Extraction d'un réseau social criminel par transformation d'un graphe d'enquête multivarié
Langue
FR
Communication dans un congrès
Ce document a été publié dans
Extraction d'un réseau social criminel par transformation d'un graphe d'enquête multivarié, Extraction et Gestion des Connaissances (EGC) 2023, 2023-01-17, Lyon. 2023-01, vol. RNTI-E-39, p. 151-162
Revue des Nouvelles Technologies de l'Information (RNTI)
Résumé
L'analyse des réseaux sociaux que constituent les organisations criminelles permet de capitaliser des connaissances sur leurs structures pour faciliter la détection de leurs acteurs essentiels. Cependant, les actes d'enquêtes ...Lire la suite >
L'analyse des réseaux sociaux que constituent les organisations criminelles permet de capitaliser des connaissances sur leurs structures pour faciliter la détection de leurs acteurs essentiels. Cependant, les actes d'enquêtes établissent des liens de différentes natures (par ex. géolocalisation, propriété) entre différents types d'entités (par ex. personnes, lieux, véhicules). Ainsi se pose le défi d'extraire du graphe d'enquête multivarié un réseau social en considérant l'ensemble des informations à disposition. Il sera alors possible d'effectuer des analyses structurelles basées sur les mesures de centralité, appuyant l'identification des acteurs clés du réseau. Cet article propose une méthode d'extraction d'un réseau social à partir d'un tel graphe multivarié, les variables attachées aux sommets et arêtes du graphe multivarié étant prises en compte pour quantifier la vraisemblance des liens induits dans le réseau social.< Réduire
Résumé en anglais
Analysis of social networks constituted by criminal organizations can capitalize on knowl-edge about their structures to facilitate the detection of their key actors. However, investigativeacts establish links of different ...Lire la suite >
Analysis of social networks constituted by criminal organizations can capitalize on knowl-edge about their structures to facilitate the detection of their key actors. However, investigativeacts establish links of different natures (e.g., geolocation, ownership) between different typesof entities (e.g., people, places, vehicles). Thus arises the challenge of extracting the socialnetwork from the multivariate investigation graph by considering all available information. Itis then be possible to perform structural analyses based on centrality measures, supporting theidentification of key actors in the network. This paper proposes a method for extracting a socialnetwork from such a multivariate graph, the variables attached to the nodes and edges of themultivariate graph being taken into account to quantify the likelihood of the links induced inthe social network.< Réduire
Unités de recherche