Applications for e-Government : global terrorism analysis

Abstract

Η τρομοκρατία έχει μεγάλη επίπτωση στην κοινωνία τόσο στις ζωές των ανθρώπων όσο και στην οικονομία. Πολλές καταστροφικές τρομοκρατικές επιθέσεις έχουν συμβεί παγκοσμίως ανά τα χρόνια, προκαλώντας εκτεταμένες υλικές ζημιές αλλά και την απώλεια ανθρώπινων ζωών. Η Τεχνητή Νοημοσύνη έχει αποδειχθεί ένα πολύ πρακτικό εργαλείο για την αντιμετώπιση αυτού του κινδύνου. Σε αυτήν τη διατριβή μελετώνται δύο βάσεις δεδομένων, το “Global Terrorism Dataset” (GTD), και ένα δεύτερο σύνολο δεδομένων QFactors_Dataset, βασισμένο στο GTD, που περιλαμβάνει και ορισμένα επιπλέον χαρακτηριστικά διαφορετικής φύσης, όπως ο αριθμός των προσφύγων και μεταναστών, η μέση διάρκεια ζωής, το επίπεδο εκπαίδευσης κ.ά. Πάνω σε αυτά, δημιουργούνται και συγκρίνονται διάφορα μοντέλα Βαθιών Νευρωνικών Δικτύων (DNN) για να κατηγοριοποιήσουν τις τρομοκρατικές επιθέσεις, βάση της πολιτικής ταυτότητας που έχουν οι τρομοκρατικές ομάδες. Με αυτόν τον τρόπο εξετάζονται διάφορα χαρακτηριστικά που μπορεί να επηρεάζουν την πρόβλεψη του μοντέλου. Αρχικά, πραγματοποιείται καθαρισμός δεδομένων, και ακολουθεί η προ επεξεργασία τους για να γίνουν κατάλληλα για την εκπαίδευση των μοντέλων. Συγκεκριμένα, ήταν απαραίτητο να μετατραπούν τα λεκτικά δεδομένα (περιοχές, χώρες, τρομοκρατικές ομάδες κλπ.) σε αριθμητικά, καθώς και η κανονικοποίησή τους για να μπορέσουμε έπειτα να χρησιμοποιηθούν στα μοντέλα. Η συλλογή δεδομένων αποτελείται από εγγραφές τόσο για επιτυχημένες όσο και για αποτυχημένες επιθέσεις με χρήση διαφόρων όπλων, μεθόδων επίθεσης και στόχων. Τα μοντέλα λαμβάνουν υπόψιν διάφορους παράγοντες, συμπεριλαμβανομένων, της ημερομηνία της επίθεσης, τη χώρα, την τρομοκρατική ομάδα, τον αριθμό των θανάτων, τον τύπο της επίθεσης μαζί με τα όπλα που χρησιμοποιήθηκαν. Όλοι αυτοί οι παράγοντες αναλύονται στις επόμενες ενότητες.