美國反恐情報智能化能力建設

宣景昭 肖延輝

“9·11”事件以來，美國不斷提升反恐情報能力建設，在提高情報工作能力上下了功夫。美國情報界認為，情報搜集、情報分析和情報預測能力是美國反恐情報能力建設的三大支柱。我們選取2005年、2009年、2014年和2019年四份《美國國家情報戰略》（以下簡稱戰略）作為樣本，以“terror”作為關鍵詞進行模糊檢索（可以涵蓋terrorism、terrorist等詞），發現該詞在2005年出現兩次、2009年出現15次、2014年出現22次、2019年出現23次（詳見下頁表1）。

“9·11”事件以來，美國一直通過對科技的深度融合應用來提升反恐情報能力，為此，專門于2006年創立了情報科技創新部門IARPA。IARPA全稱為Intelligence Advance Research Project Agency，中文譯為“情報高級研究計劃局”，核心目標是通過開展“高風險與高回報”的研究，預測情報界的長期需求，進而解決理論和技術上的卡脖子問題，最終支持美國情報界具有遠超過競爭對手的情報能力。

其中，IARPA作為情報科技創新部門主要通過開展研究項目的方式，結合挑戰賽等不同形式進行情報研究工作。同時，為了實現機構目標和使命，IARPA研究部署了若干科研項目，采取扁平化架構與項目經理制度，使每一個項目由一名兼具技術與業務經驗的項目經理全盤統籌。截至2019年5月，IARPA正在進行研究項目有35個，完結項目28個，包括搜集、計算、分析和預測四類研究重點。在進行美國反恐情報能力智能化建設過程中，IARPA主導的人工智能項目發揮了重要作用。

IARPA主導人工智能研究項目

IARPA根據自身特點并結合美國情報界工作需求，在人工智能領域部署了多項研究計劃，并針對一些重點研究計劃，設立了面向全球的挑戰賽以尋求全球的智力支持。本文采用統計學的計量方法，分析了IARPA近年來主要的63個研究項目，其中包括14個人工智能研究項目數據，這些人工智能研究項目均來自于IARPA官方公布的目錄（去除了其中的挑戰賽內容），具體分布如圖1。

從IARPA開展的14個人工智能研究項目的領域分布來看，如圖2所示，搜集類占比35.7%、計算類占比21.4%、分析類占比26.6%、預測類占比16.3%。由此可以看出，IARPA在人工智能領域的主要研究方向是情報搜集與情報分析，但同時兼顧計算類與預測類的工作。因此，美國反恐情報工作主要以相關情報信息的搜集和分析為主，通過多種方法盡可能來搜集情報信息，最終為能夠進行可靠的情報預測和決策提供支持。

IARPA開展的搜集類人工智能研究項目共五項，分別為生物基因領域的FELIX研究項目、Fun GCAT研究項目、人類行為領域的MOSAIC研究項目、SHARP研究項目以及化學物質領域的SILMARILS研究項目。同時，有針對性地從個體生物基因信息、人體行為信息和物體化學信號信息等方面來強化反恐情報工作建設。具體項目詳見表2。

IARPA在搜集類的人工智能項目中明確要通過開發新的數據感知和傳輸技術，實現從過去難以接近的涉恐目標中搜集數據，從而獲得更多有價值的情報信息。此外，IARPA還尋求新的機制，將從多種途徑獲取的情報信息進行綜合分析，從而進一步提高了情報結論的可靠性和實用性。IARPA在搜集類人工智能項目中始終保持著對這一目標的追蹤與發展。

IARPA計算類項目側重于面對挑戰嚴峻和資源有限的環境時，如何高效和可靠地運行。IARPA開展的計算類人工智能研究項目共三項，分別為微電子與電路領域的RAVEN研究項目、神經科學領域的MICrONS研究項目、網絡安全與虛擬化領域的VirtUE研究項目。具體從集成電路圖像處理速度、工程大腦設計、自動識別網絡攻擊等方面來實現反恐情報智能化工作建設。具體項目詳見表3。

IARPA分析類項目側重于盡可能從海量、分散、不可靠和動態的數據中獲得情報信息，并著力于從現有數據和新數據中尋找新的情報來源，進而提升情報分析能力。

IARPA開展的搜集類人工智能研究項目共四項，分別是：視頻和音頻分析的Aladdin Video研究項目、多模態信息分析領域的CORE3D研究項目、視頻自動檢測領域的DIVA研究項目以及自然語言處理領域的MATERIAL研究項目。具體項目詳見表4。

IARPA預測類研究項目的重點是為決策者提供及時準確的社會、政治和經濟危機等全球重大事件預測，通過提供實時預警，使得情報用戶快速、深入地理解和運用。通過預測類研究項目，IARPA為美國情報界提供多樣化的預測服務。

IARPA開展的預測類人工智能研究項目共兩項，分別是網絡安全領域的CAUSE研究項目和設計信號情報預測領域的Mercury研究項目。具體項目詳見表5。

美國反恐情報能力建設特點

（一）反恐情報搜集能力特點

第一，注重搜集核生化數據。搜集類的五項人工智能相關的研究項目關注了三大領域，從FELIX和Fun GCAT項目的生物科技到MOSAIC與SHARP項目的人類行為，再到SILMARILS的化學物質。由此可以看出，美國情報界在反恐工作的搜集環節，重點關注的是現階段CBRN（化學、生物、核與放射）恐怖襲擊的可能性與應對策略，并充分認識到智能化技術優于人工的優勢。

第二，關注情報人員自身的數據搜集。在五項研究項目中，IARPA有兩個項目的關注點在于情報界內部人員，通過對情報人員的行為和心理數據的搜集，來評估其在壓力之下的工作表現、心理狀態，以及自適應推理和問題解決能力。這一研究同樣可以對外部關注人員（例如恐怖分子）進行行為和心理分析，并結合社會和物理環境進行人物描寫。

第三，重視研究項目的可交付成果。人工智能相關的研究項目都明確要求最終的研究成果必須是以算法、系統、設備等為載體，實現研究項目全部考核指標，而純技術方案不會被采納。可以看出，IARPA非常注重為反恐工作提供搜集設備或完整解決方案，進而提升情報搜集能力。

（二）反恐情報分析能力特點

在IARPA的研究項目體系中，計算類和分析類分屬于不同的研究領域。結合我國反恐情報工作實際，可以將二者統一歸類為反恐情報分析。

第一，關注數據共享網絡威脅。從計算類的人工智能研究項目來看，IARPA十分關注于計算能力的提升與計算機網絡的安全。結合云計算技術，VirtUE項目關注云計算背景下的協同工作站的安全，并希望能夠提供更為強大的感知和安防設備。美國情報界在應對網絡恐怖主義的工作上，著重考慮了動態應用和系統架構安全，其目標是為數據的共享提供有力保障。

第二，關注多模態數據分析。在IARPA的分析類人工智能研究項目中，Aladdin Video項目側重于視頻結構化處理，DIVA項目關注于視頻中人的行為分析，MATERIAL項目研究的重點是多語言自動翻譯。美國情報界在反恐工作中認識到了通過人工智能技術可以在面對不同類型的數據時，可以高效、準確地開展工作，并提供科學有據的判斷標準。

第三，注重3D模型可視化分析。公安情報工作的核心在于對犯罪嫌疑人身份和軌跡進行發掘，因此基于地圖的可視化分析具有非常廣闊的應用空間。IARPA的研究項目CORE3D將可視化分析推進至3D層面，并提出利用智能技術和遙感數據自動構建3D模型以支持任務規劃。同時，結合數字孿生技術（digital twin）將所關注的對象在數字世界進行3D模擬仿真，以尋求工作的高效開展。

（三）反恐情報預測能力特點

第一，注重多源數據的融合。IARPA的預測類具有一定的延續性，涉及人工智能的CAUSE和Mercuy兩大項目可以被認為是OSI研究項目的進階版。在已有工作對開源數據的研究基礎上，通過將網絡安全的內部傳感器數據融合，或將SIGINT信號情報數據融合，來提升預測的準確性與科學性。為看似難以預測的政治、社會、恐怖襲擊事件提供情報支持。

第二，關注預測網絡入侵攻擊威脅。隨著技術的發展，美國情報界對于網絡安全的關注不斷升級，由此開展了CAUSE項目。IARPA希望通過新的人工智能技術融合內部和外部傳感器構建預警系統，來及時地預測和檢測網絡攻擊，保護用戶免受網絡襲擊和侵害。

第三，關注SIGINT信號情報的應用。在美國情報界，根據情報的來源可以分為SIGINT信號情報、IMINT圖像情報、MASINT測量情報、HUMINT人力情報、OSINT開源情報和GEOINT地理空間情報等。相較于美國軍方，當前IARPA對于SIGINT信號情報的應用較少，但這一類情報具有重大的價值。因此，在開源情報被廣泛運用的現在，利用人工智能技術來挖掘SIGINT信號情報的價值，是當前美國情報界關注的重點。

（本文為北京市哲學社會科學重點項目“北京防范恐怖襲擊重點目標的潛在涉恐風險評估及預警”，編號18FXA003的階段性研究成果。作者宣景昭為中國人民公安大學公安情報學2017級碩士研究生，肖延輝為中國人民公安大學公安情報研究中心研究員）

（責任編輯：張敏嬌）