基于Apriori算法的ICO經(jīng)濟(jì)犯罪特征提取與關(guān)聯(lián)分析

陳祚松，左黎明，夏萍萍

（1.華東交通大學(xué)，江西 南昌 330013；2.江西省經(jīng)濟(jì)犯罪偵查與防控技術(shù)協(xié)同創(chuàng)新中心，江西 南昌 330103；3.華東交通大學(xué)，江西 南昌 330013）

首次代幣公開銷售 （Initial Coin Offering,ICO）,是指在區(qū)塊鏈領(lǐng)域開發(fā)的項(xiàng)目，通過發(fā)行新的加密貨幣來募集資金的行為。[1]作為一個(gè)新興事物，Pilkington M從金融和監(jiān)管的角度對(duì)ICO的前景進(jìn)行了分析，[2]認(rèn)為ICO為區(qū)塊鏈初創(chuàng)企業(yè)融資帶來了便利，還為全球金融環(huán)境的轉(zhuǎn)型也提供了動(dòng)力，但如果監(jiān)管不當(dāng)?shù)脑挊O易成為一種新型經(jīng)濟(jì)犯罪手段。例如，2015年3月19日，徐州市公安局成功破獲了公安部督辦涉案金額15億余元的 “暗黑幣”傳銷案件，抓獲犯罪嫌疑人7人。[3]2016年3月5日，湖南警方破獲“萬福幣”特大網(wǎng)絡(luò)傳銷案，涉案金額近20億元。[4]2017年9月8日，湖南株洲縣人民法院宣判一起涉案金額達(dá)16億余元的特大“維卡幣”網(wǎng)絡(luò)傳銷案，分別判處35名被告人緩刑至有期徒刑七年不等的刑罰，并處1萬元至500萬元不等的罰金。[5]這種ICO經(jīng)濟(jì)犯罪行為不僅嚴(yán)重影響群眾的正常生活秩序和財(cái)產(chǎn)安全，還危害到國家安全和政治穩(wěn)定。對(duì)此，2017年9月4日，中國人民銀行等七部委聯(lián)合發(fā)布了《關(guān)于防范代幣發(fā)行融資風(fēng)險(xiǎn)公告》，明確ICO為“非法公開融資行為，涉嫌非法發(fā)售代幣票券、非法發(fā)行證券以及非法集資、金融詐騙、傳銷等違法犯罪活動(dòng)”，并責(zé)令停止各類代幣發(fā)行融資活動(dòng)。[6]但是，尹振濤綜合了美國、[7]英國和新加坡以及其他六個(gè)具有代表性的國家對(duì)ICO的監(jiān)管態(tài)度，對(duì)于“技術(shù)無罪”和“技術(shù)中性”的觀念被普遍認(rèn)可，對(duì)區(qū)塊鏈等新型金融科技技術(shù)手段予以支持，并認(rèn)為ICO是各自提升金融市場(chǎng)競(jìng)爭(zhēng)力的重點(diǎn)方向。鄧建鵬則從風(fēng)險(xiǎn)防范與監(jiān)管的角度出發(fā)，[8]認(rèn)為監(jiān)管者應(yīng)該對(duì)ICO眾籌平臺(tái)提出相應(yīng)的制度要求，對(duì)上線代幣擬定相應(yīng)標(biāo)準(zhǔn)，對(duì)上線交易的代幣市場(chǎng)前景進(jìn)行一定的審核，避免出現(xiàn)毫無實(shí)質(zhì)內(nèi)容的代幣投機(jī)炒作或一些經(jīng)濟(jì)犯罪的項(xiàng)目，從而促進(jìn)整個(gè)區(qū)塊鏈創(chuàng)業(yè)行業(yè)的健康發(fā)展。因此ICO經(jīng)濟(jì)犯罪特征的研究對(duì)于ICO項(xiàng)目的管控具有重要的意義，有助于監(jiān)管部門以積極主動(dòng)的方式面對(duì)ICO監(jiān)管工作。本文對(duì)ICO經(jīng)濟(jì)犯罪特征進(jìn)行了劃分，并收集了ICO經(jīng)濟(jì)犯罪數(shù)據(jù)集，采用關(guān)聯(lián)規(guī)則挖掘中的Apriori算法對(duì)數(shù)據(jù)集進(jìn)行特征關(guān)聯(lián)分析，從中提取出關(guān)鍵特征作為ICO經(jīng)濟(jì)犯罪評(píng)判標(biāo)準(zhǔn)，并通過實(shí)證分析對(duì)提取的關(guān)鍵特征進(jìn)行了檢驗(yàn)。

一、相關(guān)基礎(chǔ)

（一）基本概念

1.支持度（Support）:指所有事務(wù)中，A和B同時(shí)出現(xiàn)的次數(shù)與總的事務(wù)的比例。其計(jì)算公式如下所示：

2.置信度（Confidendce）：包含 A 的事務(wù)中，同時(shí)也包含B的事務(wù)所占的比例。其計(jì)算公式如下所示：

3.強(qiáng)關(guān)聯(lián)規(guī)則：同時(shí)滿足最小支持度閾值和最小置信度閾值的規(guī)則稱為強(qiáng)規(guī)則。其中最小支持度指用來衡量支持度的一個(gè)閾值，表示項(xiàng)目集在統(tǒng)計(jì)意義上的最低重要性；最小置信度是指用來衡量置信度的一個(gè)閾值，表示關(guān)聯(lián)規(guī)則的最低可靠性。

（二）Apriori算法

1.算法簡(jiǎn)介

Apriori算法是由AgrawalR等提出的,是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，[9]其核心思想是通過候選集生成和情節(jié)的向下封閉檢測(cè)兩個(gè)階段來挖掘頻繁項(xiàng)集,具體算法描述和相關(guān)分析推導(dǎo)可以參考文獻(xiàn)。[10-12]

2.算法步驟[13]

Apriori算法的具體由以下七步組成:

（1）掃描全部數(shù)據(jù)，產(chǎn)生候選1-項(xiàng)集的集合C1。

（2）根據(jù)最小支持度，由候選1-項(xiàng)集的集合C1產(chǎn)生頻繁1-項(xiàng)集的集合L1。

（3）對(duì) k>1，重復(fù)執(zhí)行步驟 4、5、6。

（4）有Lk執(zhí)行連接和剪枝操作，產(chǎn)生候選（k+1）-項(xiàng)集的集合Ck+1。

（5）根據(jù)最小支持度，由候選（k+1）-項(xiàng)集的集合Ck+1，產(chǎn)生頻繁（k+1）-項(xiàng)集的集合 Lk+1。

（7）根據(jù)最小置信度，由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，結(jié)束。

二、關(guān)鍵問題研究

（一）特征劃分

ICO經(jīng)濟(jì)犯罪特征的有效劃分是其實(shí)施關(guān)聯(lián)規(guī)則分析的前提條件，而特征的真實(shí)性和準(zhǔn)確性是得到強(qiáng)關(guān)聯(lián)規(guī)則的有力保障。因此，本研究中對(duì)于ICO經(jīng)濟(jì)犯罪的特征劃分是從ICO的本質(zhì)和公安部已經(jīng)破獲的涉及傳銷或非法集資的經(jīng)濟(jì)犯罪的ICO案例出發(fā)，進(jìn)行了詳細(xì)的分析和總結(jié)后劃分了11個(gè)特征，分別為：非去中心化、非開源、沒有白皮書、官網(wǎng)非基于HTTPS協(xié)議、過度炒作、成立公司、自建交易平臺(tái)、存在運(yùn)行產(chǎn)品、繳納入會(huì)費(fèi)、有高收益承諾和發(fā)展下線獎(jiǎng)勵(lì)。

對(duì)于非去中心化、非開源、沒有白皮書和官網(wǎng)非基于HTTPS協(xié)議的ICO經(jīng)濟(jì)犯罪特征是根據(jù)可靠ICO項(xiàng)目本質(zhì)特征分析后劃分的。ICO是指在區(qū)塊鏈領(lǐng)域開發(fā)的項(xiàng)目，通過發(fā)行新的加密貨幣來募集資金的行為，其核心是開發(fā)區(qū)塊鏈項(xiàng)目，那么其應(yīng)當(dāng)具有正規(guī)區(qū)塊鏈項(xiàng)目中的若干特征。首先，區(qū)塊鏈的本質(zhì)是一個(gè)去中心化的數(shù)據(jù)庫,[14]所以去中心化是區(qū)塊鏈應(yīng)用的一個(gè)核心思想。其次，一個(gè)好的區(qū)塊鏈項(xiàng)目都會(huì)有完善的白皮書來對(duì)項(xiàng)目的各個(gè)方面進(jìn)行細(xì)致介紹。再者，一般的區(qū)塊鏈項(xiàng)目代碼都是開源的，通過 GitHub、SourceForge、Bitbucket和 Google Code 等世界上流行的代碼托管網(wǎng)站進(jìn)行源代碼管理。另一方面，為了保證項(xiàng)目參與者的信息安全和項(xiàng)目本身的安全，一般區(qū)塊鏈項(xiàng)目官網(wǎng)都是基于可進(jìn)行加密傳輸、身份認(rèn)證的HTTPS網(wǎng)絡(luò)安全交互協(xié)議。所以當(dāng)ICO項(xiàng)目不具有這4個(gè)屬性時(shí)，其極有可能是一個(gè)涉經(jīng)濟(jì)犯罪的ICO項(xiàng)目。

ICO經(jīng)濟(jì)犯罪特征中的繳納入會(huì)費(fèi)和發(fā)展下線獎(jiǎng)勵(lì)是根據(jù)國務(wù)院《禁止傳銷條例》第7條傳銷行為判定規(guī)則進(jìn)行劃分的。繳納入會(huì)費(fèi)是指組織或者經(jīng)營者要求發(fā)展人員繳納費(fèi)用來取得加入的資格；發(fā)展下線獎(jiǎng)勵(lì)是指組織或者經(jīng)營者對(duì)于發(fā)展人員發(fā)展其他人員加入，形成上下線關(guān)系，并以下線的銷售業(yè)績(jī)?yōu)橐罁?jù)計(jì)算和給付上線報(bào)酬。在非法集資類經(jīng)濟(jì)犯罪中蘇永樂指出不法分子經(jīng)常通過高收益承諾和編造“天上掉餡餅”故事的方式進(jìn)行誘騙投資，所以當(dāng)ICO項(xiàng)目具有高收益承諾時(shí)，[15]其很有可能是一個(gè)涉經(jīng)濟(jì)犯罪的ICO項(xiàng)目。

對(duì)于過度炒作、成立公司、自建交易平臺(tái)和存在運(yùn)行產(chǎn)品的ICO經(jīng)濟(jì)犯罪特征是通過對(duì)公安部已經(jīng)破獲的涉及傳銷的經(jīng)濟(jì)犯罪案例進(jìn)行詳細(xì)特性分析后劃分的。以典型的ICO經(jīng)濟(jì)犯罪項(xiàng)目萬福幣為例[4]其具有過度炒作、成立公司、自建交易平臺(tái)和存在運(yùn)行產(chǎn)品等特征。對(duì)于過度炒作，劉某頂著美國兆銀基金總裁、全球未來城集團(tuán)總裁、美國加州原副州務(wù)卿和兩任美國總統(tǒng)的特別顧問等虛假頭銜通過網(wǎng)站和公眾號(hào)方式進(jìn)行虛假宣傳，同時(shí)在萬福幣的各類宣傳視頻中頻頻出現(xiàn)“對(duì)接比特幣”、“在人民大會(huì)堂召開全球未來財(cái)富領(lǐng)袖峰會(huì)”、“一定讓所有投資人賺到錢”等虛假吸睛許諾。在成立公司和自建交易平臺(tái)方面，劉某先后指使他人在國內(nèi)注冊(cè)登記了13家無辦公場(chǎng)所、無辦公人員、無經(jīng)營項(xiàng)目的“三無公司”，并在獲得公司對(duì)公賬戶后，直接在公司平臺(tái)向會(huì)員收取傳銷資金。在存在運(yùn)行產(chǎn)品方面，萬福幣規(guī)定交入會(huì)費(fèi)3000人民幣，即送一套價(jià)值3000元人民幣的美國未來城優(yōu)質(zhì)保健產(chǎn)品，具有存在運(yùn)行的產(chǎn)品。

綜上分析，最終對(duì)ICO經(jīng)濟(jì)犯罪的特征劃分結(jié)果如表1所示。

表1 ICO經(jīng)濟(jì)犯罪特征符號(hào)說明

（二）數(shù)據(jù)準(zhǔn)備

1.數(shù)據(jù)收集

數(shù)據(jù)挖掘（Data Mining，簡(jiǎn)稱DM）是通過仔細(xì)分析大量數(shù)據(jù)來揭示有意義的關(guān)系、趨勢(shì)和模式的過程。[16]而數(shù)據(jù)則是實(shí)現(xiàn)這些目標(biāo)的基礎(chǔ)，并且理論上數(shù)據(jù)量越大，挖掘出的結(jié)果就越好，但是這會(huì)給數(shù)據(jù)采集帶來很大的困難，并在實(shí)際中難以操作。[17]因此,為保證ICO經(jīng)濟(jì)犯罪特征關(guān)聯(lián)分析的效果和數(shù)據(jù)的真實(shí)性，本文根據(jù)2.1節(jié)劃分好的11個(gè)ICO經(jīng)濟(jì)犯罪特征和2017年最新曝光的傳銷組織名單收集了150個(gè)ICO項(xiàng)目數(shù)據(jù)作為關(guān)聯(lián)分析的數(shù)據(jù)集。[18]

2.數(shù)據(jù)預(yù)處理

由于收集的ICO經(jīng)濟(jì)犯罪特征數(shù)據(jù)集中各特征的數(shù)據(jù)形式、格式等不同，需要對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理后才能進(jìn)行關(guān)聯(lián)性分析。為了的到格式統(tǒng)一且符合Apriori算法分析的數(shù)據(jù)集，分別通過以下方式對(duì)數(shù)據(jù)進(jìn)行預(yù)處理：

（1）數(shù)據(jù)清洗指通過填補(bǔ)遺漏的數(shù)據(jù)值、識(shí)別或去除異常值等方式來解決數(shù)據(jù)不一致問題。[19]本研究中，在ICO經(jīng)濟(jì)犯罪特征數(shù)據(jù)集中對(duì)于空值屬性大于兩個(gè)的采用刪除法直接忽略該條記錄，對(duì)于個(gè)別屬性值的遺漏根據(jù)實(shí)際情況分別采用手工填補(bǔ)和利用缺省值方法來完善。

（2）數(shù)據(jù)集成就是將來自多個(gè)數(shù)據(jù)源（如文件、數(shù)據(jù)庫等）數(shù)據(jù)合并到一起，從而達(dá)到數(shù)據(jù)存儲(chǔ)的統(tǒng)一。[19]本研究中，收集的數(shù)據(jù)總共通過兩種方式存儲(chǔ)：一是Excel文件保存數(shù)據(jù)，二是使用數(shù)據(jù)庫存儲(chǔ)爬蟲軟件采集的網(wǎng)頁數(shù)據(jù)。為了數(shù)據(jù)的后續(xù)的統(tǒng)一處理，最終選擇將Excel存儲(chǔ)的數(shù)據(jù)統(tǒng)一導(dǎo)入到數(shù)據(jù)庫表中，提供唯一的數(shù)據(jù)集存儲(chǔ)方式。

（3）數(shù)據(jù)轉(zhuǎn)換是對(duì)數(shù)據(jù)進(jìn)行規(guī)格化操作。[19]本研究中,采用語義轉(zhuǎn)換的方法將ICO經(jīng)濟(jì)犯罪特征中值為“是”的用“1”代替，值為“否”的用“0”代替；采用連續(xù)數(shù)據(jù)離散化的方式將對(duì)于ICO項(xiàng)目在國內(nèi)外平臺(tái)上線交易平臺(tái)數(shù)進(jìn)行了分段，才用以中值為標(biāo)準(zhǔn)，對(duì)于大于等于中值的歸為積極在國內(nèi)外交易平臺(tái)上線交易，而對(duì)于小于中值的歸為非積極在國內(nèi)外交易平臺(tái)上線交易。

通過以上三種方式進(jìn)行數(shù)據(jù)預(yù)處理后，可以得到如表2所示的標(biāo)準(zhǔn)數(shù)據(jù)集，并將該數(shù)據(jù)集用于ICO經(jīng)濟(jì)犯罪的特征關(guān)聯(lián)分析。

表2 ICO經(jīng)濟(jì)犯罪特征部分?jǐn)?shù)據(jù)

（三）Apriori算法應(yīng)用與結(jié)果分析

1.Apriori算法應(yīng)用

以2.2.2節(jié)數(shù)據(jù)預(yù)處理后得到的標(biāo)準(zhǔn)數(shù)據(jù)集為輸入，并設(shè)置最小支持度為0.25，最小置信度為0.75，然后用使用MathlabR2010b中的Apriori關(guān)聯(lián)分析算法進(jìn)行分析，其部分核心代碼如下：

2.結(jié)果分析

通過Apriori算法對(duì)ICO經(jīng)濟(jì)犯罪特征數(shù)據(jù)集進(jìn)行關(guān)聯(lián)規(guī)則分析后總共生成了1708條強(qiáng)關(guān)聯(lián)規(guī)則,其部分關(guān)聯(lián)規(guī)則結(jié)果如表1～3所示。

（1）從表3的單因子強(qiáng)關(guān)聯(lián)規(guī)則可知，官網(wǎng)非基于HTTPS協(xié)議與發(fā)展下線獎(jiǎng)勵(lì)、非開源與沒有白皮書、高收益許諾與過度炒作、繳納入會(huì)費(fèi)與高收益許諾、高收益許諾與繳納入會(huì)費(fèi)、都存在強(qiáng)關(guān)聯(lián)規(guī)則等都存在強(qiáng)關(guān)聯(lián)規(guī)則。

表3 單因子強(qiáng)關(guān)聯(lián)部分結(jié)果

（2）從表4的雙強(qiáng)關(guān)聯(lián)規(guī)則可知，當(dāng)ICO項(xiàng)目具有發(fā)展下線獎(jiǎng)勵(lì)、繳納入會(huì)費(fèi)和有高收益承諾等法律上認(rèn)定傳銷犯罪的特征時(shí)其同時(shí)擁有過度炒作、沒有白皮書、非開源、官網(wǎng)非基于HTTPS協(xié)議等特征的關(guān)聯(lián)性較大。

表4 雙因子強(qiáng)關(guān)聯(lián)規(guī)則部分結(jié)果

（3）從表5的多因子強(qiáng)關(guān)聯(lián)規(guī)則可知，沒有白皮書、非開源、官網(wǎng)非基于HTTPS協(xié)議、過度炒作、發(fā)展下線獎(jiǎng)勵(lì)、繳納入會(huì)費(fèi)、有高收益承諾之間均存在強(qiáng)關(guān)聯(lián)規(guī)則。

表5 多因子強(qiáng)關(guān)聯(lián)規(guī)則部分結(jié)果

綜合以上關(guān)聯(lián)結(jié)果分析，可知當(dāng)ICO項(xiàng)目具有非開源、沒有白皮書、官網(wǎng)非基于HTTPS協(xié)議、過度炒作、發(fā)展下線獎(jiǎng)勵(lì)、繳納入會(huì)費(fèi)和有高收益承諾特征時(shí)，其為經(jīng)濟(jì)犯罪項(xiàng)目的可能性非常大。

3.實(shí)證分析

如圖1、圖2所示，根據(jù)Apriori關(guān)聯(lián)分析算法提取出的七個(gè)經(jīng)濟(jì)犯罪特征為標(biāo)準(zhǔn)，對(duì)30個(gè)已經(jīng)國家定性為經(jīng)濟(jì)犯罪的ICO項(xiàng)目進(jìn)行的屬性診斷。從圖中可知，完全符合該特征的ICO項(xiàng)目占66.7%，符合其中6個(gè)特征的ICO項(xiàng)目占90%，符合其中5個(gè)特征的ICO項(xiàng)目占100%。并且符合任意一個(gè)類罪特征的ICO項(xiàng)目占83.33%。從該結(jié)果可知，通過Apriori關(guān)聯(lián)分析算法提取出的ICO經(jīng)濟(jì)類罪特征具有較好的判斷效果。

圖1 特征診斷結(jié)果

圖2 實(shí)證分析結(jié)果

本文從ICO本質(zhì)和公安部已經(jīng)破獲的涉及傳銷或非法集資的ICO經(jīng)濟(jì)犯罪案例出發(fā)，通過細(xì)致的分析與總結(jié)后劃分了11個(gè)ICO經(jīng)濟(jì)犯罪特征。然后以這11個(gè)特征為標(biāo)準(zhǔn)收集了120個(gè)國家已經(jīng)定性為非法傳銷的ICO項(xiàng)目數(shù)據(jù)，通過數(shù)據(jù)預(yù)處理后到了可用于數(shù)據(jù)挖掘的標(biāo)準(zhǔn)數(shù)據(jù)集，并使用APriori關(guān)聯(lián)分析算法對(duì)該數(shù)據(jù)集進(jìn)行了關(guān)聯(lián)分析，從中提取了7個(gè)ICO經(jīng)濟(jì)犯罪特征，以這7個(gè)特征為標(biāo)準(zhǔn)對(duì)30個(gè)ICO經(jīng)濟(jì)犯罪項(xiàng)目進(jìn)行了實(shí)證分析，結(jié)果表明提取出的7個(gè)特征在ICO項(xiàng)目是否為經(jīng)濟(jì)犯罪的評(píng)判中具有很好的參考價(jià)值。