联合应用数据挖掘技术分析全球恐怖袭击——反恐的预防与预测
机器学习
2019-02-22 v3 密码学与安全
计算机与社会
机器学习
摘要
恐怖主义已成为最棘手的问题之一，也是人类面临的突出威胁。为了加强反恐，多项研究正在开发高效且精确的系统，数据挖掘亦不例外。尽管我们的生活中充斥着海量数据，但公共领域真实恐怖袭击数据的匮乏使得打击恐怖主义变得复杂。本文聚焦于数据挖掘分类技术，并探讨了联合国在反恐中的作用。它分析了 Lazy Tree、Multilayer Perceptron、Multiclass 和 Na"ive Bayes 等分类器的性能，以观察全球恐怖袭击的趋势。用于实验的数据库由 1970-2015 年间的不同公开和开放获取来源构建，包含 156,772 起造成大量生命和财产损失的已报道袭击。这项工作以袭击责任方作为评估类别，枚举了所造成的损失、袭击频率的趋势以及更易发生袭击的地点。
引用
@article{arxiv.1901.06483,
title = {A Conjoint Application of Data Mining Techniques for Analysis of Global Terrorist Attacks -- Prevention and Prediction for Combating Terrorism},
author = {Vivek Kumar and Manuel Mazzara and Maj. Gen. and Angelo Messina and JooYoung Lee},
journal= {arXiv preprint arXiv:1901.06483},
year = {2019}
}
备注
13 pages, 5 Figures, 7 Tables, Proceedings of 6th International Conference in Software Engineering for Defense Applications- SEDA 2018,Rome, Italy