Table of Contents
مقدمه: نقش توسعه دهنده هوش مصنوعی در ضدتروریسم
هوش مصنوعی به عنوان یک نیروی تحول در امنیت ملی ظهور کرده است، ارائه دولت ها و سازمان های اطلاعاتی بی سابقه برای شناسایی و جلوگیری از توطئه های ضد تروریسم سنتی - به طور گسترده ای در مورد هوش انسانی، نظارت فیزیکی و اقدامات حریم خصوصی - به طور فزاینده ای توسط سیستم های هوش مصنوعی تکمیل می شود که می تواند داده های گسترده را پردازش کند، شناسایی الگوهای پنهان و فعالیت مشکوک در سرعت ماشین تغییر، تنها در مورد عوامل امنیتی پیچیده است که آنها را قادر به بررسی می کند.
چگونه AI در ضدتروریسم کار می کند
سیستم های AI برای اهرم ضد تروریسم ترکیبی از یادگیری ماشین، پردازش زبان طبیعی، بینایی کامپیوتر و تجزیه و تحلیل پیشرفته مستقر شده است، این فن آوری ها با هم کار می کنند تا حجم عظیمی از داده های ساختار یافته و بدون ساختار را تجزیه کنند - از پست های رسانه های اجتماعی گرفته تا تصاویر ماهواره ای - و هوش عملی تقطیر سرعت است: چه چیزی یک تیم از تحلیلگران انسانی را می گیرد یا می تواند در دقت انجام شود، اما همچنین به عنوان الگوریتم های تهدید جدید را بهبود می بخشد، در حالی که از طریق انطباق داده های تهدید جدید، در حالی که روند.
یادگیری ماشین و شناسایی الگو
در هسته اکثر برنامه های ضد تروریسم AI یادگیری ماشین (ML) الگوریتم ها در داده های تاریخی فعالیت های تروریستی شناخته شده آموزش دیده اند - ارتباطات، الگوهای مسافرتی، معاملات مالی و روش های حمله ای که آموزش دیده اند، این مدل ها می توانند ناهنجاری های مربوط به جریان های داده های زمان واقعی را تشخیص دهند، به عنوان مثال، یک مدل ML ممکن است یک افزایش ناگهانی در پیام های رمزگذاری شده در میان افراد غیر مرتبط با یادگیری، یا الگوهای معمول یادگیری "به رسمیت شناختن مواد شیمیایی" را نشان دهد.
پردازش زبان طبیعی
پردازش زبان طبیعی (NLP) AI را قادر می سازد تا زبان انسان را از منابع مختلف درک و تجزیه و تحلیل کند - رسانه های اجتماعی، انجمن ها، مقالات خبری و ارتباطات را مسدود کند. تجزیه و تحلیل Sentiment تجزیه و تحلیل کند و به رسمیت شناختن موجودیت اجازه می دهد سیستم های رادیکال سازی، تلاش های استخدام و بحث های عملیاتی را شناسایی کنند.
کامپیوتر بینایی و نظارت
بینایی کامپیوتر AI فیلم های ویدئویی را از دوربین های CCTV، هواپیماهای بدون سرنشین و دوربین های بدن برای شناسایی افراد، اشیاء و رفتارهای مورد علاقه پردازش می کند. سیستم های تشخیص چهره با مظنونین در برابر عینک در فضاهای عمومی شلوغ مطابقت دارند، در حالی که الگوریتم های تشخیص شی، بسته های رها شده یا وسایل نقلیه غیر مجاز در نزدیکی تجزیه و تحلیل رفتاری - مانند تشخیص loiling، دویدن یا حرکت غیر معمول جمعیت - می توانند هشدار دهند که قبلاً برخی از عوامل نظارت بر روی سیستم های کامپیوتری استفاده می کنند، به ویژه در مورد استفاده از اطلاعات دقیق، به جای استفاده می کنند.
Data Fusion و Analysis
هیچ منبع داده ای اطلاعات کامل را فراهم نمی کند. AI در تجزیه و تحلیل اطلاعات از کانال های مختلف - متاداده های ارتباطی، سوابق مالی، آشکار سفر، داده های بیومتریک و هوش منبع باز - برای ایجاد یک تصویر جامع الگوریتم تجزیه و تحلیل نمودار نمودار نمودار نموداری نقشه روابط بین افراد، سازمان ها و حوادث، آشکار کردن شبکه های پنهان می تواند چهره های مرکزی در یک سلول شناسایی، ارزیابی نفوذ خود، و احتمالا اقدامات مربوط به همجوشی، نیاز به این اطلاعات مهم است؛ و مطمئن بودن اطلاعات، و سیستم های مربوط به این اطلاعات، تجزیه و اطمینان از دست آمده از دست رفته، و اطمینان از دست رفته، و اطلاعات، به آن، و اطلاعات، و اطلاعات، به آن، به جزئیات دقیق، و اطلاعات، و سیستم های مربوط به آن، شناسایی اطلاعات، و تجزیه و تحلیل های مربوط به آن، شناسایی اطلاعات، و اطلاعات، و اطلاعات، شناسایی اطلاعات، و تحلیل های مربوط به آن ها، شناسایی، شناسایی، شناسایی اطلاعات مهم است.
برنامه های کاربردی در Detecting Terror
AI در سراسر حوزه های متعدد ضد تروریسم، از هشدار اولیه به تحقیقات پس از شناسایی، اعمال می شود.هر برنامه قابلیت ها و چالش های منحصر به فرد را ارائه می دهد.
نظارت رسانه های اجتماعی
رسانه های اجتماعی همچنان یک بردار اولیه برای تبلیغات افراطی، استخدام و هماهنگی عملیاتی است.سیستم عامل اسکن ابزار AI مانند X (قبلا توییتر)، تلگرام، TikTok و برنامه های پیام رسانی رمزگذاری شده برای تشخیص کلید واژه، هش تصویر و تجزیه و تحلیل شبکه اجازه می دهد تا سازمان ها را شناسایی کنند که محتوای خشونت آمیز را به اشتراک می گذارند یا با افراط گرایان شناخته شده ارتباط برقرار می کنند، به عنوان مثال، ایالات متحده "برنامه های نظارت بر شبکه های امنیتی اجتماعی" که می توانند از سیگنال های اینترنتی جعلی استفاده کنند.
تحلیل معاملات مالی
تامین مالی تروریست ها اغلب از طریق کانال های بانکی قانونی، موسسات خیریه یا رمزنگاری شده جریان می یابد.سیستم های ضد پول شویی مبتنی بر AI (AML) الگوهای تراکنش های جاری را تجزیه و تحلیل می کنند تا فعالیت های مشکوک را شناسایی کنند: حرکات نقدی بزرگ، انتقال های دور شمار یا معاملات شامل مقررات حسابرسی بالا، یادگیری غیر قابل نظارت بر الگوهای رفتاری تکراری را که سیستم های حسابرسی تاریخی را از دست می دهند، باید الگوهای حسابرسی های غیر قانونی را تشویق کند، اما گزارش های حسابرسی غیر قانونی برای سازمان های حسابرسی دولتی باید الگوهای حسابرسی را تشویق کند.
تحلیل شبکه و نظارت بر ارتباطات
با تجزیه و تحلیل متاداده از تماس های تلفنی، ایمیل ها و برنامه های پیام رسانی، AI می تواند شبکه های ارتباطی را بدون خواندن محتوا بازسازی کند – یک جایگزین کمتر مزاحم برای نظارت جمعی. تجزیه و تحلیل شبکه اجتماعی گره های مرکزی، پل های بین خوشه های حریم خصوصی و افرادی که به عنوان "خطاب های" بحث برانگیز" بین سلول ها عمل می کنند، می تواند مراحل برنامه ریزی عملیاتی را نشان دهد، به عنوان مثال، افزایش ناگهانی در تماس های امنیتی قبل از حمله به طور عمومی.
پیش بینی پلیس و ارزیابی ریسک
مدل های تجزیه و تحلیل پیش بینی کننده احتمال حملات آینده بر اساس داده های تاریخی، عوامل اجتماعی و اقتصادی و هوش فعلی را برآورد می کنند، این مدل ها به تخصیص منابع کمک می کنند –patrols، تیم های نظارتی، امنیت پورت – موثرتر است، برخی سیستم ها امتیازات خطر را به افراد اختصاص می دهند، و آنها را برای افزایش نظارت یا گنجاندن بر چک لیست ها تشویق می کنند، با این حال منتقدان استدلال می کنند که پیش بینی پیش بینی پیش بینی می تواند چرخه های خود را به دقت ایجاد کند، که در آن، در مورد استفاده از ابزارهای بررسی مستقل تر از طریق ابزارهای پردازش اطلاعات، اگر تمرکز بیشتر از طریق استفاده می کنند، استفاده کنند، و تقویت تمرکز بیشتر از طریق نظارت بر روی افزایش داده های پلیس، و تقویت تمرکز بیشتر، و تقویت تمرکز بیشتر از آن ها بر روی افزایش داده های نظارتی بیشتر، و تقویت تمرکز بر روی افزایش داده های نظارتی بیشتر، و تقویت تمرکز بر روی افزایش داده های نظارتی بیشتر، و تقویت تمرکز بر روی نظارت بر روی نظارت بر روی نظارت بر روی نظارت و تقویت تمرکز بر روی نظارت بر روی نظارت بر روی نظارت و تقویت تمرکز بر روی نظارت و تقویت تمرکز بر روی نظارت و تقویت تمرکز بر روی نظارت بر روی نظارت و تقویت تمرکز بر روی نظارت و تقویت تمرکز بر روی نظارت و تقویت تمرکز
چالش ها و ملاحظات اخلاقی
ادغام AI در مبارزه با تروریسم بدون هیچ گونه نگرانی قابل توجهی در مورد حریم خصوصی، تعصب، پاسخگویی و پتانسیل سوء استفاده از سیاست گذاران، تکنسین ها و جامعه مدنی نیست.
حریم خصوصی و آزادی های مدنی
نظارت جمعی که توسط AI فعال شده است - نظارت بر ارتباطات، رسانه های اجتماعی و جنبش های همه - مبارزه با حقوق حریم خصوصی اساسی در جوامع دموکراتیک است. مقررات عمومی حفاظت از داده های اتحادیه اروپا (GDPR) محدودیت های جدی در تصمیم گیری خودکار و پروفایل، نیاز به موافقت صریح یا قانونی در ایالات متحده، اصلاحیه چهارم در برابر جستجو های غیر منطقی محافظت می کند، اما داده های جمع آوری شده در مورد مسائل مربوط به نقض اطلاعات مستقل در سازمان های امنیتی، به منظور جمع آوری اطلاعات، به منظور جمع آوری اطلاعات، به منظور جمع آوری اطلاعات محرمانه در سازمان های امنیتی غیر قانونی و نقض اطلاعات، به منظور ارائه برخی از نظر می باشد.
بیاس و عدالت الگوریتمی
مدل های AI که بر داده های ضد تروریسم تاریخی آموزش دیده اند، ممکن است از تصمیمات انسانی گذشته، از جمله پروفایل نژادی، مذهبی یا قومی، به عنوان مثال، اگر تحقیقات قبلی به طور نامتناسبی بر افراد پس زمینه خاصی متمرکز باشد، مدل یاد خواهد گرفت که پروفایل های مشابه را نشان دهد، ایجاد یک حلقه بازخورد از تبعیض می تواند شدید باشد: سوء استفاده از فهرست ها، ارزیابی های آزار و انکار حقوق سفر، و استراتژی های متنوع برای سازمان ملل متحد شامل نمونه های مختلف از عوامل مختلف.
مثبت کاذب و اتهام
حتی سیستم های هوش مصنوعی بسیار دقیق، مثبت کاذب تولید می کنند – پرچم هایی که به فعالیت بی گناه تبدیل می شوند، در مقابله با تروریسم، یک مثبت کاذب ممکن است حمله پلیس، دستگیری یا حتی یک حمله پهپادی را ایجاد کند (در زمینه های نظامی) هزینه ی اشتباهات صرفاً اداری نیست؛ می تواند مطالعات دیده بان های تروریستی مبتنی بر هوش مصنوعی را تأیید کند که درصد قابل توجهی از نام های بالقوه یا کاهش یافته اند، نیاز به استفاده از یک سیستم های پیچیده تر از اقدامات مثبت تر از آن دارند؛ و یا سیستم های پیچیده تر از آن ها نیست؛ و برخی از آن ها، و یا سیستم های پیچیده تر از آن ها، و یا تحلیل گران تر از آن ها، و یا تحلیل گران تر از آن ها، نیاز به کار می شود.
قابلیت حساب و Oversight
هنگامی که یک سیستم AI یک مثبت کاذب ایجاد می کند یا منجر به نقض حقوق می شود، چه کسی پاسخگو است؟ توسعه دهنده الگوریتم؟ آژانس که آن را مستقر می کند؟ اپراتور که توصیه سیستم را بیش از حد بالا می برد؟ چارچوب های حقوقی برای پاسخگویی هوش مصنوعی هنوز هم نیاز به گروه های نظارت بالا دارند، در بسیاری از کشورها، روش های جنایی موجود و مدنی به اندازه کافی به الگوریتم های شفافیت نمی پردازند - با این حال انتشار که چگونه مدل های کار، و داده های امنیتی ملی را ایجاد می کنند - به عنوان اولین اقدامات امنیتی ضروری است - به عنوان معیارهای امنیتی ضروری است.
پرداختن به چالش ها
با شناخت این چالش ها، دولت ها، سازمان های بین دولتی و شرکای بخش خصوصی در حال توسعه چارچوب هایی هستند تا اطمینان حاصل شود که AI در مقابله با تروریسم مسئولانه استفاده می شود.
چارچوب های تنظیم کننده
قانون پیشنهادی اتحادیه اروپا، استفاده های ضد تروریسم از AI را به عنوان " پرخطر" طبقه بندی می کند، با توجه به ارزیابی دقیق انطباق، نظارت انسانی و الزامات شفافیت.در ایالات متحده، موسسه ملی استانداردها و فناوری (NIST) یک چارچوب مدیریت ریسک برای AI منتشر کرده است که به دنبال شکاف ها، قابلیت اطمینان و توضیح است.
شفافیت و توضیح
برای اینکه تصمیم های AI قابل اعتماد باشند، باید توضیح دهند که تکنیک های AI قابل توضیح (XAI) توجیه های قابل خواندن انسانی را برای اینکه چرا هشدار خاصی مطرح شد، ایجاد می کنند – به عنوان مثال، "این فرد به دلیل سه تماس تلفنی به افراط گرایی شناخته شده در عرض 24 ساعت، به علاوه رزرو پرواز برای یک مدل های جعبه سیاه (شبکه های عصبی عمیق) برای مقابله با افراد با تروریسم داخلی مناسب، به طور فزاینده ای که در آن ها توضیح داده می شود، به طور فزاینده ای که در آن ها نیاز است، به توضیح داده شده است، و بدون استفاده از طریق سیستم های ضد تروریسم داخلی و یا سیستم های قانونی و یا به طور فزاینده ای که به طور فزاینده ای که به طور فزاینده ای تحت تاثیر قرار می شود، به طور فزاینده ای تحت تاثیر قرار می شود، به طور فزاینده ای که در آن ها و یا سیستم های ضد تروریسم داخلی آن ها، به طور فزاینده ای تحت تاثیر قرار می شود، به طور فزاینده ای تحت تاثیر قرار می شود، به طور فزاینده ای تحت تاثیر قرار می شود، به یک سیستم های شخصی که تحت تاثیر قرار می شود، به طور فزاینده ای تحت تاثیر قرار می شود، به طور فزاینده ای از طریق سیستم های شخصی که تحت تاثیر قرار می شود، به طور فزاینده ای تحت تاثیر
سیستم های انسانی-در-Loop Systems
اکثر دستورالعمل های اخلاقی برای AI در امنیت ملی اصرار بر کنترل معنادار انسان دارند.انسان-در حلقه (HITL) به این معنی است که خروجی های خودکار باید توسط یک فرد واجد شرایط قبل از اقدام مورد بررسی قرار گیرند. HITL می تواند از تأیید ساده (انسان محدودیت های گزارش را تایید می کند) به همکاری فعال ( پارامترهای انسانی بر اساس پیشنهادات هوش مصنوعی) در تصمیم گیری های انتقادی - مجوز نظارت بر سیستم عامل، نیاز به طور منطقی کنترل سلاح های انسانی است.
آینده هوش مصنوعی در ضدتروریسم
همانطور که فناوری هوش مصنوعی همچنان پیشرفت می کند، نقش آن در مقابله با تروریسم در محدوده و پیچیدگی گسترش می یابد.پیش بینی روند آینده به سیاستگذاران اجازه می دهد تا برای هر دو فرصت و خطرات آماده شوند.
زمان واقعی تهدید
Edge AI – مدل های موجود در دستگاه های محلی به جای سرورهای ابری – پردازش سریع تر از فید های نظارت و داده های سنسور را امکان پذیر می کند، با حداقل تاخیر، دوربین در یک استادیوم می تواند بلافاصله یک سلاح و امنیت هشدار را قبل از اینکه یک مهاجم وارد شود شناسایی کند، ترجمه و رونویسی مکالمات متوقف شده می تواند به مقامات هشدار دهد تا زبان عملیاتی را در ثانیه، با این حال تشخیص زمان واقعی نیز فشار را برای دقت کامل افزایش می دهد، زیرا هیچ الگوریتم بررسی برای این تقسیم دوم وجود ندارد.
مقابله با تهدیدات ناشی از هوش مصنوعی
مخالفان همچنین از AI استفاده می کنند گروه های تروریستی ممکن است از AI برای تولید فیلم های عمیق برای تبلیغات، چت خودکار استخدام استفاده کنند، یا از تشخیص با تولید الگوهای ارتباطی واقعی اما مصنوعی استفاده کنند.بات های اجتماعی قدرتمند AI می توانند اطلاعات را برای نفوذ در خشونت یا پوشش برنامه های عملیاتی، گسترش دهند.بنابراین باید برای شناسایی محتوای تولید شده AI، این نژاد اسلحه و سرمایه گذاری دفاعی به طور خودکار نیاز به تحقیق مداوم دارند، و همچنین دولت های پزشکی قانونی.
همکاری بین المللی
تروریسم یک تهدید فراملی است، اما سیستم های AI اغلب در مرزهای ملی توسعه یافته و استقرار می یابند.تعامل پذیری ابزارهای AI در سراسر کشورها - شاخص های تهدید، خروجی مدل و بهترین شیوه ها - می تواند به طور قابل توجهی جلوگیری از مجمع جهانی مبارزه با تروریسم (GC) را افزایش دهد و INTERPOL برنامه هایی را برای تسهیل این همکاری آغاز کرده است.
نتیجه گیری
هوش مصنوعی ابزارهای قدرتمندی برای شناسایی و جلوگیری از توطئه های تروریستی ارائه می دهد که امکان تجزیه و تحلیل سریع تر، نظارت گسترده تر و به رسمیت شناختن دقیق تر از روش های سنتی به تنهایی را فراهم می کند.از نظارت رسانه های اجتماعی و تجزیه و تحلیل مالی گرفته تا پیش بینی آتش سوزی و نقشه برداری شبکه، AI در حال حاضر به دنبال تغییر سیاست های ضد تروریسم در سراسر جهان است، با این حال این مزایا با مسئولیت های عمیق: حفاظت از حریم خصوصی، جلوگیری از سوگیری، پاسخگویی، و حفظ نظارت انسانی، حتی اگر به دنبال توسعه یافته است که به طور بالقوه به عنوان یک چارچوب های اخلاقی بیشتر از توسعه یافته است، حتی اگر آن است، به عنوان تقویت شده است، حتی اگر آن است، به عنوان سیاست های اخلاقی، به عنوان تقویت شده است، حتی اگر آن، به عنوان سیاست های تقویت ساختار و حتی اگر آن، به عنوان تقویت کننده های اخلاقی، به عنوان یک ساختار حفظ امنیت اخلاقی بیشتر از ساختار اجتماعی، اما حتی اگر آن، به عنوان تقویت شده است، اما به عنوان یک ساختار اجتماعی، به عنوان یک ساختار اجتماعی، به عنوان تقویت شده است.