辨识潜在恐怖分子：数据处理中无法根除的错误？
摘要：基于监控对象收集到的数据片段来判断该对象是否为潜在的恐怖分子是非常具有挑战性的。而且，这个过程已被证明是具有欺骗性的，屡次出现重大失败。为了解决这个问题，我提出了一个简单的模型来模拟这个过程。该模型考虑了一个地面物品的集合，这些物品被标记为与恐怖分子有关或无关。为了从地面数据中提取信号，我采用了一个迭代的粗粒度方案，生成一个带有标签TC或TF的巨大唯一物品。所得到的结果验证了处理方案，在TC物品比例的完整范围内得出了正确的结果，除了在一个特定的子范围内。在这个子范围内，巨大物品被错误地标记为NWT，这对WT有利。这个缺陷被证明是无法消除的，因为它根植于处理本身，与出现的不确定聚合物的处理相联系。在民主国家中，将不确定的聚合物“自然”地归类为TF标签，符合无罪推定伦理应用的要求，但会导致错误的诊断在系统上有利于一些被错误标记为NWT的WT。事实上，将不确定的聚合物标记为有罪而不是无罪，将系统误差转移到了另一个TC物品比例子范围内，并在识别WT时产生了零个错误。但相反，会错误地将一些NWT标记为WT。尽管与现实相距甚远，我的研究结果表明，情报机构应该调查“自然”标签的整体效应，这些标签在数据不确定时局部应用，对数据处理没有立即可察觉的影响。
作者：Serge Galam
论文ID：2306.07425
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-06-14