테러와 급진화 메커니즘: 수학·데이터 모델 종합 고찰

초록

**
본 논문은 급진화와 테러 행동을 설명하기 위해 전통적 역학 모델, 연령구조 연속시간 모델, 네트워크 전염 모델, 진화 게임, 포인트 프로세스 등 다양한 기계론적·데이터 기반 접근법을 리뷰한다. 또한 공개 테러 데이터베이스에 머신러닝을 적용한 최신 사례와, 탈급진화·예방 전략이 효과를 발휘할 수 있는 단계들을 논의한다.

**

상세 분석

**
논문은 급진화 과정을 “전구‑취약‑감염‑전념”이라는 다단계 퍼널로 정의하고, 이를 수학적으로 구현하기 위해 여러 종류의 미분방정식(ODE) 기반 구획(compartment) 모델을 제시한다. 기본 S‑I‑R 형태를 변형해 ‘극단주의자(S)’, ‘잠재적 급진자(I)’, ‘활동 테러리스트(R)’ 등 3~5개의 상태를 두고 전이율을 사회·경제적 요인(실업률, 온라인 접촉 빈도 등)과 연결한다. 연령구조 모델은 연령을 연속 변수로 두고, 급진화 전이율을 연령‑의존 함수 β(a)·γ(a) 형태로 설정해 청년층의 높은 전이율을 재현한다. 이때 베타 분포나 가우시안 커널을 이용해 실증적 연령‑전이 데이터를 피팅한다는 점이 특징이다.

네트워크 전염 모델에서는 격자와 복합 사회망(스케일프리, 작은 세계) 위에 노드가 ‘신념 수준’이라는 연속 변수 x∈