Jag accepterar att kakor lagras på min dator

Läs mer

Datadriven underrättelseanalys.

Datadriven underrättelseanalys. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Ulrik Franke, Fredrik Johansson, Christian Mårtenson
Ort: Stockholm
Sidor: 58
Utgivningsår: 2013
Publiceringsdatum: 2013-07-09
Rapportnummer: (FOI-R--3680--SE)
Nyckelord big data, datadriven analys, data mining, underrättelseanalys
Keywords big data, data-driven analysis, data mining, intelligence analysis
Sammanfattning I takt med att mängden data från signalspaning och öppna källor ökar framstår det som att det finns en förbättrad potential att bedriva datadriven underrättelseanalys. I denna rapport belyses begreppet datadriven analys från både ett underrättelseperspektiv och ett datavetenskapligt perspektiv. Vid datadriven analys kan fokus antingen ligga på att tolka befintlig data eller att bygga modeller syftande till att göra prediktioner eller klassificeringar när ny data blir tillgänglig. I rapporten beskrivs olika tekniker för att göra detta, indelade i kategorierna online analytical processing (OLAP), data mining och kunskapsbaserade system. Ett stort antal exempel på datadriven analys kan hittas i den öppna litteraturen, bland annat för områden såsom terrorism, cybersäkerhet, naturkatastrofer och väpnade konflikter. Ett urval av dessa presenteras här, i syfte att ge läsaren en bättre bild av hur datadriven analys kan användas för strategisk och taktisk underrättelseanalys.
Abstract Data-driven analysis is becoming increasingly relevant within the intelligence analysis domain. The amount of available data from sources such as signal intelligence and open source intelligence is growing steadily, which seems to require a shift from theory-driven analysis to a more data-driven analysis. In this report, we shed light on the term data-driven analysis from the perspectives of intelligence and computer science. When using data-driven analysis, the focus can be on either the interpretation of existent data or on the creation of models aiming at making predictions or classifications when new data becomes available. A number of techniques for those purposes are described, divided into the categories of online analytical processing (OLAP), data mining, and knowledge-based systems. A large number of examples on data-driven analysis can be found in open literature, including areas such as terrorism, cyber security, natural disasters, and armed conflicts. A selection of such examples is presented, with the purpose of providing the reader with a better idea of how data-driven analysis can be used for strategic and tactical intelligence analysis.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182