[論文レビュー] A review of mechanistic and data-driven models of terrorism and radicalization

Yao-Li Chuang, Maria R. D’Orsogna|arXiv (Cornell University)|Mar 20, 2019

Terrorism, Counterterrorism, and Political Violence参考文献 225被引用数 8

ひとこと要約

本論文は、テロリズムおよび過激化の数学的モデルをレビューし、機械論的およびデータ駆動型の手法を統合して、過激化の経路、集団行動、およびテロ攻撃における自己駆動的パターンをシミュレートする。定量的フレームワークが早期干渉および反テロ戦略を支援する方法を強調しており、特にネットワークベースのモデリング、ゲーム理論、および攻撃シーケンスのポイント過程分析を通じて実現される。

ABSTRACT

The rapid spread of radical ideologies in recent years has led to a worldwide string of terrorist attacks. Understanding how extremist tendencies germinate, develop, and drive individuals to action is important from a cultural standpoint, but also to help formulate response and prevention strategies. Demographic studies, interviews with radicalized subjects, analysis of terrorist databases, reveal that the path to radicalization occurs along progressive steps, where age, social context and peer-to-peer exchange of extremist ideas play major roles. Furthermore, the advent of social media has offered new channels of communication, facilitated recruitment, and hastened the leap from mild discontent to unbridled fanaticism. While a complete sociological understanding of the processes and circumstances that lead to full-fledged extremism is still lacking, quantitative approaches, using modeling and data analyses, can offer useful insight. We review some approaches from statistical mechanics, applied mathematics, data science, that can help describe and understand radicalization and terrorist activity. Specifically, we focus on compartment models of populations harboring extremist views, continuous time models for age-structured radical populations, radicalization as social contagion processes on lattices and social networks, adversarial evolutionary games coupling terrorists and counter-terrorism agents, and point processes to study the spatiotemporal clustering of terrorist events. We also present recent applications of machine learning methods on open-source terrorism databases. Finally, we discuss the role of institutional intervention and the stages at which de-radicalization strategies might be most effective.

研究の動機と目的

• 社会学的・心理学的および実証的データに基づく、過激化およびテロリズムの既存の数学的モデルを統合する。
• 過激化プロセスの主要段階を特定し、脱過激化に最大の影響を与える干渉タイミングを評価する。
• 数学的モデリングが集団行動、コミュニケーション、攻撃パターンのシミュレーションを通じて政策立案をどのように支援できるかを検討する。
• 社会科学の知見と定量的モデリングの間のギャップを埋め、より効果的な反テロ計画を実現する。
• オンライン過激化、一人で攻撃するテロリスト（ロンewolf）のダイナミクス、および制度的対応が、効果的な予防戦略を形成する上で果たす役割を評価する。

提案手法

• コンpartメントモデルは、過激化の度合いが増加する人々の集団を表し、予過激化、自己認識、洗脳、完全な過激化の段階間の移行を追跡する。
• 連続時間の年齢構造モデルは、人口の異なる年齢層を対象に、過激化の広がり方を、人口統計的要因および社会的影響要因を組み込んでシミュレートする。
• 格子構造およびネットワークベースのモデルは、過激化を社会的伝染プロセスとして表現し、個人が仲間との相互作用を通じて極端な見解を採用する様子を表す。
• エージェントベースのモデルは、構造化された社会的ネットワーク内での個人の行動と相互作用をシミュレートし、出現する集団行動を捉える。
• ゲーム理論的定式化は、テロリストと反テロ機関の間の戦略的相互作用をモデル化し、反応と抑止を最適化する。
• ポイント過程モデル（自己駆動的プロセスを含む、例：ハウクス過程）は、攻撃の時間的クラスタリングを分析し、連鎖的効果やフィードバックループを検出する。

実験結果

リサーチクエスチョン

• RQ1 過激化のどの段階で干渉を行うと、暴力的過激主義者を防ぐのに最も効果的か？
• RQ2 社会的ネットワークと同調圧力は、過激なイデオロギーの広がりをどのように促進または抑制するか？
• RQ3 テロ攻撃が、模倣または自己駆動的要因によって、その後の攻撃を引き起こす程度はどの程度か？
• RQ4 数学的モデルは、オンラインとオフラインの過激化経路をどのように区別できるか？
• RQ5 監視や脱過激化プログラムなどの制度的対応は、過激化の経路にどのような影響を及けるか？

主な発見

• 過激化は通常、複数段階のプロセスに従い、予過激化段階は4〜5年間続くが、その後の段階に移行するのは3年未塔で進行する。
• テロ攻撃データにおける自己駆動的プロセスは、攻撃が連鎖的な攻撃の連鎖を引き起こす可能性を示しており、模倣または戦略的調整の兆候である。
• ネットワークベースのモデルは、特にオンライン環境において、密接に接続された社会的クラスタを通じて過激化がより効果的に広がることを示している。
• ゲーム理論的モデルは、最適な反テロ戦略が、長期的リスクを最小限に抑えるために抑止力と資源配分のバランスを取ることが重要であることを示唆している。
• 隠れマルコフモデルは、潜在的な過激な意見と観察可能なテロ攻撃を結びつけることができ、予測精度とインテリジェンス分析の質を向上させる。
• 予過激化段階および自己認識段階における早期干渉が、大規模な暴力を防ぐために常に最も効果的な戦略として特定されている。