暴恐事件舆情数据融合机制研究*

鲁世宗

(西北政法大学 西安 710061)

0 引 言

随着科技信息的迅猛发展，网络的普遍应用给媒体带来了机遇和挑战。一部分暴恐事件以网络平台为载体出现在舆情传播中产生重大的影响。操纵暴恐舆情者不断更新暴恐事件网络宣传的传播手段、方法、途径，国内外恐怖组织不断提升实施恐怖袭击的科技含量和破坏等级，以便追求其恐袭事件袭击后的社会影响力和心理恐慌感。当今全球暴力事件舆情事件成为媒体、网络关注的焦点之一。舆情的正当报道能够让公众知晓暴恐事件真相，起到预防恐怖教育宣传的作用，防止虚假暴恐舆情谣言的传播，提升社会成员的反恐安全意识，达到防范恐怖主义的目的。对于暴恐事件舆情数据融合就是通过对舆情数据的搜集，能够把握恐怖活动客观规律，提出暴恐事件舆情数据融合策略，控制暴恐事件舆情传播，稳定社会秩序，将暴恐消灭在萌芽阶段。

1 暴恐事件舆情

随着技术的发展，恐怖主义也借助先进的科技实施恐怖主义袭击，导致恐怖主义事件的升温。目前，暴恐事件的影响力也越来越大，一些不良报道对暴恐事件推波助澜，让暴恐事件成为舆情的重点关注内容。对恐怖主义的预防和打击，首先通过对暴恐事件舆情的识别之后，进行全面的融合、计算、整理，让媒体研判分析出有价值的情报信息，根据情报信息作出相应的预警防控。

1.1暴恐事件舆情界定舆情是针对某群体性公共事件信息汇总而形成的一种舆论，这其中包括了互联网用户对该事件的认知，态度和带有情感色彩的评论的集合。我国《反恐怖主义法》明确规定了恐怖主义是通过暴力、破坏、恐吓等手段，制造社会恐慌、危害公共安全、侵犯人身财产安全，或者胁迫国家、国际组织，以实现其政治、意识形态等目的的主张和行为[1]。恐怖分子或组织采取暴力行为和手段制造暴恐事件的目的在于：一是实现自身特殊的政治、意识形态等利益诉求；二是对政府、社会公众采取舆论攻击、心理攻击，扰乱社会公共生活秩序，营造恐怖气氛；三是引发社会公众关注，扩大其影响力，招募潜在社会不稳定分子。目前，暴恐事件对社会的影响已远远超过了对生命财产造成危害的范围，暴恐事件往往所造成的影响是深远的，包括对受害人和周围目击者心理的创伤和内心的恐惧；对于社会治安的挑战以及对整个社会舆论导向的影响。而大规模的国际暴恐事件则不仅仅会影响发生国内的暴恐事件舆情，更会深远地影响各国针对暴恐事件的行动，促进国家间针对暴恐事件的合作，甚至造成地区冲突。

1.2暴恐舆情信息化发展的社会背景舆情就是通过大数据融合的思维方式，通过网络技术、数据分析，实现对媒体舆情信息的资源融合，从而提高媒体对舆情的管控能力。《反恐怖主义法》第一章第三条明确规定了恐怖主义是通过暴力、破坏、恐吓等手段，制造社会恐慌、危害公共安全、侵犯人身财产安全，或者胁迫国家、国际组织，以实现其政治、意识形态等目的的主张和行为[1]。 暴恐事件舆情就是在舆情发展的信息化背景下，进一步理清媒体舆情数据，通过对海量多元、异构数据资源进行有效的整理，将混乱的舆情信息有效整合，破解舆情管控的瓶颈难题，积极拓展媒体部门舆情管控的信息化建设渠道和路径，为暴恐事件的舆情管控和引导提供助力。一般舆情信息化表现形式为微博、博客、微信、BBS(网络论坛或者叫电子公告板)等舆情表现形式，以上构架形式将个人信息、综合信息、短信消息融合其中，彰显网络舆情传播的活跃性、差异性、真假性。

1.3暴恐事件舆情的产生和影响网络舆情是针对某群体性公共事件信息汇总而形成的一种舆论，这其中包括了互联网用户对该事件的认知、态度和带有情感色彩的评论的集合。网络舆情的爆发，是因为某特定公共事件的发生，引发了互联网用户的共鸣，互联网基于相似的价值观而对于某种特定事件表达自己的看法和评论，产生了网络舆情。而暴恐事件的网络舆情更是网络舆情中能够激起互联网用户情绪的一个方面。第一，暴恐事件并不是每天都会发生的大概率事件，因此，在暴恐事件发生时，往往会获得较大的关注；第二，暴恐事件的发生会伴随着生命财产的损失，社会对于暴恐事件的关注度会集中社会资源来向特定事件倾斜，包括新闻报道的跟进，案件的侦破追踪和后续的背景分析；第三，暴恐事件的策划与发生的背景会伴随着政治和宗教原因，该类事件的发生背景会与一个国家或地区的政治经济宗教因素密切相关，某些暴恐事件也会演变成地区性或国际性事件。

1.4暴恐袭击事件舆情的表现特征暴恐事件因其事件性质的特殊性和严重性，往往在暴恐事件舆情的传播过程中，会造成比较深远的社会影响与舆论导向。在暴恐事件的舆情分析中，可根据事件不同的发展阶段分成舆情爆发期、舆情发展期、舆情回落期三个不同的发展阶段。

1.4.1 暴恐舆情爆发期 在暴恐舆情潜伏整合的基础之上，暴恐舆情信息积累到达临界值后突然进入爆发期，接着暴恐舆论事态急聚升级引起社会公众广泛注意，各种媒体针对暴恐舆情聚焦开始影响事件相关方的处置态度，这种集聚式的暴恐舆情爆发对公众心理造成较大冲击。由于在现代信息传播需求驱使下，大量非利益相关的个体群体加入关注人群，甚至发生一些反动组织推波助澜策划暴恐舆情，使暴恐事件进一步报道持续增加虚假性，网络暴恐舆情的互动规模扩大到影响反恐实体部门判断，假如在这个阶段相关反恐部门稍有处理不当，会使涉及的个体、群体、社会之间的矛盾激化。这种爆发期往往持续到暴恐事件发生的48小时之内，媒体暴恐舆情报道会在这一段时间之内快速跟进报道，各官方媒体也会在第一时间发布稳定社会的权威信息，以确保互联网媒体报道的正确性，甄别爆发期新闻报道的真实性，会达到表达官方正确立场，澄清舆情事件客观性，达到安抚社会恐慌情绪等社会目的。

1.4.2 暴恐舆情发展期 运用大数据舆情监测平台，掌控暴恐舆情的发展期大概分为3个阶段，即发孝阶段、发生阶段、高潮阶段。暴恐舆情的发孝阶段指舆情引发了部分群体的转发和跟贴，但是尚未引发全民或媒体的关注，还没有形成暴恐网络舆情事件；暴恐舆情的发生阶段指防止网络暴恐舆情发展为网络暴恐公关危机，需要提前介入遏制暴恐舆情泛滥扩大发生；暴恐舆情的高潮阶段指暴恐舆情处在正在爆发过程，一般多表现在引发了官方媒体、权威媒体、社会舆论的关注和转发，甚至吸引了全社人民的关注，在全社会形成了对暴恐事件舆情的大爆炸。随之舆情进入震荡期，相关媒体进行详细深入的报道，人们的情感倾向受到媒体的舆情报道而波动起伏。大多数暴恐时间都已进行到侦破阶段，这个阶段的新闻报道会以评论性文章为主，各大媒体平台都会以发表总结性文章及评论。

1. 4.3 暴恐舆情回落期 暴恐舆情在这个阶段处于降温阶段，表现在暴恐舆情产生的危机事件得到了很好的解决，跟帖的网友和追溯的媒体已经逐渐忘却，并开始追逐新社会焦点，这段时间便是舆情的回落期。此时往往会因为新的舆情的爆发期，吸引互联网用户又将注意力转移到了其他热点话题之上，旧的话题被暂且搁置爆发彼事件舆情社会热点，此时应当总结经验教训防患于未然，防止此种危机的死灰复燃再掀起风波。例如，各大门户网站上的热搜排行榜，就是舆情新话题取代旧话题的现实表现。因此，在此阶段需要将现实处置阶段层面和媒体传播层面的联系结合，结合暴恐事件的舆情制定措施稳定互联网用户情绪，对于妥善处置暴恐舆情和保持社会安全稳定具有非常重要的意义。

2 暴恐事件舆情的数据融合与新技术应用

数据融合就是对庞大数据的归类、整合和分析，借鉴物理数据融合和化学数据融合两种方式，采用贝叶斯算法阐释数据融合概念，数据融合新技术不断在暴恐事件舆情的广泛应用。

2.1数据融合数据融合(Data Fusion)也称为信息融合(Information Fusion)。数据融合兴起于军事领域情报信息，之后被广泛适用于各个领域。20实际90年代，美国联合指挥实验室(Joint Directors of Laboratories )，定义数据融合是多层面、多角度处理多个信息源而提供的数据，对数据进行检测、计算、整合等一系列的过程[2]。而数据融合就是对庞大数据的归类、整合、算法和分析。数据融合得到广泛的应用和认识，通过数据融合可将数据碎片化、散乱化，有效整合数据，实现数据和信息共享。由于数据所表达的内容具有局限性，人们收集数据也存在局限性，单一数据无法完全表达事情的全貌，只有通过庞大的数据整合和对接，通过客观的正确分析，才能发挥数据使用功能。

学者们将数据融合分为物理融合和化学性质融合。数据物理融合，是将一类数据的一种或多种数据进行组合，有序排列，进行数据组合或数据重组，这样可以通过组合或重组的数据发现事实真相，数据的本质也随之发生变化，这种数据融合被称之为物理融合。而采用贝叶斯算法，可以将不同数据进行融合，即对不同的数据采用统一标准进行整合，从新的视角发现事实真相，这种融合也被称之为化学融合。

2.2暴恐事件舆情的数据融合对暴恐事件舆情的数据融合，体现出物理数据融合和化学数据融合两种模式和特征：一是运用综合计算、网络舆情和物理环境的有机结合和深度协作，实现对暴恐舆情的实时感知、动态控制和信息服务，采用多维复杂系统实现物理数据融合；二是对暴恐舆情进行数据进行人工分类，实行暴恐舆情监控的数据化管理，使数据算法发生化学催化作用，产生暴恐舆情数据信息化学数据融合，实现暴恐舆情信息的集中管控和互利共享，为科学管控暴恐舆情信息提供强大的技术支撑和安全保障。

2.3数据融合的新技术应用在大数据信息时代下，数据融合有了新的涵义，尤其是互联网、物联网、云技术等数字化技术的产生，数据融合成为处理数据和信息的一种技术性手段，通过各种技术方法，将数据融合在同一个数据仓库中，采用新的技术和方法对数据进行自动处理以便于数据的有效应用。而面对恐怖主义的网络化发展形势，防恐、反恐也逐渐数字化，尤其是反恐情报工作，对暴恐舆情数据的掌握成为防恐、反恐的关键[3]。在全球数字化管控的今天，恐怖主义犯罪活动也随之变化，恐怖主义善于利用互联网传播暴恐舆情，将恐怖主义犯罪数字化，无论是恐怖主义思想的传播路径，还是恐怖组织实施恐怖袭击活动的渠道过程，都逐渐构建以数据管控为核心的恐怖主义活动形式。

3 暴恐事件舆情的表现形式与薄弱环节

舆情无界的全球化发展，信息技术已经成为社会的主要手段，对人、事、物的描述逐渐多元化，通过不同的信息技术从不同层面、不同结构的数据刻画人、事、物，基于对暴恐事件舆情数据的研究，发现在数据融合上存在共享壁垒以及缺乏数据融合系统两个突出问题。

暴恐事件舆情融合一般存在以下3个表现形式与薄弱环节，即暴恐事件舆情数据的共享存在缺漏、暴恐事件舆情数据数据共享的交流不畅、暴恐事件舆情预警平台应用出现迟滞。

3.1暴恐事件舆情数据的共享存在制度缺漏在反恐情报预警工作层面上，情报预警推动反恐工作的前提和基础。如何对暴恐事件舆情数据搜集、研判和分析是情报预警的关键。目前，暴恐事件舆情数据出现的管控薄弱，情报工作效率低下的主要原因之一就是各参与反恐职能部门舆情数据融合不到位，未形成有效的数据融合共享机制。暴恐事件的特殊性导致各参与部门难以在数据信息层面上形成共享，情报的碎片化、数据系统的密封性、数据信息共享的缺乏，导致反恐各部门的数据得不到及时的融合，降低了整个情报工作的效力。

3.2暴恐事件舆情数据交流的共享不畅暴力事件舆情数据融合共享存在壁垒的核心问题是缺乏数据融合、数据协作与运作平台。具体而言：在舆情数据交流层面上，公安部门、国家安全部门及有关职能部门在反恐数据信息交流上存在阻力，公安部门、国家安全部门采取的是上下级的领导，数据信息的管理采取的行政权限划分方式，情报的搜集、研判和分析都是各种独立。从数据情报管控上看，情报资源过多分散在各个反恐职能部门未形成统一的工作规范，情报数据的汇集、储存、共享缺乏规范的工作流程。

3.3暴恐事件舆情预警平台出现的运用迟滞在数字化背景下，恐怖主义的发展已经趋于“网络化”，恐怖组织善于利用网络宣传恐怖主义思想、实施恐怖活动。恐怖组织在网络上的宣传、募集资金、招聘恐怖分子等行为都会留下蛛丝马迹，形成可搜集的数据情报。只要能够将这些散乱在各处的数据情报汇集到一起进行研判和分析，便能够掌握恐怖主义的动向，为反恐预警作出准确的指引。目前，面对网络化的恐怖主义，缺乏大数据技术平台，暴恐事件的舆情数据、信息无法得到融合，难以有效地开展情报研判和分析，使得预警工作缺乏准确的方向，导致大量有价值的数据信息没有发挥作用。也导致了暴恐情报数据在互联网上任意转换和交叉，导致恐怖组织实施的恐怖活动得以实现。面对数据化的恐怖主义，各反恐职能部门应当顺应信息科技的发展，在情报工作中建立大数据平台，将聚集于各类的数据融合，采用相关技术对多元、异构数据进行处理，以生成高效的情报产品，为情报预警、应对处置工作提供准确的情报信息需要。

4 暴恐事件舆情的数据融合策略

在涉及各行各业渗透到各个部门的暴恐事件舆情信息中，运用科学技术信息设备衔接社会反恐基础设施，运用Hadoop数据融合共享平台的数据仓库，对暴恐事件舆情数据的采集、收入、分类、应用融合计算，暴恐事件舆情数据的访问权、分配权、使用权进行共享管控，对结合实际立法构建和完善暴恐事件舆情的规章制度和政策措施。

4.1构建暴恐事件的数据融合平台设计实现新旧媒体与舆情数据中涉及个人、集体、域内外极端恐怖事件信息的大融合，建立云计算视域下设计暴恐舆情的数据融合平台模块架构，按照暴恐事件舆情数据融合机制进一步平台化、模块化、科学化运行。

4.1.1 架构暴恐事件的设计数据融合平台 针对暴恐事件的舆情数据融合平台的总设计，最核心的是网络技术上全面覆盖IaaS、PaaS、SaaS、DaaS等云计算。借助云计算实现媒体与舆情数据中涉及个人极端恐怖事件信息的大融合，形成规模的数据资源体系[7]。通过传统舆情、网络舆情、自媒体舆情等各种信息数据的整合，建立数据资源池，将涉及的全部数据信息吸收到数据资源池进行融合，通过数据的分析和数据的计算对舆情信息分类和研判，提高舆情信息数据使用的质量。为了对暴恐事件数据进行整合，设计以Hadoop平台进行设计融合计算和应用。Hadoop平台以非结构数据作为支撑，数据存储无上限，可以在数据节点上扩张性，具有集成、稳定、高质量的特征，如图1所示：

图1 云平台架构图

通过Spark和Mapreduce搭建云计算平台，利用对数据的处理技术，最终提高数据的高质量运用(如图1所示)。 Hadoop数据融合平台采取对数据的技术性处理，采取对多源数据、异构数据进行存储和计算，进行统一性管理和调度。通过采取得到的多源异构数据，经过ETL处理，进入Hadoop大数据融合台，通过技术对数据进行处理，统一对外提供数据服务。在内部平台数据融合层面上，规范数据格式和规范。在网闸和防火墙的支持下解决数据跨部门、阻碍数据流通的障碍。在外部平台下，利用Kettle、DataX、Sqoop等工具，对数据进行清洗、转化，形成统一化格式最终存入Hadoop大数据仓库中，通过Azkaban或者oozie对平台数据进行管理和调度。

4.1.2 暴恐事件的数据融合平台模块构成 根据设计的Hadoop数据融合，基于应用将系统划分为五大模块，以便于对外提供数据服务，如图2所示。

图2 数据融合平台模块图

登陆界面模块：该界面为进入界面，通过设置验证码、访问权限等方式登录，通过后台的允许进入数据平台，根据不同的需要搜索数据。

平台主页模块：主页上显示的为各种系统的数据模块，进入者和管理者可以根据需要对各个模块的运行进行了解和运用，并通过综合显示平台显示运行状况、储存情况、数据类型、数据项目、数据变化等情况。

系统管理模块：该模块包含了角色权限管理功能块、用户管理功能块、日志管理功能块。角色权限管理功能块是为了方便管理，根据不同工作需要设置的；用户管理维护块是对基本数据的维护，管理数据不受非法攻击；日志管理功能块是记录用户的操作情况及应用数据的情况，主要是保护数据，对操作行为进行跟踪和保存，以有迹可寻。

数据管理维护模块：主要包含数据源接口管理模块、数据表管理模块和元数据管理模块。数据接口管理模块是对各个数据来源系统的对接管理，通过数据列表和接口对数据进行操作；数据表管理模块主要对涉及仓库中的数据统一管理和分类；元数据管理是对技术元、业务元和操作元的数据管理。

模型设计和管理模块：在云平台架构中，模型设计和管理主要是对数据处理、分析和计算，通过模型的管理能够对数据进行修改、删除等，以不断更新数据，保障数据的准确性。

4.1.3 推进暴恐事件的数据融合步骤科学化 暴恐事件一旦被公开，舆情信息会泛滥，相关信息数据都会在各大网络平台上出现，如何有效管控，需要将这些数据全部收集融合，寻找数据源，对数据进行分析，找出有价值的数据进行处理。采用ETL(Extract Transform Load)技术，将其分为数据抽取、转换和加载，如图3所示。

图3 ETL框架

ETL是数据融合的关键，通过该系统将数据转移到仓库中，这是对数据分析的基础。首先将固定接口对接涉及进行抽取，进行数据分类；然后按照数据应用的实际需要对原始数据进行加工、建模，根据应用提取数据类型；最后，将处理过的数据引入仓库中，对数据进行保存。

4.2暴恐事件舆情的数据融合与计算针对暴恐事件舆情的数据融合与计算，对其数据融合共享平台的数据仓库层级进行论证分析，对暴恐事件舆情数据融合平台的数据仓库的分层、分类、步骤及其设置应急措施论证。

4.2.1 暴恐事件舆情的数据融合共享平台的数据仓库 Hadoop数据融合共享平台的数据仓库分层，为了规范数据的管理和调度，基于Hadoop技术将数据仓库分层(如图4所示)，以保障数据的安全以及应用者的应用效果。

图4 数据仓库分层示意图

a.源数据采集层(ODS层)。源数据采集层是为了保障终端数据与获得数据的一致性，保障原始数据不丢失，便于后期对原始数据的追溯。该层是数据仓库的原始层，存在着全部的数据和增量数据。该层保障了数据的原始性，能够保证存储原始数据与原网成一对一映射。并将数据分为结构性数据和非结构性数据。结构性数据一般以文字、日志文本、图片视频等体现，而非结构性数据一般是电子表格、文本文件等体现[9]。对于结构性数据，可以采取ETL工具连接数据直接访问，而对于非结构性数据需要通过文件路径访问。

b.数据仓库层(DW层)。数据仓库层与源数据采集层一对一映射，源数据采集将原始数据导入数据仓库层以后，数据仓库层对数据进行存储。数据仓库层一般不允许下游用户访问。数据仓库层分为数据汇聚层(DWB层)与数据明细层(DWD)。数据汇集层属于清洗层，对无效的、脏的数据进行再清理，例如清除数据的时间、日期、全半角、删除多余符号等；数据明细层不对数据进行清除，是规范数据标准、将数据融合汇总的一种程序，保留原始数据与源数采集层数据一对一映射关系。

c.数据集市层(DM层)。暴恐事件舆情数据集市层来源于数据仓库层，对暴恐事件舆情数据建模分析，以尽可能满足遏制恐怖袭击者的实际需求。通过对暴恐事件舆情建模的方式形成立体化客观的运行系统，然后，通过指标的权重设置、指标计算等抽离出不同的数据形态，供应用者分析，例如，在暴恐事件中的恐怖分子排查分析这一领域内，对恐怖分子或可疑人员的身份信息、活动轨迹等建模，形成数据集市大宽表，通过计算可以确定恐怖分子的活动区域或落脚点，与实施对暴恐事件舆情全面的严格监控。

d.应用层(APP层)。暴恐事件舆情应用层是暴恐事件舆情数据融合之后通过数据计算统计出的结果，其主要是来源于舆情数据集市层。通过暴恐舆情数据建模，可以直观地发现暴恐事件舆情数据的规律或计算得出结果。应用层是应用者可以直接获取暴恐事件舆情的数据资源，通过暴恐事件舆情数据仓库的数据清洗、筛选、建模、分析等直接将结论输入到暴恐事件舆情应用层，为应用者提供研判和分析暴恐事件舆情的基础性数据。

e.临时层。在暴恐事件舆情数据整合存储与分析层设置临时层上，能够提供暴恐舆情辅助方法方式，降低暴恐舆情数据建模、计算的运行难度，补充暴恐事件舆情数据上存在的不足和缺陷，以提高暴恐事件舆情数据融合运行效率。引导暴恐事件舆情研判的合理性、合法性、正当性，必须建制形成科学的、系统的、全面的新时代暴恐事件舆情数据的整体观、安全观、发展观，需要从战略层面制定党的领导制度、工作的顶层设计、其他的统筹兼顾。

f.公共层。公共层属于暴恐事件舆情数据平台的对外显示层，国内主流媒体、网络社交平台关于暴恐舆情的话题量呈现爆发式增长，对舆情监测系统统计分析，全面监测舆情预警系统，根据舆情研判显示社会公共安全现况，对稳定社会人民群众情绪，保障社会稳定，快速破获暴恐案件，提供了良好的舆论环境和社会环境，并对国内外个别反动个人、组织、国家起到了较大的震慑作用，其中包含了暴恐事件舆情数据平台的名称、使用说明、官方网址等方便人民群众的举措。

4.2.2 暴恐事件舆情数据Hadoop数据融合平台的数据仓库 暴恐事件舆情数据融合以后，对数据进行分类和计算，然后构建数据仓库，应用者根据需要在数据仓库中针对性地寻找数据。为了强化对数据的管理和维护，在适用ETL技术整理数据之后，以Hadoop技术完成数据融合然后归入数据仓库。数据仓库是对数据管理和应用的一种方式，它不仅以Hadoop技术为支撑，还兼顾了ETL、建模、调度等一系列系统。所以，构建数据仓库是数据融合的关键一步：a.通过数据建模将数据分层、分类，让应用者高效搜索;b.设置每一层搜索的步骤，数据出现错误以后可通过某一步骤的调整即可获得使用数据；c.设置应急措施，对暴恐事件舆情数据获得失败的，可通过医院对数据源的追溯，直接遵循定位到数据源查找。

4.2.3 暴恐事件舆情数据融合共享平台的管控 对于暴恐事件舆情数据融合安全的管控，主要考虑到数据采集、数据传输与数据访问的安全问题。在数据采集与传输上，由于技术或人为原因，可能导致数据损坏、丢失、窃取或被黑客攻击，所以需要数据管理需要加密保障安全，通常使用身份验证、人脸识别、设置访问权等方式保障；在数据访问上，对于应用者应当验明身份，保存访问痕迹[10]。具体而言：a.从技术层面上加强数据融合平台的管控。可以设置常用的配置方法和协议，例如，路由器过滤协议、IP认证协议、SSL协议等，保障数据在每一个节点上的安全。b.设置数据访问和管理的级别和权限。在设计的大数据融平台中，根据不同的工作需要设置不同的安全等级，自上而下设置访问权限，针对专门的访问者进行核查、验证，对存储数据进行审计和筛选，确保数据的安全性。c.基于暴恐事件舆情数据的特殊性，对暴恐情报信息设置最高级别的访问，以反恐情报预警和反恐应对处置工作为核心，不涉及两项工作的情况下禁止访问，防止不法分子或恐怖分子趁虚而入，破坏大数据融合平台。

4.3暴恐事件舆情的数据共享管控在暴恐事件舆情云平台数据的采集和接入中，为数据加载是云平台中数据仓库完善的最后一步，通过数据采集、接入、清洗、转换等方式，将获得的数据存入数据平台仓库，注重暴恐事件舆情数据管控的技术和要点，着重解决暴恐事件舆情数据共享管控中，管控好隔离数据的分配权、限制数据的访问权、备份数据的存储权、区块链技术的使用权。

4.3.1 暴恐事件舆情数据隔离的分配权 暴恐事件舆情数据隔离是针对多个应用者对同一数据的应用问题，针对不同应用者采取数据隔离的方式，目前的数据隔离主要采取物理隔离和虚拟化隔离。在暴恐事件舆情数据融合的平台下，采取物理隔离较为适宜，在大数据平台网域上建立私有云服务器，在物理和空间隔离的云服务器中进行数据的筛选、分析和计算。

4.3.2 暴恐事件舆情限制数据的访问权 暴恐事件舆情限制访问权是常用的一种方式，通过设置访问权限、访问密码等方式限制进入数据平台查找数据，这是对数据安全的有效保护。目前，可以采用CA证书设置权限级别，在大数据不断融合平台中，针对不同的应用者设置不同的CA权限证书，应有者根据权限进行访问，并对应用者进行层层审批，访问人民群众跟踪调查等方式。

4.3.3 暴恐事件舆情数据备份的存储权 暴恐事件舆情数据备份是防止数据损坏、丢失而设置的一种保护措施。数据备份在大数据融合平台中非常关键，一旦产生数据可能损坏、丢失的现象，数据自动备份，一般情况下，数据可以备份到本机机房或通过IP协议备份到其他机房。在大数据融合平台上，管理者应当尽量不同的备份机房，签订不同的IP安全协议，确保暴恐事件舆情数据的安全。

4.3.4 暴恐事件舆情区块链技术的使用权 在大数据融合平台中使用区块链技术可以采取区块链技术验证数据的原始性，并可以存储数据。区块链是一种去中心化的账本数据库，采用区块链技术可以保障数据的稳定性、可靠性与透明性。通过大数据、区块链、人工智能等三军技术，可以将大数据融合平台的数据重新编程，展现一个全新的数据框架和计算范式，这是数据使用的创新方式，将区块链技术融入到大数据融合平台中是一种发展趋势和基本技术设备要求。

4.4立法规范暴恐事件舆情的应对措施和政策制度通过立法制定规则，规范暴恐事件舆情的管控，依托云平台自动化采集全面准确的暴恐事件舆情数据，科学化甄别、适时化捕获、归类化抽取的涉暴恐舆情数据，精准化梳理、格式化清洗、逻辑化筛选的涉暴恐舆情数据，树立数据融合共享成为大数据发展的必然趋势，暴恐事件舆情数据进一步融合成为反恐情报预警工作的核心要义。

4.4.1 依托云平台自动化采集全面准确的暴恐事件舆情数据 暴恐事件舆情云平台的数据采集主要是公安机关及各参与反恐职能部门中涉及的基础性数据信息，主要包括：一是反恐机关日常中的储存数据，如报警数据、个人信息数据、各交通部门移送的数据等；二是反恐部门自行搜集的数据，例如银行、旅店、网吧等行业的信息数据；三是反恐部门针对涉恐协调各部门移送的数据信息，如安保部门、火车站、机场等采集的数据、ETC、物流公司、媒体部门、网络监管部门等采集的数据。采集的方式主要是通过API接口传送或下线拷贝，要针对不同的网域设置不同的接口，保障采集数据的及时性。

4.4.2 科学化甄别、适时化捕获、归类化抽取的涉暴恐舆情数据 在暴恐事件舆情云平台数据中，数据抽取包含数据剖析、捕获增量数据以及数据抽取[8]。数据融合以后先进行数据梳理，对数据的不同形式、不同结构进行分析归类，统计数据数量、类型；然后，根据数据的不断更新，采用主键、时间戳、触发器及其采集方式对增量数据及时捕获处理；最后，根据管理者的需要抽取数据。

4.4.3 精准化梳理、格式化清洗、逻辑化筛选的涉暴恐舆情数据 由于暴恐事件舆情平台汇集的数据非常庞大、数据源网域也存在差异，整个数据质量也是参差不齐。编码错误、拼写错误、数据缺失等各种无效的数据、难以读出的数据不可避免，为了提高数据质量，需要对不达标的数据事先清洗和筛选。首先，通过筛选将数据存在明显错误的进行梳理，与数据源对比，排除错误原因，是技术上的问题，还是本身数据的储存问题针对性的解决；其次，对数据格式化清洗。通过技术的的过滤，将那些难以恢复、无法读出的数据清洗掉；再次，对数据逻辑化清洗。采取重复操作的方式，根据归类的数据的重要程度决定是否要清洗掉难以恢复、读出的数据，以防止误删重要的数据；最后，对筛选出具有重要价值的数据进行逻辑性修复。

5 结 语

在大数据共享管控社会背景下，反恐情报预警工作也必须顺应时代的潮流，实现大数据的全面融合和综合运用，只有提高暴恐事件情报预警工作效率，才能通过以暴恐事件舆情数据的管控工作为载体，进一步剖析我国在暴恐事件舆情数据融合中存在的薄弱环节，充分论证分析发现需要对暴恐事件舆情数据进行融合，提出针对暴恐舆情建立大数据融合平台方案，依托高科技手段设计先进的暴恐事件舆情数据融合平台，采取智慧化措施提高反恐情报工作效率，发挥暴恐事件舆情数据的支撑作用，为遏制暴恐事件提供正确工作方向、可靠的理论依据和科学的实践遵循。