大數據技術在反恐怖主義中的應用展望

夏桂珍　李劍鋒

摘 要 近年來，全球信息化快速發展，恐怖分子利用網絡信息技術加快了恐怖主義網絡化、全球化，傳統的技術手段在偵獲恐怖主義方面已顯不足，迫切需要引進大數據技術，創新反恐怖主義的方法手段。本文分析了恐怖主義的新特征、大數據的4個特點及其在反恐怖主義方面的優勢，并展望了社會計算、深度學習和預測分析等大數據技術未來在反恐怖主義行動中的應用前景。

關鍵詞 恐怖主義 大數據 社會計算 深度學習 預測分析

作者簡介：夏桂珍，武警政治學院刑偵技術實驗室，副教授；李劍鋒，武警政治學院政工信息化教研室，講師。

中圖分類號：D815 文獻標識碼：A DOI：10.19387/j.cnki.1009-0592.2016.11.213

自美國“9·11”事件以來，全球信息化快速發展，恐怖分子充分認識到網絡信息技術的優勢并加以利用，加快了恐怖主義活動全球化趨勢，使恐怖主義暴力活動的影響蔓延到全球每一個角落，恐怖主義的特征也隨之發生了變化。大數據時代的到來，為及時洞悉恐怖主義動向，遏制恐怖主義發展提供了新的手段和方法。利用社會計算、深度學習和預測分析等大數據技術，對恐怖主義進行分析和研究，通過解構恐怖主義組織，及時發現恐怖組織成員體系、結構特征與行動目標，從而有效遏制恐怖活動的發生，廣泛打擊恐怖主義組織。

一、當前恐怖主義的特征

互聯網和信息技術的迅猛發展，給恐怖分子實施恐怖活動提供了新的途徑，他們借助網絡組織實施恐怖活動，宣傳恐怖主義思想，在組織結構和行為方式上與傳統的恐怖主義發生了很大變化，其利用互聯網混淆視聽，制造社會恐慌的能力，已發展到極至。當前，恐怖主義呈現出以下幾個新特征：

（一）恐怖組織結構網絡化

傳統恐怖主義的組織結構屬于垂直等級式的，其內部高度集中，等級森嚴，有統一的領導和明確的政治目標，恐怖活動的組織和實施受到物理距離和國界等限制，而互聯網時代，恐怖組織借助網絡編織出一張動態的、隨意的、松散的、多中心的網，其恐怖主義思想各成體系，不再需要嚴格的垂直等級制結構的指揮、控制鏈來協調計劃和行動。獨狼式、恐怖小組等小規模的恐怖襲擊運作模式和組織機構的網絡化，使得恐怖活動更加難以監控、反恐情報更加難以獲取。以往情報部門只要通過監視主要恐怖頭目，就可以實現對大部分的恐怖活動進行監控的方式已收效甚微。

（二）恐怖活動形式多樣化

網絡信息化時代，恐怖分子除了在現實生活中頻繁的策劃實施投毒、爆炸、砍殺等影響較為嚴重的恐怖活動外，更是充分利用網絡的便利性和隱蔽性，進行各種形式的網絡恐怖活動。一方面，他們利用網絡平臺進行恐怖主義宣傳，散播恐怖言論和恐怖視頻，制造恐怖輿論，引起群眾恐慌。另一方面，恐怖分子大力招募網絡黑客，培訓網絡信息技術，對我黨政軍網絡系統進行攻擊，嚴重威脅我網絡系統的安全。

（三）恐怖活動手段隱秘性

互聯網時代，網絡行為更多的是一種匿名活動，恐怖分子借助互聯網，混雜在數量巨大的普通網民中，僅通過密碼和特殊的口令在網絡上互相聯絡，在全球各地大肆發展恐怖活動組織，策劃恐怖活動，甚至利用網絡來相互傳授實施恐怖活動的技能（如制作爆炸物等）。互聯網上信息量巨大，再加上恐怖分子所采取的各種反偵察技術、加密技術，使得反恐任務更加艱巨，極短的時間內很難辨認恐怖分子身份和偵獲恐怖活動行徑。即使能夠攔截到所有的信息，但要在海量的信息中提取有用信息，及時做出分析判斷也是非常困難的，這超出了大數據技術出現之前我們對數據的處理能力。恐怖組織正是充分利用了網民多，信息量大等網絡特性，將自己的身份和恐怖活動信息淹沒于茫茫信息海洋中，使自身的恐怖活動更加隱秘。

二、大數據的特點及其技術優勢

面對恐怖主義出現的新特征，傳統技術手段的弊端已顯現，其已無法迅速掌握恐怖主義相關信息，無法徹底解構恐怖組織，無法預測并遏制恐怖活動的發生，無法有效制止恐怖活動的發生。隨著我們邁入大數據時代，大數據技術不斷成熟完善，這些問題將迎刃而解。大數據（Big data ），或稱海量數據、巨量數據、大資料，指的是數據量規模巨大，無法通過人工或常規軟件工具，在可承受的時間范圍內達到捕捉、管理、處理、并整理成為人類所能解讀的信息 。對反恐怖主義來說，大數據也是一把不可多得的利刃。大數據主要有以下幾個特點：

（一）數據量大（Volume）

數據量大是大數據的一個重要特點。大數據的起始計量單位至少是PB（1PB=1024TB）、EB（1EB=1024PB）或ZB（1ZB=10 24EB）。大數據條件下，各種智能終端、移動設備和網絡設備等每時每刻都有大量數據產生，數量級別已經發展至PB級別，乃至ZB級別，統計數據量呈千倍級別上升。

（二）類型繁多（Variety）

近年來，全球數據不僅在數量上飛速增長，在數據類型方面也在朝多樣化發展。除了結構化數據外，各種非結構化數據（包括由視頻、音頻、圖片、郵件、GPS和傳感器等產生的數據），每年都以60%速度快速增長，未來非結構化數據將占數據總量的80%以上 ，日益增長的數據變化對數據的處理能力提出了更高的要求。

（三）產生價值（Value）

數據價值大密度低，是大數據的又一個特點。對于反恐怖主義而言，利用大數據技術，從龐大的數據中發現稀疏而有高價值的恐怖主義信息和恐怖活動規律，為反恐怖主義預測和決策提供相關支持，從而制止恐怖活動，瓦解恐怖組織，實現這些數據的最大價值。

（四）追求高效（Velocity）

相對于傳統數據挖掘而言，大數據最顯著的特征是追求高效率。傳統的技術架構已無法適應大數據的處理，基于云計算的Hadoop等大數據框架，利用集群的威力、高速的運算及存儲，實現了一個分布式的運行系統，以提供高傳輸率來訪問數據，適應了大數據的應用程序。此外，社會計算、深度學習、預測分析、語義引擎、數據挖掘、可視化分析等技術的發展，使人們更易于從海量的數據中提取有用信息，進行深度解析，及時提供有價值的數據，這與反恐怖主義情報收集的目標是一致的。

三、大數據技術在反恐怖主義中的應用展望

隨著恐怖主義特點的變化，反恐怖主義情報的獲取方式也將發生相應變化，對恐怖主義數據和信息的分析提升到了前所未有的高度，這種分析是更深層的信息挖掘。大數據時代，對數據的處理理念發生了變化：要全體不要樣本，要效率不要絕對精確，要相關不要因果 。這種變化恰好能滿足反恐怖主義情報獲取的需要。在新理念引領下，發展起來的大數據技術將有力支持反恐怖主義情報的獲取。

（一）社會計算

大數據時代的社會計算是一種數據密集型科學研究范式 。利用社會計算，加強社會網絡分析，對恐怖分子的社區結構進行分析，探尋其規模、組織結構、成員構成和行為特征等，將有效解構恐怖組織，確定恐怖分子之間的關系。通過發現恐怖分子在網上的活動痕跡開始，逐步挖掘出整個恐怖組織，并通過追蹤通信聯系、查控物資及資金的流動，實現對恐怖組織中所有成員活動進行監控而獲得信息，從而有效打擊恐怖活動，摧毀恐怖組織。

（二）深度學習

深度學習 也是大數據分析的核心技術之一，它模仿人腦的機制來解釋數據，通過組合底層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布特征表示，傳統的機器學習研究通常都是較為簡單或淺層的模型，依賴于數據的表達，取得的學習效果一般。大數據的出現提供了更加復雜的模型，使之能更有效地表征數據、解釋數據。在國內，百度公司利用深度學習技術，在語音識別、OCR識別、人臉識別、圖像檢索等應用上也取得了長足進步。

深度學習技術的進步對反恐怖主義有著重要的意義，結合圖像識別技術，將已知恐怖分子圖像與海量的視頻資料對比，在茫茫人海中及時發現恐怖分子行蹤。與云計算技術緊密結合，有望做到實時發現、密切跟蹤、及時報警；對于語音和文本識別，也將能更好地理解自然語言的語義，對反恐怖主義工作也將提供很大的輔助作用。

（三）預測分析

大數據的核心就是預測。大數據背景下，人們通過把數學算法運用到海量的數據上來預測事情發生的可能性。相關關系在小數據世界中有一定作用，但在大數據的背景下，相關關系的作用更為突出。通過應用相關關系，我們可以更便捷、更清楚、更有效地分析并預測事物的發生。運用相關關系，我們不需要通過揭示其內部的運作機制來分析現象，而是通過識別有用的關聯物，來對現象進行分析。相關關系沒有絕對，只有可能性。利用這一特征，來分析與恐怖活動相關的所有信息。通過找到一個恐怖活動的良好關聯物，相關關系可以幫助我們捕捉現在和預測未來；通過分析梳理與恐怖活動一起發生的事件，密切關注這些相關事件的發生，就可以預測恐怖活動的發生。這有助于我們在不能直接知悉恐怖活動何時何地發生的情況下，通過捕捉可能和恐怖活動一起發生的事情，來幫助我們預測恐怖活動發生的可能性，甚至獲取恐怖分子實施恐怖活動的具體計劃，以便我們能及時阻止恐怖活動的發生。雖然相關關系無法預知未來，只能預測可能發生的事情，但這對于反恐怖主義，遏制恐怖活動發生來說，這已經非常有用了。

四、結語

大數據時代的到來給我們帶來了機遇和挑戰，大數據技術的發展將有力推動反恐怖主義方法手段的創新。本文從分析新時期恐怖主義的特征入手，闡明了傳統的技術手段已經無法滿足反恐怖主義的需要，而大數據技術的發展，將對反恐主義提供有力支撐，最后對社會計算、深度學習和預測分析等大數據技術未來在反恐怖主義行動中的應用進行了展望，這些大數據技術將輔助我們遏制恐怖主義發展勢頭，發現恐怖分子活動行蹤，有效阻止恐怖活動發生。

注釋：

http：//zh.wikipedia.org/wiki/%E5%A4%A7%E6%95%B8%E6%93%9A - cite_ref-1 White， Tom. Hadoop： The Definitive Guide. OReilly Media. 2012-05-10. 3.ISBN 978-1- 44 93-3877-0.

Vance， Ashley. Start-Up Goes After Big Data With Hadoop Helper. New York Times Blog. 2010-04-22.

孟小峰、李勇、祝建華.社會計算：大數據時代的機遇與挑戰.計算機研究與發展.2013，50（12）.2488-2491.

[英]維克托·邁爾·舍恩伯格、肯尼思·庫克耶.大數據時代.浙江人民出版社.2012.12.

Hey T.Tansley S.Tolle K.The fourth paradigm：Data-intensive scientific discovery.Red mond.Washington：Microsoft Research.2009.[2013-06-04].

百度百科 http：//wapbaike.baidu.com/view/9964678.htm？adapt=1&fr= aladdin&bd_sou rce_light=1701851.