遏制恐怖主义发展中大数据技术的运用(2)

　　近年来，全球数据不仅在数量上飞速增长，在数据类型方面也在朝多样化发展。除了结构化数据外，各种非结构化数据（包括由视频、音频、图片、邮件、GPS和传感器等产生的数据），每年都以60%速度快速增长，未来非结构化数据将占数据总量的80%以上[3] ,日益增长的数据变化对数据的处理能力提出了更高的要求。
　　
　　（三）产生价值（Value）
　　
　　数据价值大密度低，是大数据的又一个特点。对于反恐怖主义而言，利用大数据技术，从庞大的数据中发现稀疏而有高价值的恐怖主义信息和恐怖活动规律，为反恐怖主义预测和决策提供相关支持，从而制止恐怖活动，瓦解恐怖组织，实现这些数据的最大价值。
　　
　　（四）追求高效（Velocity）
　　
　　相对于传统数据挖掘而言，大数据最显着的特征是追求高效率。传统的技术架构已无法适应大数据的处理，基于云计算的Hadoop等大数据框架，利用集群的威力、高速的运算及存储，实现了一个分布式的运行系统，以提供高传输率来访问数据，适应了大数据的应用程序。此外，社会计算、深度学习、预测分析、语义引擎、数据挖掘、可视化分析等技术的发展，使人们更易于从海量的数据中提取有用信息，进行深度解析，及时提供有价值的数据，这与反恐怖主义情报收集的目标是一致的。
　　
　　三、大数据技术在反恐怖主义中的应用展望
　　
　　随着恐怖主义特点的变化，反恐怖主义情报的获取方式也将发生相应变化，对恐怖主义数据和信息的分析提升到了前所未有的高度，这种分析是更深层的信息挖掘。大数据时代，对数据的处理理念发生了变化：要全体不要样本，要效率不要绝对精确，要相关不要因果[4] .这种变化恰好能满足反恐怖主义情报获取的需要。在新理念引领下，发展起来的大数据技术将有力支持反恐怖主义情报的获取。
　　
　　（一）社会计算
　　
　　大数据时代的社会计算是一种数据密集型科学研究范式[5] .利用社会计算，加强社会网络分析，对恐怖分子的社区结构进行分析，探寻其规模、组织结构、成员构成和行为特征等，将有效解构恐怖组织，确定恐怖分子之间的关系。通过发现恐怖分子在网上的活动痕迹开始，逐步挖掘出整个恐怖组织，并通过追踪通信联系、查控物资及资金的流动，实现对恐怖组织中所有成员活动进行监控而获得信息，从而有效打击恐怖活动，摧毁恐怖组织。
　　
　　（二）深度学习
　　
　　深度学习[6]也是大数据分析的核心技术之一，它模仿人脑的机制来解释数据，通过组合底层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布特征表示，传统的机器学习研究通常都是较为简单或浅层的模型，依赖于数据的表达，取得的学习效果一般。大数据的出现提供了更加复杂的模型，使之能更有效地表征数据、解释数据。在国内，百度公司利用深度学习技术，在语音识别、OCR识别、人脸识别、图像检索等应用上也取得了长足进步。
　　
　　深度学习技术的进步对反恐怖主义有着重要的意义，结合图像识别技术，将已知恐怖分子图像与海量的视频资料对比，在茫茫人海中及时发现恐怖分子行踪。与云计算技术紧密结合，有望做到实时发现、密切跟踪、及时报警；对于语音和文本识别，也将能更好地理解自然语言的语义，对反恐怖主义工作也将提供很大的辅助作用。
　　
　　（三）预测分析
　　
　　大数据的核心就是预测。大数据背景下，人们通过把数学算法运用到海量的数据上来预测事情发生的可能性。相关关系在小数据世界中有一定作用，但在大数据的背景下，相关关系的作用更为突出。通过应用相关关系，我们可以更便捷、更清楚、更有效地分析并预测事物的发生。运用相关关系，我们不需要通过揭示其内部的运作机制来分析现象，而是通过识别有用的关联物，来对现象进行分析。相关关系没有绝对，只有可能性。利用这一特征，来分析与恐怖活动相关的所有信息。通过找到一个恐怖活动的良好关联物，相关关系可以帮助我们捕捉现在和预测未来；通过分析梳理与恐怖活动一起发生的事件，密切关注这些相关事件的发生，就可以预测恐怖活动的发生。这有助于我们在不能直接知悉恐怖活动何时何地发生的情况下，通过捕捉可能和恐怖活动一起发生的事情，来帮助我们预测恐怖活动发生的可能性，甚至获取恐怖分子实施恐怖活动的具体计划，以便我们能及时阻止恐怖活动的发生。虽然相关关系无法预知未来，只能预测可能发生的事情，但这对于反恐怖主义，遏制恐怖活动发生来说，这已经非常有用了。
　　
　　四、结语
　　
　　大数据时代的到来给我们带来了机遇和挑战，大数据技术的发展将有力推动反恐怖主义方法手段的创新。本文从分析新时期恐怖主义的特征入手，阐明了传统的技术手段已经无法满足反恐怖主义的需要，而大数据技术的发展，将对反恐主义提供有力支撑，最后对社会计算、深度学习和预测分析等大数据技术未来在反恐怖主义行动中的应用进行了展望，这些大数据技术将辅助我们遏制恐怖主义发展势头，发现恐怖分子活动行踪，有效阻止恐怖活动发生。
　　
　　注释：
　　[2]Vance, Ashley.Start-Up Goes After Big Data With Hadoop Helper.New York TimesBlog.2010-04-22.
　　[3]孟小峰、李勇、祝建华。社会计算：大数据时代的机遇与挑战。计算机研究与发展。2013,50（12）。2488-2491.
　　[4][英]维克托·迈尔·舍恩伯格、肯尼思·库克耶。大数据时代。浙江人民出版社。2012.12.
　　[5]Hey T.Tansley S.Tolle K.The fourth paradigm:Data-intensive scientific discovery.Redmond.Washington:Microsoft Research.2009.[2013-06-04].
　　[6]百度百科