論文の概要: Multi-modal Networks Reveal Patterns of Operational Similarity of Terrorist Organizations

• arxiv url: http://arxiv.org/abs/2112.07998v1
• Date: Wed, 15 Dec 2021 09:50:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-16 17:22:14.784223
• Title: Multi-modal Networks Reveal Patterns of Operational Similarity of Terrorist Organizations
• Title（参考訳）: マルチモーダルネットワークによるテロ組織の運用の類似性
• Authors: Gian Maria Campedelli, Iain J. Cruickshank, Kathleen M. Carley
• Abstract要約: 我々は、類似した行動を共有するテロリスト集団のクラスタを検出するための新しい計算フレームワークを提案する。 我々は、長年にわたり、世界的なテロリズムは、運用上の結束性の向上によって特徴付けられてきたことを示す。 第3に、2つの組織間の運用上の類似性は、3つの要因によって引き起こされることを示す。
• 参考スコア（独自算出の注目度）: 8.813290741555994
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Capturing dynamics of operational similarity among terrorist groups is critical to provide actionable insights for counter-terrorism and intelligence monitoring. Yet, in spite of its theoretical and practical relevance, research addressing this problem is currently lacking. We tackle this problem proposing a novel computational framework for detecting clusters of terrorist groups sharing similar behaviors, focusing on groups' yearly repertoire of deployed tactics, attacked targets, and utilized weapons. Specifically considering those organizations that have plotted at least 50 attacks from 1997 to 2018, accounting for a total of 105 groups responsible for more than 42,000 events worldwide, we offer three sets of results. First, we show that over the years global terrorism has been characterized by increasing operational cohesiveness. Second, we highlight that year-to-year stability in co-clustering among groups has been particularly high from 2009 to 2018, indicating temporal consistency of similarity patterns in the last decade. Third, we demonstrate that operational similarity between two organizations is driven by three factors: (a) their overall activity; (b) the difference in the diversity of their operational repertoires; (c) the difference in a combined measure of diversity and activity. Groups' operational preferences, geographical homophily and ideological affinity have no consistent role in determining operational similarity.
• Abstract（参考訳）: テロ集団間の作戦的類似性のダイナミクスを捉えることは、テロ対策と情報監視に有効な洞察を提供するために重要である。 しかし、その理論的かつ実用的な妥当性にもかかわらず、この問題に対する研究は現在不足している。 我々は、同様の行動を共有するテロリスト集団のクラスターを検出するための新しい計算枠組みを提案し、集団が毎年展開する戦術のレパートリー、攻撃対象、武器の利用に焦点をあてる。 特に、1997年から2018年にかけて少なくとも50件の攻撃を企てた組織を考慮に入れ、全世界で4万2000件以上のイベントに責任を持つ105団体を計上し、3セットの結果を提示する。 まず、長年にわたり世界のテロリズムは、運用上の結束性の向上によって特徴付けられてきたことを示す。 第2に、グループ間のコクラスタリングの年々の安定性は2009年から2018年にかけて特に高く、過去10年間の類似パターンの時間的一貫性を示している。 第3に,2つの組織間の運用上の類似性には3つの要因がある。 (a) 総合的な活動 b) 運用上のレパートリーの多様性の相違 (c)多様性と活動の総合的な尺度の違い グループの操作的嗜好、地理的ホモフィリー、イデオロギー的親和性は、操作的類似性を決定する上で一貫した役割を持たない。

関連論文リスト

• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• Decentralized Adversarial Training over Graphs [55.28669771020857]
  機械学習モデルの敵攻撃に対する脆弱性は、近年、かなりの注目を集めている。 この研究は、個々のエージェントが様々な強度摂動空間に従属するグラフ上の敵の訓練を研究する。
  論文  参考訳（メタデータ） (2023-03-23T15:05:16Z)
• Assaying Out-Of-Distribution Generalization in Transfer Learning [103.57862972967273]
  私たちは、経験的に対処するメッセージの相違を強調して、以前の作業の統一的なビューを取ります。 私たちは9つの異なるアーキテクチャから、多数の、あるいは少数の設定で31K以上のネットワークを微調整しました。
  論文  参考訳（メタデータ） (2022-07-19T12:52:33Z)
• Predicting Terrorist Attacks in the United States using Localized News Data [13.164412455321907]
  テロは世界中で大きな問題であり、毎年数千人の死者と数十億ドルの損害をもたらしている。 我々は、特定の日時と特定の状況でテロ攻撃が起こるかどうかを予測するために、ローカルニュースデータから学習する機械学習モデルを提示する。 最高のモデルであるランダムフォレスト(Random Forest)は、2015年から2018年の間に最もテロの影響を受けていた5州のうち4州で、特徴空間の新たな変動長移動平均表現から学ぶ。
  論文  参考訳（メタデータ） (2022-01-12T03:56:15Z)
• Identification of Attack-Specific Signatures in Adversarial Examples [62.17639067715379]
  異なる攻撃アルゴリズムは, その効果だけでなく, 被害者の質的な影響も示している。 以上の結果から, 予測的対人攻撃は, 模擬モデルにおける成功率だけでなく, 被害者に対するより深い下流効果によって比較されるべきであることが示唆された。
  論文  参考訳（メタデータ） (2021-10-13T15:40:48Z)
• Learning future terrorist targets through temporal meta-graphs [8.813290741555994]
  本稿では,時間的メタグラフと深層学習を用いて将来のテロリストの標的を予測することを提案する。 我々は、各次元における各特徴の時間的中心性を測定する2日間の時系列を導出する。 テロリスト俳優の戦略行動の文脈で問題を定式化することで、これらの多変量時系列シーケンスは、選択されるリスクが最も高いターゲットタイプを知るために利用される。
  論文  参考訳（メタデータ） (2021-04-21T08:09:57Z)
• A Bayesian decision support system for counteracting activities of terrorist groups [0.0]
  テロ組織は一般市民の安全と幸福を脅かす。 このような監視可能な行動と通信データは、テロリストグループによって引き起こされる脅威を推定するために当局によって利用することができる。 ここでは、テロ集団の各メンバーに関する情報と、その集団の複合活動に関する情報をまとめるベイズ統合意思決定支援システムを開発する。
  論文  参考訳（メタデータ） (2020-07-08T20:23:25Z)
• Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features [72.72840552588134]
  本研究は, 粒度認識ネットワークにおけるクラス間の潜伏表現の近接性を, 敵攻撃の成功の鍵となる要因として同定する。 注意に基づく正規化機構を導入し、異なるクラスの識別潜在特徴を最大限に分離する。
  論文  参考訳（メタデータ） (2020-06-10T18:34:45Z)
• Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
  実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。 我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
  論文  参考訳（メタデータ） (2020-06-07T18:28:41Z)
• A Complex Networks Approach to Find Latent Clusters of Terrorist Groups [5.746505534720595]
  我々は、テロリストグループと関連する戦術、武器、標的、活動地域に関する情報を含むマルチパーティネットワークを構築します。 反対のイデオロギーに属する集団は、非常に共通の行動を共有することができ、イスラム/ジハド教の集団は、他者に対して行動特性を持つことを示す。
  論文  参考訳（メタデータ） (2020-01-10T10:08:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。