高秀容 李艷 魏雪茹 蔣濟民

摘 要：提取恐怖襲擊事件的有效特征，構(gòu)建量化的危害等級模型，對恐怖組織危害程度進行排序。為確定2017年中未有組織宣稱負責的恐怖事件的制造者，選取了2015-2016年的數(shù)據(jù)進行分析，將其中危害性排名前五的恐怖組織作為嫌疑人。建立判斷矩陣，確定所選取指標的權(quán)重，運用灰色關(guān)聯(lián)分析，得到事件與該五個嫌疑人之間的加權(quán)關(guān)聯(lián)度，從而進行嫌疑人的排序。

關(guān)鍵詞：恐怖襲擊；量化等級模型；灰色關(guān)聯(lián)分析

中圖分類號：D9 文獻標識碼：A doi：10.19311/j.cnki.16723198.2019.33.078

1 研究背景

恐怖襲擊作為非常規(guī)突發(fā)事件，以血腥暴力和恐嚇威脅為特征，往往造成大量人員傷亡和巨大社會影響。只有對恐怖襲擊展開研究、了解恐怖組織的特點、掌握恐怖襲擊動機才能制定切實有效的反恐戰(zhàn)略。以現(xiàn)有可信的歷史數(shù)據(jù)作為依據(jù)，找出恐怖主義基本模式，分析恐怖襲擊的時空演變趨勢，進而得到科學的結(jié)論，提高反恐政策的針對性和有效性。

2 問題分析

本文利用GTD的數(shù)據(jù)信息，構(gòu)建量化的危害等級模型，對嫌疑的恐怖組織危害程度進行排序。選取2015-2016年發(fā)生的未確定嫌疑人的恐怖襲擊事件，按組織或個人的危害性從大到小選出其中的前5個，再對隨機選取的若干恐襲事件，按嫌疑人程度對5個嫌疑人排序。

3 數(shù)據(jù)分析與處理

剔除文本型變量，刪除基本上不懷疑該事件是恐怖主義行為（即doubtterr為0）的事件。

缺失比率分析，刪除缺失率超過80%的變量，對其余數(shù)據(jù)進行空缺填補。

變量正負相關(guān)性統(tǒng)一，越大表示危害程度越高。例如財產(chǎn)損害程度越高所代表的數(shù)值越小，為了方便后續(xù)危害程度的計算與表示，將所有特征向量數(shù)值越大表示該項造成的危害程度越高。

變量選取：受傷總數(shù)、死亡總數(shù)、財產(chǎn)損害程度、地區(qū)、月份、攻擊類型、目標/受害者類型、武器類型。

數(shù)據(jù)標準化，利用最最小標準化方法對以上數(shù)據(jù)進行處理x'i=xixminxmaxxmin。

4 建立模型

4.1 對恐怖襲擊事件進行分級

利用主成分分析方法對以上變量數(shù)據(jù)進行主成分分析，得到綜合得分模型中的系數(shù)，得出其綜合得分，并按綜合得分排序。其中得分最大為0.805981，最小為0.0693279，我們通過以下方式來劃分等級。

以下為劃分等級后，每個等級對應的事件數(shù)量。我們可以看出危害等級為4，5級的恐怖事件占大多數(shù)。

4.2 依據(jù)恐怖襲事件發(fā)現(xiàn)恐怖分子

運用數(shù)學模型將不同時間、不同地點多次作案的若干案件尋找將其歸為一類的可能性，并對其所對應的未知作案組織或個人進行標識，然后根據(jù)其危害性進行排序，并預測列表中給出的部分2017年恐怖事件歸為哪個組織的嫌疑度大小。本文選取2015-2016年的數(shù)據(jù)進行分析，根據(jù)危害性及平均危害性選出排名前五的恐怖組織。

本文選取5個變量作為恐怖襲擊事件的特征，分別為月份，地區(qū)，攻擊類型，目標/受害者類型，武器類型。根據(jù)數(shù)據(jù)庫中已經(jīng)給出的相關(guān)事件分析可得到同一類別的恐怖襲擊事件在這幾個特征上有很大的相似與關(guān)聯(lián)性。建立判斷矩陣，確定各個指標的權(quán)重。判斷矩陣如下：

得到的權(quán)重分別為：

接著建立灰色關(guān)聯(lián)模型，確定參考數(shù)列和比較對象，計算灰色關(guān)聯(lián)系數(shù)：

然后根據(jù)權(quán)重和關(guān)聯(lián)系數(shù)計算出灰色加權(quán)關(guān)聯(lián)度Ri=∑nk=1ωiζi（k）。

根據(jù)灰色加權(quán)關(guān)聯(lián)度的大小，得到嫌疑人的嫌疑程度排序，如表4為部分未確定事件的嫌疑人排序。

恐怖襲擊事件是全球人類共同面臨的問題，確定犯罪嫌疑人，有利于反恐斗爭的進行。此外，恐怖分子傾向于使用輕型武器、爆炸、燃燒武器，遏制住這些武器的來源，是遏制恐怖主義的有效措施。

參考文獻

[1]劉小鵬.基于社會網(wǎng)絡(luò)分析的恐怖分子網(wǎng)絡(luò)模型構(gòu)建方法[D].長沙：國防科學技術(shù)大學，2010.

[2]GTD數(shù)據(jù)庫[EB/OL].https：//www.start.umd.edu/gtd/.

[3]李國輝.全球恐怖襲擊時空演變及風險分析研究[D].合肥：中國科學技術(shù)大學，2014.