Dark Web: Exploring and Data Mining the Dark Side of the Web

آزمایشگاه هوش مصنوعی دانشگاه آریزونا (آزمایشگاه هوش مصنوعی) پروژه وب تاریک یک برنامه تحقیقاتی علمی بلندمدت است که هدف آن مطالعه و درک پدیده‌های تروریسم بین‌المللی (جهادی) از طریق یک رویکرد محاسباتی و داده‌محور است. هدف ما جمع‌آوری محتوای وب «همه» تولید شده توسط گروه‌های تروریستی بین‌المللی، از جمله وب‌سایت‌ها، انجمن‌ها، اتاق‌های گفتگو، وبلاگ‌ها، سایت‌های شبکه‌های اجتماعی، ویدیوها، دنیای مجازی و غیره است. ما داده‌کاوی چند زبانه، متن کاوی، و تکنیک های وب کاوی برای انجام تجزیه و تحلیل پیوند، تجزیه و تحلیل محتوا، تجزیه و تحلیل معیارهای وب (پیچیدگی فنی)، تجزیه و تحلیل احساسات، تجزیه و تحلیل نویسنده، و تجزیه و تحلیل ویدئو در تحقیق ما. رویکردها و روش های توسعه یافته در این پروژه به پیشرفت حوزه اطلاعات و امنیت اطلاعات (ISI) کمک می کند. چنین پیشرفت هایی به ذینفعان مرتبط برای انجام تحقیقات تروریسم و ​​تسهیل امنیت و صلح بین المللی کمک خواهد کرد.

هدف این مونوگراف ارائه یک نمای کلی از چشم انداز دارک وب، پیشنهاد یک رویکرد سیستماتیک و محاسباتی برای درک مشکلات، و نشان دادن تکنیک ها، روش ها و مطالعات موردی انتخاب شده توسط آزمایشگاه هوش مصنوعی دانشگاه آریزونا است. اعضای تیم دارک وب هدف این کار ارائه یک مونوگراف بین رشته ای و قابل فهم در مورد تحقیقات دارک وب در سه بعد است: مسائل روش شناختی در تحقیقات وب تاریک. پایگاه داده و تکنیک های محاسباتی برای پشتیبانی از جمع آوری اطلاعات و داده کاوی؛ و چالش ها و رویکردهای حقوقی، اجتماعی، حریم خصوصی و محرمانگی داده ها. دانش مفیدی را برای دانشمندان، متخصصان امنیتی، کارشناسان مبارزه با تروریسم و ​​سیاست گذاران به ارمغان می آورد. این مونوگراف همچنین می‌تواند به عنوان یک ماده مرجع یا کتاب درسی در دوره‌های تحصیلات تکمیلی مرتبط با امنیت اطلاعات، سیاست اطلاعات، تضمین اطلاعات، سیستم‌های اطلاعاتی، تروریسم و ​​سیاست عمومی باشد.

The University of Arizona Artificial Intelligence Lab (AI Lab) Dark Web project is a long-term scientific research program that aims to study and understand the international terrorism (Jihadist) phenomena via a computational, data-centric approach. We aim to collect "ALL" web content generated by international terrorist groups, including web sites, forums, chat rooms, blogs, social networking sites, videos, virtual world, etc. We have developed various multilingual data mining, text mining, and web mining techniques to perform link analysis, content analysis, web metrics (technical sophistication) analysis, sentiment analysis, authorship analysis, and video analysis in our research. The approaches and methods developed in this project contribute to advancing the field of Intelligence and Security Informatics (ISI). Such advances will help related stakeholders to perform terrorism research and facilitate international security and peace.

This monograph aims to provide an overview of the Dark Web landscape, suggest a systematic, computational approach to understanding the problems, and illustrate with selected techniques, methods, and case studies developed by the University of Arizona AI Lab Dark Web team members. This work aims to provide an interdisciplinary and understandable monograph about Dark Web research along three dimensions: methodological issues in Dark Web research; database and computational techniques to support information collection and data mining; and legal, social, privacy, and data confidentiality challenges and approaches. It will bring useful knowledge to scientists, security professionals, counterterrorism experts, and policy makers. The monograph can also serve as a reference material or textbook in graduate level courses related to information security, information policy, information assurance, information systems, terrorism, and public policy.