بخشی از مقاله
چکیده
قاچاق مواد مخدر، یکی از بزرگترین معضلات کشور بخصوص در مناطق مرزی کشور بوده و خواسته و یا ناخواسته خانواده های مختلفی را درگیر خود ساخته است. با رشد فناوری اطلاعات در سازمان ها چه دولتی و چه پلیسی، می توان با استفاده از داده کاوی در حجم انبوه از داده ها، مدل های موجود جرائم را کشف نموده و برای جلوگیری از جرم تصمیمات مهم و حیاتی اتخاذ نماید. در جرائم مرتبط با مواد مخدر، بکارگیری شیوه های نوین همچون داده کاوی جهت شناسایی افراد مستعد به قاچاق مواد مخدر، می تواند کمک شایانی به کشف و پیشگیری از وقوع جرائم در این حوزه نماید.
این مقاله بر پایه مطالعات و تحقیقات مختلف به شناسایی عوامل موثر در شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان پرداخته است. و پیشنهاد ارزیابی دقیق آن را به منظور با استفاده از تکنیک های داده کاوی خواهد داد. استفاده از الگوهای پنهان موجود در داده ها، می تواند کمک شایانی به پلیس و دستگاه های قضایی را در کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.
مقدمه
قاچاق عبارت است از هر جنس و یا کالایی که ورود یا معامله آن به داخل یک کشور از طرف دولت ممنوع می باشد و نگهداری و حمل آن در قانون جرم تلقی شده و مشمول مجازات می باشد. وقتی نام قاچاق به زبان آورده می شود بلافاصله شهرها و روستا ها و استان های مرزی در ذهن انسان تداعی می شود. استان هایی که بیشترین مرز مشترک را با دو کشور بی ثبات منطقه بخصوص - افغانستان - پاکستان - دارند. استان سیستان و بلوچستان 1210 کیلومتر مرز خاکی با دو کشور افغانستان و پاکستان و 370 کیلومتر مرز آبی در کرانه های شمالی دریای عمان دارد. مرزهای وسیع وگسترده این استان بستر قاچاق مواد مختلف از جمله قاچاق کالا ، قاچاق سوخت ، قاچاق مواد مخدر گردیده است.
مواد مخدر - Narcotic - شامل هر چیزی است که مصرف آن باعث دگرگونی حالت های هوشیاری و عملکرد غیر عادی مغز انسان می گردد؛ و چنانچه اقدامی برای پیشگیری آن صورت نگیرد، عوارض آن تا آخر عمر در بدن انسان خواهد ماند . استان سیستان و بلوچستان به دلیل موقعیت جغرافیایی و نزدیک بودن به دو کشور تولید کننده مواد مخدر، یکی از مراکز ترانزیت قاچاق این بلای خانمان سوز می باشد. به طوریکه فقط سالانه حدود 120 تن مواد در این استان کشف شده و تعداد مجرمان این حوزه تقریبا 4000 نفر می باشد. از آنجایی که مطالعات نشان داده است بسیاری از افراد ناخواسته و یا فقط جهت امرار معاش و یا از روی کنجکاوی طعمه این سودای مرگ آور می گردند؛ لذا یکی از روش های مورد استفاده جهت رفع این معضل اجتماعی شناسایی افراد مستعد به فعالیت در این حوزه می باشد. تصمیمات بین المللی زیادی در خصوص مبارزه با مواد مخدر اخذ شده است.
- کیگان همیلتون، - 2016، و استفاده از داده کاوی در پیشگیری از این نوع جرم نیز توصیه گردیده است - مجله بین المللی تحقیقات پیشرفته در علوم، فنی و مهندسی جلد2 ، شماره 8، اوت . - 2015 پیش بینی وقوع جرم از طریق داده کاوی یکی از موضوعات پرکاربرد در عرصه کشف جرائم می باشد؛ و در فصل سوم "داده کاوی برای مبارزه با تروریسم"، داده کاوی در حال تبدیل شدن به یک ابزار مفید برای جلوگیری از قاچاق است. با رشد عظیم تکنولوژی در سازمان های پلیسی، می توان از میان حجم انبوه داده ها و بانک های اطلاعاتی موجود و استفاده از ابزارها و الگوریتم های داده کاوی، ماهیت پیچیده داده های مرتبط با انواع قاچاق و کشف آن را مدل نموده و الگوریتم های شناسایی و کشف آن را پیش بینی نمود و برای جلوگیری از بزه یا جرم تصمیمات مهم و حیاتی اتخاذ نمود - کاظمی و حسین پور
، . - 1388 استفاده از تکنولوژی های جدید نظیر فناوری اطلاعات و به کارگیری شیوه های نوینی همچون داده کاوی، جهت شناسایی افراد مستعد به قاچاق مواد مخدر می تواند کمک شایانی به کشف و پیشگیری از وقوع جرائم این حوزه نماید. علی رغم تمام مزایای ذکر شده وگسترش روز افزون فناوری اطلاعات وارتباطات و استفاده از الگوریتم های متعدد در بحث داده کاوی وکشف جرائم و توان پیشگیری از انواع قاچاق در این زمینه هنوز این شکل از فناوری مورد قبول سازمان های پلیسی وسازمان های دولتی واقع نگردیده است؛ و فقدان مطالعات عمیق در این زمینه مشهود می باشد. به همین منظور این تحقیق سعی می نماید با استفاده از تکنیک های داده کاوی، عوامل موثر بر گرایش مجرمان به قاچاق مواد مخدر را شناسایی نماید؛ و بر اساس آن یک مدل جهت شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان پیشنهاد نماید.
پیشینه تحقیق
پیش بینی وقوع جرم از طریق داده کاوی یکی از موضوعات پرکاربرد در عرصه کشف جرائم از میان بزه و افراد مجرم می باشد اکنون با رشد عظیم تکنولوژی در سازمان ها چه دولتی و چه پلیسی می توان حجم انبوه از داده را یافته و با استفاده از داده کاوی مدل های موجود جرائم را کشف نمود. با استفاده ار ارزیابی داده ها می توان برای جلوگیری از بزه یا جرم، تصمیمات مهم و حیاتی اتخاذ نمود . در ادامه به برخی از مطالعات گذشته که در خصوص جرائم صورت گرفته اشاره می گردد .
کاظمی و حسین پور - 1388 - ، به منظور شناسایی الگوهای جرم و کشف جرایم ار داده کاوی در سازمان های پلیسی و قضایی، با بکار گیری بانک های اطلاعاتی موجود و استفاده از ابزار ها و الگوریتم های داده کاوی توانستد ماهیت پیچیده داده های مرتبط با جرم و بزه کاری و روابط نامحسوس میان این داده ها را مدل کرده و الگو های جرم را شناسایی و کشف کند. از این طریق پلیس می تواند وقوع جرم را پیش بینی کرده و با کنترل دقیق تر نیرو ها و آرایش نظامی آنان در منطقه جرم، از وقوع جرایم پیشگیری کند - کاظمی و حسین پور، - 1388در مطالعه ای کیوان پور و همکاران 1388 - - ، با بهره گیری از روش های هوش مصنوعی و داده کاوی و تحلیل رایانه ای جرم موفق به کشف پیشدستان جرم گردیدند. در این تحقیق، کشف پیشدستانه جرم با استفاده از شبکه های عصبی مورد بررسی قرار گرفت. در واقع تحلیل رفتار مجرم در حین ارتکاب جرم به عنوان کلید اصلی فرایند کشف و انتصاب جرم در این تحقیق شمرده شده است.
علاوه بر این، احمدوند و همکاران 1389 - - ، در تحقیقی با عنوان چارچوب کاربرد های تکنیک های داده کاوی در مدل سازی جرایم، مطالعه ای از تکنیک داده کاوی در مسائل مرتبط با پلیس در حوزه های مختلف همچون شناسایی جرایم، پیش بینی جرایم، و پیش گیری از جرائم استفاده نمودند و یک چارچوب کاربردی بر این اساس ارائه گردند - احمدوند و آخوندزاده، . - 1394 داده کاوی در شناسایی و کشف الگوهای پنهان جرم سرقت، توسط اسکندری و همکاران - 1391 - مورد استفاده قرار گرفت. با به کارگیری بانک های اطلاعاتی جرائم موجود و استفاده از ابزار ها و الگوریتم های داده کاوی مدلی ارائه گردید تا بتوان جرم را شناسایی و کشف نمود تا از این طریق از وقوع جرایم پیشگیری گردد.
- اسکندری و همکاران، . - 1391در همین زمینه مطالعات دیگری با داده کاوی از بانک های اطلاعاتی موجود، روابط بین داده های پیچیده مرتبط با جرم و بزهکاری را شناسایی کرده است - عزیزاده کوپایی، - 1392 - رحمتی و اکبرپور ، . - 1393 ابراهیمی و همکاران - - 1394، به منظور جامعیت بخشی به مجموعه داده جرائم و پیش بینی و شناسایی جرائم با استفاده از تکنیک داده کاوی به تحلیل و بررسی اطلاعات گرد آوری شده جرائم و بانک های اطلاعاتی موجود پرداختند. آنها روابط نامحسوس میان داده ها را مدل کرده و الگوهای جرم را شناسایی، کشف و با استفاده از الگوریتم های طبقه بندی، مدل بهینه ای برای پیش بینی ویژگی های جرائم ارتکابی آینده ارائه نمودند. در تحقیق ذکر شده از الگوریتم های خوشه بندی در شناسایی نوع جرم روی مجموعه داده های گرد آوری شده استفاده گردید - آقایی و همکاران، . - 1394
به منظور کشف جرم و شناسایی مجرم با استفاده از تکنیک داده کاوی، در دانشگاه فنی گاندی کشور هند در سال 2015 روشی برای کشف جرم با استفاده از خوشه بندی میانگین K مورد تجزیه و تحلیل قرار گرفت. در این روش، دو خوشه جرم بر اساس ویژگی های جرم مشابه تولید شده و شناسایی و پیش گویی مجرم با استفاده از دسته بندی KNN مورد تجزیه و تحلیل قرار می گیرد. در این شیوه، تجزیه و تحلیل نتایج با استفاده از WEKA کمک شایانی در کشف و شناسایی مجرمین و کاهش نرخ جرم نموده است - Kumar et al, 2015 - .صمیری و عباس نژاد - 1394 - ، تحلیل جرم را که عبارت بود از به کارگیری شیوه های نظامند جهت شناسایی، کشف و پیش بینی جرایم را ارائه نمود. در این مطالعه استفاده از ابزارهای الگوریتم داده کاوی، داده های مرتبط با جرم و بزهکاری و روابط میان این داده ها را مدل کرده و الگوها را شناسایی نموده تا بدین وسیله نیروی پلیس بتواند وقوع جرم را پیش بینی و در نهایت، پیش گیری نماید - صمیری و عباس نژاد، . - 1394
