大数据视域下的反恐分析模型研究现状与展望

大数据视域下的反恐分析模型研究现状与展望

王娟

武警工程大学反恐教研室 陕西 西安 710086

摘要：恐怖主义风险一直是人类的一大挑战，关于恐怖主义的研究长期主要以人工分析为基础，但随着大数据的发展，让一切事物都可以被数据化，并让一切数据都变得有价值并可为利用。现在反恐模型的构建存在反恐大数据分析能力不足等问题，仍处于发展完善阶段。

关键词：恐怖主义、大数据、模型

恐怖主义风险一直以来都是全世界共同关注的问题和面临的威胁，随着全球信息网络化的发展和大数据时代的到来，恐怖主义具有更强的煽动性、破坏力、影响力，特别是随着大数据的发展，关于恐怖主义的模型研究在过去的十年间一直处在探索研究和不断完善之中。

一、大数据视域下的反恐分析模型的重要价值

1.大数据视域下的反恐分析模型的特点

在小数据时代，由于信息难以获得，所以反恐分析主要以回溯性分析为主，强调线索之间引起与被引起的因果关系，由点成线的不断地从小线索找到大线索，而大数据思维强调的是一种相关关系，因此大数据技术使得数据容易获得，此相比传统情报分析，更可以全景式展现调查对象的活动轨迹，从而挖掘出一些深度隐藏的规律。同时，每种反恐活动都有一种或者几种相对固定的行为模式，根据该模式找到关联物进行建模，从而可以实现对整体趋势或者个别的预测。因此，大数据强大的分析能力可以科学分析事物的已知和未知状态，有助于破解反恐分析能力不足的难题，为反恐工作的开展提供开辟广阔的应用空间。

2.大数据在反恐实践工作中的价值

大数据是指无法用传统方法进行采集、管理和分析的新型数据集合。以反恐工作为例，在大数据背景下，利用数据存储技术、数据信息挖掘技术和数据信息分析技术等，可帮助侦查人员获得日常不曾关注的涉恐线索信息。网络时代，恐怖组织越来越多地利用网络便利条件进行信息传播，一切活动都会在网络上留下蛛丝马迹，这在大数据时代表现得更加明显。

大数据在反恐情报方面的应用，离不开反恐分析模型的研发。利用大数据的相关性分析，在不同恐怖活动的准备活动中寻找共性特征，归纳相关数据点，应用矩阵分析法、联系分析法、流程图分析法等技术，进行数据信息挖掘，分析掌握其动态情况，从而为恐怖活动的发生提供预警。

3.反恐分析模型能够服务于反恐情报信息数据库

由于恐怖组织与人员行为活动极具隐秘性，因此，既要建立有效的情报信息工作机制，又要具备情报信息综合分析研判的技术手段。通过完善反恐情报信息数据库，应用反恐分析模型，发现可疑人员和可疑迹象等线索苗头，能够有效梳理出涉恐重点人员的活动轨迹。

二、大数据视域下的反恐分析模型现状分析

国内反恐理论模型方面研究较为充分，每种方法对反恐领域的一些具体问题都具有一定的指导性作用，针对反恐的不同侧面均能解决一些实际的问题，但是定性模型虽然可以很好的对情报内容进行解读，但是很难对恐怖活动做出精准的刻画。

1.该领域尚有不少空白领域待深入研究

现在，反恐模型研究机构、研究者学术背景多集中于公安学、军事学和法学领域，研究背景较为单一，反恐模型多集中在理论建设上，虽然对定量分析模型的研究提出了设想，但是对于反恐情报分析的定量研究整体较少，属于反恐领域的研究热点。通过研究现状分析可知，目前关于反恐情报分析模型的研究比较多，也比较成熟，但对单一方法的研究较多，而比较系统、成体系的模型应用不是很多。体系架构的建设、体制机制设计的研究较多，而包含数据采集、风险预警以及应对策略的整套解决方案较少，反恐情报分析模型还需要进一步流程化，系统化。

2.我国反恐模型研究时间较短、不够深入

目前在世界范围内，美国、中国、英国、澳大利亚、加拿大等国家的研究文献数量居于前列，同时，以色列、伊朗、土耳其、巴基斯坦等反恐态势严峻的国家也有较多研究成果。国外从事相关研究的有美国哥伦比亚大学、纽约大学、加州大学等高等院校；此外，智库和公司也在该领域取得重要研究成果。国内相关研究机构以高等院校为主，又以公安院校和军队院校居多，如中国人民公安大学、中国人民武装警察部队学院、国防科技大学等。相比国外，我国智库和技术公司尚未充分参与相关领域研究。

3.反恐模型研究可操作性较弱

国内外研究机构对恐怖组织、恐怖行为、涉恐信息挖掘等方面均有研究。恐怖组织的研究包括恐怖组织网络及其结构形态、恐怖组织的演化以及恐怖分子的识别等方面。其中马里兰大学的研究成果之一GTD数据库为研究者和情报人员提供恐怖主义态势可视化分析，为各国反恐策略与模式提供数据支持。恐怖行为的研究主要集中在恐怖袭击的时空规律及其损失、作战效能的仿真预测等方面，国内外代表研究水平处于并跑状态，所得研究成果均已运用于实战层面，辅助情报人员识别恐怖主义威胁，预测恐怖分子的可能活动。国外针对反恐情报的研究已经深入到了应用层面，更为系统，可操性更强，基础性研究更为扎实。

三、大数据视域下的反恐分析模型展望

1.大数据侦查是未来反恐情报的重要手段。

大数据的关联性分析、信息碰撞等功能可以提前预测犯罪活动，从过去的由案到人的逆推模式转变到大数据预测的主动型侦查模式。但是，大数据侦查在反恐领域的应用方面信息采集模型研究相对较少。模型的应用离不开数据环境的完善，而数据环境离不开对文本信息、非文本信息的量化。目前实战部门接触的一手情报资源多以情况简报、战报等文本形式展现，各自公文标准并不统一，所以需要建立统一的反恐词表以及相应的信息采集模型，对此进行规范，从而方便情报交流与反恐数据的收集整理。

2.对动态数据的分析技术研究较为薄弱。

单一的静态模型不足以辅助实战，而当前模型研究多为基于历史数据、静态数据和平面数据的模型，不足以适应战况瞬息万变。同时，反恐情报的收集、分析、预警、响应、决策等过程往往是交叉进行的，单一的分析模型、决策模型不足以指导具体任务的行动，需要多套完整的行动方案来处理。所以，不论是客观情况角度还是主观应对角度，都需要我们加强对动态数据的处理分析能力。其次，网络恐怖主义是未来反恐情报分析的难点。在全民上网、舆情上网的环境下，网络恐怖主义更是一种传播恐怖情绪的新模式。恐怖主义的主要威力在于恐怖情绪的传播，所以恐怖主义战争的本质是一场心理战，一场舆论战。所以，针对网络恐怖主义的新模式，应当加强对网络恐怖主义的心理机制的理论模型研究，加强对涉恐网络舆情的感情倾向研究，建立语料库与涉恐词表，以及相关的语义挖掘模型研究。

3.强化反恐情报分析的关键在于人才建设。

情报反恐工作队伍是建设情报反恐系统的核心要素，反恐情报分析特别需要监测与预警方面的人才。反恐情报人才培养应当以需求为导向，但是目前的反恐情报人才培养难以完全契合其需求。反恐研究是一个社会系统工程，目前的需求与反恐课程设置所提供的学科，反恐课程设置上并未完全覆盖反恐情报的实际需求，由于课程设置不够深入，从而可实操性弱。反恐研究涉及到多个学科，具有较强的跨学科特征，所以，需要引进计算机人才、数学人才，通过数据挖掘技术强化对大数据时代的反恐情报研究。需要引进心理学人才，加强对涉恐人员的心理研究，分析其走上恐怖犯罪道路的心理变异过程，为源头反恐提供理论依据。