Security and intelligence agencies around the world invest considerable resources in preventing terrorist attacks, as these may cause strategic damage, national demoralization, infringement of sovereignty, and government instability. Recently, data-mining techniques have evolved to allow identification of patterns and associations in criminal data that were not apparent using traditional analysis. The aim of this paper is to illustrate how to use interpretable classification algorithms to identify subgroups (“patterns”) of terrorist incidents that share common characteristics and that result in mass fatalities. This approach can produce insights far beyond those of conventional macro-level studies that use hypothesis-testing and regression models. In addition to this methodological contribution, from a practical perspective, exploring the characteristics identified in the “patterns” can lead to prevention strategies, such as alteration of the physical or systemic environment. This is in line with situational crime prevention (SCP) theory. We apply our methodology to the Global Terrorism Database (GTD). We present three examples in which terror attacks that are described by a particular pattern (set of characteristics) resulted in a high probability of mass casualties, while attacks that differ in just one of these characteristics (i.e., month of attack, geographical area targeted, or type of attack) resulted in far fewer casualties. We propose exploration of the differentiating characteristic as a means of reducing the probability of mass-fatality terrorist incidents.

中文翻译：

---

识别具有共同特征的恐怖袭击子群，以防止大规模杀伤性袭击：一种数据挖掘方法

全世界的安全和情报机构在预防恐怖袭击方面投入了大量资源，因为这可能会造成战略破坏，国家士气低落，侵犯主权和政府不稳定。最近，数据挖掘技术得到发展，可以识别使用传统分析方法无法发现的犯罪数据中的模式和关联。本文的目的是说明如何使用可解释的分类算法来识别具有共同特征并导致大规模死亡的恐怖事件的子组（“模式”）。这种方法所产生的见解远远超出使用假设检验和回归模型的常规宏观水平研究的见解。除了这种方法上的贡献之外，从实践的角度来看，探索“模式”中确定的特征可能会导致预防策略，例如物理或系统环境的改变。这符合情境犯罪预防（SCP）理论。我们将我们的方法应用于全球恐怖主义数据库（GTD）。我们提供了三个示例，其中以特定模式（一组特征）描述的恐怖袭击导致大规模人员伤亡的可能性很高，而仅在这些特征之一（即袭击月份，目标地理区域， （或攻击类型）造成的人员伤亡要少得多。我们建议探索区别特征，以减少大规模杀伤性恐怖事件的可能性。例如物理或系统环境的改变。这符合情境犯罪预防（SCP）理论。我们将我们的方法应用于全球恐怖主义数据库（GTD）。我们提供了三个示例，其中以特定模式（一组特征）描述的恐怖袭击导致大规模人员伤亡的可能性很高，而仅在这些特征之一（即袭击月份，目标地理区域， （或攻击类型）造成的人员伤亡要少得多。我们建议探索区别特征，以减少大规模杀伤性恐怖事件的可能性。例如物理或系统环境的改变。这符合情境犯罪预防（SCP）理论。我们将我们的方法应用于全球恐怖主义数据库（GTD）。我们提供了三个示例，其中以特定模式（一组特征）描述的恐怖袭击导致大规模人员伤亡的可能性很高，而仅在这些特征之一（即袭击月份，目标地理区域， （或攻击类型）造成的人员伤亡要少得多。我们建议探索区别特征，以减少大规模杀伤性恐怖事件的可能性。我们提供了三个示例，其中以特定模式（一组特征）描述的恐怖袭击导致大规模人员伤亡的可能性很高，而仅在这些特征之一（即袭击月份，目标地理区域，或攻击类型）导致的伤亡人数大大减少。我们建议探索区别特征，以减少大规模杀伤性恐怖事件的可能性。我们提供了三个示例，其中以特定模式（一组特征）描述的恐怖袭击导致大规模人员伤亡的可能性很高，而仅在这些特征之一（即袭击月份，目标地理区域， （或攻击类型）造成的人员伤亡要少得多。我们建议探索区别特征，以减少大规模杀伤性恐怖事件的可能性。