herbertmoroni/cdr-bridge-analyzer

# 概述 这是一款取证链路分析工具，利用图论和统计检验，寻找连接不同通话网络的隐藏号码。 链路分析是调查人员使用的真实技术。它分析谁与谁通话，并寻找人与人之间的隐藏联系。 我的工具可以接收任何通话记录文件——任何数据集，而不仅仅是某一个特定文件——并自动执行三项操作。 - 首先，它构建一个图。每个电话号码是一个节点。每次通话是一个连接。 - 其次，它自动在该图中查找独立的网络。无需人工干预。 - 第三，它寻找连接两个或多个网络的号码。我将这些称为“桥梁”号码。它们是乍看之下互不相干的群体之间的隐藏链接。 对于每个桥梁号码，该工具还会进行额外检查：该号码在切换到新联系人后，是否会更快地拨打电话？这种模式可能是在不同群体间传递信息的迹象。  ## 工作原理 1. 根据 CDR 构建通话图（号码 = 节点，通话 = 边，以每对号码间的通话次数作为权重）。 2. 运行社区发现算法（Louvain）自动发现独立的通话网络——无需事先手动识别“核心”号码。 3. 标记**桥梁**：即作为图割点（移除后会使网络分裂）的号码，*并且*其联系人大部分位于其所属社区之外。核心节点也是割点，但它们的联系人大部分留在自己的社区内，因此这种同社区百分比是区分两者的关键。分界点不是固定的——而是根据每个数据集中连续同社区百分比之间的最大差距来设定的。如果该差距低于 20 个百分点，报告中会出现警告，这意味着该数据集中的分裂特征较弱。结果按中介中心性排序。 4. 对每个桥梁，运行 Wilcoxon 秩和检验，比较拨打*同一*联系人之前的通话时间间隔与*切换*到不同联系人之前的时间间隔。相对于同联系人时间间隔而言较短切换间隔，是转发行为（接收后立即转发）的典型特征。 5. 将交互式网络可视化结果写入 `network.html` —— 桥梁显示为红色三角形，其他元素保持统一样式，鼠标悬停可查看社区详情。可在任何浏览器中打开；支持拖动、缩放，以及点击节点查看其详细信息。 6. 写入 `report.html` —— 一个汇总页面，包含社区/桥梁数量、排序后的桥梁表格（包含链式测试结果和解释），以及如果分裂特征较弱时显示的校准警告。 # 开发环境 我使用了 [Positron](https://positron.posit.co/)，这是一款基于与 VS Code 相同的核心构建的 IDE，支持 R 语言，运行环境为 Windows 上的 R 4.6.1。 使用的库： - **igraph** — 图构建、Louvain 社区发现、割点检测以及中介中心性计算 - **visNetwork** — 交互式 HTML 网络可视化（拖拽、缩放、悬停、点击高亮） - **dplyr** — 数据处理以及使用 `case_when` 将结果划分到易读的类别中 - **htmltools** — 构建 HTML 汇总报告 ## 输入格式 CSV 文件必须包含以下列（任何多余的列将被忽略）： | 列 | 含义 | 格式 | |-------------|---------------------------------------|------------------------| | `from` | 主叫号码 | 数值 | | `to` | 被叫号码 | 数值 | | `timestamp` | 通话发生时间 | `YYYY-MM-DD HH:MM:SS` | | `duration` | 通话时长（秒） | 数值 | 示例： ``` from,to,timestamp,duration 1195646235,1187037061,2012-05-01 08:11:00,22 1195646235,1187037061,2012-05-01 09:03:00,190 ``` 如果您的运营商导出数据使用了不同的列名、不同的日期格式或不同的编码，请在运行工具前将其重命名或重新格式化以使其匹配——这样可以使加载程序保持简单且可预测，而无需去猜测运营商的各种特异性问题。 ## 运行说明 - 克隆代码仓库。 - 安装依赖项（见下文）。 - 将您的 CDR 导出文件放在项目文件夹中，或者编辑 `main.R` 顶部的 `csv_path` 变量指向它。 - 运行： Rscript main.R - 在运行过程中，摘要信息（社区规模、桥梁列表、链式测试结果以及任何校准警告）也会打印到控制台——这对于无需打开 HTML 文件即可快速浏览非常有用。 - 打开 `report.html` 查看分析结果，打开 `network.html` 查看交互式图表。 ### 依赖项 ``` install.packages(c("igraph", "visNetwork", "dplyr", "htmltools")) ``` ## 输出 - `report.html`：找到的号码/社区/桥梁汇总，排序后的桥梁表格（社区内部通话百分比、中介中心性、拨打同一联系人与切换联系人时的中间间隔时间，以及测试的 p 值——低 p 值意味着差异不太可能是偶然产生的），以及如果该数据集中的桥梁/非桥梁划分较弱时显示的警告。 - `network.html`（连同它所依赖的同级 `network_files/` 文件夹——请将它们放在一起）：交互式通话网络可视化，可从 `report.html` 中链接访问。 # 实用网站 - [The R Project for Statistical Computing](https://www.r-project.org/) - [igraph R 参考手册](https://r.igraph.org/) - [visNetwork 文档](https://datastorm-open.github.io/visNetwork/) # 未来工作 - 将每个桥梁的单独 p 值合并为一个综合检验（例如 Fisher 方法），而不是孤立地查看每一个测试——将几个独立的测试按表面价值解读是一个真正的统计漏洞，值得填补。 - 支持可选的实体/标签文件，以便调查人员可以将已知姓名附加到号码上，而不是在可视化和报告中永远只看到原始电话号码。 - 针对更大、更密集的 CDR 数据集，验证自适应阈值的桥梁分类。目前使用的数据集小且稀疏（接近树状结构），这可能是核心/桥梁分离如此清晰的原因——现实世界中规模庞大且连接紧密的网络可能不会分离得如此整洁，这一点尚未经过测试。 - 构建一个小型的 schema 映射步骤，以便可以将原始运营商导出文件自动转换为工具的标准 `from`/`to`/`timestamp`/`duration` 格式，而不是要求首先手动进行这种重新格式化。 # AI 声明 在本项目中，AI 被用作编码助手，整个过程在我的指导和审查下进行： - 报告布局和样式（`report.R`）。 - R 分析逻辑（图构建、桥梁检测、链式分析）。

标签：图论, 数字取证, 社区发现, 自动化脚本, 通话记录分析, 链接分析