屈健　張雙獅　蘭月新　張鵬　夏一雪

[摘 要] 近年來恐怖主義對國家安定團結的政治局面、人民安居樂業(yè)的生命財產安全造成越來越大的威脅，反恐成為每一個組織和個人必須面對的現實問題。決策方法研究成為反恐成功的關鍵。本文提出了面向大數據的反恐信息監(jiān)測、數據分析及智能決策的方法和輿論宣傳策略，通過采用大數據技術、云計算技術，并結合社會主義國家放手發(fā)動群眾，集中消滅敵人的優(yōu)勢，建立全民參與、全民監(jiān)控、多聯分析、風險決策的反恐網絡與反恐體系，將恐怖主義置于全民反恐的汪洋大海之中。從心理上給予恐怖分子不敢動的壓力，從技術上給予恐怖分子不能動的壓力，從輿論上給予恐怖分子不想動的感化和教育，以期從根本上減少和消除恐怖主義隱患和行為，為國家反恐決策行動部門提供理論和技術支持。

[關鍵詞] 大數據；反恐；恐怖分子；效用情報；決策

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 17. 057

[中圖分類號] TP39 [文獻標識碼] A [文章編號] 1673 - 0194（2018）17- 0149- 06

1 引 言

恐怖主義是近年來世界各國普遍面對的問題，隨著智能科技和移動互聯網的發(fā)展，恐怖主義有愈演愈烈、國際化、網絡化、線上線下聯動的發(fā)展趨勢。我國正處于改革發(fā)展的關鍵時期，受到國際社會的廣泛關注，同時也受到境內外敵對勢力的仇視與嫉恨，由此引發(fā)的恐怖活動時有發(fā)生，給國家穩(wěn)定，人民生命財產安全造成很大的威脅。黨和國家高度重視防恐和反恐，制定專門法律法規(guī)，建設反恐精兵隊伍，廣泛開展國際及區(qū)域合作，多措并舉，極大地打擊了恐怖主義在我國擴散的囂張氣焰。學術界從法律法規(guī)、隊伍建設、情報、大數據、決策行動等多個方面進行了深入而廣泛的研究。其中，梅建明教授團隊對英、美、法、俄等西方國家反恐的經驗進行了深入細致的分析，從情報的角度對反恐情報特征、情報體系構建、情報分析、情報決策、情報預警以及從大數據角度用各種方法做了數據挖掘分析[1-4]；蘭月新團隊從大數據角度研究了反恐情報采集、數據庫的建設及保障等方面的研究[5-7]；裴毅東對大數據提升國家反恐能力的重要性進行了全面的分析和闡述，并對美國利用大數據實施監(jiān)控與反恐的策略進行了細致的解讀，給我們以重要啟示[8]；鄭國用從軍事運籌學角度研究了反恐行動決策，陳明等研究了反恐情報決策和行動[9]。這些研究對我國反恐理論和實踐都起到非常重要的作用，但是，主要針對專門部門的情報決策行動展開，屬于單方面反恐，著重強調警察、特戰(zhàn)隊等專業(yè)部門的作用，這也是西方國家反恐慣用的方法，也是造成當前國際上越反越恐尷尬局面的重要原因[10-12]。恐怖主義威脅社會每一分子的安全，因此，反恐反暴人人有責，完全依靠公安、部隊等專門部門的單方面反恐已經無法適應當今互連互通，一體化的社會發(fā)展要求。其實，我國在建國初期鎮(zhèn)壓反革命（國民黨遺留在大陸的大量軍統特務及殘余武裝）運動中就已經積累了非常豐富的反恐防暴經驗，如構建以情報部門、公安部門、部隊為主，交通、郵電、銀行等各業(yè)務部門密切配合以及廣大人民群眾大力支持的多維度鎮(zhèn)壓反革命網絡。這種全民反恐的方法非常適合我國當前國情，當前依然有非常重要的借鑒意義，只是需要借用現代大數據技術構建起數據驅動的新型反恐網絡。其中，群眾路線，廣泛的發(fā)動群眾，依靠群眾，依然是我國反恐的基石。

本文研究面向大數據的全民反恐決策方法，邏輯思路如圖1所示，按照研究方法以控制流將反恐決策分成研究對象、研究方法和研究結果三個部分，以數據流將反恐決策分為三個步驟，數據采集，數據分析和反恐決策。

2 面向反恐決策的大數據采集

廣泛的數據采集是反恐決策的前提。隨著物聯網、移動互聯網技術的發(fā)展，大數據成為現實生活的映射空間。任何人的言行舉止逐步的都數字化，其吃、喝、拉、撒、睡，行、立、坐、臥、走都不可避免的在日常居住地的交通、住宿、通信、金融、消費、社交等等多個子空間留下數據腳印，這是大數據采集的基礎。因此，全民數據采集與重點分子跟蹤監(jiān)控相結合成為科學的反恐大數據采集策略。

通?？植婪肿优c普通民眾生活在一起，存在于現實生活和虛擬網絡中，而且普通民眾受蠱惑脅迫可能變成恐怖分子，參與恐怖活動，而恐怖分子也有可能經過宣傳教育感化變成普通民眾和合法公民。因此，在沒有鎖定目標之前，數據采集是針對全民的，其流程如圖2所示?？蓪祿碓捶譃闃I(yè)務部門、媒體網站和人民群眾三個方面，按照采集渠道將數據分為互聯網絡數據、業(yè)務網絡數據和物聯網絡數據。由公安反恐部門牽頭，建立起各媒體網站、各業(yè)務部門協同配合，廣大人民群眾積極參與的反恐大數據采集通道。

業(yè)務網數據采集如社交、工作、生活、娛樂中的財務往來、投資理財、債券交易、電子商務中產生的賬單數據，出行旅游在鐵路、汽運、航空、路卡等地的交通數據，日常在電信部門的通話交流數據等等；物聯網數據采集如生活居住區(qū)、購物娛樂場所等處的視頻監(jiān)控數據和導航定位數據，各處保安、人民群眾的異常發(fā)現，及時投訴和報警；互聯網數據采集如微信、微博、論壇、貼吧等媒體平臺的互動交流數據，各媒體網站提問咨詢，發(fā)表意見，搜索引擎中的搜索歷史、愛好等信息。所有這些構成了日常生活大數據，它將所有人在生活中線上線下公共場所的言談舉止和各類行為都記錄下來，形成圖、文、聲、視的數據資料。通過大數據的采集、處理、存儲，映射到可供分析決策的數據空間。

采用分布式網絡爬蟲對散布在互聯網上的社交輿情數據進行采集，可以主動到微信、微博、媒體客戶端、論壇、貼吧等輿情集散地抓取含有圖、文、聲、視各類數據的網頁?；蛘邞{借各大網站的API進行重點人物、公眾號的數據采集。或者與各媒體網站聯合，啟動涉恐嫌疑人員言論異動推送，引導各大網站專門設立不良言論投訴和舉報窗口，方便網民對整個網絡空間的監(jiān)督和維護；視頻監(jiān)控數據目前主要靠各個小區(qū)單位分散記錄，需要進行廣泛宣傳教育，建立起全體居民監(jiān)視投訴渠道，暢通居民保安報警，居民報警的多重渠道，有條件的地方和單位可以安裝基于圖大數據的流式存儲處理APP，以實現智能分析、識別、決策報警；目前業(yè)務數據也主要由各單位分別采集，如有涉案的嫌疑對象，公安機關會進駐相應單位進行調查，此情況屬于事后型反恐。對目前狀況稍作調整便可實現事前型主動反恐，現在各業(yè)務系統（包括通信、金融、交通、電子商務等）都已實名制，每一單業(yè)務都需要進行身份驗證，訪問公安的身份數據庫。這樣，一方面可以在訪問身份數據庫時在公安業(yè)務系統留下日志，另一方面也可以要求業(yè)務部門將用戶的業(yè)務行為寫成摘要，包含時間、地點、人物和事件等信息，返回給身份證系統，形成日志。這樣既不會給業(yè)務系統帶來太大壓力，也不會給公安系統帶來更多負荷，只需公安系統擴容部分存儲設備。

反恐部門通過多方宣傳，以提高媒體網站、社交網站、業(yè)務部門、網民、普通民的反恐意識和警惕，進而積極配合，及時舉報。反恐大數據的采集處理存儲方法如圖3所示，可采用開源架構Hadoop為異構大數據處理框架。采用分布式文件系統HDFS為基本存儲平臺，管理互聯網網絡爬蟲，網站推送，業(yè)務部門推送，業(yè)務部門爬蟲，網民投訴舉報，日常民眾報警等數據。以MapReduce為基本計算平臺，YARN為任務調度框架，在此基礎上針對不同數據環(huán)境，采用不同的開源大數據處理框架，如：流數據Storm、內存計算Spark、在線異構數據存儲Hbase以及動態(tài)交互數據處理Tez等等。通過進一步數據清洗、轉換和集成，形成面向大數據分析決策的數據倉庫，面向智能決策的數據集市，以及進行反恐決策所需要的其他基礎知識庫、方法庫和案例庫。

3 面向反恐決策的數據分析

多聯數據分析是反恐決策的基礎。首先，需建立分布式的多元異構大數據處理系統（如Hadoop），包括分布式存儲系統（如HDFS）和分布式計算系統（如MapReduce）。然后建立面向主題的、集成的、穩(wěn)定的和時變的數據倉庫，從多角度處理海量信息并從中獲取支持決策的信息，具體流程可參考圖4。如從微信、微博、電信、社交等數據庫集成涉恐分子通信分析數據集；從高速監(jiān)測、GPS定位、手機定位等數據庫集成涉恐分子交通出行分析數據集；從電子商務網站、銀行、債券等數據集成涉恐分子交易分析數據集。從業(yè)務智能分析（如基于Mahout的業(yè)務大數據智能分析框架）、實時查詢（如基于Solr、Redis和Hbase的實時大數據查詢框架）和離線分析（如基于Hive和Pig的離線大數據分析框架）三個角度進行數據挖掘、關聯分析以及風險建模。最終給出面向決策的可視化結果（如各種圖、表、報表等），為反恐人員隱患挖掘、效用情報提取和涉恐分子異動發(fā)現提供決策依據[13-15]。

具體而言，面對通信、交通、金融、網購等業(yè)務數據，需要開展業(yè)務智能分析。運用分類統計、聚類識別等方法是從不同種類的賬單中發(fā)現關聯關系。面對業(yè)務數據，數據分析涉及的基本問題是誰來分析反恐大數據。當前，反恐需要各種數據時往往需要專人進駐業(yè)務部門，要求業(yè)務部門配合，對重點對象的業(yè)務數據進行查詢分析，這樣做費時、費力，還效率低下，且給業(yè)務部門的正常工作帶來麻煩，不能發(fā)揮大數據的優(yōu)勢。為了更好地利用各個業(yè)務部門的數據，一種方法，可在各業(yè)務平臺增加針對反恐的數據分析應用接口，反恐部門隨時可以下達任務，各業(yè)務部門根據任務要求，啟動反恐數據分析應用，并返回數據挖掘結果；另一種方法，反恐部門利用之前業(yè)務部門在辦理各項業(yè)務時針對各個用戶返回的摘要文件，對其進行大數據分析。其中，前一種方法，要求各業(yè)務部門增加反恐數據挖掘模塊，增加與反恐部門的通信接口，反恐部門需要增加針對各個業(yè)務部門任務下達功能模塊，這會給業(yè)務系統和反恐情報系統增加較大的升級難度，增加較大的軟件成本，而且其利用率可能非常低。后一種方法，只需在業(yè)務部門的系統中增加給公安系統發(fā)送業(yè)務摘要的功能，即賬單數據存儲時順帶發(fā)送業(yè)務摘要，其軟件升級成本相對較小，公安部門的分布式反恐數據分析系統中適當增加存儲空間。第二種方案更為實際，便于實施?；跉v史數據的交互式查詢，數據分析的對象是由業(yè)務系統產生的大量業(yè)務日志，個人業(yè)務數據的交互式查詢，各類業(yè)務賬單的批量數據處理，快速批處理?？傊?，不論是反恐部門主動采集還是業(yè)務部門實時推送，要求各業(yè)務部門高度認識反恐的重要性和與公安部門密切配合的重要性。

面對物聯網數據，如分散在各處的視頻監(jiān)控數據，目前還基本上沒有分析的功能，只是記錄當時的情景。為此，需公安部門牽頭，倡導引入視頻流分析功能，可增加定時拍照和抓圖處理，一方面識別在逃通緝犯，另一方面對本小區(qū)的住戶行為進行分析，識別行為異常并向門衛(wèi)或保安提出風險預警。對視頻及圖結構數據，需建立基于視頻流截取的圖數據庫，采用基于實時數據流的流式大數據計算、實時查詢的方法。

對于互聯網數據，主要進行基于歷史數據的數據挖掘和在線交互式查詢。針對事前、事中及事后的網絡輿情大數據，其分析流程為，統計、計數聚類、分類學習、識別回歸、預測。結合統計方法、機器學習方法以及人工智能算法進行數據挖掘和知識發(fā)現，給出各個階段的輿情風險評價，并將分析結果可視化，為決策提供參考。輿情分析的核心是自然語言處理、文本數據挖掘。

數據分析后的關鍵一步是面向決策的可視化，如人員監(jiān)控異常告警，個人暴恐風險評級，回歸分析預測，暴恐分子分類聚類，涉恐分子畫像，趨勢分析顯示，涉恐組織暴恐行動風險評價，暴恐組織社會網絡分析，暴恐人員社會網絡分析等可視化圖表。

4 面向大數據的反恐決策方法

從自動化角度可將決策方法分為人工決策和智能決策?？偟陌l(fā)展方向是從當前的以人工決策為主向以智能決策過渡，其決策流程如圖5。面向決策，來自互聯網、物聯網及業(yè)務網等的大數據存儲在分布式文件系統中，這些元數據無法直接用于決策，須進行科學的抽取、轉換、加載等數據清洗的過程，形成可供決策的數據倉庫、數據集市，還要結合決策支持的各類案例庫、知識庫和方法庫共同構成決策的支撐系統。通過對元數據的處理構建面向決策的數據倉庫，包括如涉恐分子通信分析數據集、涉恐分子交通分析數據集、涉恐分子交易數據集等，以方便進行聯機分析和數據挖掘。利用數據倉庫，進一步可構建供機器學習的模式庫和面向決策分析的數據集市，如涉恐分子行為分析數據集、涉恐分子喜好分析數據集和涉恐分子性格分析數據集等。根據防暴處置專家的經驗和方法構建知識庫，以供人工推理和智能推理所用。建立基于大數據的識別模型、評價模型、學習模型、預測模型和分類模型等。專門構建基于案例推理智能決策和查詢的涉恐事件案例庫、涉恐人員案例庫和涉恐輿情案例庫等案例庫[16-17]。

人工決策主要有采用集合理論、統計理論、進化思想、信息理論、符號推理等手段對涉恐分子的各類數據集合進行機器學習和決策分析建模，最終進行聯機分析和數據挖掘，發(fā)現效用情報，為決策行動提供支持。

智能決策是近年人工智能技術發(fā)展的一個熱點方向，在反恐決策中充分結合反恐專家經驗建立反恐知識庫，結合成熟的專家系統技術和大數據挖掘技術，可開發(fā)涉恐人員風險等級分析自動推薦系統；采用案例推理的方法可建立基于涉恐人員信息數據庫的不良傾向智能識別，恐怖分子智能識別系統等；可建立基于涉恐事件案例庫的智能決策方法推送系統；可建立基于涉恐輿情案例庫的輿情處置智能決策推送系統；可采用決策樹和語義網絡等技術構建專家系統，實現在線決策咨詢；可建立基于運籌理論、圖結構理論、案例推理技術的行動決策智能推送系統。

智能決策支持系統的設計流程：①目標分解，如針對涉恐人員，可將人員識別、暴恐傾向鑒定、暴恐風險評價等作為目標；針對反恐方案，可將反恐路線規(guī)劃、反恐資源配置等作為目標；針對在線查詢，可將搜索引擎作為目標。②價值準則，針對目標設計價值準則，即判斷規(guī)則。③擬訂方案，在建立大量規(guī)則的基礎上設計自動推理機方案，如專家系統、案例推理系統等。④分析評估與優(yōu)選，對多種方案進行分析評估，針對不同的目標選擇最優(yōu)的推理方案。⑤試驗驗證，不斷調整智能決策參數，即機器學習和模式識別的參數對決策支持系統進行試驗驗證。通常智能決策中涉及關鍵技術有案例推理，專家系統，計算智能，機器學習，模式識別，自然語言處理等。在反恐智能決策中案例推理技術既可用于涉恐輿情決策處置中，也可用于反恐資源配置中。而專家系統則可以運用咨詢、培訓、學習以及在線機器人聊天中。計算智能、機器學習及模式識別主要用于風險評價、人員評級、人員識別、涉恐行為異動中。自然語言處理主要用于網絡輿情涉恐數據分析和決策推送中[18-19]。

5 面向反恐決策的輿論隊伍

隨著移動互聯網技術的發(fā)展，隨時隨地了解咨詢、關注國計民生以及發(fā)表個人觀點成為廣大民眾日常生活的重要組成部分，網絡越來越成為意識形態(tài)領域斗爭的主戰(zhàn)場。各種反華勢力、恐怖組織或明或暗遍布網絡，進行著各種形式的文化輿論攻擊、腐朽思想滲透以從根本上動搖我國民眾的價值觀念。面對這樣的嚴峻問題，公安反恐部門和國家相關部門切不可掉以輕心，而要和現實恐怖活動的危害性同等重視，甚至更加重視，摒棄過去事發(fā)之后的被動觀測，而應建立網絡輿情大數據思維，加強日常的觀測、分析和決策，將恐怖主義消滅在思想之初，萌芽狀態(tài)。為此需做好以下幾項工作：①建立專業(yè)的網絡輿情數據監(jiān)測、分析、決策隊伍，網絡輿情的持續(xù)發(fā)酵往往會在線上形成一些具有相同意見觀點的群體，進而容易引起線下聚集以致引發(fā)群體性事件的發(fā)生。輿情專業(yè)隊伍利用網絡輿情監(jiān)測系統廣泛抓取各輿情集散地的輿情信息，對輿情進行大數據分析和挖掘，對其進行風險評價，及時提出預警并采取果斷的決策措施，主動參與，主動回應，以化解矛盾的激化，稀釋集聚的怨憤。②采取技術手段，打入涉恐分子內部網絡社交圈，如QQ群、主播平臺、網絡視頻語音會議平臺、網絡游戲平臺等等，了解涉恐分子的性格特征、情感動向，及時收集重要情報。虛擬世界的生活、娛樂、交往已經成為當代生活不可缺少的重要部分，涉恐分子也不可能脫離虛擬世界而存在，狡猾的恐怖分子往往有內部的交流網絡和平臺以便互相聯絡，開展培訓學習或布置任務，如果能打入恐怖分子的社交圈，對反恐決策將起到事半功倍的效果，往往可以給恐怖分子以毀滅性打擊或者將恐怖分子一網打盡。③主動發(fā)聲，廣泛宣傳。每一個人都需要建立正確的世界觀、人生觀和價值觀，一方面要去經歷，另一方面需要學習。在意識形態(tài)領域，不是西風壓倒東風，就是東風壓倒西風，如果網絡上腐朽、暴力、偏激等負面言論、音視頻占主導地位，必然會對廣大網民建立正確的三觀產生消極的負面影響。因此，要求建立專門的弘揚社會主義核心價值觀的輿論宣傳隊伍，廣泛宣傳黨的理論、路線、方針、政策，宣傳新時代中國社會充滿正能量的人物、事件、言論、文章等等，讓正義的輿論刷滿廣大人民群眾的電腦終端屏幕，把涉恐的輿論、觀點踩在廣大網民腳下，沒有立足之地。一方面涉恐分子孤掌難鳴，自然作罷，另一方面，正能量的輿論越來越多，涉恐分子不可避免地會受到正面的感化和教育而逐漸轉變觀念，打消暴恐念頭。如百度搜索引擎將正面新聞置頂的做法將會對引導正確健康的輿論起到積極的作用，對所有使用百度搜索的網民有著良好的教育意義。

6 討 論

以廣泛數據采集為前提，多聯大數據分析為基礎，人工智能方法為牽引的反恐決策方法，既強調依靠各類大數據的戰(zhàn)略資源作用和智能科技的分析決策作用，又要求依靠社會各個部門的支持與配合和廣大人民群眾的覺醒與行動。通過“敵動我動”的行動決策和“敵不動我仍然在動”的風險決策，既有全民參與的堅決行動，又有鋪天蓋地的政治宣傳，必將給恐怖分子布下無處遁形的天羅地網，使其不敢動，不能動和不想動，從而從根本上減少和消除恐怖主義。

本文僅提出了框架性的理論和技術方法，其中每一部分的實現還需進一步廣泛深入的研究和不斷的實踐。這種面向大數據的全民參與的集情報、輿論和行動三位一體的決策方法不僅適用于反恐，而且可廣泛用于打擊犯罪、懲治腐敗等事務中。

注：通訊作者，張雙獅

主要參考文獻

[1]梅建明.千錘百煉打造利刃神兵[N].人民日報，2014-08-01.

[2]梅建明.構筑有中國特色的反恐法律體系[N].法制日報，2014-06-17.

[3]李本先，張薇，梅建明，等.大數據在反恐情報工作中的應用研究[J].情報雜志，2014，33（12）：1-5.

[4]李勇男，蔣東龍，梅建明.基于基尼系數的決策樹在涉恐情報分析中