基于GTD的全球恐怖主义活动现状与发展趋势研究

近几年来,随着恐怖主义活动在"一带一路"沿线区域日益频繁地发生,国内的反恐研究工作也提上日程。这对"一带一路"倡议的发展和反恐情报工作带来新的挑战。因此研究恐怖主义活动的现状和发展趋势迫在眉睫。基于2001年至2016年的GTD数据,对全球恐怖主义活动进行定量分析与可视化分析,得出近些年全球恐怖主义活动的发展现状。结合近几年全球恐怖事件的特点,总结出全球恐怖主义活动的特征和发展趋势,为下一步的反恐工作提供战略性指导。

基于GTD数据库的美俄两国恐怖主义活动比较分析及其启示

针对当前美俄两国恐怖袭击活动频发的现状,基于GTD数据库的数据分析,发现当前俄罗斯恐怖袭击数量远高于美国,且伤亡情况更加严重。两国公民和政府部门等场所均易遭受袭击,恐怖分子常用爆炸和武装袭击等手段实施恐怖活动。两国在遭受恐怖袭击来源方面存在差异,表明两国恐怖主义的产生是由国际恐怖主义、经济问题和国内问题等方面的原因造成。据此,分析两国在未来将面临网络恐怖主义和"独狼"恐怖袭击,其各自在恐怖活动风险和恐怖袭击来源方面将存在差异。在我国的反恐工作中,应当加强反恐法法规建设,加强国际合作,健全反恐组织体系,强化反恐队伍建设。

略论“基地”组织恐怖网络的发展:基于GTD数据的分析

通过分析GTD等相关数据库发布的"基地"组织信息,文章认为,一方面,"基地"组织恐怖意识形态的传播削弱了国际社会反恐斗争的实际效果;另一方面,"基地"组织及其分支、"圣战"盟友和"独狼"逐渐形成规模更大、更灵活、复原力更强的跨国恐怖网络,其更倾向于袭击政府和军警的恐怖活动进一步扩散。作者提出"基地"组织与"伊斯兰国"残余势力依然是国际安全形势的巨大威胁,包括中国在内的国际社会须保持对后"伊斯兰国"时代伊斯兰极端势力发展的警惕。

恐怖袭击事件实体语料库构建

针对恐怖袭击事件文本语料库匮乏的问题,文章制定了恐怖袭击事件的实体标注规范,通过对全球恐怖主义数据库(GTD)的数据进行实体标注,构建了恐怖袭击事件的实体语料库。同时,针对数据标注工作的高人力和高时间成本问题,由于百度通用信息抽取(Universal Information Extraction,UIE)模型在极小样本上具有较强的泛化能力,采用UIE模型进行辅助标注。实验结果证明了标注方案的有效性,并在一定程度上减少了标注时间。

面向叙事结构的地理空间情报可视分析方法

以地理空间情报服务于反恐为需求牵引,采用全球恐怖主义数据库(GTD)为数据源,将时空叙事结构作为分析模型,以时间要素和空间要素作为线索,进行地理空间叙事,对事件和对象的多维属性进行可视化,借助多视图人机交互式分析方法和交互技术,构建了基于JavaScript的地理空间情报可视分析平台,并根据分析任务进行了案例分析,为基于活动的地理空间情报研究探索一条新的思路。

全球恐怖主义数据库及对中国反恐数据库建设的启示

[目的/意义]恐怖主义数据库建设是应对日益严重的恐怖主义威胁的重要方法,全球恐怖主义数据库(GTD)是世界上最全面也最成熟的恐怖主义数据库,对这个数据库的研究、学习和借鉴,对于中国相关领域的建设和反恐斗争具有重要的意义。[方法/过程]通过研究全球恐怖主义数据库,分析其定义和标准,梳理其文本编码和数字化策略,数据采编和检索平台,掌握恐怖主义数据库的建设方法和思路。[结果/结论]在中国的利益不断向全球拓展,一带一路战略大规模实施的当下,建设中国的反恐数据库是一个日益紧迫的任务,而GTD具有一定的借鉴价值。

基于全球恐怖主义数据库的特征选择方法研究

恐怖主义被称为现代人类社会之癌,是世界各国政府和人民面临着的重大的挑战,应该引起全人类的重视。在使用全球恐怖主义数据库中的数据对恐怖主义活动进行研究时,从高维数据中提取关键的特征,是反恐研究中的重点和难点。针对全球恐怖主义数据库中特征的高维性、冗余性和数据不完整性的特点,分别采用最小冗余最大相关算法(mRMR)、基于支持向量机的递归删除算法(SVM-RFE)和基于随机森林的特征选择算法进行特征筛选与提取。利用K-近邻(KNN)分类器其对上述特征选择方法进行降维结果分析和分类结果比较。实验结果表明,特征选择算法不仅能提高分类性能还能提高分类效率,并且基于支持向量机的递归删除算法(SVM-RFE)选择的特征子集在预测恐怖主义活动时准确率更高。

全球恐怖袭击发展趋势与伤亡风险分析

为揭示全球恐怖主义发展趋势,基于全球恐怖主义数据库(GTD),分析近50年恐怖袭击事件的发生次数和伤亡人数的时空变化特征;从恐怖袭击的发生地区、武器类型和袭击目标等方面分析全球恐怖袭击特征,提出一种恐怖袭击伤亡风险量化模型及4级风险划分标准。研究结果表明:地域上,撒哈拉以南非洲地区的风险最高;武器类型中,以交通工具作为袭击武器的伤亡风险最高;袭击目标中,以军事、普通民众和非政府武装部队等作为目标的伤亡风险最高。全球恐怖袭击演变特征仍然呈现出严峻态势,伤亡风险量化模型可杜绝经验评估的主观性。

基于模糊综合评价的全球恐怖袭击事件风险评估及空间特征分析

基于全球恐怖主义数据库,采用模糊综合评价方法对1998—2017年全球恐怖袭击事件的社会危害程度进行风险评估,并利用核密度和标准差椭圆方法对评估结果的空间分布特征进行可视化分析.结果表明,随着危害等级的增加,全球恐怖袭击事件数量逐级降低,Ⅰ~Ⅴ级恐怖袭击事件分别占总事件的51.21%,37.99%,9.76%,0.74%,0.30%;对全球各大洲恐怖袭击事件数进行排序,亚洲>美洲>非洲>欧洲>大洋洲;恐怖袭击事件发生核心地区有中东地区、非洲中部地区、南亚和东南亚、地中海沿岸地区,前3个地区在5个等级的事件中都是核心区,后2个地区主要发生Ⅰ,Ⅱ级事件,叙利亚、伊拉克、阿富汗、巴基斯坦、尼日利亚、刚果等地区发生恐怖袭击事件最多且最严重;随着事件等级的上升,各等级恐怖袭击事件的重心向西移动,但覆盖范围主要以收缩东边为主,事件的东西分布趋势逐渐减弱,事件主体范围逐渐均匀集中,非洲东北部地区、中东地区、阿富汗、巴基斯坦等地区成为各等级恐怖袭击事件的公共区域,并且非洲北部的恐怖袭击事件影响逐渐变大.

基于特征画像的恐怖组织袭击偏好研究

为分析恐怖组织不同维度的特征数据及特征之间的内在联系,在全球恐怖主义数据库中选取5个典型国际恐怖组织,基于特征画像,运用统计学、机器学习、关联规则挖掘以及地理信息系统数据分析方法,对恐怖袭击特征属性进行分析。结果表明,5个恐怖组织偏好不同的袭击区域,但普遍偏好炸弹/炸药与枪支类武器;在特征关联上,攻击类型、目标类型和武器类型3类属性的特征关联较为明显。该方法在反恐情报分析中适用于挖掘不同涉恐人员的特征差异。

顾及时空邻近的恐怖团伙关系发现方法

现有恐怖团伙关系挖掘方法因其难以顾及恐怖组织特有的结构复杂、行动灵活、生存期长等特点而难以应用于反恐研究中。为此,本文从时空角度出发,通过引入时空邻近与团伙时空同现模式等概念,将多元独立分布的团伙关系发现问题建模为时空同现模式的频繁度评价问题,提出一种点模式分布下的团伙关系挖掘方法。基于此方法构建团伙关系网络,进而提出一种顾及时空邻近的社团关系度量方法。采用该方法对阿富汗与巴基斯坦地区1970—2018年真实GTD数据进行实验分析,结果表明:该研究区域主要恐怖团伙中共存在11种团伙关系({Taliban,TTP}等),在团伙关系网络中占据核心地位的恐怖组织为Taliban,其次为TTP、BLA。本文提出的方法能有效地挖掘出恐怖团伙之间潜在的关系,团伙关系的定量表达度量了不同组织在关系网络中的地位,验证分析表明,挖掘结果与相应团伙共同参与事件的时空分布、历史根源高度吻合。本文拓展了时空同现模式挖掘在恐怖团伙关系发现中的应用,研究成果对公安部门在识别某些恐怖事件制造者以及合理分配警力资源方面具有重要意义。