8、网络犯罪调查中的作者身份分析

网络犯罪调查中的作者身份分析

1. 作者身份分析概述

作者身份分析是通过检查作品特征来推断作者身份的过程，可细分为以下三个子领域：
- 作者识别 ：通过检查作者的其他作品，确定其创作某一作品的可能性。
- 作者特征描述 ：总结作者的特点，并根据其作品生成作者画像，如性别、教育和文化背景、语言熟悉程度等。
- 相似度检测 ：比较多篇作品，判断是否为同一作者所写，而无需明确作者身份。

作者身份分析应用广泛，源于历史文献的作者归属问题。例如，它成功解决了莎士比亚作品的争议，也助力解决了《联邦党人文集》和《大学航空炸弹怪客宣言》的作者争论。此外，还应用于软件取证领域，但本文主要关注文本分析，不涉及软件取证。

过去作者身份分析的主要研究主题包括特征选择和分析技术，下面从这两个角度进行详细介绍。

2. 特征选择

作者身份分析的核心是形成一组相对稳定的特征或指标。最初，研究人员通过对不同作者使用的不同词汇集进行分类来识别作者，如对莎士比亚作品的分析。然而，这种基于词汇使用的方法受文本主题影响较大，效果有限。

为了进行有效区分，需要“无内容”特征，即风格标记。Yule提出了句子长度和词汇丰富度等特征，Mosteller和Wallace提取功能词，Burrows开发了高频词集，Tomoji使用特定词集分析狄更斯的叙事风格，Binongo和Smith用介词频率区分王尔德的戏剧和散文，Holmes分析了短词和元音开头的词。但基于词汇的方法高度依赖作者和语言，难以广泛应用。

为避