【技术报告】一种基于异常值的意图检测，用于发现恐怖分子的策略

点击下方小卡片关注情报分析师

恐怖组织（攻击者）总是试图用不同的战术和策略来战胜反恐机构，以成功进行攻击。因此，了解意外攻击（异常值）变得越来越重要。研究此类袭击将有助于从过去的事件中找出在反恐机构尚未准备好进行保护干预时最危险的战略。在本报告中，作者提出了一种新方法，通过使用攻击之间的非相似性来识别意外的相互作用，从而定义当前位置的恐怖主义异常值。

该方法用于通过分析过去事件之间的关系来确定未来攻击中可能的异常值。在这种方法中，我们根据提出的相似性度量来计算所选特征之间的关系，该度量同时使用恐怖主义活动的分类特征和数字特征。因此，提取关系用于建立恐怖主义网络以查找异常值。实验结果表明，实际事件和检测到的模式的比较对于许多未来的策略具有90%以上的准确率。根据异常值的属性，反恐机构可以防止未来对战略位置的轰炸袭击。

恐怖主义是一种新型的战争，其特点越来越具有不确定性。在这场战争中，恐怖组织（攻击者）经常改变他们的策略，试图突袭和震惊防御者（反恐机构）以获得更成功的攻击。

目前的文献表明，恐怖主义具有进化性质，攻击者根据人权维护者的反恐政策改变其行为。

本研究旨在通过分析攻击关系来开发预测能力，从而提出一种新的方法。攻击网络在了解未来战略的方法中建模。更具体地说，提出了一种新的基于异常值的相似性函数来查找有助于构建事件网络的关系。

本文的其余部分组织如下。在第2节中，解释了数据分析和收集，并介绍了新方法中使用的方法。还详细介绍了如何使用所提出的方法来理解复杂的相互作用。在第3节中，给出了实验结果，表明所提出的方法可以有效地理解攻击者的活动。最后，第4节进行了讨论，以强调在模拟恐怖主义方面的改进和研究的贡献。

如今，反恐机构需要制定更好的防御策略来打击攻击者的策略。

本研究提出了一种基于相似性函数的新方法。更具体地说，提出了一个异构相似性函数来分析交互事件之间的关系，以了解攻击者如何试图让防御者感到惊讶。同时，提出的网络方法也有所不同，因为它使用攻击者（作为事件）而不是人。

由于使用了所提出的相似性函数，所提出的方法证明了其有用性。我们表明，通过从攻击的异常值行为中学习，可以防止攻击。结果证明，我们可以通过寻找模式来理解轰炸攻击的异常值行为。识别出的模式准确率超过90%，表明该框架可用于了解未来的攻击。

在未来的工作中，可以使用更大的动态网络来发现这些模式，作为未来事件的大数据项目。此外，人们可以研究一种统一的方法，将模式分类技术应用于所提出的网络拓扑结构，以提高检测精度。基于所提出的网络，可以使用模式识别方法来检测恐怖主义事件。此外，条件概率可用于了解哪个事件可能导致未来事件。同时，如果其他应用领域在与恐怖主义有关的观察之间有相互作用，以便侦查，则该框架可以在其他应用领域实施。

总之，防御者可以通过使用这种方法来威慑威胁。他们可以了解恐怖主义将如何影响未来的事件，政府可以控制攻击者的行为，以降低未来事件的风险。攻击发生后，防御者可以理解攻击之间的差异。拟议的办法使决策者能够制定精确的全球和（或）地方反恐战略。此外，这些信息对执法机构非常有用，使它们能够及时提出反应性战略。

 完整【技术报告】《一种基于异常值的意图检测，用于发现恐怖分子的策略》中英文已上传至情报学院知识星球，识别下方二维码加入知识星球社群，内有3000+情报专业资料可供下载，成就您的专属情报资料库。