Dall’analisi storica e dei “big data” elaborato un algoritmo che fornisce indicazioni sul rischio di attacchi. Presentato alla Presidenza del Consiglio dei Ministri.
Lo scorso 5 giungo un team del laboratorio di data science [RIDS Res Institute for Data Science] dell’Università di Pavia coordinato dalla professoressa Silvia Figini ha presentato a Roma presso il Dipartimento delle informazioni per la sicurezza della Presidenza del Consiglio dei Ministri una ricerca finalizzata all’elaborazione di modelli di rischio per gli attacchi terroristici.
Il lavoro, svolto all’interno del laboratorio di data science dell’Università di Pavia, presenta modelli descrittivi e inferenziali per la previsione di attacchi terroristici attraverso un’analisi della serie storica di dati a disposizione opportunamente integrati con dati esterni quantitativi e qualitativi.
L’idea è che, partendo da una mappatura storico-geografica degli attentati a livello globale e incrociando queste informazioni con indici specifici e altri attinti dal traffico web e dai social network, si possa arrivare a sviluppare un algoritmo in grado di suggerire previsioni su dove sarà il prossimo attacco.
«La metodologia – recita l’ abstract della ricerca presentata alla Presidenza del Consiglio dei Ministri – deriva inoltre early warning e key risk indicators capaci di identificare aree di rischio e fornisce previsioni running time rispetto all’accadimento di un possibile attacco. L’implementazione dei modelli predittivi e descrittivi potrebbe consentire ai responsabili della sicurezza di pianificare azioni in modo opportuno e ottimale per contenere i danni di un possibile attacco. Lo studio ha portato allo sviluppo di modelli di previsione dinamici innovativi in un contesto di big data analytics per migliorare, sfruttando tutte le tipologie di dati disponibili, l’accuratezza della previsione».
I ricercatori hanno fissato come punto di partenza gli attentati dell’11 settembre 2001. Da allora ci sono state più di 83mila azioni in 158 Paesi riconducibili a 1.098 gruppi terroristici differenti che hanno fatto circa 192 mila morti. L’algoritmo consente di tener conto di dati quantitativi, qualitativi, strutturati e non strutturati per ottimizzare la capacità predittiva.
I modelli messi a punto potranno essere ulteriormente migliorati con l’integrazione di dati riservati e possono essere di interesse per i dipartimenti nazionali e internazionali di intelligence e in generale per la sicurezza e sono pronti per essere integrati nei processi.
