仝鑫

摘 要：公安传统网络执法手段难以应对日益复杂的网络，急需探索高效灵活的新途径。贝叶斯网络作为机器学习中重要的算法，被广泛应用于人工智能领域。然而，公安网络执法中尚未有相应的应用。论文提出一种新型的贝叶斯网络进行文本感情分析的方法，实现高效率的自动化网络舆情监控，并由此实现了基于犯罪目标求解一条最优的“侦查、渗透、取证”网络执法流程，完成自动化网络犯罪打击。此外，动态贝叶斯网络能够不断根据前驱训练结果和外部因素进行反馈调整，相比静态传统手段在精度和灵活性上都更加契合公安工作的需求。

关键词：公安网络执法；贝叶斯网络；情感分析；舆情监控

中图分类号：393 文献标识码：A

Research on law enforcement means of public security network based on bayesian network

Abstract： The traditional law enforcement means of public security is difficult to deal with the increasingly complicated network， so it is urgent to explore a new way of efficient and flexible. As an important algorithm in machine learning， Bayesian network is widely used in the field of artificial intelligence. However， there is no corresponding application in police network law enforcement. In this paper， a new Bayesian network for text affective analysis is proposed， which realizes an efficient automatic network monitoring of public opinion， and thus realizes an optimal "investigation， infiltration， forensics" Network law enforcement process based on the crime target to complete the automatic cybercrime attack. In addition， the dynamic Bayesian network can continuously adjust the feedback according to the result of the precursor training and external factors， which is more consistent with the demand of the public security work than the static traditional method in accuracy and flexibility.

Key words： network security law enforcement； bayesian network； sentiment analysis； public opinion monitoring

1 引言

随着计算机科学及互联网的发展，利用计算机网络的犯罪行为呈现出多样化发展的态势，这给公安网络执法带来了新的挑战。一方面，网络安全是国家的一项重要的战略任务，而大部分机构依靠聘请第三方完成安全需求，增加了不可靠性和泄密风险。另一方面，在网络安全执法工作中，实施人员会使用到众多零散的工具，很难构建完整的渗透测试体系，这给公安网络警察带来了巨大的专业压力。此外，互联网的开放性使得获取各种“黑客”学习资源轻而易举，而对于网络安全的侦查取证和打击需要大量的时间精力，可谓“易攻难守”，使本来就匮乏的警力更加难以招架。

无论是网络安全还是人工智能领域，都有成熟的理论体系。……