恐怖主义是国家安全面临的重大威胁,是危机管理研究的重要方面。网络化的恐怖组织是谋划和实施恐怖活动的重要力量来源,是本文研究的主要对象。恐怖组织网络动态分析与行为监测,从社会和空间域中分析网络特征、监测行为变化,为恐怖事件的有效预警、反恐策略的科学构建提供理论和方法支撑,是一个重要且具有挑战性的研究课题。本文从反恐实际背景出发,以网络分析方法为基础,综合运用图论、时间序列分析、机器学习、地理统计和组织行为学等相关领域知识,以组织型、跨区域型、持续活动型恐怖组织为研究对象,围绕恐怖组织网络与行为变化的关联性、周期性和社会―空间性等动态特征,系统深入地研究恐怖组织网络动态分析与行为监测的框架和方法。通过典型恐怖组织和区域的实证研究,验证所提框架和方法的有效性和先进性;基于恐怖组织动态特征分析结果与监测研究结论,结合我国面临的反恐形势,构建相应的反恐策略。本文主要的研究工作及创新点如下:(1)分析了与行为监测相关的恐怖组织网络动态特征。在对恐怖组织动态变化机理分析的基础上,解析了恐怖组织网络的核心―边缘结构。利用图能量损失的判别标准,研究了恐怖组织网络核心结构的动态特征;基于关系强度研究了恐怖行动网络中关系连接选择与合作重连的内在规律;基于统计分析从不同方面对比了恐怖事件发生时网络结构的异常变化特征。研究结果验证了恐怖组织网络动态变化过程中的理性选择及结构与行为协同变化等特性。(2)基于网络特征提出了恐怖组织网络动态分析与行为监测框架。在分析恐怖组织网络动态特征的基础上,提出了包含4部分内容的恐怖组织行为综合监测框架。该框架提供了一个完整的动态监测流程,以及针对关联性、周期性和社会―空间动态性监测的具体路径和方法。(3)基于网络与行为关联性提出了恐怖组织行为监测方法。针对恐怖组织网络与行为动态关联特征,设计了基于监督学习和时序模式分类的监测方法。该方法从恐怖组织网络事件相关变化的定义出发,以优化的BP神经网络作为分类器,通过网络时序变化检测对恐怖组织行为异常进行监测。并针对不均衡分类问题,进一步设计了两阶段监测方法。(4)基于行为周期性提出了恐怖组织行为监测预警方法。针对恐怖组织网络动态周期性和多时间尺度特征,提出了基于小波变换和行为模式识别的恐怖组织网络短期预测和行为预警方法。该方法将基于周期规律的定性推断与基于小波神经网络的定量分析相结合,提升了恐怖组织行为短期预警的可信度。(5)基于社会―空间动态性提出了恐怖活动监测预警方法。针对恐怖活动的社会―空间动态性,从宏观的时空分析角度,建立了以恐怖组织时序“共享”原则为基础的恐怖活动时空扩散网络,并分析了恐怖活动时空扩散模式。在此基础上,设计了基于空间分布、时序检验与短期预测的恐怖活动监测预警方法。(6)基于恐怖组织动态特征分析结果与监测研究结论,提出了完善反恐应急管理的对策建议。结合方法和实证分析结论及我国面临的反恐形势,从反恐数据体系构建、组织瓦解、多域联合监测、策略动态调整、国家间反恐合作、动态决策预警等不同角度,提出了完善反恐应急管理策略的建议。