AI 在恐怖战术中的兴起 — 全球南方国家/地区日益增长的威胁

快速阅读: 据《本周》称，在由SHARE与高瓦哈蒂棉花大学举办的活动中，前印度警察服务官员巴什卡尔·乔蒂·马汉塔强调了人工智能对社会的影响。SHARE发布的报告显示，恐怖组织利用人工智能进行招募、通信和资金筹集，如基地组织、达伊什和极右翼团体使用开源工具进行多语言传播。打击科技恐怖主义需确保数据准确、重构和安全，采用CNN-LSTM混合模型预测恐怖事件。

想象一下在没有手机或电脑的情况下度过你日常生活中的普通一天，你就会意识到这些移动设备占据了你生活中的多大一部分。技术已经以难以想象的方式改变了我们的生活，从连接性到人际关系，再到即时提供任何信息。然而，这种技术的扩展也带来了不安全和威胁——例如全球各国面临的网络欺诈和网络攻击等问题。在由和谐愿景责任参与协会（SHARE）与高瓦哈蒂棉花大学联合举办的关于人工智能革命的活动中，前印度警察服务官员巴什卡尔·乔蒂·马汉塔强调了人工智能相关的发展倡议及其对社会的影响。“我们应该从DeepSeek所做的事中获得启示，”他说，“这是创新和人才如何超越资源的一个典型例证。”

SHARE还发布了一份题为《科技恐怖主义联盟演变及全球南方应对选项》的报告。该报告关注恐怖组织如何利用新技术来对抗全球反恐努力。以下是报告的部分内容：

**什么是恐怖主义和暴力极端分子（TVE），以及他们如何使用人工智能？**

根据兰迪·博姆的研究，“恐怖主义和暴力极端分子（TVE）”被定义为一个随时间、文化和地缘政治环境变化而演变的概念。这些通过连接网络运作的极端组织难以被外部力量根除。新兴的生成式人工智能加速了这些不当行为。

2023年11月，Tech Against Terrorism的一项研究表明，恐怖组织如基地组织和达伊什以及某些极右翼团体正在使用人工智能技术。由于像CAMeL、PyArabic和Bhashini这样的开源工具可供免费使用，这些组织无需复杂软件的帮助即可将文本翻译成多种语言。类似的情况是，恐怖极端分子成功劫持了FIFA世界杯的标签，但执法机构未能有效阻止。

**TVE招募和沟通方法及资金**

人工智能技术在招募新成员方面非常有用，这包括识别潜在的新兵并将其思想灌输进他们的观念中。据报道，英国恐怖主义立法独立审查员乔纳森·霍尔被一个人工智能机器人“招募”加入恐怖组织。通信是任何组织的支柱，TVE也不例外。从基地组织早期使用录像带和电子邮件到奥萨马·本·拉登在托拉波拉事件后使用的信使网络，这些组织一直专注于安全通信，同时也使用聊天室和加密消息应用。自2020年5月起，逊尼派伊斯兰政治组织“解放叙利亚委员会”指示其成员从传统加密平台如Telegram和Facebook Messenger转向更先进的通信平台如Conversations、SilentCircle、RedPhone和Signal。这一转变可能是由于越来越多的人认为执法机构有办法摧毁这些平台上的组织和渠道。在捣毁多个与基地组织有关的潜伏细胞时，也发现了高度复杂的应用程序使用情况。2025年1月出版的《呼罗珊之声》杂志（由伊斯兰国呼罗珊省或IS-KP——主要基于阿富汗的暴力极端组织）专门有一章名为“黑暗之光”，讨论了各种开源加密消息应用，这些应用可能被其追随者利用。

恐怖分子和暴力极端分子通常使用暗网和加密货币为其行动筹集资金。根据美国财政部的说法，威胁行为者转向暗网为诸如“不留痕迹资助伊斯兰斗争”的页面提供资金。还有证据显示，加密货币被用于资助2015年巴黎袭击案和2021年斯里兰卡复活节爆炸案。

人工智能驱动的深度伪造技术被用于规避验证过程。全球北方和南方国家的内部安全预算存在明显经济差距。富裕国家，尤其是G7国家，在内部安全方面的预算显著高于许多全球南方国家。例如，美国2024年的预算估计为659亿美元，而印度为258亿美元。泰国、墨西哥、埃及、巴西、印尼、阿根廷和南非等国家未分配此类预算。这种差异使得较不富裕国家的执法机构更难有效应对安全挑战。缺乏数字化格式的数据以及这些执法机构无法访问大型数据集，阻碍了积极行动。

**打击科技恐怖主义**

打击科技恐怖主义，尤其是在全球南方语言中第一步是确保数据准确无误且机器可读，以便预处理以减少数据输入错误。这需要重构数据，并涉及四个步骤：数据清洗、数据集成、数据转换和数据缩减。这在多源输入机制用于生成主数据库时尤为重要。安全数据库至关重要，应受到全同态加密（FHE）和可搜索对称加密（SSE）等TrustTech解决方案的保护。在开发数据湖时，建议使用TENSOR（聚类恐怖主义行动预测）框架，该框架支持多源数据收集。

各种平台的传统内容审核技术通常会被地方语言和方言绕过。为克服这一挑战，用于收集开放源情报的自动化爬虫机器人需要与各种开源语言转录服务集成。因此，TVE使用的相同人工智能工具也可以用来追踪他们。CNN-LSTM混合模型在预测恐怖事件方面表现出高准确性（96%-99.2%）。这个人工智能系统结合了卷积神经网络（CNN）来分析本地数据模式，并使用长短期记忆（LSTM）网络来提取基于上下文的特征。

(以上内容均由Ai生成)