基于复杂网络方法发现恐怖组织的潜在簇结构

鉴于参与恐怖行动的参与者与团体极度异质，调查并评估其特征对于提取相关信息、增进对其行为认知十分重要。本文旨在通过复杂网络方法实现该目标。该方法将利用行动特征信息发现相似恐怖团体的潜在簇。具体地，使用 1997 至 2016 年全球恐怖袭击的开放数据，我们构建了一个多部网络（multi-partite network），包含恐怖团体及关于战术、武器、目标、活跃地区的相关信息。我们提出了一种新颖的簇形成算法，该算法通过应用 Von Neumann 熵进行模态加权，扩展了仅使用 Gower 相似系数的早期工作。将该新方法与此前基于 Gower 的方法以及仅关注团体意识形态的启发式聚类技术进行比较。比较分析表明，基于熵的方法倾向于可靠反映由基线 Gower 方法自然浮现的数据结构，并在恐怖团体的行为与意识形态特征方面给出有趣结果。我们进一步表明，基于意识形态的方法倾向于扭曲或隐藏已有模式。主要统计结果中，我们的工作揭示出属于对立意识形态的团体可能共享非常常见的行为，且伊斯兰/圣战团体相对于其他团体具有独特的行为特征。文中亦讨论了局限性与潜在工作方向，引入了动态基于熵的框架构想。