图源：pixabay

　　现在，越来越多的人从事网络科学研究，这是从交叉学科研究成长起来的一个新兴领域，通过研究网络结构的的性质，可以研究生活中的一些网络，比如信息技术网络、生物圈网络、社会关系网络等等。

　　复杂网络科学以数学中的图论和物理中的统计力学为理论技术，但却是通过现在的计算机技术，进行数据挖掘、信息可视化和建模。

　　网络信息的挖掘和预测，主要涉及两个问题，一个是从动力学的特点来挖掘网络结构，从中能找到一些结构上的特点，在社会科学中有甚至能找到对应的实际问题；另一个就是预测问题，也就是如何从现有观察中出发，挖掘网络中的缺失信息，并进行网络结构、功能和演化趋势预测。

　　在此基础上，很多时候网络科学被用于解决一些社会问题。除了基本的生理需求外，在马斯洛人类需求理论中，我们其次关注的就是安全问题。而当今社会，恐怖活动无疑是危害社会稳定、危及生命与财产安全的重大威胁之一。

　　不得不说，恐怖活动这种极端的非对称作战方式，让人难以揣测。

　　最近，在《应用网络科学》（Applied Network Science）期刊上，发表了来自意大利圣心天主教大学（Università Cattolica del Sacro Cuore）等合作机构，吉安·玛丽亚·坎佩代利（Gian Maria Campedelli）、伊恩·克鲁克香克（Iain Cruickshank）和卡特勒恩·卡利（Kathleen M. Carley）的联合研究。

　　他们共同建造了一个算法框架，利用复杂网络，在分析恐怖组织运行特征的基础上，识别潜在的恐怖组织。

恐怖袭击 图源：pixabay

　　恐怖分子的行为很极端，因而调查和评估他们的特征，对于提取相关信息和提高对他们行为的认识是很重要的。之前的社会学研究往往关注的是恐怖分子的意识形态——圣战斗士、极右翼组织、无政府主义……这些标签往往限制了我们对恐怖分子的研究。

　　那么通过研究其网络行为，能否发现更多他们的特质呢？这正是这篇文章试图回答的问题。

目标、宗教、武器、战术的网络特征，图源：文献[1]

　　研究人员选用了，自1997年至2016年，全球范围内发生的恐怖袭击的开放获取数据，通过这些数据，他们构建了一个包括恐怖组织的战术、武器、目标、活动区域等相关信息的多方网络。随后，他们提出了一种新的聚类形成算法，该算法扩展之前的工作，即通过应用冯诺依曼熵进行模式加权比较分析。

1997-2016恐怖袭击数量变化，图源：文献[1]

　　该研究在恐怖组织的行为和意识形态特征方面提供了有趣的结果。

　　分析结果突出了几个有趣的模式，首先，它证明了：仅意识形态本身是研究恐怖主义的一个极其薄弱的标准。实际上，集群在意识形态方面具有异质性：只有极少数集群只包含与特定意识形态标签相关的单一群体。

　　相反，从这种异质性中可以看出，属于某种意识形态的群体在运作上与可能与有着相反动机的群体非常相似。例如，极右和极左恐怖组织的情况就十分类似：两种意识形态在集群分配方面是正相关的，并且相对较强。在对比民族主义者和极右翼团体时，也发现了类似的模式。

　　此外，研究人员还研究了哪些恐怖组织的结构更加稳定。可视化表明，更具有代表性的或定义明确的意识形态，往往有更稳定的关系。而那些环境、保护动物和宗教团体之间的关系似乎稳定性较差，但宗教方面伊斯兰教的组织是个例外。

　　这项探索性研究是首次尝试利用复杂网络来描述隐藏的非时间和非空间的关系，并将其用作研究恐怖主义性质的数学概念。研究人员指出，对于理解复杂的犯罪现象，网络依然是被过度低估的工具，他们计划在此基础之上设计未来的研究，以填补该领域的空白。

　　目前，这项研究还属于解释现象等研究。但事实上，网络结构现象等研究是为了更好的预测，通过观察这些网络组织的结构特点，能够在之后加以控制，进一步阻止恐怖活动的发生。

原创稿件

制作 杨枭 中国科学院大学

审校 于颖卓 中国科学院地理科学与资源研究所博士