Исследователи из Бингемтона предложили новую всеобъемлющую структуру, Сетевую структуру распознавания образов (NEPAR), определяющую полезные модели атак для понимания поведения, анализа закономерностей и связей в террористической деятельности, прогнозирования будущих действий террористов и, наконец, предотвращать и обнаруживать потенциальное террористическое поведение.Используя данные о более чем 150 000 террористических атак в период с 1970 по 2015 год, аспирант Бингемтонского университета Салих Тутун разработал структуру, которая вычисляет взаимосвязь между террористическими атаками (например, время атаки, тип оружия) и выявляет террористическое поведение с этими связями. Мохаммад Хасауна, профессор и руководитель отдела системной науки и промышленной инженерии (SSIE) в Бингемтонском университете, помогал и консультировал Тутуна в его исследованиях.
В структуре есть два основных этапа: (1) построение сетей путем нахождения связей между событиями и (2) использование единого подхода к обнаружению, который сочетает в себе предложенную топологию сети и подходы к распознаванию образов. Во-первых, структура определяет характеристики будущих террористических атак путем анализа взаимосвязи между прошлыми атаками. Сравнение результатов с существующими данными показывает, что предложенный метод смог успешно предсказать большинство характеристик атак с точностью более 90%.
Более того, после построения сети с подключениями исследователи предлагают единый подход к обнаружению, который применяет методы классификации шаблонов к топологии сети и особенностям инцидентов, чтобы обнаруживать террористические атаки с высокой точностью и определять распространение атак (точность 90%), множественные атаки. (Точность 96%) и террористические цели (точность 92%). Следовательно, правительства могут контролировать террористическое поведение, чтобы снизить риск будущих событий.
Результаты могут потенциально позволить правоохранительным органам предлагать стратегии реагирования, сказал Тутун.«Террористы учатся, но они не знают, что они учатся.
Если мы не можем отслеживать их через социальные сети или другие технологии, нам нужно понимать закономерности. Наша структура работает, чтобы определить, какие показатели важны», — сказал Тутун. «На основе этой функции мы предлагаем новую функцию подобия (взаимодействия).
Затем мы используем функцию подобия (взаимодействия), чтобы понять разницу (как они взаимодействуют друг с другом) между двумя атаками. Например, какова связь между Париж и атаки 11 сентября? Когда мы смотрим на это, если есть отношения, мы создаем сеть. Может быть, одна атака в прошлом и другая атака имеют большое отношение, но никто не знает.
Мы пытались извлечь эту информацию . "Предыдущие исследования были сосредоточены на понимании поведения отдельных террористов (как людей), а не на изучении различных атак путем моделирования их взаимоотношений друг с другом. При этом обнаружение террористической деятельности фокусируется либо на отдельных инцидентах, не принимая во внимание динамическое взаимодействие между ними; или сетевой анализ, который дает общее представление о сетях, но оставляет в стороне функциональные роли людей и их взаимодействия.«Предсказание террористических событий — это мечта, но защита какой-либо территории с помощью шаблонов — это реальность.
Если вы знаете шаблоны, вы можете снизить риски. Дело не в прогнозировании, а в понимании», — сказал Тутун.
Тутун считает, что политики могут использовать эти подходы для своевременного понимания и обнаружения террористической деятельности, что может позволить принять меры предосторожности, чтобы избежать будущих атак.«Когда вы решаете проблему в Багдаде, вы решаете проблему в Ираке. Когда вы решаете проблему в Ираке, вы решаете проблему на Ближнем Востоке. Когда вы решаете проблему на Ближнем Востоке, вы решаете проблему в мире. , — сказал Тутун. «Потому что, когда мы смотрим на Ирак, эти модели наблюдаются и в США».
Документ «Новая структура, использующая шаблоны и отношения для понимания террористического поведения» был опубликован в журнале «Экспертные системы с приложениями».