Nghiên cứu ứng dụng các kỹ thuật khai phá dữ liệu áp dụng trong công tác dự báo tội phạm

Nghiên cứu ứng dụng các kỹ thuật khai phá dữ
liệu áp dụng trong công tác dự báo tội phạm


Lê Thuần Dũng


Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội
Luận văn ThS. Hệ thống thông tin: 60 48 01 04
Người hướng dẫn : PGS. TS. Nguyễn Hà Nam
Năm bảo vệ: 2013
76 tr .

Abstract. Tìm hiểu một số phương pháp phân tích số liệu dựa trên cách tiếp cận học
máy và khai phá dữ liệu. Xây dựng mô hình học máy để phân tích hồ sơ tội phạm
nhằm phân loại, dự đoán và hỗ trợ ra quyết định trong công tác quản lý phạm nhân,
phòng ngừa tội phạm của Bộ Công an. Thực nghiệm và phân tích kết quả bộ dữ liệu hồ
sơ phạm nhân nhằm đưa ra một hệ thống phân tích tự động dựa trên các kỹ thuật học
máy tiên tiến
Keywords. Khai phá dữ liệu; Dự báo tội phạm; Công nghệ thông tin
Content.
Thời gian qua, tình hình tội phạm ở nước ta diễn biến phức tạp, nhất là tội phạm
hình sự, tội phạm ma tuý Dưới sự tác động trực tiếp của mặt trái nền kinh tế thị
trường, xu thế toàn cầu hóa, tội phạm ngày nay đã mang một sắc thái mới, chúng có
tính tổ chức hơn, thủ đoạn phạm tội tinh vi và táo bạo hơn, nhất là trong bối cảnh kinh
tế đang khó khăn hiện nay. Trước tình hình đó, công tác đấu tranh phòng, chống tội
phạm sẽ phức tạp, vất vả hơn và là một nhiệm vụ quan trọng của Đảng, Nhà nước và
toàn xã hội. Vì thế, nâng cao hơn nữa hiệu quả đấu tranh phòng chống tội phạm là một
yêu cầu khách quan, cũng là thách thức lớn đối với toàn xã hội nói chung và các cơ
quan chức năng nói riêng, trong đó lực lượng Công an nhân dân giữ vai trò nòng cốt.
Trong đấu tranh phòng, chống tội phạm, vấn đề phòng ngừa tội phạm có ý

nghĩa rất quan trọng. Với phương châm “phòng bệnh hơn chữa bệnh”, phòng ngừa tội
phạm là một trong những chủ trương lớn của Đảng và Nhà nước trong cuộc đấu tranh
với tội phạm. Chủ trương chủ động phòng ngừa tội phạm ngày càng được nhận thức
sâu sắc và đã được đánh giá đúng vai trò của nó. Điều đó được thể hiện nhất quán
trong các văn kiện của Đảng và hệ thống pháp luật của Nhà nước ta.
Phòng ngừa tội phạm thường được hiểu là hệ thống các biện pháp mà Nhà nước
và xã hội áp dụng nhằm mục đích ngăn ngừa tội phạm và hạn chế, loại trừ những
nguyên nhân sinh ra tội phạm. Trong đó, phòng ngừa cá biệt là một dạng của phòng
ngừa tội phạm. Phòng ngừa cá biệt gồm các biện pháp tác động trực tiếp đối với những
cá nhân có nguy cơ thực hiện tội phạm để ngăn ngừa người này phạm tội. Thực tiễn
đấu tranh phòng chống tội phạm cho thấy, nguy cơ đó có thể xảy ra ở một số người đã
bị kết án phạt tù được trả tự do sau khi mãn hạn tù hoặc được đặc xá.
Vì các nguyên nhân khách quan và chủ quan mà người bị kết án tù sau khi ra tù
còn nhiều trường hợp tái phạm tội. Xét cơ cấu về loại tội phạm, các tội phạm có tỷ lệ
tái phạm tội cao là ma túy, cướp tài sản, lừa đảo chiếm đoạt tài sản, cố ý gây thương
tích. Xét về lứa tuổi, tỷ lệ tái phạm tội cao nhất tập trung ở lứa tuổi từ 18 - 30 chiếm
khoảng 70% [3]. Trong khi đó, mục đích phòng ngừa riêng của hình phạt có đạt được
hay không phụ thuộc trước tiên vào tỷ lệ tái phạm tội của những người đã bị kết án,
trong đó có những người bị kết án tù. Đặt vấn đề phòng ngừa tái phạm tội đối với
người bị kết án tù là xuất phát từ yêu cầu của thực tiễn khách quan. Nhận thức được
tầm quan trọng của việc phòng ngừa tái phạm tội đối với những người bị kết án tù,
Đảng, Nhà nước ta nói chung, Bộ Công an nói riêng đã xác định phải nâng cao chất
lượng công tác giáo dục, cải tạo người phạm tội và tạo điều kiện để họ tái hòa nhập
vào cộng đồng xã hội; đồng thời, tìm hiểu kỹ nguyên nhân của tình hình tái phạm tội
để từ đó có biện pháp phòng ngừa phù hợp. Tình hình đó phần nào đã phản ánh được
yêu cầu cấp bách cần phải quan tâm đúng mức vấn đề phòng ngừa tái phạm tội đối với
người bị kết án tù, đặc biệt là sau khi họ được trả tự do.
Việc nghiên cứu, các thông tin liên quan đến người bị kết án tù đang thi hành án
tại các trại giam (còn gọi là phạm nhân) có ý nghĩa hết sức quan trọng phục vụ cho quá
trình cải tạo, giáo dục phạm nhân cũng như phục vụ công tác phòng ngừa tội phạm.

Tuy nhiên, thực tế tại Bộ Công an chúng tôi chưa thấy đơn vị, cá nhân nào áp dụng các
kỹ thuật khai phá dữ liệu để trích xuất các thông tin hữu ích trong hồ sơ phạm nhân
phục vụ cho công tác quản lý phạm nhân và phòng ngừa tái phạm tội sau này.
Vì vậy, tôi đã chọn đề tài “Nghiên cứu ứng dụng các kỹ thuật khai phá dữ liệu
áp dụng trong công tác dự báo tội phạm” nhằm đi sâu tìm hiểu việc khai phá dữ liệu từ
thông tin đối tượng phạm tội, kết hợp với quá trình cải tạo, giam giữ để xây dựng mô
hình dự đoán khả năng tái phạm của đối tượng sau khi ra tù phục vụ cho công tác quản
lý phạm nhân, phòng ngừa tội phạm.
Luận văn được trình bày gồm các nội dung chính như sau:
MỞ ĐẦU
Chương 1: Trình bày một số vấn đề về tội phạm
Chương 2: Trình bày tổng quan về khai phá dữ liệu, giới thiệu về một số kỹ
thuật khai phá dữ liệu (Mạng nơron, máy véc tơ hỗ trợ, giải thuật di truyền).
Chương 3: Xây dựng mô hình và thực nghiệm. Chương này đề xuất sử dụng
mạng nơron kết hợp giải thuật di truyền xây dựng mô hình học máy để phân tích hồ sơ
tội phạm nhằm phân loại, dự đoán và hỗ trợ ra quyết định trong công tác quản lý phạm
nhân, phòng ngừa tội phạm của Bộ Công an. Đồng thời, mô tả và phân tích những kết
quả mà chúng tôi đã thực nghiệm.
KẾT LUẬN: Tổng kết những kết quả đã đạt được và hướng nghiên cứu tiếp
theo.

TÀI LIỆU THAM KHẢO
Tiếng Việt
[1]. Hồ Trọng Ngũ, Một số vấn đề về dự báo tình hình tội phạm trong thời gian tới,
Tạp chí Cảnh sát phòng chống tội phạm, 12/2010.
[2]. Hà Văn Sang, Nghiên cứu và ứng dụng một số mô hình học máy trong việc hỗ trợ
đánh giá rủi ro tài chính, Luân văn cao học Đại học Công nghệ - ĐHQG Hà Nội,
2009.
[3]. Nguyễn Xuân Yêm, Tội phạm học hiện đại và phòng ngừa tội phạm, Nxb Công an
nhân dân, Hà Nội 2001.

[4]. Trần Phương Nhung, Sử dụng kỹ thuật trích chọn thuộc tính phù hợp để nâng cao
hiệu quả phân lớp dữ liệu, Luận văn tốt nghiệp Đại học Công nghệ - ĐHQG Hà Nội,
2009.
[5]. Võ Khánh Vinh, Giáo trình tội phạm học, Nxb Công an nhân dân, Hà Nội 2011.
Tiếng Anh
[6]. Goldberg D.E, Genetic algorith in search, optimization and machine learning,
Addision – Wesley, Reading, Massachusets 1998.
[7]. Genetic Algorithm:
[8]. Jane P.V, Introduction to support vector machines and applications to
computational biology, July 17, 2001
[9]. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques.
University of Illinois, Morgan Kaufmann Publishers 2002.
[10]. Data mining neural networks with genetic algorithms:
/>e=pdf
[11]. Ian H. Witt, Eibe Frank and Mark A. Hall, Data Mining Practical Machine
Learning Tools and Techniques- 3rd ed, Morgan Kaufmann Publishers is an imprint of
Elsevier 2011.