論依據恐怖襲擊事件發現恐怖分子

高秀容 李艷 魏雪茹 蔣濟民

摘 要：提取恐怖襲擊事件的有效特征，構建量化的危害等級模型，對恐怖組織危害程度進行排序。為確定2017年中未有組織宣稱負責的恐怖事件的制造者，選取了2015-2016年的數據進行分析，將其中危害性排名前五的恐怖組織作為嫌疑人。建立判斷矩陣，確定所選取指標的權重，運用灰色關聯分析，得到事件與該五個嫌疑人之間的加權關聯度，從而進行嫌疑人的排序。

關鍵詞：恐怖襲擊；量化等級模型；灰色關聯分析

中圖分類號：D9 文獻標識碼：A doi：10.19311/j.cnki.16723198.2019.33.078

1 研究背景

恐怖襲擊作為非常規突發事件，以血腥暴力和恐嚇威脅為特征，往往造成大量人員傷亡和巨大社會影響。只有對恐怖襲擊展開研究、了解恐怖組織的特點、掌握恐怖襲擊動機才能制定切實有效的反恐戰略。以現有可信的歷史數據作為依據，找出恐怖主義基本模式，分析恐怖襲擊的時空演變趨勢，進而得到科學的結論，提高反恐政策的針對性和有效性。

2 問題分析

本文利用GTD的數據信息，構建量化的危害等級模型，對嫌疑的恐怖組織危害程度進行排序。選取2015-2016年發生的未確定嫌疑人的恐怖襲擊事件，按組織或個人的危害性從大到小選出其中的前5個，再對隨機選取的若干恐襲事件，按嫌疑人程度對5個嫌疑人排序。

3 數據分析與處理

剔除文本型變量，刪除基本上不懷疑該事件是恐怖主義行為（即doubtterr為0）的事件。

缺失比率分析，刪除缺失率超過80%的變量，對其余數據進行空缺填補。

變量正負相關性統一，越大表示危害程度越高。例如財產損害程度越高所代表的數值越小，為了方便后續危害程度的計算與表示，將所有特征向量數值越大表示該項造成的危害程度越高。

變量選取：受傷總數、死亡總數、財產損害程度、地區、月份、攻擊類型、目標/受害者類型、武器類型。

數據標準化，利用最最小標準化方法對以上數據進行處理x'i=xixminxmaxxmin。

4 建立模型

4.1 對恐怖襲擊事件進行分級

利用主成分分析方法對以上變量數據進行主成分分析，得到綜合得分模型中的系數，得出其綜合得分，并按綜合得分排序。其中得分最大為0.805981，最小為0.0693279，我們通過以下方式來劃分等級。

以下為劃分等級后，每個等級對應的事件數量。我們可以看出危害等級為4，5級的恐怖事件占大多數。

4.2 依據恐怖襲事件發現恐怖分子

運用數學模型將不同時間、不同地點多次作案的若干案件尋找將其歸為一類的可能性，并對其所對應的未知作案組織或個人進行標識，然后根據其危害性進行排序，并預測列表中給出的部分2017年恐怖事件歸為哪個組織的嫌疑度大小。本文選取2015-2016年的數據進行分析，根據危害性及平均危害性選出排名前五的恐怖組織。

本文選取5個變量作為恐怖襲擊事件的特征，分別為月份，地區，攻擊類型，目標/受害者類型，武器類型。根據數據庫中已經給出的相關事件分析可得到同一類別的恐怖襲擊事件在這幾個特征上有很大的相似與關聯性。建立判斷矩陣，確定各個指標的權重。判斷矩陣如下：

得到的權重分別為：

接著建立灰色關聯模型，確定參考數列和比較對象，計算灰色關聯系數：

然后根據權重和關聯系數計算出灰色加權關聯度Ri=∑nk=1ωiζi（k）。

根據灰色加權關聯度的大小，得到嫌疑人的嫌疑程度排序，如表4為部分未確定事件的嫌疑人排序。

恐怖襲擊事件是全球人類共同面臨的問題，確定犯罪嫌疑人，有利于反恐斗爭的進行。此外，恐怖分子傾向于使用輕型武器、爆炸、燃燒武器，遏制住這些武器的來源，是遏制恐怖主義的有效措施。

參考文獻

[1]劉小鵬.基于社會網絡分析的恐怖分子網絡模型構建方法[D].長沙：國防科學技術大學，2010.

[2]GTD數據庫[EB/OL].https：//www.start.umd.edu/gtd/.

[3]李國輝.全球恐怖襲擊時空演變及風險分析研究[D].合肥：中國科學技術大學，2014.