23、恐怖主义研究中的网络分析与隐藏群体发现

恐怖主义研究中的网络分析与隐藏群体发现

1. 隐藏群体发现算法

在通信数据中发现隐藏群体是一项重要的任务，这里介绍的算法仅基于通信数据，不依赖通信内容。这些算法利用隐藏群体在通信模式（时间或空间）上的相关性来进行检测。

1.1 算法原理

• 算法依赖于隐藏群体在通信模式上的相关性，这些群体未明确宣称自己是一个社会实体，因此被称为隐藏群体。
• 算法通过提取消息日志形成的通信网络结构来发现隐藏群体，输出的群体可由分析师进一步结合通信的具体形式和内容进行详细研究，以获得更好的整体结果。其主要优势在于大大减少了分析师需要研究的群体搜索空间。

1.2 空间和时间相关算法

• 时间隐藏群体算法 ：用于识别那些定期通信并参与活动规划的群体。实验表明，随着背景通信变得更加密集，发现隐藏群体所需的时间会变长；当背景过于密集时，会出现相变，导致隐藏群体无法被发现。然而，当隐藏群体结构更加有序时，更容易被检测到。特别是当隐藏群体较为隐秘，仅在成员之间交流关键信息时，实际上更容易被检测到。
• 空间相关算法 ：基于社会群体经常重叠的观察，排除了传统的分区技术，需要新的程序将参与者聚类成重叠的群体。这里描述的聚类算法家族能够根据提供的聚类指标发现各种类型的群体，并且在发现聚类和保留聚类之间有意义的重叠方面既高效又准确。

1.3 算法性能

对算法在真实世界数据上进行了测试，结果表明，除了网络图表外，新算法产生的聚类质量更高。具体数据如下表所示：