针对个人的网络犯罪的大规模测量

文献标题

A Large-Scale Measurement of Cybercrime Against Individuals

文献信息

• 主题领域: 人机交互 (HCI)、网络安全和数字犯罪测量
• 关键词: 网络犯罪、网络规模扩展法、数字不平等、经济影响、犯罪调查、用户研究、网络技术、测量方法学、社会统计、数字安全
• 出版信息: 2022年4月29日—5月5日，CHI Conference on Human Factors in Computing Systems (CHI '22)

研究背景与问题

• 研究现状与问题:

  • 现有关于美国网络犯罪的发生率和经济影响的实证数据有限；
  • 网民自我报告或向政府部门举报网络犯罪的方式存在问题，如不充分报告现象普遍；
  • 确定网络犯罪的实际规模、类型及影响对于设计保护用户的技术和分配资源的优先级至关重要。

• 研究重要性:

  • 数据不足会直接影响安全技术设计的方向，并可能导致决策基于技术公司或政府的利益，而非用户优先；
  • 而“数字不平等”中的受害群体缺乏关注，可能加剧社会中现有的不公平状况。

• 研究动机:

  • 填补网络犯罪在发生率、货币损失和人口统计差异方面的测量空白；
  • 提升学术研究和实践中的数据可信度，帮助用户应对网络安全风险。

解决方案

• 方法概述:

  • 研究通过对11,953位美国互联网用户的全国性代表性调查，结合社会网络报告技术和直接报告两种方法来测量网络犯罪；
  • 分析涉及六种典型网络犯罪：银行账户或信用卡诈骗、商品未送达、非付款、超额支付、高级费骗局和敲诈勒索。

• 创新之处:

  • 量化估算网络犯罪的规模：结合直接报告（self-report）和网络规模扩展法（network scale-up method）为美国消费者提供可重复且可比的受害数据；
  • 可视性调整：特别针对网络规模扩展法的“低可视性”挑战，调整估算方法；
  • 多种评价维度：从经济损失、人口统计学特征（如年龄、性别、教育和种族）角度研究网络犯罪的影响。

• 实施步骤与技术:

  1. 问卷设计: 创建可捕捉详细受害者经历的结构化问卷，包含多种类别问题；
  2. 数据采集: 利用AmeriSpeak全国样本收集数据，采用概率抽样和分层权重调整；
  3. 数据清理与验证: 定性分析描述回答，过滤掉可能的虚假或错误报告；
  4. 横向比较分析：将自己的结果与其他学术和政府数据进行横向比较，例如FBI的IC3报告和FTC的欺诈调查。

研究成果

• 主要发现:

  • 美国消费者在一年内遭遇六种网络犯罪的年发病率较低（多数低于1%），唯一显著的是：
    • 信用卡或银行账户欺诈：12.1% 年发生率，但显著多人未实际经济损失（仅1.08%有财务损失）；
    • 产品未送达：3.21%受害者年发生率，损失中位数为57美元。
  • 其他四类（如高额费用骗局、网络勒索等）的发病率均低于0.4%。

• 人口统计差异:

  • 老年人（60岁以上）和非裔美国人受害率更高，尤其是银行欺诈和非交付诈骗；
  • 老年受害者较少参与“出售商品”相关的骗局（如非付款和超付款）。

• 方法学成果:

  • 网络规模扩展法提供了可行的网络犯罪测量方式，但低可视性仍是挑战。受害者仅少量向他人透露经历，这种现象可能与犯罪的情感影响程度或社会羞耻感相关。

• 局限性与未来方向:

  • 局限性:
    • 仅调查了影响消费者的主要网络犯罪类型，而未覆盖所有网络犯罪；
    • 受调查方法影响，自报告可能含有记忆偏差；
    • 网络规模扩展法的低可视性调整可能存在部分不可避免的误差。
  • 未来方向:
    • 扩展测量范围，涉足企业受害者及复杂网络犯罪行为；
    • 探讨心理和情感影响维度；
    • 优化“网络规模扩展法”的统计修正方法，减少误差。

通过上述研究，论文为如何可靠地测量网络犯罪的规模与分布提出了新方法，对数字安全和保护政策的设计提出了契机。这些见解对于相关领域的学者、技术开发者和政策制定者极具价值。