Werbung

Ingenieurprojekt sagt Terroranschläge mit einer Genauigkeit von 90 Prozent voraus

Ein Ingenieurteam aus New York entwickelte a Rahmen um Trends bei Terroranschlägen auf der ganzen Welt zu verfolgen. Terroranschläge selbst scheinen unvorhersehbar und unerwartet. Die Forscher von Binghamton University , State University of New York SUNY fand Muster in der scheinbar ungemusterten.

Das Team schlug ein neues Framework mit dem Namen Networked Pattern Recognition NEPAR Framework vor. Das System hat Daten von mehr als 150.000 Terroranschlägen zwischen 1970 und 2015 zusammengestellt. NEPAR besteht aus zwei Phasen. Die erste Phase baut ein Netzwerk auf, indem Verbindungen zwischen scheinbar nicht miteinander verbundenen Ereignissen hergestellt werden.

Kurz gesagt, das Framework identifiziert Merkmale zukünftiger Terroranschläge anhand der Beziehung zwischen früheren Angriffen. Doktorand Salih Tutun arbeitete mit zusammen. Mohammad Khasawneh Professor für Systemwissenschaft und Wirtschaftsingenieurwesen SSIE in Binghamton über die Forschung.

"Terroristen lernen, aber sie wissen nicht, dass sie lernen. Wenn wir sie nicht über soziale Medien oder andere Technologien überwachen können, müssen wir die Muster verstehen. Unser Framework definiert, welche Metriken wichtig sind." sagte Tutun.

Twin Towers am 11. September 2001 [Bildquelle : Wikimedia Commons ]

Dieses Netzwerk scheint effektiv zu sein. Das Projekt kann Merkmale im Zusammenhang mit Terroranschlägen mit wahnsinniger Genauigkeit identifizieren: 90 Prozent Genauigkeit bei der Bestimmung der Ausdehnung von Angriffen, 96 Prozent bei der Frage, ob die Daten zu mehreren Angriffen führen, und 92 Prozent Genauigkeit bei der Analyse vondie Ziele eines Terroristen hinter einem Angriff.

Laut Tutun besteht das Ziel des Projekts darin, dass die Regierungen erkennen, welche Anzeichen zu Terrorakten führen und wie das Risiko künftiger Ereignisse verringert werden kann.

"Basierend auf dieser Funktion schlagen wir eine neue Ähnlichkeits- Interaktions- Funktion vor", sagte Tutun. "Dann verwenden wir die Ähnlichkeits- Interaktions- Funktion, um den Unterschied wie sie miteinander interagieren zwischen zwei Angriffen zu verstehen. Zum BeispielWie ist die Beziehung zwischen den Anschlägen von Paris und dem 11. September? Wenn wir uns das ansehen, bilden wir, wenn es eine Beziehung gibt, ein Netzwerk. Vielleicht haben ein Angriff in der Vergangenheit und ein anderer Angriff eine große Beziehung, aber niemand weiß esWir haben versucht, diese Informationen zu extrahieren. "

Werbung

Die Binghamton-Studie ist nicht der erste Versuch, das Verhalten von Terroristen zu verstehen und zu kategorisieren. Ein Nachteil dieser Art von Arbeit besteht darin, dass sich die Erkennung terroristischer Aktivitäten auf einzelne Instanzen konzentriert, anstatt die Interaktionen zu berücksichtigen, die den Moment kultiviert haben.Die Netzwerkanalyse bietet ein zu breites Spektrum. Tutun gab zu, dass beide Systeme ihre Probleme haben, der Algorithmus verbessert sich jedoch.

"Die Vorhersage terroristischer Ereignisse ist ein Traum, aber der Schutz eines Gebiets durch die Verwendung von Mustern ist Realität. Wenn Sie die Muster kennen, können Sie die Risiken verringern. Es geht nicht um Vorhersagen, sondern um Verständnis", sagte Tutun.

"Wenn Sie das Problem in Bagdad lösen, lösen Sie das Problem im Irak. Wenn Sie das Problem im Irak lösen, lösen Sie das Problem im Nahen Osten. Wenn Sie das Problem im Nahen Osten lösen, lösen Sie das Problem indie Welt."

Die vollständige Publikation finden Sie online über Science Direct / Expertensysteme mit Anwendungen.

via Ingenieurwesen

[ bearbeitet : Ausgewählte Bildquelle : Wikipedia Commons ]

SIEHE AUCH : MITs Advanced AI zielt darauf ab, die Stimmung des Gesprächs vorherzusagen

Folgen Sie uns auf

Bleiben Sie über die neuesten technischen Neuigkeiten auf dem Laufenden

Geben Sie einfach Ihre E-Mail-Adresse ein und wir kümmern uns um den Rest :

Mit Ihrer Anmeldung stimmen Sie unserer zu Nutzungsbedingungen und Datenschutzerklärung . Sie können sich jederzeit abmelden.