Artificial Intelligence Applications for Enhancing Security and Threat Detection in Northeast Nigeria
Ibrahim Musa Ibrahim · Ahmad Abdulkareem · Mohammed Wakilbe
综述并构建AI用于尼日利亚东北部安全威胁检测的分层框架。
文献综述与概念框架，涵盖机器学习、深度学习、NLP、CV及预测性地理空间分析。
AI应作为增强人类情报与社区警务的力量倍增器，而非独立方案。
可探索低连接、资源受限环境下AI安全监测的轻量化与本地数据治理方案。
该论文聚焦尼日利亚东北部反恐与威胁检测中的人工智能应用，与三农、农业信息化、智慧农业、数字乡村等主题无关，不予入选。
过去十五年来，尼日利亚东北部的安全格局一直受到博科圣地（Boko Haram）和“伊斯兰国西非省”（ISWAP）旷日持久的叛乱活动所塑造，其大规模伤亡袭击、大规模绑架以及跨越乍得湖流域的跨境行动，已造成全球规模最大的境内流离失所人口之一。依赖人工情报搜集、固定检查站和事后调查的传统安全架构，难以跟上这些威胁行为体的速度、机动性和适应性战术。本文提出了一项综合性综述与概念框架，探讨人工智能（AI）——涵盖机器学习、深度学习、自然语言处理、计算机视觉和预测性地理空间分析——在尼日利亚东北部安全与威胁检测中的应用。本文综合了全球及尼日利亚本土文献中关于AI赋能监控、生物特征识别、无人机（UAV）侦察、基于社交媒体的极端主义监测、金融犯罪检测和预测性犯罪制图等方面的证据，并提出了一种分层架构，将这些技术整合为一条适用于低连通性、资源受限操作环境的连贯威胁检测流水线。讨论进一步审视了制约该地区AI应用的实际、基础设施和伦理限制——包括电力供应不可靠、数据稀缺、算法偏见和隐私风险——最后为安全机构、技术开发者和政府机构提出了政策导向的建议。本文认为，AI不应被理解为一种独立解决方案，而应被视为一种力量倍增器，用以增强人类情报和社区警务，前提是部署必须以透明度、本地数据治理和人权保障为基础。