group-risk-analysis
对一组电话号码开展群体级风险分析,统计群体规模、行为模式、夜间异常、联系人广度、共享设备、共同对端、核心成员和证据完整度。适用于群体画像和群体风险归纳;若用户强调团伙簇、核心节点和桥接点,应优先使用 gang-cluster-analysis。
SKILL.mdskills/custom/phone-network-analysis/group-risk-analysis/SKILL.md
GitHubgroup-risk-analysis
能力定位
group-risk-analysis 是面向号码集合的群体级风险分析技能。
它不是单号码画像,也不是简单的 TopN 排序,而是把一组号码当成一个整体来做:
- 群体级统计
- 风险模式归纳
- 关系证据链整合
- 共享设备池识别
- 子群结构与群体形态判断
- 后续下钻建议
它面向电话网络数据场景,重点支持识别以下主要群体特征:
- 高通话量型
- 夜间异常型
- 联系人广度异常型
- 共享设备型
在基础能力之外,这个最终版还额外支持:
- 号码对关系证据链:把共享设备、内部通话、共同对端三类证据并到一张关系矩阵里
- 群体形态判断:输出更像“设备池型紧密群组”“联系人扩张型群组”等结论
- 过滤影响解释:当
risk_only、province、min_shared_device_count等过滤没有改变样本时,自动说明“样本同质性” - 证据完整度与置信度:告诉你当前群体分析链路是否完整,结论有多稳
- 更完整的附件导出:markdown 报告 + 成员 CSV + 号码对 CSV + 设备证据 CSV + 共同对端 CSV
它解决什么问题
适合回答这类问题:
- 这批号码是不是一个明显的高风险群体?
- 这批号码主要是哪种风险特征更突出?
- 群体内部是否形成共享设备池?
- 群体内部是“设备驱动”还是“共同对端驱动”?
- 群体内部是否已经形成多个子群/小团体?
- 哪些号码最值得优先下钻?
- 当前过滤条件是否真的改变了群体分析对象?
输入方式
支持三种输入方式,至少提供一种:
方式 1:直接传号码列表
--phone-ids "号码1,号码2,号码3"
方式 2:传文本文件
--phone-id-file /path/to/group_ids.txt
文本文件要求:每行一个号码 ID。
方式 3:传 CSV 文件
--input-csv /path/to/input.csv --phone-id-column phone_id
主要参数
基础参数
--group-name:群体名称,默认group--top-k:报告里展示前多少个重点成员/设备/号码对/共同对端,默认10--pattern-min-members:某类模式至少命中多少成员才算群体特征,默认2
群体过滤参数
--risk-only:只保留风险标签号码--province sichuan:只保留指定省份号码--include-sub-labels risk,purefraud:只保留这些 sub_label--exclude-sub-labels whitelist,normal:剔除这些 sub_label--min-call-records 100--min-counterparties 50--min-shared-device-count 1--min-shared-peer-total 20--min-device-pool-count 2
模式阈值参数
--high-call-threshold:高通话量阈值(默认自动)--broad-contact-threshold:联系人广度阈值(默认自动)--shared-peer-threshold:共享设备牵出号码阈值(默认自动)--shared-device-threshold:共享设备数阈值,默认1--min-common-counterparty-members:至少多少个群体成员共同接触某个对端才纳入“共同对端证据”,默认2
夜间分析参数
--night-start-hour 22--night-end-hour 6--night-ratio-threshold 0.30--night-count-threshold 10
输出内容
技能会输出:
1. 群体总体结论
- 群体规模
- 重点信号
- 群体形态判断
- 已识别主要群体特征
- 省份分布
- 标签分布
- 证据完整度与分析置信度
2. 过滤与样本影响说明
- 初始输入成员数
- 标签过滤后成员数
- sub_label 过滤后成员数
- 省份过滤后成员数
- 指标阈值过滤后成员数
- 如果过滤没有改变样本,会自动说明“样本同质性”
3. 群体级统计
- 总通话记录数
- 平均通话量
- 平均联系人广度
- 总共享设备数与共享设备牵出号码总量
- 群体内部关系边数量与密度
- 共同对端数量
- 夜间通话统计
4. 四类主要群体特征识别
- 高通话量型
- 夜间异常型
- 联系人广度异常型
- 共享设备型
每一类都会输出:
- 是否触发
- 命中成员数
- 参考阈值
- 未触发原因(如适用)
- 代表成员
5. 群体核心成员排序
输出最值得优先下钻的号码,并说明:
- 命中多少类群体信号
- 主要驱动类型
- 综合群体核心分
- 简要证据摘要
6. 号码对关系证据链
把三类证据统一整合进一张关系矩阵:
- 共用设备数
- 内部通话记录数
- 共同对端数
- 综合 relation_score
7. 共享设备证据链
输出:
- 群体内重点共享设备
- 每台设备在群体内挂了多少成员
- 设备总挂载号码数
- 风险号码数
- 省份数
- 标签种类数
8. 内部关系结构与子群
输出:
- 基于“共享设备 + 群体内部通话 + 共同对端”联合关系识别的子群
- 子群规模与成员预览
9. 共同对端证据
输出:
- 被多个成员共同接触的重点对端
- 共同接触成员数
- 累计通话量
10. 导出附件
会生成:
- markdown 报告
- 成员指标 csv
- 号码对证据 csv
- 设备证据 csv
- 共同对端证据 csv
输出文件说明
通常会生成:
group_risk_report_<group_name>_<N>members.mdgroup_risk_report_<group_name>_<N>members_members.csvgroup_risk_report_<group_name>_<N>members_pairs.csvgroup_risk_report_<group_name>_<N>members_devices.csvgroup_risk_report_<group_name>_<N>members_counterparts.csv
和基础算子的关系
这个技能不是独立底层图系统,而是通过基础能力组合实现。
对齐关系
group_profile_summary = node_lookup + aggregation_queryhigh_call_volume_pattern = aggregation_query + relationship_filternight_abnormal_pattern = relationship_filterbroad_contact_pattern = neighbor_query + aggregation_queryshared_device_pattern = query_shared_device + common_device + subgraph_by_nodesinternal_link_pattern = relationship_filter + subgraph_by_nodescommon_counterparty_pattern = common_neighbor + aggregation_query
典型命令示例
示例 1:直接分析一组号码
python3 group_risk_analysis_wrapper.py \
--group-name classic_group \
--phone-ids "号码1,号码2,号码3,号码4,号码5" \
--top-k 10
示例 2:从文本文件读入群体号码,并只保留共享设备迹象明显的成员
python3 group_risk_analysis_wrapper.py \
--group-name device_focus_group \
--phone-id-file ./sample_group_ids.txt \
--min-shared-device-count 5 \
--min-shared-peer-total 50 \
--top-k 10
示例 3:只分析风险标签号码
python3 group_risk_analysis_wrapper.py \
--group-name risk_only_group \
--phone-id-file ./sample_group_ids.txt \
--risk-only \
--top-k 10
示例 4:排除 whitelist / normal
python3 group_risk_analysis_wrapper.py \
--group-name focused_group \
--phone-id-file ./sample_group_ids.txt \
--exclude-sub-labels whitelist,normal \
--top-k 10
前端提示词建议
提示词 1:完整群体分析
请使用 group-risk-analysis skill 对下面这组号码做群体级风险分析,并完成:
- 输出群体规模和总体结论
- 判断是否存在高通话量型、夜间异常型、联系人广度异常型、共享设备型等主要特征
- 输出群体核心成员 Top10
- 输出号码对关系证据链、共享设备证据链与内部子群
- 生成 markdown 报告和 csv 证据附件
提示词 2:更聚焦的设备池群体
请使用 group-risk-analysis skill 只保留共享设备迹象明显的成员,并判断该群体是否更像设备池驱动群组。
提示词 3:只分析风险成员
请使用 group-risk-analysis skill 只分析风险标签成员,并判断当前过滤是否真正改变了群体对象;如果没有改变,请在结果中明确解释原因。