社交网络与美军情报分析获取.doc

社交网络与美军情报分析获取 　　近些年来，Twitter、Facebook等社交网络蓬勃发展。在中国，微博、微信转发产生的影响也与日俱增。海量的信息为了解民众的思想脉络提供了重要的机遇，同时，社交网络还为防务、情报以及国土安全分析人员就潜在危机提供了早期预警的途径。但是，从海量的数据噪音中提取出有价值的情报是一项艰巨的任务，需要一种自动化的解决方案。在此方面，美军与相关企业合作，取得了一定的进展。 　　社交网络的出现，为防务决策者们了解民众的思想脉络提供了重要的机遇，包括人们对于事件的反应、对于重要问题的意见、政治情绪、呼吁举行抗议活动等等。社交媒体还为防务、情报以及国土安全分析人员就潜在的危机提供了早期预警，如会不会出现又一次“阿拉伯之春”运动？军事冲突发生的可能性？等等。 　　比如最近发生的某次事件，也许会导致居住在特定区域的人群对美军心存不满，则他们的愤怒或不满情绪可能会随时间推移激化，亦或平复。了解这种情绪起落的变化将有助于部队提高对自身安全的认识。“我们当中的大多数人通过观看电视了解事件，可能认为情况还不至于那么糟糕，不过通过社交媒体，一些非常有影响力的个人可能会传达出负面的情绪和看法，他们会影响其他人的想法，”美国SAS公司联邦国家安全小组主任丽贝卡·加西亚如是说，“如果我们不了解这种思想活动的轨迹，则有可能出现危及美国民众安全的事件。” 　　但是，社交媒体包含的庞大数据量往往使人难于处理和分析。此外，数据中“噪声”的数量—即与问题无关的信息—可能是惊人的。从海量的“噪音”中清理出有价值的重要情报是一项艰巨的任务。掌握由用户生成的铺天盖地、可公开访问的内容—源于Twitter、博客和许多在线交流的信息—需要一种自动化的检索解决方案。 　　引入先进的分析技术 　　分析技术有助于人们从海量信息中找到重要主题和思想倾向，并且可以帮助了解这些主题和倾向会对民众造成何种影响。 　　社交媒体数据分析的全球应用有一些明显案例，如去年发生在埃及和利比亚的政治动荡，以及在日本和海地发生的自然灾害等。全球第一条有关奥萨玛·本·拉登在巴基斯坦的住所被攻击的消息就是由其邻居通过微博公布的。此外，社交媒体网络还能对计划周密的抗议、示威和行动提供最早的现场报告。 　　分析技术能够利用互联网上公开提供的海量数据，就某一特定主题提炼具体信息，而不必费力埋头于数PB（petabytes，1petabytes=1024TB，译者注）的数据，这显著节约了大量时间，使最终用户可以把他们的时间集中于具体任务，而不是数据挖掘上。这样一种分析技术必须能够有效管理各种形式的社交媒体数据，无论是结构化的还是非结构化/半结构化的，包括视频和音频内容。它同样适用于军事和情报应用，比如帮助军队征兵工作人员找到有关征兵重要问题的公开数据，又或者是前线士兵想要了解在某特定城镇或地区，民众对于美军的存在有什么样的情绪。这些都需要对社交媒体数据进行分析，这通常超出了个人甚至是一个团队的能力，解决这个问题需要筛选大量数据以得到可操作的信息。可以说，社交媒体分析可以从丰富的公开数据中发现有价值情报，这为提高效率和支持作战提供了又一种机遇。 　　分析与建模 　　目前有许多公司针对社交媒体提供了先进的分析技术。例如，诺思鲁普·格鲁曼公司提供的一套工具可利用算法对公开的信息进行搜索，把数据的范围缩小到预定的主题、类别和其他标准上。“然后对这些信息进行排序，为终端用户提供相关、有针对性、可管理的数据。该工具的开发目的旨在提醒决策者注意可能发生的危机、冲突和不良社会倾向。 　　Aptima公司正在研究一项技术，称为信息演化蔓延建模（E-MEME），它能把自然语言处理（NLP）与蔓延建模核心概念结合在一起。信息演化蔓延建模采用自然语言处理技术，筛选大量的互联网数据资源和文件，从博客、新闻站点和实时社交平台（如Twitter）中提取重要的认知和传播主题。该技术可描述并量化公共平台上热议的主题，如“抗议”和“选举”等。 　　通过数学建模可以描绘这些思想是如何在各个地区的民众中随时间推移传播和蔓延的。在一定层次上，信息演化蔓延建模的目的是根据现在社交媒体、博客和新闻上正在发生的事件，就当前形势更好地利用信息，提供情报分析。如果民众对于“抗议”这一话题感兴趣，信息演化蔓延建模将通过从几个维度仔细划分，筛选媒体中有关这一主题的相关信息，如发生位置、参与团队或媒体类型。此外，信息演化蔓延建模还将提供这一主题以往的发展趋势，使分析人员能够清楚了解在特定的某个地点，人们谈论“抗议”这一话题的兴趣正在逐渐变得浓厚。除此之外，建模还能帮助分析人员根据历史数据和其他因素评估不同人群对于各种认知的易感程度。同时，情报分析人员还能开展“假设情况”分析，如评估一种认识传播的可能性，或特定地区的人