基于改進BN網絡的突發社會安全事件風險評估與預警研究

潘迎麗

(西安培華學院思政部，陜西 西安 710125)

0 引言

突發社會安全事件嚴重影響社會穩定，因其具有不確定性很難實現有效預防，但在應對過程中如果可以根據已掌握的信息準確預估后續風險，也是一種可靠的規避災難性后果的技術手段。建立科學合理的風險評估與預警體系不僅在突發事件的應對策略制定方面具有非常實用的指導意義，也為后續的安防優化整改提供了數據分析基礎。

1 突發社會安全事件

1.1 概念與分類

突發事件指的是發生時間不確定，會導致或者可能導致重大生命財產損失、嚴重社會危害等對公共安全有極大影響的緊急事件。包括自然災害類、社會安全類、事故災難類、公共衛生類。其中社會安全類突發事件主要指人為引起的有目的性的嚴重影響社會治安的事件。

社會安全事件屬于突發事件中的一種，主要包括重大刑事案件、恐怖襲擊事件、大型群體事件、民族及宗教事件、涉外突發事件等[1]。

1.2 主要特征

突發社會安全事件的特征既包括突發事件的特點，也要結合社會安全屬性，主要體現如下。

(1)人為：由人為因素造成或人為因素起著關鍵作用，存在主觀故意特性。

(2)突發：何時何地、涉及人員無法預估，雖然具有一定特征，還很難弄清所有細節。

(3)破壞：無論是對民眾心理、人身安全、財產安全、社會秩序都有極大的破壞性。

(4)敏感：很多事件受到政治因素影響，例如基礎機構的不作為、腐敗現象、階層分化等。

(5)預謀：由于人為特性導致的事件發生是有組織、有謀劃、潛伏長、風險持續累積的過程。

1.3 發展周期

社會安全事件是持續變化的，應對過程中需以動態視角不斷發現新問題、制定對應策略。整個過程的發展周期隨時間推移大體上可以概括為潛伏期、爆發期、蔓延期、恢復期。潛伏期各類信息比較雜亂，主要手段是評估預測發生概率，及時預警；爆發期已直接對社會安全造成了影響，側重點應放在應對和及時控制事態蔓延；蔓延期是控制失敗的結果，影響面已經擴散，必須調整應對策略，修改控制方案；恢復期指的是得到有效控制后秩序有所恢復，此時需徹查根本原因，歸納總結，完善方案，為后續同類情況應對提供參考[2]。

1.4 預警現狀與問題

突發社會安全事件的預警主要通過爆發之前對可能因素進行量變-質變分析，以求最大限度降低損失。由于風險引發因素眾多以及職能管控方面的不足，現階段信息搜集、預判等工作還存在很大欠缺。首先，隨著經濟水平的提升，公眾的危機意識不強，心里承受力弱。其次，安保工作涉及多個部門，由于職能分散、協同不暢等原因導致應急能力差且效率低下；再次，相關法律法規并不健全，只是空話，缺乏可操作性。最后，預警機制欠缺，沒有有效的預警-實施聯動，響應速度慢，容易錯過最佳時機[3]。

2 風險評估指標體系

2.1 風險形成影響因子

社會安全事件的發生不是單一的某方面的異變，是風險源狀態、管控效果以及攻擊目標脆弱性3個方面成效疊加、綜合作用的結果。首先，風險源狀態包括正常、異變；其次，管控效果包括有效、無效；最后，抵抗性包括可以抵抗、無法抵抗。形成過程如圖1所示。

圖1 風險形成過程示意圖

根據風險的形成過程，社會安全事件的風險評估需要綜合考慮上述3方面的影響，將風險源、管控效果、攻擊目標作為標準風險的因子，記作F=S×C×V，其中,F表示社會安全事件突發風險值；S表示風險源異變概率；C表示風險管控有效性；V表示攻擊目標脆弱性。

2.2 構建評估指標體系

評估指標體系的設計主要包括準備、確定結構層級、篩選構成因素、構建整體體系4個步驟。首先通過查閱歷史文獻整理涉及的全量指標集，然后遵從合理、可操作以及科學性原則設計指標層級結構，鑒于社會安全事件的性質多樣并且存在動態特征，選擇指標時應結合實際場景情況，提取最直接、最關鍵、最具有代表性的反映風險水平的因素，而且指標必須具備迅速收集、實時更新的特性，指標之間互相獨立，易理解、易接受，盡量選取穩定性好的統計指標。因此本研究根據上一章節分析的風險影響因子，結合因子之間的層次及隸屬關系，根據貝葉斯網絡的結構特征，設計了“風險源-管控效果-攻擊目標”3個層面的評估體系，具體指標構成如圖2所示。

圖2 風險評估指標體系

3 風險評估與預警模型

3.1 改進的貝葉斯網絡法

貝葉斯網絡(Bayesian Networks，BN)常用于推理分析，是計算變量之間依賴關系的模型。核心思想是在A缺少直接證明的時候，通過B與A的關系利用已知的B的數據推導A的概率[4]。主要包括如下。

(1)網絡結構：對BN網絡的定性分析，由節點以及節點之間的邊組成“目標節點-中間節點-證據節點”的網絡結構。

(2)條件概率分布表：對BN網絡的定量分析，包括所有節點的條件概率。

3.2 推理方式

根據BN網絡進行推理包括2種方式。

(1)正向推理：是根據證據節點概率，更新BN網絡，獲取所有節點的條件概率后計算得到目標節點概率的過程。

(2)逆向推理：先將目標節點其中一種狀態的發生概率置為100%，更新BN網絡獲取所有節點的條件概率后，得到證據節點的概率，以概率較大的節點進行整改優化。

3.3 構建風險評估與預警模型

3.3.1 構建網絡結構

根據上文構建的社會安全突發事件風險評估體系以及BN網絡的構建層次，將一級指標作為目標節點，二級指標作為中間節點，三級指標作為證據節點，整體包括1個目標、3個中間節點、19個證據節點，組合構成23節點的非循環有向網絡結構。節點狀態初始為0和1，不同狀態概率初始為0.5。

3.3.2 三角模糊數求解

(1)

其中，a≤m≤b，b-a的值越大則模糊程度越大。

3.3.3 定義結果等級

基于模糊描述理論，將風險等級與三角模糊數對應起來，便于后續推理[5]。對應關系如表1所示。

表1 風險等級對應關系

3.3.4 計算條件概率

基于獲得的三角模糊數，通過處理獲取各個證據節點的概率，步驟如下。

(4)代入BN網絡利用軟件進行推理計算，state1為發生，state0為不發生。

4 實證數據分析

由于社會安全事件很難進行仿真分析，因此為了驗證本研究構建模型是否科學與準確，采用已發生事件的實例數據進行推理驗證，本研究選擇國內2018年10月6日某地惡意聚集事件進行實證分析，將事件發生前一天即10月5日收集的數據代入評估預警模型，以正反向推理方式基于BN網絡計算評估體系中各指標的概率[6]。

4.1 專家模糊評判

通過7名專家對指標體系的三級節點即BN網絡的證據節點進行模糊等級評判，結果如表2所示。

基于表2的專家評價結果，將每個節點的等級代入模型進行算數均值計算、解模糊、歸一化處理，與三角模糊數對應得到所有證據節點的條件概率如表3所示。

表2 專家模糊評判結果

表3 節點條件概率結果表

根據表3的結果可以看出，專家模糊評判后節點發生概率最高的前5位為Pd6、Pd2、Pd19、Pd1、Pd7，即通訊行為、群體危險屬性、攻擊目標脆弱性、個體危險屬性以及網絡行為。

4.2 正反向推理

根據模型計算得到的各個節點的條件概率，分別進行正反向推理，更新BN網絡，得到正向推理結果如圖3所示。將狀態T的概率置為100%，反向推理結果如圖4所示。

圖3 正向推理結果

圖4 反向推理結果

4.3 推理結果分析

針對得出的推理結果，可以從以下2方面進行分析。

(1)根據正向推理結果，在此時間節點發生突發社會安全事件的概率為83%，預判結果與實際情況比較符合，模型可以有效實現風險預警。

(2)根據反向推理結果，節點概率TOP5的指標包括：群體危險屬性、極端行為、技術保障、攻擊目標敏感性、個體危險屬性。

基于以上分析，根據正向分析的結果，首先需要鎖定嫌疑者，疏散人群，其次及時與公眾溝通，制定緊急預案，消除不滿情緒。在事件平復之后，針對反向分析概率大的指標，建立監測機制、加強各部門間信息共享、提升人、地、物各方面管理水平、提升信息化技術水平、根據攻擊目標的敏感性制定安保等級[7]。

5 總結

本研究分析了突發社會安全事件的特征與發展周期，根據突發事件的處理原則結合風險形成影響因子構建了風險評估體系，并基于BN網絡構建了預警模型，實例數據證明具有較好的實用性。但由于風險影響因素比較復雜，提煉的指標體系并不完善，且條件概率的準確度也需更多樣本集進行優化確認，在繁雜信息搜集、輿情影響、應急方案制定、后續完善建議方面還需深入研究。