美国反恐情报智能化能力建设

宣景昭 肖延辉

“9·11”事件以来，美国不断提升反恐情报能力建设，在提高情报工作能力上下了功夫。美国情报界认为，情报搜集、情报分析和情报预测能力是美国反恐情报能力建设的三大支柱。我们选取2005年、2009年、2014年和2019年四份《美国国家情报战略》（以下简称战略）作为样本，以“terror”作为关键词进行模糊检索（可以涵盖terrorism、terrorist等词），发现该词在2005年出现两次、2009年出现15次、2014年出现22次、2019年出现23次（详见下页表1）。

“9·11”事件以来，美国一直通过对科技的深度融合应用来提升反恐情报能力，为此，专门于2006年创立了情报科技创新部门IARPA。IARPA全称为Intelligence Advance Research Project Agency，中文译为“情报高级研究计划局”，核心目标是通过开展“高风险与高回报”的研究，预测情报界的长期需求，进而解决理论和技术上的卡脖子问题，最终支持美国情报界具有远超过竞争对手的情报能力。

其中，IARPA作为情报科技创新部门主要通过开展研究项目的方式，结合挑战赛等不同形式进行情报研究工作。同时，为了实现机构目标和使命，IARPA研究部署了若干科研项目，采取扁平化架构与项目经理制度，使每一个项目由一名兼具技术与业务经验的项目经理全盘统筹。截至2019年5月，IARPA正在进行研究项目有35个，完结项目28个，包括搜集、计算、分析和预测四类研究重点。在进行美国反恐情报能力智能化建设过程中，IARPA主导的人工智能项目发挥了重要作用。

IARPA主导人工智能研究项目

IARPA根据自身特点并结合美国情报界工作需求，在人工智能领域部署了多项研究计划，并针对一些重点研究计划，设立了面向全球的挑战赛以寻求全球的智力支持。本文采用统计学的计量方法，分析了IARPA近年来主要的63个研究项目，其中包括14个人工智能研究项目数据，这些人工智能研究项目均来自于IARPA官方公布的目录（去除了其中的挑战赛内容），具体分布如图1。

从IARPA开展的14个人工智能研究项目的领域分布来看，如图2所示，搜集类占比35.7%、计算类占比21.4%、分析类占比26.6%、预测类占比16.3%。由此可以看出，IARPA在人工智能领域的主要研究方向是情报搜集与情报分析，但同时兼顾计算类与预测类的工作。因此，美国反恐情报工作主要以相关情报信息的搜集和分析为主，通过多种方法尽可能来搜集情报信息，最终为能够进行可靠的情报预测和决策提供支持。

IARPA开展的搜集类人工智能研究项目共五项，分别为生物基因领域的FELIX研究項目、Fun GCAT研究项目、人类行为领域的MOSAIC研究项目、SHARP研究项目以及化学物质领域的SILMARILS研究项目。同时，有针对性地从个体生物基因信息、人体行为信息和物体化学信号信息等方面来强化反恐情报工作建设。具体项目详见表2。

IARPA在搜集类的人工智能项目中明确要通过开发新的数据感知和传输技术，实现从过去难以接近的涉恐目标中搜集数据，从而获得更多有价值的情报信息。此外，IARPA还寻求新的机制，将从多种途径获取的情报信息进行综合分析，从而进一步提高了情报结论的可靠性和实用性。IARPA在搜集类人工智能项目中始终保持着对这一目标的追踪与发展。

IARPA计算类项目侧重于面对挑战严峻和资源有限的环境时，如何高效和可靠地运行。IARPA开展的计算类人工智能研究项目共三项，分别为微电子与电路领域的RAVEN研究项目、神经科学领域的MICrONS研究项目、网络安全与虚拟化领域的VirtUE研究项目。具体从集成电路图像处理速度、工程大脑设计、自动识别网络攻击等方面来实现反恐情报智能化工作建设。具体项目详见表3。

IARPA分析类项目侧重于尽可能从海量、分散、不可靠和动态的数据中获得情报信息，并着力于从现有数据和新数据中寻找新的情报来源，进而提升情报分析能力。

IARPA开展的搜集类人工智能研究项目共四项，分别是：视频和音频分析的Aladdin Video研究项目、多模态信息分析领域的CORE3D研究项目、视频自动检测领域的DIVA研究项目以及自然语言处理领域的MATERIAL研究项目。具体项目详见表4。

IARPA预测类研究项目的重点是为决策者提供及时准确的社会、政治和经济危机等全球重大事件预测，通过提供实时预警，使得情报用户快速、深入地理解和运用。通过预测类研究项目，IARPA为美国情报界提供多样化的预测服务。

IARPA开展的预测类人工智能研究项目共两项，分别是网络安全领域的CAUSE研究项目和设计信号情报预测领域的Mercury研究项目。具体项目详见表5。

美国反恐情报能力建设特点

（一）反恐情报搜集能力特点

第一，注重搜集核生化数据。搜集类的五项人工智能相关的研究项目关注了三大领域，从FELIX和Fun GCAT项目的生物科技到MOSAIC与SHARP项目的人类行为，再到SILMARILS的化学物质。由此可以看出，美国情报界在反恐工作的搜集环节，重点关注的是现阶段CBRN（化学、生物、核与放射）恐怖袭击的可能性与应对策略，并充分认识到智能化技术优于人工的优势。

第二，关注情报人员自身的数据搜集。在五项研究项目中，IARPA有两个项目的关注点在于情报界内部人员，通过对情报人员的行为和心理数据的搜集，来评估其在压力之下的工作表现、心理状态，以及自适应推理和问题解决能力。这一研究同样可以对外部关注人员（例如恐怖分子）进行行为和心理分析，并结合社会和物理环境进行人物描写。

第三，重视研究项目的可交付成果。人工智能相关的研究项目都明确要求最终的研究成果必须是以算法、系统、设备等为载体，实现研究项目全部考核指标，而纯技术方案不会被采纳。可以看出，IARPA非常注重为反恐工作提供搜集设备或完整解决方案，进而提升情报搜集能力。

（二）反恐情报分析能力特点

在IARPA的研究项目体系中，计算类和分析类分属于不同的研究领域。结合我国反恐情报工作实际，可以将二者统一归类为反恐情报分析。

第一，关注数据共享网络威胁。从计算类的人工智能研究项目来看，IARPA十分关注于计算能力的提升与计算机网络的安全。结合云计算技术，VirtUE项目关注云计算背景下的协同工作站的安全，并希望能够提供更为强大的感知和安防设备。美国情报界在应对网络恐怖主义的工作上，着重考虑了动态应用和系统架构安全，其目标是为数据的共享提供有力保障。

第二，关注多模态数据分析。在IARPA的分析类人工智能研究项目中，Aladdin Video项目侧重于视频结构化处理，DIVA项目关注于视频中人的行为分析，MATERIAL项目研究的重点是多语言自动翻译。美国情报界在反恐工作中认识到了通过人工智能技术可以在面对不同类型的数据时，可以高效、准确地开展工作，并提供科学有据的判断标准。

第三，注重3D模型可视化分析。公安情报工作的核心在于对犯罪嫌疑人身份和轨迹进行发掘，因此基于地图的可视化分析具有非常广阔的应用空间。IARPA的研究项目CORE3D将可视化分析推进至3D层面，并提出利用智能技术和遥感数据自动构建3D模型以支持任务规划。同时，结合数字孪生技术（digital twin）将所关注的对象在数字世界进行3D模拟仿真，以寻求工作的高效开展。

（三）反恐情报预测能力特点

第一，注重多源数据的融合。IARPA的预测类具有一定的延续性，涉及人工智能的CAUSE和Mercuy两大项目可以被认为是OSI研究项目的进阶版。在已有工作对开源数据的研究基础上，通过将网络安全的内部传感器数据融合，或将SIGINT信号情报数据融合，来提升预测的准确性与科学性。为看似难以预测的政治、社会、恐怖袭击事件提供情报支持。

第二，关注预测网络入侵攻擊威胁。随着技术的发展，美国情报界对于网络安全的关注不断升级，由此开展了CAUSE项目。IARPA希望通过新的人工智能技术融合内部和外部传感器构建预警系统，来及时地预测和检测网络攻击，保护用户免受网络袭击和侵害。

第三，关注SIGINT信号情报的应用。在美国情报界，根据情报的来源可以分为SIGINT信号情报、IMINT图像情报、MASINT测量情报、HUMINT人力情报、OSINT开源情报和GEOINT地理空间情报等。相较于美国军方，当前IARPA对于SIGINT信号情报的应用较少，但这一类情报具有重大的价值。因此，在开源情报被广泛运用的现在，利用人工智能技术来挖掘SIGINT信号情报的价值，是当前美国情报界关注的重点。

（本文为北京市哲学社会科学重点项目“北京防范恐怖袭击重点目标的潜在涉恐风险评估及预警”，编号18FXA003的阶段性研究成果。作者宣景昭为中国人民公安大学公安情报学2017级硕士研究生，肖延辉为中国人民公安大学公安情报研究中心研究员）

（责任编辑：张敏娇）