有研究均是针对受害人某一特征开展单项特征分析，分析结果缺乏系统性，其应用价值明显不足；第三，研究所依赖案件量较少，难以正确、全面反映出受害人特征及规律；第四，现有研究未将电信网络诈骗按不同类型细化并分别展开研究，研究结论区分度、针对性较差。因此，有必要全面梳理受害人特征指标，构建电信网络诈骗受害人特征集，开展复合特征研究。该研究旨在挖掘受害人特征规律，提高反诈宣传效果，实现此类案件有效治理防范。

(二)电信网络诈骗受害人特征集

针对我国华东地区、华北地区以及东北地区电信诈骗受害人特征展开研究，研究对象分为华东地区某县级市2020年-2021年电信网络诈骗简要案情、华北地区某直辖市2021年电信网络诈骗简要案情以及东北地区某地级市2019年-2021年电信网络诈骗简要案情三部分。上述案情信息通过多重途径获得，如“国家反诈中心”APP、案件系统等。通过对案情进行分析梳理，并采取去重与过滤操作，研究对象包括华东地区663条、华北地区161条和东北地区500条。

以简要案情中作案手法为基础，辅以“国家反诈中心”APP中对诈骗类型的划分，可初步将研究对象分为：冒充公检法、冒充熟人、冒充客服、交友投资诈骗、贷款诈骗、刷单兼职、网络交易七种电信网络诈骗类型。在此基础上，通过分析七类电信网络诈骗的共性，将其聚类为四种不同的电信网络诈骗类型。即：假冒身份类、网络交友类、网络贷款类、虚假交易投资类。不同地区研究对象及相应类型数目如下所示(见表1)。

表1 本文研究对象及对应类型

首先对受害人特征基于人口学与社会经济学进行量化统计分析，包括受害人性别、年龄以及受骗金额、受害类型；其次对受害人自身标识特征，基于不同地区展开对比研究，试图探讨不同地区受害人特征的共性与差异性，以期有针对性地开展电信网络诈骗犯罪预防及研判工作。

此外，为确保同一地区受害人特征在不同诈骗类型下的区分度，针对可量化的受害人特征分析时，采用控制变量的方法。即保证受害人特征在总体比例近似的情况下，研讨不同电信网络诈骗类型受害人特征的独有规律。具体而言，华东地区、华北地区和东北地区受害人特征数目及划分标准如下所示(见表2)。(年龄单位为岁，金额单位为元)[7]

表2 三地区受害人特征表征或量化方式

二、不同地区受害人特征分析

(一)华东地区

将4类电信网络诈骗案件以性别、年龄、和损失金额三项特征分别统计，并绘制百分比堆积条形图。结果如下(见图1、2、3)：

图1 华东地区受害人性别特征分布图

首先，以性别作为划分标准，如图1所示。华东地区电信网络诈骗受害者，总体女性居多，占总案件的64%；男性仅占36%。但具体于网络贷款类诈骗案件，受害者则不再以女性为主体，而是男性为多数，占66%。

其次，以年龄作为划分标准，如图2所示。在网络交友类诈骗案件中，青少年受害者所占比例较低，为20%。而在网络贷款类诈骗案件中，38岁以下受害者占81%的高比例。

图2 华东地区受害人年龄特征分布图

最后，以损失金额作为划分标准，如图3所示。华东地区易产生大额损失的电信网络诈骗类型为网络交友类和虚假交易投资类诈骗，其高额损失比例高达49%和50%。

图3 华东地区受害人损失金额特征分布图

(二)华北地区

将4类电信网络诈骗案件以性别、年龄和损失金额三项特征分别统计，并绘制百分比堆积条形图。结果如下：

首先，以性别作为划分标准(如图4所示)。华北地区的电信网络诈骗受害人性别中，性别基本符合人口学上1:1的比例，然而在网络贷款类诈骗中，受害人明显以男性为主，占68%；同时，女性受害人在此类型仅占32%。

图4 华北地区受害人性别特征分布图

其次，以年龄作为划分标准(如图5所示)。在网络交友和假冒身份类诈骗中，青少年受害者明显居多，分别占55%和53%；而青壮年在网络交友类诈骗中所占比例则明显偏低，仅为15%。

图5 华北地区受害人年龄特征分布图

最后，以损失金额作为划分标准(如图6所示)。华北地区网络交友类诈骗中，高额损失的比例仍占45%；而该地区网络贷款类诈骗中，高额损失的比例仅占21%。

图6 华北地区受害人损失金额特征分布图

(三)东北地区

将4类电信网络诈骗案件以性别、年龄、文化程度和损失金额四项特征分别统计，并绘制百分比堆积条形图。结果如下：

首先，以性别作为划分标准(如图7所示)。总体来看东北地区电信网络诈骗受害者中女性居多，占总案件的62%；男性仅占38%。按不同电信网络诈骗类型详细分析，在假冒身份类诈骗中，绝大多数受害者为女性，占比76%。在网络贷款类诈骗中，受害者中男性占58%。

图7 东北地区受害人性别特征分布图

其次，若以年龄作为划分标准(图8可见)。在网络交友类诈骗中，受害人里青少年仅占15%，超过28岁人的比例高达85%。

图8 东北地区受害人年龄特征分布图

再者，以文化程度作为划分标准(如图9所示)。在45362位受害者中，文化程度从文盲至硕士研究生，共三大阶段。随着国家的发展和义务教育及通识性教育的普及，文化程度高低已经不是区分受害者的决定因素，也不能认为遭受电信网络诈骗，一定代表文化程度低。图中部分类型的电信网络诈骗反而倾向于文化程度较高者。

图9 东北地区受害人文化程度特征分布图

最后，以损失金额作为划分标准(如图10所示)。东北地区网络交友类诈骗中，高额损失的比例高达59%。反之，该地区网络贷款类诈骗的高额损失率则仅有23%。

图10 东北地区受害人损失金额特征分布图

三、基于单一属性的地区对比及反诈防治建议

当前较多的电信网络诈骗防治宣传措施主要有线下及线上两种，大部分措施宣传对象广泛、定位不清，实践中易引起宣传对象的负面甚至抵触情绪。通过研究发现，具有特定特征的受害人更容易成为特定种类电信网络诈骗的被害目标，且不同地区受害人特征具有明显的差异性。[8]采用控制变量法，研究华东、华北、东北地区电信网络诈骗受害人特征的特定规律，研讨不同电信网络诈骗类型受害人特征的独有规律。[9]各地区不同类型案件具体数目及所占比例如下所示(见表3)。

表3 受害人特征及组成比例

(一)性别

对华东、华北、东北地区受害人按性别归为男、女两类,随后对两类特征分别展开研究。

图11展现了华东、华北、东北地区男性受害人遭遇电信网络诈骗时，具体诈骗类型的分布。三地区男性受害者普遍易遭受网络贷款类诈骗，这与前文所述相符。换言之，40%的男性受害者遭遇了网络贷款类电信诈骗。在日常电信网络诈骗的防范治理和宣传教育工作中，针对网络贷款类诈骗，重心应放在男性中。

图11 男性受害人特征分布图

针对差异性而言，东北地区男性受害者遭遇假冒身份类诈骗比例较低，而华东地区男性受假冒身份类诈骗的比例则高很多；与之相反，华东地区男性受害者遭遇虚假交易投资类诈骗比例较低，而东北地区男性受虚假交易类诈骗的比例则高于其他地区。因此，两地公安、宣传或教育部门应该根据已有统计规律，有重点地对该地高发的诈骗类型展开防范治理工作。如，东北地区对男性应侧重于虚假交易投资类诈骗的预防，华东地区对男性应侧重于假冒身份类诈骗的预防。

图12展现了华东、华北、东北地区女性受害人遭遇电信网络诈骗时，具体诈骗类型的分布。三地区女性受害者普遍易遭受网络交友类诈骗，即近30%的女性受害者遭遇了网络交友类电信诈骗。此外，各地区假冒身份类诈骗也占30%左右的比例。由数据可以看出，女生成为假冒身份和网络交友类诈骗受害者的比例较高。该结论对相关部门开展反诈与预警工作有一定参考价值。

图12 女性受害人特征分布图

对女性进行比较分析，东北地区女性受害者遭遇假冒身份类诈骗比例较高，而东北地区男性受假冒身份类诈骗的比例则低很多；与之相反，华东地区女性受害者遭遇虚假交易投资类诈骗比例略有上升，而东北地区女性受虚假交易类诈骗的比例均低于其他地区。因此，对应地区的有关部门，应当有重点地对符合特定特征的受害人展开宣传教育工作。如，东北地区对女性应侧重于假冒身份类诈骗的预防，华东地区对女性应侧重于网络交友与虚假交易投资类诈骗的预防。

(二)年龄

对华东、华北、东北地区受害人按年龄特征归为青少年(27岁及以下)、青壮年(28岁-37岁)和中老年(38岁及以上)三类,随后对两类特征分别展开研究。采取此种年龄划分方法是由于电信网络诈骗案件作为一种社会事件，其分类势必要和社会生活、婚姻家庭息息相关。其中，28岁是当前我国平均结婚年龄，38岁是对大于28岁受害人采取二分法所定。

图13展现了华东、华北、东北地区青少年受害人遭遇电信网络诈骗时，具体诈骗类型的分布。东北地区青少年受害者遭遇假冒身份与虚假交易投资类诈骗比例较高，而华北地区青少年受害者遭遇虚假投资交易类诈骗比例仅为12%，比例较低。此外，华北地区青少年受害者普遍易遭受网络交友类诈骗的侵害，其比例竟高达38%。

图13 青少年受害人特征分布图

因此，对青少年开展反诈宣传教育工作时，华东地区有关部门应将重点置于假冒身份和网络贷款类诈骗，华北地区应将重点置于假冒身份和网络交友类诈骗，而东北应置于虚假交易投资类诈骗。

图14展现了华东、华北、东北地区青壮年受害人遭遇电信网络诈骗时，具体诈骗类型的分布。华东地区青壮年受害人遭遇假冒身份类诈骗比例不高，而华北地区青壮年受害人有30%的比例遭遇假冒身份类诈骗，其结果远高于华东地区。另，可以看出二地区青壮年受害人遭受虚假交易投资诈骗的比例较大。均占30%。东北地区青壮受害人遭遇诈骗类型的差异性不高，各项比例基本相同。

图14 青壮年受害人特征分布图

因此，对青壮年开展反诈宣传教育工作时，华东地区有关部门应将重点置于虚假交易投资类诈骗，华北地区应将重点置于假冒身份和虚假交易投资类诈骗。

图15展现了华东、华北、东北地区中老年受害人遭遇电信网络诈骗时，具体诈骗类型的分布。华东地区中老年受害人遭受假冒身份和网络交友类诈骗的比例较高，超过64%。华北地区中老年受害人，受网络贷款类诈骗的比例超过47%。而在东北地区中老年受害人中，网络交友类诈骗以超38%的概率，居于首位。

图15 中老年受害人特征分布图

因此，开展反诈宣传教育工作时，对中老年人则应针对各自地区的高发类型展开宣传教育与防范。华东地区有关部门应将重点置于假冒身份和网络交友类诈骗，华北地区应将重点置于网络贷款类诈骗，而东北地区的重点应置于网络交友类诈骗。

四、基于复合属性的特定人群精准防治策略

(一)贝叶斯网络

贝叶斯网络(Bayesian network，BN)作为一种表示不同变量之间概率相关性关系的模型，用来表示变量之间关系及其概率分布的有向无环图。该网络属于基于贝叶斯概率的有向图模型，是贝叶斯方法的拓展，是概率理论、分析决策以及人工智能等知识相结合的产物。在BN中，每个节点代表某一随机变量，同时该节点对应一个条件概率表(Conditional Probability Table，CPT)，节点间的有向边表示两节点的依赖关系，CPT的值表示其关系强度。亦即构成BN的两部分：网络结构与网络参数，分别对应于定性描述和定量描述。[10]

国内关于贝叶斯网络的应用已有大量研究：罗文华与张耀文以开源情报为样本，对电信诈骗受害人特征进行了研讨；何永昌等提出采用贝叶斯网络进行导弹装备故障诊断的方法[11]；Zou Xin等将贝叶斯网络应用于道路交通事故因果分析中。现有研究虽涵盖方面较多，但并未对不同地区受害人特征展开对比分析。笔者分析其原因主要是，电信网络诈骗在受害人特征方面的研究尚处于起步阶段，遑论不同地域对比分析。此外，受害人特征模型牵扯指标较多，且关系复杂、数据获取难度大。然而基于笔者对受害人特征的前期研究，加之贝叶斯网络处理复杂指标的天然优势，使得BN对不同地区的受害人特征对比分析具有很好的应用前景。目前基于BN的仿真软件有很多，如Netica、BayesBuilder和JavaBayes等。使用Java语言开发出的Netica可快捷定义节点、训练模型，同时支持可视化操作。本文基于BN，使用Netica软件对不同地区电信网络诈骗受害人特征建立模型，并对该模型进行理论分析。[12]

(二)基于复合属性的受害人特征模型

确定BN节点与结构主要通过样本自动学习与借鉴专家经验的方式。通过专家经验确定BN节点与结构，该方法需要模型涉及变量少，变量间关系清楚、逻辑性强；然而不足之处在于过度依赖主观经验，客观性、稳定性不足。通过样本学习建模，该方法需要足够多的样本数据，通过一定算法自动生成BN节点与结构；然而样本中噪声将导致模型规范化能力下降，且不同算法生成的模型亦不同。笔者通过咨询犯罪学、诈骗防治等方面的专家，阅读相关文献，最终确定出基于BN的电信网络诈骗受害人特征模型。模型由“Area”“Type”“Damage”“Gender”“Age”5节点组成(节点注释见表4～表8)。模型确定后，导入数据使各节点自动获取CPT值，从而保证模型预测及分析结论准确有效。将受害人特征集量化后组成训练集D导入该模型进行训练，其中D={d1,d2,…,d240,…,d480}。由此，得出不同地区电信网络诈骗受害人特征模型，如图16所示。

表4 Age节点

表5 Gender节点

表6 Damage节点

表7 Area节点

表8 Type节点

图16 基于复合属性的受害人特征模型

(三)特定人群的精准防治策略

1.华东地区中老年人

图17为华东地区中老年受害者特征模型，在该模型中高达76.4%的受害者皆遭遇了假冒身份类电信网络诈骗，47.9%的受害者受骗金额大于4万元。从另一角度也可以说明，华东地区中老年人有较大可能会因为假冒身份类诈骗而成为受害者，且受害人的受骗金额近半数在4万元以上。因此，针对假冒身份类电信网络诈骗，华东地区有关部门可将预防重点放在中老年群体上。发案前，对此类人群可以有针对性的开展宣传教育工作；发案中，对巨额资金流向可以及时监测。

图17 华东地区中老年受害人特征模型

2.华北地区青壮年女性

图18为华北地区青壮年女性受害者特征模型，在该模型中高达69.6%的受害者皆遭遇了虚假交易投资类电信网络诈骗。换言之，华北地区青壮年女性极易受虚假交易投资类诈骗而成为受害人。因此，针对虚假交易投资类电信网络诈骗，华北地区有关部门可将预防的重点置于华北地区的青壮年女性。华北地区相关部门针对青壮年女性展开反诈宣传时，可重点宣讲虚假交易投资类诈骗。采取如印发相应宣传手册、选取相关典型案例等方式，加大对该区域该类型人群的针对性预防工作。

图18 华北地区受害人特征模型

3.东北地区青壮年男性

图19为东北地区青壮年男性受害者特征模型，在该模型中高达77.7%的受害者皆遭遇了网络贷款类电信网络诈骗。即，近8成东北地区青壮年男性受害者遭遇了网络贷款诈骗。基于此，东北地区有关部门开展反诈宣传工作时，应重点防范青壮年男性群体遭遇网络贷款类诈骗。通过进一步优化宣传对象、宣传内容；公安、银行、电信等部门开展预警和劝导工作等方式，降低该群体的网络贷款类诈骗犯罪的受害率。

图19 东北地区受害人特征模型

4.易造成大额损失的人群

图20与图21为两类易遭受大额损失的人群特征，分别是华东地区在线交友类诈骗青壮年与中老年受害人，在该模型中高达88.6%和90.7%的受害人皆遭遇5万元以上大额损失。因此，华东地区有关部门预防在线交友类诈骗时，对27岁以上男性群体应重点宣传。通过优化宣传内容、开展预警和劝导工作等方式，降低该群体面对网络交友类诈骗的损失，做到及时发现、及时止损。

图20 易造成大额损失的受害人特征模型1

图21 易造成大额损失的受害人特征模型2

五、结语

综上所述，特定的受害人特征的确存在易受骗类型，且不同地区电信网络诈骗受害人特征也有较明显差异。无论是单一地区讨论还是三区域对比分析，对电信网络诈骗受害人特征的分析结果都说明不同诈骗类型的受害人特征存有一定的特征规律，且不同地区的受害人特征也各不相同。在研讨完毕各类型及各地区电信网络诈骗的的受害人特征后，本文提出了针对不同地区电信网络诈骗的防范宣传建议，以期能够降低电信网络诈骗的受害率、减少受害金额。