[논문 리뷰] A Conjoint Application of Data Mining Techniques for Analysis of Global Terrorist Attacks -- Prevention and Prediction for Combating Terrorism

Vivek Kumar, Manuel Mazzara외 3명|arXiv (Cornell University)|2019. 01. 19.

Network Security and Intrusion Detection참고 문헌 16인용 수 4

한 줄 요약

이 논문은 1970~2015년 동안의 전 세계 테러 공격 데이터 셋(156,772건)을 바탕으로 여러 분류기—Lazy Tree, Multilayer Perceptron, Multiclass, Naïve Bayes—를 활용한 조인트 데이터 마이닝 기법을 제안하여 향후 테러 공격을 예측하고 방지하고자 한다. 연구는 공격 빈도, 지역, 책임 집단에 대한 주요 추세를 규명하였으며, Multilayer Perceptron가 반통제 테러 대응 응용 분야에서 공격 패턴을 분류하는 데 가장 높은 정확도를 기록하였다.

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.

연구 동기 및 목표

• 역사적 공격 데이터를 활용하여 전 세계 테러 공격을 예측하고 방지하기 위한 데이터 마이닝 프레임워크를 개발하기 위해.
• 다양한 분류 알고리즘의 성능을 평가하여 테러 공격의 패턴을 식별하는 데 목적이 있다.
• 공격 빈도, 지역, 책임 집단에 대한 추세를 분석하여 반테러 전략을 뒷받침하기 위해.
• 공개된 데이터셋을 활용하여 연구를 위한 통합적이고 대규모의 공격 데이터베이스를 구축하기 위해.
• 유엔과 같은 국제 기구가 데이터 기반 반테러 노력의 조율에 기여할 수 있는 역할을 평가하기 위해.

제안 방법

• 1970~2015년 기간 동안의 전 세계 테러 공격 데이터셋을 공개 및 오픈 액세스 소스에서 수집하여 총 156,772건의 공격을 포함하도록 구성하였다.
• 패턴 인식을 위해 네 가지 분류 기법—Lazy Tree, Multilayer Perceptron, Multiclass, Naïve Bayes—를 적용하였다.
• 예측 패턴을 식별하기 위해 공격의 책임 소재(예: 집단 또는 조직)를 타깃 클래스로 삼았다.
• 분류 작업을 위한 데이터셋 준비를 위해 표준 데이터 전처리 및 특징 공학 기법을 적용하였다.
• 정확도, 정밀도, 재현율과 같은 표준 지표를 사용하여 모델 성능을 평가하고 분류기의 효과성을 비교하였다.
• 정책적 고려사항과 통합하여, 특히 유엔이 글로벌 반테러 조율에 기여하는 역할을 분석하였다.

실험 결과

연구 질문

• RQ1 전 세계 테러 공격의 책임 집단을 예측하는 데 가장 우수한 성능을 보이는 데이터 마이닝 분류기는 무엇인가?
• RQ2 시간이 지남에 따라 전 세계 테러 공격의 빈도와 지리적 분포에서 지배적인 추세는 무엇인가?
• RQ3 무기 유형, 타겟, 지역과 같은 다양한 공격 특성은 책임 집단과 어떻게 상관관계가 있는가?
• RQ4 데이터 마이닝 기법은 테러의 조기 경고 및 예방 체계를 얼마나 향상시킬 수 있는가?
• RQ5 유엔과 같은 국제 기구는 데이터 공유 및 예측 모델링을 통한 반테러 노력 향상에 어떤 역할을 할 수 있는가?

주요 결과

• Multilayer Perceptron 분류기가 테러 공격의 책임 집단을 예측하는 데 가장 높은 정확도를 기록하였다.
• 데이터셋은 1990년대 이후로 공격 빈도가 급격히 증가한 것으로 나타났으며, 남아시아, 중동, 소아열지아프리카 지역이 주요 핫스팟으로 확인되었다.
• 가장 자주 보고된 책임 집단은 탈레반, 이슬람국가(ISIS), 그리고 다양한 지역 반정부 무력 등 비국가 행위자들이 포함되었다.
• 무기 유형, 타겟 선택, 책임 집단 간 강한 상관관계가 공격 패턴에서 확인되어 효과적인 분류가 가능하였다.
• Naïve Bayes 분류기는 낮은 데이터 환경에서도 뛰어난 성능을 보여, 실시간 예측 시스템에서의 유용성이 확인되었다.
• 연구는 특히 진정성 있고 공개 가능한 테러 공격 데이터의 부족을 감안할 때 데이터 품질 및 표준화의 중요성을 강조하였다.