پیش‌بینی تجمعات غیرقانونی مبتنی بر ‌داده‌کاوی رویدادهای امنیتی

زمینه و هدف: امروزه قابلیت‌های شبکه‌های اجتماعی، امکان انتشار فراخوان‌های متنوع را فراهم آورده است که برخی از این فراخوان‌ها منجر به تجمعات غیرقانونی و اغتشاش می‌شود.. این پژوهش، با استفاده از فناوری داده‌کاوی رویدادهای امنیتی، با هدف تحلیل و بررسی تجمعات غیرقانونی و رابطۀ آن با فراخوان‌ها و رویدادهای امنیتی انتشاریافته در شبکه‌های اجتماعی در جهت پیش‌بینی تجمعات غیرقانونی انجام یافته است.روش: تحقیق حاضر به روش کمی و بر روی داده‌های توصیفی انجام شده است. جامعۀ آماری مشتمل بر بانک اطلاعاتی فراخوان‌های سال‌های 95 و 96 بوده است و براساس این بانک، بیش از 4000 رویداد و فراخوان در 16 استان و 178 شهر کشور ثبت شده که با استفاده از نرم‌افزارهای داده‌کاوی، مدل‌های مختلفی از روند تشکیل تجمعات غیرقانونی مورد بررسی قرار گرفت.یافته‌ها: از بین الگوریتم‌های مختلف پیش‌بینانۀ داده‌کاوی به‌کار رفته در این تحقیق، الگوریتم c5 با دقت 72/91 درصد، بهترین نتیجه را برای پیش‌بینی تجمعات غیرقانونی ارائه داد که از جمله مهم‌ترین دستاورد‌های تحقیق، می‌توان به ارائه مدلی جهت پیش‌بینی تجمعات غیرقانونی و همچنین تعیین مولفه‌های تاثیرگذار رویداد امنیتی در به وقوع پیوستن تجمعات غیرقانونی اشاره کرد.نتیجه‌گیری: مولفۀ «نگرش فکری انتشاردهندۀ فراخوان‌ها»، بالاترین امتیاز و نشانۀ انجام تجمعات غیرقانونی براساس فراخوان‌های انتشاریافته در شبکه‌های اجتماعی را دارا است. به عبارت دیگر، نگرش فکری انتشاردهندۀ فراخوان‌ها در ایجاد تجمعات نقش مستقیم دارد و پلیس با تمرکز بر روی نگرش فکری انتشاردهندۀ فراخوان‌ها می‌تواند احتمال وقوع تجمعات غیرقانونی را بررسی کند تا از هدررفت و اعزام نیروها و ماموران در زمان مناسب برای جلوگیری از انجام تجمعات احتمالی فراخوان‌ها پیشگیری و جلوگیری به عمل آورد.

Predict illegal gatherings based on data mining security events

Background and aim: Today, the capabilities of social networks have made it possible to publish a variety of calls, some of which lead to illegal gatherings and riots. This research has been done by using data mining of security events with the aim of analyzing and investigating illegal gatherings and its relationship with calls and security events published on social networks in order to predict illegal gatherings.Research methodology: The present study was conducted quantitatively and on descriptive data. The statistical population includes the database of calls for the years 2016 and 2017, and according to this database, more than 4,000 events and calls have been registered in 16 provinces and 178 cities of the country. Using data mining methods, various models of the process of illegal aggregation have been studied.Findings: Among the various predictive data mining algorithms used in this study, C5 algorithm with 91.72% accuracy provided the best result for predicting illegal aggregations.  Among the most important achievements of the research, the presentation of a model for predicting illegal gatherings as well as determining the effective components of a security event in the occurrence of illegal gatherings can be mentioned.Conclusion: The component Thoughts of the publisher of the calls has the highest score and the sign of illegal gatherings based on the calls published on social networks. In other words, the ideology of the publisher of the calls plays a direct role in creating the rallies, and the police can investigate the possibility of illegal gatherings by focusing on the ideology of the publisher of the calls and further prevented the loss and deployment of troops at the appropriate time to prevent possible gatherings of calls.