“反恐情报分析技术”专题序

反恐斗争是一场不对称的战争, 恐怖组织采用攻击无辜民众等方式引发社会关注, 宣传极端意识形态、鼓动更多的恐怖主义行动, 同时还将政府拖入消耗战的泥潭, 不但使政府投入大量财力和人力进行侦查和防范工作, 还使政府不得不以限制公民的部分个人自由换取社会整体安全。反恐措施如得不到有效的控制则很容易引发民众对政府的不满, 反而肥沃了滋生恐怖主义的土壤。因此, 各国政府都努力做到情报先行、精确打击, 尽可能将反恐行动措施的不利影响降至最低。反恐情报工作不仅仅包括传统的人力情报, 更来源于技术情报, 即对数据的挖掘与分析。通过科学的数据分析与计算获得恐怖活动的风险分析、预警与预测, 宏观上可以为反恐资源配置提供建议, 微观上可以为具体的反恐警务行动提供指导。反恐情报分析是一门交叉学科, 管理学、运筹学、统计学、计算机科学、社会学、心理学都有参与到这一领域的研究中, 一项成功的情报技术应用往往综合了以上多个学科的研究成果。

国家社会科学基金重大项目“当前我国反恐形势及对策研究”是一项从多学科视角综合对我国当前的反恐形势和对策进行研究的项目, 其中子课题“恐怖主义的风险评估与预警研究”是探索如何使用情报分析技术对恐怖主义的风险进行预警和评估, 以及如何利用情报分析技术为警方的行动提供有效的情报以实现精确打击目标的专项研究。

本专题共包括7篇文章, 是上述项目中的阶段性研究成果, 分别研究了反恐领域中不同方面的情报分析问题。《在线极端主义和激进化监测技术综述》梳理了当前对极端主义信息在线传播和脆弱人群激进化的在线监测与发现技术, 总结了当前的应用模式和技术方案, 展望了未来的发展方向。《贝叶斯理论在反恐情报分类分析中的应用研究》提出一种利用朴素贝叶斯分类器对涉恐人员情报数据进行快速分类的技术方法, 该方法计算简单, 专业门槛比较低, 适合处理属性相关性较小的基础数据。《基于长短记忆型卷积神经网络的犯罪地理位置预测方法》提出一种基于长短记忆型卷积神经网络的犯罪地理位置预测方法：利用卷积神经网络提取重要犯罪位置特征, 挖掘位置数据在空间维度上的局部相关性, 然后基于长短记忆型神经网络学习位置特征在时间维度上的连续性, 进而得到下一个位置的预测。这种方法能够基于恐怖分子系列的历史地理位置, 有效预测其未来的地理位置, 能够广泛应用于各类对犯罪分子地理位置进行分析和预测的场景中。《基于K-means聚类分析的民航系统恐怖主义风险评估》通过对GTD数据库中1992年至2015年发生在机场的恐怖袭击案件采用基于K-means聚类方法进行分析, 客观地给出几类袭击方式、袭击目标的风险, 据此对机场的反恐安保策略提出建议。《基于风险排名和决策树的民航反恐安保风险评估与决策分析研究》在分析已知恐怖分子恐怖袭击能力和已有民航安保措施基础上, 针对民航系统可能受到的恐怖袭击进行多层次属性分解, 以实现对攻击模式、防御模式、多阶段安保模式、替代效应和后果等分析。《基于排队论的反恐警力优化配置策略研究》在经典排队论模型的基础上, 构建了反恐警力优化配置模型, 优化了处置恐怖袭击案件时的最优警力配置策略。通过数据模拟比较分析了两种反恐警力优化配置模型在反恐警力配置效率和反恐案件处置效率方面的优势, 为提高反恐效率和效果提供了理论支持。《基于深度学习的民航安检和航班预警研究》在分析乘客最关心的机场安检问题的基础上, 基于深度学习的结果, 得出旅客安检预警模型和航班预警模型, 提高民航安检的效率, 增强民航针对恐怖事件的防范能力。

反恐情报技术是一个很广泛的应用领域, 本专题文章只是从零星的一些角度展示了这个领域中的几个方面, 希望能够抛砖引玉, 吸引更多的人投入到本领域的研究中, 共同提高我国反恐情报分析技术的研究与应用水平。

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子