基于多层结构的恐怖组织网络协同演化与干预策略研究

The evolution of terrorist organization network is a significant mechanism and feature in terrorist organizational activities, and the lack of research methods on it has become a bottleneck in current anti-terrorism application of early warning and strategy construction. Based on the previous research, this project aims to study the co-evolution process and mechanism of the terrorist organization network by introducing the multilayer networks model, and then explore the method of event-oriented activity monitoring and the technology of intervention strategy computational experiment. First, based on the background of domestic typical terrorist organization, we construct the multilayer dynamic network model of the terrorist organization based on the element decomposition specification and the time series network model. Second, we propose the individual behavior identification method of multilayer terrorist organization network in the process of co-evolution based on the idea of machine learning. Then the mechanism and law of terrorist organization co-evolution can be analyzed. Third, we propose the event-oriented co-evolution feature monitoring method based on the supervised learning method, which can provide the method and means for the early warning of terrorist activities. Finally, by modeling the resilience of terrorist organization, the agent based computational experiment framework of resilient terrorist organization network is proposed to carry out various forms of intervention strategy computational experiments. This project aims to propose effective methods on network dynamic monitoring and intervention construction, so as to provide theoretical basis and technical support for anti-terrorism applications of terrorist activity monitoring, early warning and intervention.

恐怖组织网络协同演化是恐怖组织活动的一个重要机制与特征，对其研究方法的欠缺成为了当前在反恐预警防范和策略构建应用中的瓶颈问题。本项目在前期研究基础上，通过引入多层网络模型研究恐怖组织网络的协同演化过程和机制，进而探索面向事件的活动监测和干预策略计算实验的方法技术。首先，以国内典型恐怖组织活动为背景，基于要素分解规范和时序网络模型构建恐怖组织多层动态网络模型；其次，借鉴机器学习的思想研究恐怖组织多层网络协同演化的个体行为模式识别方法，从而构建多层网络协同演化模型，揭示恐怖组织协同演化机制与规律；第三，基于监督学习方法提出面向事件的协同演化特征监测方法，为恐怖活动预警提供方法和手段；最后，构建恐怖组织恢复力模型，建立基于Agent的恐怖组织弹性网络计算实验框架，开展多种形式的干预策略计算实验。通过研究，提出有效的网络动态监测和干预策略构建方法，为恐怖活动监测、预警和干预提供理论依据和技术支持。

恐怖组织网络协同演化是恐怖组织活动的一个重要机制与特征，对其研究方法的欠缺成为了当前在反恐预警防范和策略构建应用中的瓶颈问题。本项目在前期研究基础上，通过引入多层网络模型研究恐怖组织网络的协同演化过程和机制，进而探索恐怖组织活动监测和干预策略计算实验的方法技术。首先，以典型恐怖组织活动为背景，构建了描述恐怖组织演化的多层网络时序模型，并基于网络冗余性研究了恐怖组织的多层网络优化方法；其次，基于复杂网络的特征分析方法提取了单一网络层的动态演化特征，并基于构建的多层网络模型，分析了多层网络之间的协同演化关联关系特征，提出了多层组织网络协同演化的特征提取方法，通过协同演化机制的关联特征集构建对协同演化机制进行了描述。第三，借鉴机器学习的思想研究了恐怖组织多层网络协同演化的行为模式，使用频繁模式挖掘的方法对演化过程中的行为关联关系进行分析，并对恐怖组织网络核心结构、行动网络关联强度、事件异常变化、社会-空间动态性的监测特征与监测方法进行了研究。最后，基于识别出的恐怖组织网络演化特征和协同演化机制，构建了恐怖组织多层网络的协同演化模型，在此基础上，使用基于Agent仿真的方法构建了对恐怖组织活动进行干预策略计算实验的整体框架。.研究结果表明，多层网络模型比单一网络模型具备更丰富描述恐怖组织内部复杂关系的能力，能够支持研究恐怖组织内部不同功能模块的协作过程；基于恐怖组织内部的合同协作，组织网络层之间表现出具有组织特性的协同性，通过构建相关的协同演化机制特征集能够有效地对组织内部的协同演化机制进行描述；多层网络模型提供了比单一网络模型更丰富的描述组织演化过程的指标，在此基础上进行组织中的行为模式挖掘可以获得相关的行为关联关系，进而提取出有效的特征监测方法；基于Agent的干预策略计算实验可以提供对恐怖组织这一复杂社会系统进行策略研究的工具。