多模态网络揭示恐怖组织的行动相似性模式
社会与信息网络
2021-12-16 v1 机器学习
物理与社会
应用统计
摘要
捕捉恐怖组织间行动相似性的动态变化，对于为反恐和情报监控提供可操作的见解至关重要。然而，尽管这一问题具有理论与实际意义，目前针对该问题的研究仍然匮乏。我们解决了这一问题，提出了一种新颖的计算框架，用于检测具有相似行为的恐怖组织集群，重点关注各组织逐年部署的战术、攻击目标及所用武器的组合特征。具体而言，我们考虑了1997年至2018年间策划至少50次袭击的组织，共计105个组织，对全球超过42,000起事件负责，并提供了三组结果。首先，我们表明多年来全球恐怖主义的特征表现为行动凝聚性的增强。其次，我们强调2009年至2018年间组织间共聚类的逐年稳定性尤其高，表明近十年相似性模式的时间一致性。第三，我们证明两个组织间的行动相似性由三个因素驱动：(a) 它们的整体活跃度；(b) 其行动组合多样性的差异；(c) 多样性与活跃度综合度量的差异。组织的行动偏好、地理同配性和意识形态亲缘性在决定行动相似性方面没有一致作用。
引用
@article{arxiv.2112.07998,
title = {Multi-modal Networks Reveal Patterns of Operational Similarity of Terrorist Organizations},
author = {Gian Maria Campedelli and Iain J. Cruickshank and Kathleen M. Carley},
journal= {arXiv preprint arXiv:2112.07998},
year = {2021}
}
备注
42 pages, 19 figures