基于事件树和PRA的民航机场恐怖袭击风险评估模型

为了降低民航机场恐怖袭击事件发生的概率和风险,提出了一种基于事件树和PRA的民航机场恐怖袭击风险评估模型,利用该模型对恐怖袭击方式、入侵路径、损失概率和遇袭风险等事件进行仿真,通过GTD和其他开源数据库,结合Delphi咨询法,以定量分析的方法,对某民航机场潜在的各类恐袭事件损失概率和遇袭风险进行了评估。仿真结果表明,小型无人机很可能被恐怖分子用于未来的恐袭活动中,应加强机场周界防御和监测措施。     

基于禁忌搜索的生化恐怖事件车辆路径问题研究

生化恐怖袭击事件是一类罕见但危害极大的突发事件。这类事件发生时,如何高效地利用有限的车辆等资源,在有限的时间内,将事发地受攻击人群尽快地送到附近的医院,并且使他们得到适当的治疗,是非常重要的。根据日本的沙林毒气事件和‘9.11’后炭疽事件等恐怖事件的经验教训,结合我国都市的特点,建立了针对生化恐怖突发事件中一特定场景的随机VRP模型,拟在"黄金救助时间"内将受害者送往各医院。基于禁忌搜索算法来求解该模型,并将该模型及算法集成到应急决策支持系统中,以算例进行仿真分析和比较,验证了模型的合理有效性,并说明了算法的应用性。     

基于机器学习的恐怖分子预测算法

当今世界恐怖袭击事件频繁发生,通过对嫌疑人进行预测分析,有利于尽早发现新生或者隐藏的恐怖分子并对其进行针对性打击,以减少人员和财产损失。为此,使用机器学习方法,提取恐怖袭击事件的多方面特征,对一个或多个嫌疑人进行预测。采用贝叶斯优化对Bagging、决策树、随机森林和全连接神经网络4种算法进行寻优,将预处理后的数据输入优化后的算法模型对恐怖袭击事件嫌疑人进行预测,以准确率、召回率、精度和F 1值作为指标评价算法性能。实验结果表明,当预测结果仅输出一个嫌疑人时,基于树的算法预测结果普遍较好,其中Bagging算法的预测精度最高为0.911,而全连接神经网络可以得到多个嫌疑人的预测结果,其预测精度为0.8778。     

基于事件本体的突发事件领域知识建模

基于本体的知识建模方法有很多,在某些特定领域采用传统的本体建模方法存在着一些不足。以突发事件领域为例,提出了基于事件本体的知识建模方法。该模型分为上层事件类、下层事件类和事件实例,上层事件类描述的抽象的事件的分类体系,下层事件类是通过事件类关系组成的事件格结构。该模型不仅可以描述事件的时间、地点、对象等要素,还能描述事件类之间的关系。采用本体建模工具Protégé来构建突发事件领域本体,并以“恐怖袭击”作为实例验证了该模型的可用性。研究结果表明,该模型可以清晰地描述事件类的完整性,语义清晰,扩展性强。     

基于特征选择和超参数优化的恐怖袭击组织预测方法

针对恐怖袭击事件难以找到恐怖袭击组织以及恐怖袭击事件数据的样本不平衡问题,提出了一种基于特征选择和超参数优化的恐怖袭击组织预测方法。首先,利用随机森林（RF）在处理不平衡数据上的优势,通过RF迭代来进行后向特征选择;然后,利用决策树（DT）、RF、Bagging和XGBoost这四种主流分类器对恐怖袭击组织进行分类预测,并利用贝叶斯优化方法对这些分类器进行超参数优化;最后,利用全球恐怖主义数据库（GTD）评价了这些分类器在多数类样本和少数类样本上的分类预测性能。实验结果表明：所提方法提高了对恐怖袭击组织的分类预测性能,其中使用RF和Bagging时的分类预测性能最佳,准确率分别达到0.823 9和0.831 6,特别是在少数类样本上的分类预测性能有明显提高。     

完全监控:生物识别显身手 PC怎样识别恐怖分子

自从在美国发生恐怖袭击事件以来,用于侦查和缉捕犯罪分子的计算机系统销售势头良好,特别是那些成熟的、完善的生物测量系统备受欢迎。实际上,安装在机场、大厦等场所的传统监控系统经常失灵。     

ProSPer:一个支持proactive特性的通用型事件监控系统

大规模网络安全监控应用中需要对网络安全态势进行动态评估,在网络出现重大安全风险前进行proac-tive特性的有效防范.把网络安全监控系统建模为事件监控系统,对满足复合时序和属性值逻辑关系的多个事件进行关联,把多个原子事件复合为语义更丰富、更抽象的复合安全事件.已有研究提出了不同的复合事件检测模型,但缺乏proactive的事件监控能力.基于时序关系并不能提高事件监控的预测能力的假设.设计了基于top-k复合事件检测模型的事件监控系统ProSPer,为网络安全监控等应用系统提供proactive特性的事件监控能力.与已有的复合事件检测系统相比,ProSPer检测复合事件时无需读取全部成分事件,这种proactive特性是非常有意义的设计.     

基于多类别参数随机调优的境外活动安全评估模型研究

为保障境外出行人员的境外活动安全,针对现有的数据存在数据缺失、类型多样且类型不一致等问题,在相关评估标准缺失的情况下提出了一种基于多类别参数随机调优的境外活动安全态势评估模型,构建数据量化、筛选机制,自适应调整模型参数,获得安全评估结果并分级,最终实现对安全态势评估和预警。通过与相关评估方案及国际范围内的真实恐怖袭击事件的分布进行比对分析,验证了安全评估模型的准确性,相应系统具有一定的实用价值。     

基于TSK模糊系统的生化变量预估模型

提出了一种利用TSK(Takagi-Sugeno-Kang)模糊系统建立生化变量预估模型的方法,用于生化过程的工艺参数预测。利用TSK模糊系统的非线性逼近能力,以谷氨酸发酵过程为研究对象,建立了基于TSK模糊逻辑系统的生化变量预估器。以工厂现场采集的发酵过程参数大量数据为样本,训练TSK模糊系统生化变量预估器,并对模型的预估精度进行检验。仿真结果显示了预估模型的有效性,可以有效地预测谷氨酸发酵过程中生化变量的估计值。TSK模糊系统生化变量预估模型能预估生化过程中工业发酵罐的放罐时间,预估模型的状态预报对正常罐批具有足够高的预报精度,预报误差如果偏大亦可作为异常罐批的早期警示信息。有鉴于此,TSK模糊逻辑系统可望开辟生化过程参数预估的新途径。     

主动实时数据库系统中时间事件的探测

介绍了主动实时数据库中事件探测的实现方法,该方法既增强了系统处理时间事件的能力,也提高了系统处理其他事件的灵活性。该文还提出了基于多线程的时间事件探测模型,并提供了相应的算法.