当前，世界局势并没有随着经济的快速繁荣、科学技术的飞速发展以及各国社会人口素质的普遍提高而愈加和平，相反，各国社会因恐怖主义的急速且广泛的蔓延而更加惶恐。传统的反恐方式已经难以适应现今快速兴起的网络恐怖主义，消除恐怖主义成为各国政府长期头疼却难以解决的问题。
　　如今，伴随着互联网技术的快速发展和海量数据的爆炸式增长，数据分析为反恐行动提供了新的视角和手段，不仅受到各国政府的普遍重视，同时也受到学术界的广泛研究。在此背景下，本文细致梳理了当前大数据反恐的各种理论主张和实践经验，发现在数据反恐领域至少存在两条路径：其一，数据至上主义，部分研究者认为在大数据反恐中数据体量和数据质量最为重要，通过对多维多源数据进行抓取、分析和归纳可以发现恐怖分子活动的潜在习惯和规律，强调数据质量是大数据反恐的基础；其二，算法至上主义，该派研究者认为大数据本身噪声很大，数据体量和质量并不是最重要的，在反恐中最为关键的是数据算法的精确性，针对既有的数据，优化算法可以提高反恐的精度和预测能力，坚持算法迭代改进才是数据反恐的核心。本文分别对以数据收集和数据库建设为研究目标的数据主义和以算法创新和算法精进为目标的算法主义加以分析。针对数据主义，本文主要选取了“GTD全球恐怖主义数据库”、“GDELT全球新闻数据库”和“GIFCT全球互联网反恐论坛数据库”，并对这三个数据库分别进行解释和探究。算法主义，本文主要选取“聚类分析”、“人工神经网络”和“决策树”等算法，对这三个算法的主要工作原理和实践方式进行了探究。
　　为了更进一步的探究在数据反恐的有效性，本文通过数据分析工具，结合GTD全球恐怖主义数据库中的数据，并通过人工神经网络模型和逻辑回归模型以及两者之间的结合进行实践探究，发现数据分析工具在一定的数据模型配置下能够实现分析和预测恐怖主义的目的。
　　数据反恐具有一定的有效性，不仅能够加强本国自身的国土安全，并且有利于促进全球范围内国与国之间、政府与企业之间以及政府内部各部门之间的反恐联合，突破传统以单一反恐部门为主体的旧思路，创新反恐模式。但是，数据反恐在推行的过程中也存在一定的阻碍，例如，跨国家的网络主权威胁、国与国之间的“数据鸿沟”以及全球范围内不同国家之间的公民隐私保护政策差异等障碍。
　　总而言之，大数据分析是当今科学技术环境下的产物，是适应当今时代发展现状并具有极大应用优势的反恐工具。恐怖主义作为一个全球性的问题，任何国家都不能置身事外。面对当今甚嚣尘上的网络恐怖主义，各国应当克服障碍，加强合作，将数据反恐朝着一种新安全范式推进。