Предотвращение террористических актов и экстремизма в школах и университетах с помощью нейронной сети
- Authors: 1, 1
-
Affiliations:
- Поволжский государственный университет телекоммуникаций и информатики
- Issue: Vol 1 (2023)
- Pages: 425-425
- Section: Цифровые технологии: настоящее и будущее
- URL: https://journals.eco-vector.com/osnk-sr2023/article/view/409803
- ID: 409803
Cite item
Full Text
Abstract
Обоснование. С начала 2016 года до настоящего времени произошло не менее 15 случаев, когда люди пострадали или погибли в результате стрельбы из различных видов оружия в учебных заведениях среднего и высшего образования.
Цель — исследовать концепцию создания системы машинного обучения, способной предугадывать террористические акты, для дальнейшей разработки собственной нейронной сети, способной предсказывать теракты в школах и университетах.
Методы. Исследователи рассматривали в качестве концепции создания подобной системы предсказывания терактов исследование математиков под руководством профессора Чжэцзянского университета Андре Питона. Китайские ученые использовали данные дезагрегированной базы данных по терроризму в мире с 2002 по 2016 год для сбора информации о местоположении и времени террористических атак. Они сравнили результаты гибкой пространственной статистической модели и двух подходов к машинному обучению. Полученные модели используются еженедельно для прогнозирования терроризма на год вперед. Ученые оценивали прогностическую эффективность моделей, используя инструменты визуализации и подход ALE для интерпретации результатов.
Результаты. На основе изученного исследователи планируют создание собственной системы предсказывания терактов в школах и университетах на базе Научно-исследовательской лаборатории искусственного интеллекта университета. В лаборатории уже реализованы технологии по сбору данных на основе машинного обучения и обработки естественного языка. Заключаются в полностью автоматизированном процессе сбора разнородных данных и помещении их в ферму данных для использования в проекте. В дальнейшем, после сбора данных, будет необходимо создать оценку роли признаков, влияющих на происшествие по регионам, а затем с помощью инструментов визуализации отобразить предиктивные модели.
Выводы. В ходе исследования были изучены методы создания системы машинного обучения, способной предугадывать теракты, что значительно может упростить дальнейшие разработки в машинном обучении по предотвращению террористических актов.
Full Text
Обоснование. С начала 2016 года до настоящего времени произошло не менее 15 случаев, когда люди пострадали или погибли в результате стрельбы из различных видов оружия в учебных заведениях среднего и высшего образования.
Цель — исследовать концепцию создания системы машинного обучения, способной предугадывать террористические акты, для дальнейшей разработки собственной нейронной сети, способной предсказывать теракты в школах и университетах.
Методы. Исследователи рассматривали в качестве концепции создания подобной системы предсказывания терактов исследование математиков под руководством профессора Чжэцзянского университета Андре Питона. Китайские ученые использовали данные дезагрегированной базы данных по терроризму в мире с 2002 по 2016 год для сбора информации о местоположении и времени террористических атак. Они сравнили результаты гибкой пространственной статистической модели и двух подходов к машинному обучению. Полученные модели используются еженедельно для прогнозирования терроризма на год вперед. Ученые оценивали прогностическую эффективность моделей, используя инструменты визуализации и подход ALE для интерпретации результатов.
Результаты. На основе изученного исследователи планируют создание собственной системы предсказывания терактов в школах и университетах на базе Научно-исследовательской лаборатории искусственного интеллекта университета. В лаборатории уже реализованы технологии по сбору данных на основе машинного обучения и обработки естественного языка. Заключаются в полностью автоматизированном процессе сбора разнородных данных и помещении их в ферму данных для использования в проекте. В дальнейшем, после сбора данных, будет необходимо создать оценку роли признаков, влияющих на происшествие по регионам, а затем с помощью инструментов визуализации отобразить предиктивные модели.
Выводы. В ходе исследования были изучены методы создания системы машинного обучения, способной предугадывать теракты, что значительно может упростить дальнейшие разработки в машинном обучении по предотвращению террористических актов.
About the authors
Поволжский государственный университет телекоммуникаций и информатики
Email: ange.osipowa2004@yandex.ru
Поволжский государственный университет телекоммуникаций и информатики
Author for correspondence.
Email: o.zaharova@psuti.ru
References
- tass.ru [Электронный ресурс]. Хронология случаев стрельбы в российских учебных заведениях [дата обращения: 14.05.2023]. Доступ по: https://tass.ru/info/12452757
- nauka.tass.ru [Электронный ресурс]. Ученые создали алгоритм для предсказания терактов [дата обращения: 14.05.2023]. Доступ по: https://nauka.tass.ru/nauka/12029013
- Python A., Bender A., Nandi A.A., et al. Predicting non-state terrorism worldwide // Science. 2021. Vol. 7, No. 31. ID abg4778. doi: 10.1126/sciadv.abg4778
Supplementary files
