摘 要：[目的/意义]利用显露模式挖掘对不同类别的涉恐情报数据集进行分析，可以发现那些对反恐工作有参考价值的差异信息。[方法/过程]根据反恐工作的需求和显露模式的特点，通过修改经典方法中的数据预处理、目标事务集生成、最大边界压缩、非交集属性特征分离等步骤，使其更适用于反恐情报的快速分析。[结果/结论]在频繁项集挖掘的基础上，显露模式可以发现一些反恐情报的多组属性聚合规律用于分类，更快速的为反恐预警提供数据参考。

关键词：反恐情报;数据挖掘;显露模式;边界

DOI：10.3969/j.issn.1008-0821.2020.05.004

〔中图分类号〕G259;D631 〔文献标识码〕A 〔文章编号〕1008-0821（2020）05-0027-06

Research on Contrastive Classification of Counter Terrorism

Intelligence Based on Application of Emerging Pattern

Li Yongnan

（Peoples Public Security University of China，Beijing 100038，China）

Abstract：[Purpose/Significance]It offered valuable intelligence with remarkable difference for counter terrorism to analyze terror related data sets in different categories using emerging pattern mining.[Method/Process]According to the needs and characteristics of data mining system of counter terrorism，several steps in the classical method were modified such as data preprocessing，generation of objective transactions，compression of Largeborder and stripping attributes of non-intersection，so as to make it more adaptable to the needs of intelligence analysis.[Result/Conclusion]On the basis of mining frequent itemsets，emerging pattern could find the merging rules of multiple attributes to provide data references for early warning of counter terrorism.

Key words：counter terrorism intelligence;data mining;emerging pattern;border

近年来，受到暴力恐怖势力、民族分裂势力、宗教极端势力等“三股势力”影响，我国发生了多起暴力恐怖袭击事件，造成了一定的社会影响，对国家安全风险防范能力提出了挑战。为有效打击恐怖主义活动，我国自2016年1月1日起施行《中华人民共和国反恐怖主義法》[1]。充分发挥情报的引领作用是提升反恐工作能力的重要环节[2]。大数据时代的到来使得各种犯罪的打击模式发生了巨大变化，利用大数据技术挖掘涉恐情报信息，进而实现全景反恐和预测反恐是时代的必然选择。

利用数据挖掘技术对海量涉恐数据进行分析，发现涉恐情报信息服务于反恐预警，优化反恐资源配置已经是一种较为普遍的反恐手段[3]。在反恐数据挖掘中，反恐情报分类分析是其中一种重要的方法类别。较为常用的分类方法包括决策树分类、朴素贝叶斯分类、神经网络分类、K-近邻分类、基于关联规则的分类、支持向量机分类等。……