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.md

GitHub

group-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:

  1. 高通话量型
  2. 夜间异常型
  3. 联系人广度异常型
  4. 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.md
  • group_risk_report_<group_name>_<N>members_members.csv
  • group_risk_report_<group_name>_<N>members_pairs.csv
  • group_risk_report_<group_name>_<N>members_devices.csv
  • group_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_query
  • high_call_volume_pattern = aggregation_query + relationship_filter
  • night_abnormal_pattern = relationship_filter
  • broad_contact_pattern = neighbor_query + aggregation_query
  • shared_device_pattern = query_shared_device + common_device + subgraph_by_nodes
  • internal_link_pattern = relationship_filter + subgraph_by_nodes
  • common_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:

  1. 输出群体规模和总体结论
  2. 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
  3. 输出群体核心成员 Top10
  4. 输出号码对关系证据链、共享设备证据链与内部子群
  5. 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。