[논문 리뷰] A review of mechanistic and data-driven models of terrorism and radicalization

Yao-Li Chuang, Maria R. D’Orsogna|arXiv (Cornell University)|2019. 03. 20.

Terrorism, Counterterrorism, and Political Violence참고 문헌 225인용 수 8

한 줄 요약

이 논문은 테러와 급진화의 수학적 모델을 검토하며, 기계적 원리와 데이터 기반 접근 방식을 통합하여 급진화 경로, 집단 역학, 그리고 테러 공격의 자기 자극적 패턴을 시뮬레이션한다. 수량적 프레임워크가 조기 간섭 및 반테러 전략을 뒷받침할 수 있음을 강조하며, 특히 네트워크 기반 모델링, 게임 이론, 공격 시퀀스의 점과정 분석을 통해 이를 뒷받ymoon한다.

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.

연구 동기 및 목표

• 사회학적, 심리학적, 경험적 자료로부터 기존의 급진화 및 테러에 대한 수학적 모델을 통합한다.
• 급진화 과정의 핵심 단계를 특정하고, 탈급진화 영향을 극대화하기 위해 간섭 시점을 평가한다.
• 수학적 모델링이 집단 행동, 의사소통, 공격 패턴을 시뮬레이션함으로써 정책을 이끌 수 있는 방법을 탐색한다.
• 사회과학적 발견과 정량적 모델링 간 격차를 메우어 개선된 반테러 계획 수립을 가능하게 한다.
• 온라인 급진화, 홀로 테러범 역학, 제도적 대응이 효과적인 예방 전략을 형성하는 데 미치는 역할을 평가한다.

제안 방법

• 구획 모델은 점점 더 극단적인 견해를 가진 인구 집단을 표현하며, 예비 급진화, 자기 정체성 확립, 교육, 완전한 급진화 단계 간 전이를 추적한다.
• 연속시간 연령 구조 모델은 다양한 연령대를 통해 급진화가 확산되는 방식을 시뮬레이션하며, 인구통계학적 요소와 사회적 영향 요인을 통합한다.
• 격자 및 네트워크 기반 모델은 개인이 동료 상호작용을 통해 극단적 견해를 수용하는 사회적 전염 과정으로서 급진화를 표현한다.
• 에이전트 기반 모델은 구조화된 사회 네트워크 내에서 개인의 행동과 상호작용을 시뮬레이션하며, 부상하는 집단 역학을 포착한다.
• 게임 이론적 수식은 테러리스트와 반테러 기관 간의 전략적 상호작용을 모델링하며, 대응 및 억제 최적화를 목표로 한다.
• 점과정 모델, 특히 자기 자극 과정(예: 하우크스 과정)은 공격 시퀀스의 시간적 군집을 분석하여 연쇄 효과와 피드백 루프를 탐지한다.

실험 결과

연구 질문

• RQ1 급진화 과정의 어느 단계에서 간섭이 폭력적 급진주의자 발생을 방지하는 데 가장 효과적인가?
• RQ2 사회 네트워크와 동료 영향력은 급진적 이데올로기의 확산을 가속화하거나 억제하는가?
• RQ3 테러 공격이 타인의 모방 또는 자기 자극에 의해 후속 공격을 유발하는 정도는 어느 정도인가?
• RQ4 수학적 모델은 온라인과 오프라인 급진화 경로를 어떻게 구분할 수 있는가?
• RQ5 감시나 탈급진화 프로그램과 같은 제도적 간섭은 급진화의 궤적을 어떻게 변화시키는가?

주요 결과

• 급진화는 일반적으로 다단계 과정을 따르며, 예비 급진화 단계는 약 4–5년 지속되고, 이후 단계로의 진행은 3년 이내에 이루어진다.
• 테러 공격 데이터에서 관찰된 자기 자극 과정은 공격이 연쇄적 공격을 유발할 수 있음을 보여주며, 모방이나 전략적 협력의 가능성을 시사한다.
• 네트워크 기반 모델은 특히 온라인 환경에서 밀도 높은 사회적 클러스터를 통해 급진화가 더 효과적으로 퍼진다는 것을 보여준다.
• 게임 이론적 모델은 최적의 반테러 전략이 억제력과 자원 배분을 균형 있게 조절하여 장기적 위험을 최소화해야 한다고 제안한다.
• 숨겨진 마르코프 모델은 잠재적 급진적 의견과 관찰 가능한 테러 사건을 연결하여 예측 및 정보 분석 능력을 향상시킬 수 있다.
• 예비 급진화 및 자기 정체성 확립 단계에서의 조기 간섭은 대규모 폭력 발생을 방지하기 위해 가장 효과적인 전략으로 일관되게 확인된다.