africa-cross-border-cybercrime-network

本数据集名为跨境网络犯罪网络情报（非洲），是非洲网络威胁情报系列的一部分。它是一个合成数据集，旨在模拟在非洲运营、以非洲为跳板或针对非洲目标的跨国网络犯罪网络。数据集捕捉了犯罪者如何利用非洲跨境执法协调薄弱、边界管控宽松、引渡条约有限以及区域自由流动协议（如ECOWAS、SADC、EAC）来建立有韧性的跨国犯罪企业，同时反映了国际网络犯罪集团将非洲司法管辖区作为运营基地、洗钱渠道和招募地的现象。数据内容详细刻画了非洲特有的犯罪模式，包括西非的雅虎男孩网络和浪漫诈骗咖啡馆；东非的肯尼亚-索马里移动洗钱走廊和针对海湾国家侨民的埃塞俄比亚IT诈骗团伙；南部非洲的南非集团招募津巴布韦/莫桑比克附属成员和跨境SIM交换团伙；北非的埃及/摩洛哥网络钓鱼即服务平台和针对欧洲的突尼斯勒索软件附属机构；以及整个非洲大陆存在的协调有限、跨境情报共享薄弱、移动货币作为主要洗钱渠道、利用侨民社区和难民等独特动态。数据集包含20种预定义的网络犯罪类型（如浪漫诈骗集团、商业电邮入侵团伙、勒索软件附属网络、加密货币洗钱链、网络钓鱼即服务等）和13种洗钱方法（如加密货币混淆、跨境移动货币代理、哈瓦拉非正式转账、空壳公司发票、房地产购买等）。数据规模为10,000行，样本平衡（50%为犯罪网络，50%为合法网络），所有记录均为合成数据（is_synthetic=1）但基于现实世界的研究数据。数据以表格形式呈现，包含58个特征列，涵盖网络基本信息（如记录ID、基础国家、运营国家数量、网络类型、角色）、技术操作特征（如使用VPN/Tor、加密货币钱包、僵尸网络基础设施、云服务滥用）、财务指标（如估计收入、受害者数量、洗钱成功率）、腐败与内部人员参与情况（如腐败官员、银行内部人员、边境官员腐败）、执法与结果指标（如是否被检测、逮捕数量、起诉是否成功、网络是否被瓦解），以及最终的二元分类标签（1表示犯罪网络，0表示合法网络）。此外，README还列出了从原始特征中提取的一系列衍生特征，用于计算技术复杂度得分、跨境范围、网络成熟度、腐败深度、财务规模等复合指标。该数据集适用于表格分类任务，特别是用于识别和分类跨国网络犯罪网络，可用于网络安全研究、威胁情报分析、执法机构培训以及制定针对非洲跨境网络犯罪的政策和应对策略。The dataset is named Cross-Border Cybercrime Network Intelligence (Africa) and is part of the Africa Cyber Threat Intelligence series. It is a synthetic dataset designed to simulate transnational cybercrime networks operating in Africa, using Africa as a springboard, or targeting African entities. The dataset captures how criminals exploit weak cross-border law enforcement coordination, lax border controls, limited extradition treaties, and regional free movement agreements (e.g., ECOWAS, SADC, EAC) in Africa to build resilient transnational criminal enterprises. It also reflects the phenomenon of international cybercrime groups using African jurisdictions as operational bases, money laundering channels, and recruitment grounds. The data content details Africa-specific crime patterns, including: West Africa (ECOWAS) Yahoo Boys networks and romance scam cafes; East Africas Kenya-Somalia mobile money laundering corridor and Ethiopian IT scam groups targeting Gulf diaspora; Southern Africas South African groups recruiting Zimbabwean/Mozambican affiliates and cross-border SIM swapping gangs; North Africas Egypt/Morocco phishing-as-a-service platforms and Tunisian ransomware affiliates targeting Europe; and continent-wide dynamics such as limited coordination, weak cross-border intelligence sharing, mobile money as a primary laundering channel, and exploitation of diaspora communities and refugees. The dataset includes 20 predefined cybercrime types (e.g., romance scam groups, business email compromise gangs, ransomware affiliate networks, cryptocurrency laundering chains, phishing-as-a-service) and 13 money laundering methods (e.g., cryptocurrency obfuscation, cross-border mobile money agents, Hawala informal transfers, shell company invoicing, real estate purchases). The data scale is 10,000 rows, with balanced samples (50% criminal networks, 50% legitimate networks). All records are synthetic (is_synthetic=1) but based on real-world research data. The data is presented in tabular format with 58 feature columns, covering network basic information (e.g., record ID, base country, number of operating countries, network type, roles), technical operational features (e.g., use of VPN/Tor, cryptocurrency wallets, botnet infrastructure, cloud service abuse), financial metrics (e.g., estimated revenue, victim count, money laundering success rate), corruption and insider involvement (e.g., corrupt officials, bank insiders, border official corruption), law enforcement and outcome indicators (e.g., detected, arrest count, prosecution success, network dismantled), and a final binary classification label (1 for criminal networks, 0 for legitimate networks). Additionally, the README lists a series of derived features extracted from original features for calculating composite indicators such as technical complexity score, cross-border scope, network maturity, corruption depth, and financial scale. This dataset is suitable for tabular classification tasks, particularly for identifying and classifying transnational cybercrime networks, and can be used for cybersecurity research, threat intelligence analysis, law enforcement training, and developing policies and countermeasures against cross-border cybercrime in Africa.

搜集汇总

数据集介绍

构建方式

该数据集以非洲跨境网络犯罪生态为背景，基于INTERPOL全球网络犯罪评估、Europol IOCTA、UNODC全球网络犯罪报告、FATF反洗钱指引及Chainalysis加密货币犯罪报告等多源权威情报，经由专家知识驱动合成生成。数据涵盖10,000条均衡的正负样本，每条记录均标记为合成数据，但底层逻辑高度忠实于真实世界的犯罪模式与区域特征。构建时重点关注西非ECOWAS自由流动区内的雅虎男孩网络、东非肯尼亚-索马里移动洗钱走廊、南部非洲SIM卡调包团伙及北非钓鱼即服务平台等典型跨境犯罪形态，通过结构化字段形式化描述网络类型、角色分工、通信手段、洗钱路径及腐败渗透等关键维度。

特点

该数据集的核心特色在于其跨区域、跨维度的精细建模能力。它不仅涵盖19种网络犯罪类型（从浪漫诈骗辛迪加到跨边界腐败网络）、13种洗钱方法（加密货币混币器、移动货币代理、哈瓦拉地下汇款等），还内置了技术成熟度评分、跨境执法鸿沟指数、内部腐败深度、网络韧性等复合衍生特征。尤为突出的是，数据集捕捉了非洲特有的脆弱社区利用、区域协议滥用、边境官员腐败、司法管辖套利等动态，并通过网络威胁分数与执法效能评分构建了可量化的威胁评估体系，为研究非洲网络犯罪的跨境联动性和治理难度提供了高分辨率的数据支撑。

使用方法

该数据集可通过HuggingFace Datasets库便捷加载，调用`load_dataset("electricsheepafrica/africa-cross-border-cybercrime-network")`即可获取。所有字段以表格分类格式组织，包含基础属性（国家、网络类型、角色）、技术特征（加密通信、暗网使用、僵尸网络）、空间维度（运营国家数、跨境指标、区域协议利用）、财务指标（估算收入、洗钱成功率）及执法追踪（检测时间、逮捕数量、引渡状态）。用户可直接利用`label`字段进行二分类任务（犯罪网络vs合法实体），也可基于网络威胁分数、韧性分数等复合特征进行回归分析或风险评估建模，适用于网络犯罪情报、跨国执法协作及金融反洗钱等研究场景。

背景与挑战

背景概述

非洲大陆受制于薄弱跨境执法协作、边界管控松弛及区域自由流动协议（如ECOWAS、SADC、EAC）的滥用，已成为跨国网络犯罪网络滋生的温床。为应对这一严峻态势，Electric Sheep Africa研究团队于2026年构建了“非洲跨境网络犯罪网络智能”数据集，旨在系统建模以非洲为基地、途经非洲或针对非洲的跨境网络犯罪生态。该数据集整合了INTERPOL、Europol、UNODC及Chainalysis等权威机构的最新情报，聚焦西非雅虎男孩网络、东非移动货币洗钱走廊、南部非洲SIM卡调包团伙等地域性犯罪模式，揭示了犯罪组织如何在技术赋能与制度漏洞的双重作用下实现跨域扩张与资金隐匿。作为非洲网络威胁情报领域的开创性共享资源，它为理解非洲独特的网络犯罪地理学与司法管辖套利机制提供了结构化数据基础，有力推动了区域安全治理与跨国警务协作的研究进程。

当前挑战

该数据集应对的领域挑战主要涵盖三方面：其一，非洲跨境网络犯罪因其多国跳跃性与管辖权碎片化，长期缺乏统一的量化表征与威胁评估模型，本数据集通过标注跨国运营国家数、引渡风险、避风港司法管辖区等特征，为分类与预测任务提供了标准化框架；其二，犯罪网络在洗钱环节中融合了哈瓦拉、移动货币与加密货币混合等非正规金融手段，数据集中设计的资金细分方法特征（如代币混合器、贸易虚开发票）旨在捕捉这种高度隐蔽而灵活的资产流转路径。在构建层面，鉴于真实跨境犯罪数据的敏感性、不完整性与获取法律障碍，团队基于公开情报报告与学术研究数据，采用合成方式生成10,000条平衡样本，并通过领域专家驱动的特征工程将技术复杂度、腐败深度与网络韧性等隐性维度显式化，使人工数据在保留真实犯罪模式统计属性的同时规避了隐私与合规风险。

常用场景

经典使用场景

在非洲跨境网络犯罪情报分析领域，该数据集为研究者提供了一幅详尽的跨国有组织犯罪生态全景图。其经典使用场景聚焦于构建分类与风险评估模型，利用包含网络类型、洗钱手法、基础设施技术成熟度、社区利用深度及执法效能等在内的多维特征，对犯罪网络进行精准识别与威胁分级。通过分析基地国家、运营国家数量、区域集团滥用及司法漏洞等指标，研究者能够揭示犯罪网络的跨国流动性与韧性特征，从而深化对非洲独特地缘犯罪模式——如西非雅虎男孩利用自由流动协议实施的跨国诈骗、东非移动货币洗钱走廊以及南部非洲SIM卡调包团伙——的机制性理解。该数据集以合成数据形式呈现，基于真实世界研究数据生成，为难以获取的敏感犯罪情报提供了可复用的分析基准。

衍生相关工作

该数据集催生了一系列具有影响力的衍生工作，深化了对非洲网络犯罪生态的系统性认知。研究者基于其特征工程——如技术成熟度评分、网络韧性指数与执法有效性评定——设计了跨境犯罪网络威胁评级体系，推动了对犯罪组织生命周期与适应性策略的量化建模。相关成果包括利用该数据集训练的分类器延伸至针对网络类型洗钱路径的风险图谱绘制，以及将因子分析应用于揭示区域集团滥用与司法漏洞之间的耦合关系。此外，该数据集为构建非洲大陆网络犯罪模拟环境提供了基准，支撑了虚拟执法演习与策略博弈研究，进而衍生出关于‘执法渗透效果对跨国犯罪网络韧性影响’的系统动力学模型。在学术协作层面，基于该数据集的基准测试推动了跨机构联合研究项目，针对合成数据与现实案例的交叉验证方法论进行了创新性探索。

数据集最近研究

最新研究方向

该数据集聚焦于非洲跨境网络犯罪网络的智能建模与威胁情报分析，揭示了西非ECOWAS、东非、南非及北非等区域特有的犯罪模式，如移动货币洗钱、跨国浪漫诈骗、勒索软件即服务等。研究前沿涵盖利用合成数据模拟真实网络犯罪生态，结合INTERPOL、Europol等权威情报源，量化分析跨境执法协作漏洞、区域自由流动协议滥用、腐败渗透及技术抗性（如加密通信、加密货币混币器）。该方向对理解非洲作为全球网络犯罪枢纽的动态演变、制定跨辖区反制策略具有重要现实意义，尤其契合当前打击国际有组织犯罪与洗钱的热点议题。