随着世界各国反恐、反犯罪斗争的深入,数字化反恐、反犯罪技术得到广泛研究。这些技术主要包括利用统计学分析犯罪数据;利用数据挖掘对犯罪数据进行分类和发现有用关联规则;利用社会网络分析方法分析恐怖组织网络结构等。各国安全部门十分重视犯罪数据的搜集、挖掘和相关数据库的建设。将数据挖掘和社会网络分析等智能信息技术应用于反犯罪和反恐怖是目前各国安全部门的研究热点。社会网络分析是一种分析犯罪网络特性很有希望的方法。一个社会网络通常用节点表示成员,成员之间的连线来表示它们的关系。使用社会网络分析方法分析犯罪网络有一定的成果,它能挖掘出犯罪网络中一些重要节点和一些潜在的结构。然而,社会网络分析方法是在一个时间点静态的分析犯罪网络中的节点和结构。现实中的犯罪份子在遇到某些情况后会进行相应的调整。社会网络分析不能处理犯罪网络动态变化的特性。基于传统社会网络分析方法的局限性,本文考虑引入Agent技术。Agent是能在特殊环境里持续自治工作的软件实体。它能够以灵活、智能的方式与环境进行交互,从经验中进行学习,能与其它它Agent或者进程进行通讯。多Agent协作可以有效解决大型而复杂的问题。基于Agent的模拟技术能模拟一些网络结构的军事组织、命令控制组织和社会组织的演化。本文考虑通过引入多Agent系统来模拟犯罪组织动态变化的特点,再结合社会网络分析中网络个体成员和网络整体结构的分析方法,以找出对打击犯罪组织有指导意义的策略。本文搜集犯罪事件数据构建多个虚拟的犯罪网络,并在此基础上进行挖掘打击犯罪网络策略的模拟实验。实验结果表明,本文提出的基于Agent模拟的犯罪网络分析方法,能够有效地找出对打击犯罪组织有指导意义的策略。在这个框架的基础上可以扩展出更多对反犯罪、反恐怖组织有帮助的方法。