[論文レビュー] A Conjoint Application of Data Mining Techniques for Analysis of Global Terrorist Attacks -- Prevention and Prediction for Combating Terrorism

Vivek Kumar, Manuel Mazzara+3 more|arXiv (Cornell University)|Jan 19, 2019

Network Security and Intrusion Detection参考文献 16被引用数 4

ひとこと要約

本論文は、1970年から2015年までの156,772件の世界的なテロ攻撃をカバーする洗練されたデータセットを用いて、複数の分類器（Lazy Tree、Multilayer Perceptron、Multiclass、Naïve Bayes）を組み合わせた共同データマイニング手法を提案し、将来の攻撃を予測・防止することを目的としている。研究では、攻撃頻度、発生地域、関与グループの主な傾向を同定し、Multilayer Perceptronが、反テロ対策への応用を想定した攻撃パターンの分類において最も高い正確性を示した。

ABSTRACT

Terrorism has become one of the most tedious problems to deal with and a prominent threat to mankind. To enhance counter-terrorism, several research works are developing efficient and precise systems, data mining is not an exception. Immense data is floating in our lives, though the scarce availability of authentic terrorist attack data in the public domain makes it complicated to fight terrorism. This manuscript focuses on data mining classification techniques and discusses the role of United Nations in counter-terrorism. It analyzes the performance of classifiers such as Lazy Tree, Multilayer Perceptron, Multiclass and Naïve Bayes classifiers for observing the trends for terrorist attacks around the world. The database for experiment purpose is created from different public and open access sources for years 1970-2015 comprising of 156,772 reported attacks causing massive losses of lives and property. This work enumerates the losses occurred, trends in attack frequency and places more prone to it, by considering the attack responsibilities taken as evaluation class.

研究の動機と目的

• 歴史的攻撃データを用いて、世界的なテロ攻撃を予測・防止するためのデータマイニングフレームワークの開発を目的とする。
• テロ攻撃のパターンを同定するための複数の分類アルゴリズムの性能を評価することを目的とする。
• 攻撃頻度、発生地域、関与グループの傾向を分析し、反テロ戦略を支援することを目的とする。
• 公に利用可能なデータセットを活用して、研究用に包括的かつ大規模な攻撃データベースを構築することを目的とする。
• 国連などの国際機関が、データドリブンな反テロ活動の調整において果たす役割を評価することを目的とする。

提案手法

• 1970年から2015年までの期間をカバーする、公的およびオープンアクセスのソースから得たデータを用いて、世界的なテロ攻撃データセットを構築した。合計156,772件の攻撃が含まれる。
• パターン認識に、4つの分類技術（Lazy Tree、Multilayer Perceptron、Multiclass、Naïve Bayes）を採用した。
• 分類のターゲットクラスとして、攻撃の責任を負う団体（例：グループまたは組織）を用い、予測可能なパターンを同定した。
• 分類タスクに適したデータセットを準備するため、標準的なデータ前処理および特徴工学的手法を適用した。
• 分類器の有効性を比較するため、正確性、適合率、再現率などの標準的指標を用いてモデルの性能を評価した。
• 政策的考察と統合し、とりわけ国連が世界的な反テロ協調活動において果たす役割を検討した。

実験結果

リサーチクエスチョン

• RQ1 どのデータマイニング分類器が、世界的なテロ攻撃の責任を負うグループを予測する際に最も優れた性能を示すか？
• RQ2 時間の経過に伴い、世界的なテロ攻撃の頻度と地理的分布にどのような支配的傾向が見られるか？
• RQ3 攻撃の特性（例：兵器の種別、標的、発生場所）が、関与グループとどのように相関しているか？
• RQ4 どの程度、データマイニング技術が、テロの早期警戒および防止システムの改善に寄与できるか？
• RQ5 国連などの国際機関は、反テロ分野におけるデータ共有および予測モデリングの強化に、どのような役割を果たすことができるか？

主な発見

• Multilayer Perceptron分類器が、テロ攻撃の責任を負うグループを予測する際に、最も高い正確性を示した。
• データセットは、1990年代以降に攻撃頻度が著しく増加していることを明らかにした。地域的ホットスポットは南アジア、中東、サハラ以南アフリカに集中している。
• 最も頻繁に報告された関与グループには、タリバン、ISIS、およびさまざまな地域的反乱勢力などの非国家主体が含まれる。
• 攻撃パターンは、兵器の種別、標的選定、関与グループの間で強く相関しており、効果的な分類が可能であることが示された。
• Naïve Bayes分類器は、データ量が少ない状況下でも優れた性能を示したため、リアルタイム予測システムへの応用可能性が示唆された。
• 本研究は、特に真の公開利用可能なテロ攻撃データが限られていることから、データの質と標準化の重要性を強調している。