自美国“9·11”恐怖袭击事件发生后，国际范围内的各种恐怖活动明显加剧，恐怖活动已对世界和平、经济发展乃至人类文明构成巨大威胁和严峻挑战。爆炸袭击是主要恐怖袭击手段之一，爆炸袭击事件时有发生，如2014年5月乌鲁木齐爆炸案39人遇难，2015年11月法国巴黎的爆炸恐怖事件造成160多人遇难，2016年3月比利时布鲁塞尔发生连环爆炸造成30多人遇难，2017年4月俄罗斯圣彼得堡地铁站发生爆炸至少14人遇难，2017年5月英国曼切斯特发生爆炸22人遇难，2018年7月巴基斯坦俾路支省发生爆炸132人遇难，2019年斯里兰卡首都科伦坡发生连环爆炸190人遇难。由于我国采取了较为严密的防范措施，爆炸恐怖袭击事件得到了有效遏制，但国际形势还很严峻。
近年来核恐怖袭击活动已成为一种超级恐怖威胁，正引起各国政府和广大公众的极大关注。“9·11”恐怖袭击事件促进了国际核安保内容的根本性变化，核安保概念从实物保护扩展开来，将打击非法贩运核材料与其他放射性物质纳入了实物保护的范畴。自2010年在美国华盛顿举行的核安全峰会后，国际社会对核安全问题高度重视，全球核材料及核设施的安全水平有了较大提高，进入到全球共建核安保阶段。虽然如此，但世界范围内的放射性物质非法贩运、丢失与被盗仍有发生。
根据国际原子能机构(IAEA)事件和贩运数据库(ITDB)显示[1]，自1993年至2019年12月31日，ITDB共有3 686起确认事件报告，其中290起事件涉及已确认、可能的贩运或恶意使用行为，1 023起事件没有足够的信息来确定是否与贩运或恶意使用有关，2 373起事件与贩运或恶意使用无关。1993年到2019年每年均有贩运和恶意使用事件发生。
据我国国家核安全局最新2019年年报[2]数据显示，截至2019年12月31日，全国从事生产、销售、使用放射性同位素和射线装置的单位共78 802家，在用放射源146 291枚。数量如此多的放射源在运用、转运、回收过程中，放射源失控及丢失事故时有发生。2014年，全国共发生6起辐射事故，其中3枚放射源丢失或被盗；2015年，发生3起放射源丢失、被盗辐射事故；2016年，发生9起辐射事故，其中7起为放射源丢失或被盗辐射事故；2017年，发生4起辐射事故，其中2起为放射源丢失或被盗辐射事故；2018年，发生3起辐射事故，其中2起为放射源丢失或被盗辐射事故，涉及的放射源均为Ⅳ、Ⅴ类放射源；2019年，发生5起辐射事故，其中2起为放射源丢失事故。这些核材料和放射源如果被恐怖分子窃取制作成脏弹进行核恐怖袭击，将会给人民生命安全、经济发展带来严重的威胁。
2017年国家核安全局发布的《核安全与放射性污染防治“十三五”规划及2025年远景目标》中，明确提出了“防控结合，提升核安保水平”作为重点任务之一，积极打击核走私活动，提高边境核辐射探测能力。加强自主创新、提升核反恐与安保能力已成为国家安全体系的重要组成部分，是保障核能事业健康有序发展的基础。
中国原子能科学研究院(CIAE)对核技术在反恐领域的应用进行广泛研究，研制出多种具有自主知识产权的核反恐与安保装备。
1 CIAE核技术在核反恐与安保工作中的成就
核技术仍是目前反恐与安检的主要手段之一。CIAE自“十一五”以来，核反恐与安检工作得到了国家、北京市科委、中核集团等的支持。围绕γ、中子辐射探测，发展了高灵敏、低功耗、智能化、网络化的先进放射性物质检测技术；围绕中子、X射线背散射和核四极共振(NQR)等先进技术，发展了快速、有效的爆炸物等违禁品检测技术；利用加速器技术，发展了安全、高效的生物灭菌技术等。突破了渐进式混合多元迭代算法和竞争性加权谱分析技术、强干扰条件下爆炸物特征元素快速识别技术、非连续重构时间窗技术、爆炸物快中子检测系统在线能量刻度技术、双拟合快速放射性检测技术、宽能复合探测技术和X射线扫描方式构建等关键技术。研发出了具有国际先进水平的核材料检测系统、智能快速谱分析系统、中子检测爆炸物系统、新型X射线透射与背散射一体机装置、NQR爆炸物检测系统和自屏蔽电子束灭菌系统等10余种先进的、具有自主知识产权的核反恐与安保装备。
1.1 智能快速核素识别技术
在放射性物质检测和核素识别过程中，由于环境本底辐射、宇宙射线和屏蔽体(如金属行李箱、铅屏蔽罐、铁皮桶等)的影响，使得探测器检测到的放射性核信号比较微弱且包含许多干扰，往往需要长时间测量才能有效成谱。IEC 62327—2017《辐射防护仪器——用于探测与识别放射性核素和指示光子辐射周围剂量当量率的手持式监测仪》要求：当探测器处产生的γ剂量率高于本底0.5 μSv/h(1±30%)时，1 min内识别出241Am、133Ba、60Co、137Cs等14种单一放射性核素；当每种放射性核素在探测器处产生的γ剂量率高于本底0.5 μSv/h(1±30%)时，1 min内能识别出131I+WGPu、NORM、NORM+HEU和NORM+WGPu(未屏蔽)[3]。传统的核素识别主要采用γ能谱获取分析、解谱、检索核素库、能谱特征峰匹配等方法实现。由于能谱中不仅具有特征峰，还包含康普顿坪、单双逃逸峰、反射峰，并极易受到噪声、基线漂移等因素的影响，给核素识别带来一定困扰，增加了识别环节和分析时间[4]。因此传统能谱分析方法很难快速有效地完成放射性物质的检测与识别，尤其是混合核素的分析识别。国家自然科学基金委员会对此非常重视，在“核技术科学发展战略研究报告”中，核分析方法及其应用的发展被列为优先支持的方向。同时，IAEA也将核分析技术列为最关键的研究手段和方法之一。
广义二阶差分方法是主流的寻峰算法[5]，该方法主要由洛斯阿拉莫斯国家实验室早期的SAMPO和SAMPO80算法基础上发展而来。复杂环境条件对寻峰识别会产生较大干扰，当噪音振幅达到二阶差分阈值，噪声会被当作峰位识别出来[6]。寻峰过程中干扰峰的影响是导致结果产生错误的重要因素，能谱数据因为噪声的震荡产生数值意义上的“峰”从而被算法命中，产生干扰峰[7]。
通过渐进式混合多元迭代算法，完成能谱快速分析的寻峰算法程序，解决了传统广义二阶差分算法适用的局限性问题，实现了对伪峰和伪核素的区分，达到快速准确识别多核素的目标。通过竞争性加权分析技术对传统方式进行优化，建立可工作于两种模式的核素识别方法程序，解决了低剂量率条件下核素识别效率慢的问题，实现了对弱源场景下的快速识别。利用渐进式混合多元迭代算法和竞争性加权分析技术实现了单一核素、混合核素(5种核素)的快速识别。
1.2 高灵敏放射性比活度快速测量技术
当发生核事故或脏弹袭击时，及时有效地检测放射性污染水平是事故发生后的紧迫任务。降低本底和建立适合的能谱分析方法是提高检测灵敏度和速度的关键[8]。目前主要采用放射化学测定法，但其对于样品的处理过程繁琐。这一过程检测时间长，不能满足国家相关部门对核污染现场就地快速检测需求。
对于接近本底的弱放射性样品的快速测量，短时间内每道累积的计数较少，如果采取常规的能谱数据处理，在滤除噪声的同时会将特征峰展平，破坏谱的原始特征，从而干扰正常的检测判断，甚至会导致判断错误[9]。为保证较宽动态范围内设备测量值的可靠性，发展双拟合快速放射性检测等技术，对采集的能谱数据不进行平滑等处理，实现拟合测量能谱快速获取特征峰的参量数值，定性识别被测样品中是否存在某种核素；通过二次拟合确定特征峰区边界等信息完成弱放射性能谱的自动解析及完成核素的比活度定量计算，实现了弱放射性核素比活度的快速、准确检测。
1.3 强干扰条件下爆炸物特征元素快速识别技术
目前爆炸物探测主要采用X射线成像和离子迁移技术，X射线成像是通过物质密度的不同能对包裹中的违禁品进行快速在线检测成像，但不能对包裹中的爆炸物进行准确识别；离子迁移技术可实现痕量检测，但对于不挥发和无表面污染物体就不能有效检测。爆炸物中子检测技术通过准确测定爆炸物富含元素(C、O和N)的原子密度或相对含量能实现爆炸物的准确探测甄别。中子检测爆炸物技术主要有热中子法(TNA)、快中子法(FNA)、脉冲快热中子法(PFTNA)、快中子伴随α粒子技术/飞行时间法(API/TOF)。其中，快中子伴随α粒子技术也称为标记中子方法(TNM)，可通过对发射中子方向进行准确标记，具有较高的空间分辨本领和较强的识别爆炸物的能力，成为了近年来国际上爆炸物检测技术的研究热点[10-11]。
针对现有常用的安检设备不能对包裹中隐藏爆炸物进行准确识别的问题，发展了包裹爆炸物的快中子伴随粒子检测技术，成功研制出移动式包裹爆炸物中子检测系统[12-14]。快中子伴随α-γ符合测量技术，实现了检测区域的空间定位检测，解决了快中子与非检测区域物质作用产生的强γ干扰问题，提高了信噪比。建立了γ探测器在线能量自动校准方法，解决了γ探测器谱漂移问题，提高了系统的稳定性。提出了伴随粒子中子检测的非连续重构时间窗方法，解决了少量爆炸物深度处于检测区域边界位置时产生的漏报问题，提高了系统检测爆炸物的灵敏度。伴随粒子中子发生器的自动时间标定技术，解决了位置灵敏硅(Si)探测器时间标定不稳定问题，保证了系统的可靠性。实现了对疑似藏匿爆炸物包裹的有效无损检测和识别，系统已得到了应用。
1.4 NQR检测爆炸物技术
NQR是基于原子核四极矩与核外电场梯度(EFG)之间的电四极相互作用，它极大地依赖于构成物质的分子结构、化学键和原子价态。物质不同，其特征的NQR频率不同，NQR频率具有指纹特征。爆炸物大多是富氮物质，且14N在不同的化合物中具有不同的NQR频率，所以每种含氮化合物的NQR频率是唯一的。通过探测被测物中是否具有爆炸物14N的NQR频率，即可判断被测物中是否藏有爆炸物，且可判定爆炸物的种类，是目前最先进的爆炸物探测技术之一[15]。
由于NQR信号非常微弱，为提高信噪比采取了自动调谐技术，利用低噪声精密采样检测电路采集探头的反射射频信号，使探头达到自动精确调谐匹配状态；采取放大器优化设计和数据变换算法，完成了低信噪比条件下NQR谱线的提取。突破了NQR信号脉冲激励、极微弱信号检测处理、动态调谐匹配、时域信号加权变换等关键技术。通过采取上述措施显著提高了探测灵敏度，填补了国内NQR技术在安检领域的空白。
1.5 X射线背散射检测技术
X射线与不同物质发生背向散射的概率和被检体的电子密度、质量密度紧密相关，高原子序数的物质散射性弱，低原子序数的物质散射性强。因此低原子序数物质在背散射图像上高亮度显示，爆炸物、毒品等违禁品属于低原子序数物质，X射线背散射成像检测就是利用这一原理来突显爆炸物、毒品等低原子序数违禁品。
X射线背散射成像检测系统中扫描器设计是关键技术之一，已有多种受专利保护的解决方案[16]。为此，构建了具有自主知识产权的跳点扫描器和非连续扫描器，显著提高了背散射图像信噪比，获得了较好的X射线背散射检测图像。
1.6 自屏蔽电子束灭菌技术
为防止恐怖分子利用邮件、邮包携带炭疽菌等手段危害社会和人们的正常生活，保证重要部门的邮政信件的安全，研制了2 MeV/1 kW加速器自屏蔽电子束邮件灭菌系统。为避免加速器装置在工作时产生的强X射线危害工作人员安全及周围环境，加速器采用了一体化自屏蔽结构设计，既能够减小设备体积，又保证维修的便捷性。首次采用以水作为电子束吸收靶的专利技术，大大降低了电子束产生X射线的剂量，有效降低了加速器自屏蔽的体积和重量，具有国际先进水平。该系统每日可处理信件8 000封，有效地确保了重要部门的信件安全。
为应对突发性生物安全事件，在2 MeV/1 kW加速器自屏蔽电子束邮件灭菌系统的基础上研发了移动式自屏蔽消毒灭菌装置，即将加速器及屏蔽系统安装到车辆上，实现对可疑物品的现场灭菌消毒，具有机动灵活、反应迅速、安全的特点。加速器自屏蔽电子束灭菌系统是防范生物细菌恐怖袭击的重要利器。
近几年核反恐与安保技术获国防科学技术进步奖二等奖1项、三等奖2项，公安部科学技术奖三等奖1项，中国核能行业协会科学技术奖三等奖1项，中核集团公司科学技术奖一等奖1项、三等奖4项；获授权发明专利6项、实用新型专利6项。
2 CIAE核技术在核反恐与安保中的应用
经过十几年的发展，CIAE在核反恐与安保装备研发中做出了较为突出贡献，为推动核技术在核反恐与安检领域中的应用发挥了重要作用。成功推动了2008年北京奥运会将放射性物质检测系统纳入到安检设备之中，此后又将核反恐与安保装备成功应用到2009年济南全运会，2010年上海世博会，2011年第14届世界游泳锦标赛，2012年第三届亚洲沙滩运动会，2013年沈阳全运会和第二届亚洲青年运动会，2014年第二届夏季青年奥林匹克运动会，2015年第一届全国青年运动会，2016年杭州G20峰会，2017年“一带一路”国际合作高峰论坛、厦门金砖五国高峰论坛、内蒙古70周年庆祝活动、中国-蒙古国博览会、“十九大”和2017国家公祭，2018年中非合作论坛和中国国际进口博览会，2019年庆祝中华人民共和国成立70周年活动、第二届全国青年运动会和第二届中国国际进口博览会等重要大型活动的核安保工作中，为大型活动的核安保工作保驾护航。另外还应用在中国工程物理研究院、中国核动力研究设计院、中核404厂、中核北方核燃料元件有限公司、中核建中核燃料元件有限公司、江苏核电有限公司、原子高科股份有限公司、人民大会堂、国家大剧院、北京市公安局、南京市公安局、新疆公安厅、广州军区防化团、天津市安全局、海关总署、海口军区、民用航空局等部门，并出口至坦桑尼亚、乌干达和马来西亚等，获得了良好的社会效益和经济效益，为公共安全领域作出了应有的贡献。
CIAE因设备稳定、可靠、有效及保障服务工作的成绩突出，得到了用户的高度赞扬。2008年CIAE被评为“科技奥运先进集体”、国防科工局授予CIAE“2008卓越贡献奖”，2010年上海世博会事务协调局安保部特发感谢信，2014年被青奥会组委会评为“青奥会安保优秀服务团队”，南京市公安局授予CIAE“装备优良、保障有力、服务青奥、客户满意”的奖牌，2019年北京市消防救援总队对CIAE在中华人民共和国成立70周年庆典安全保障工作给予了充分的肯定，北京安全技术学会授予了CIAE“中华人民共和国成立70周年庆典安全保障工作”先进集体称号。
3 CIAE核反恐与安保研发能力提升
为加速核反恐安保发展，CIAE建立了核辐射探测技术实验室、特殊核材料探测技术实验室、爆炸物探测技术实验室和核安保探测技术测试实验室，主要开展高灵敏放射性物质检测技术、复杂条件下核素快速谱分析技术、核辐射热点智能可视化探测技术、特殊核材料光中子复合探测技术、核共振荧光(NRF)探测技术、缪子探测技术、NQR探测技术、X射线透射与背散射检测技术、高分辨伴随粒子中子探测爆炸物技术、冷热中子检测成像技术等研究。核安保探测技术测试实验室主要在核安保探测技术研发过程中，提供能量校准、探测效率校准、时间响应、能量分辨、探测灵敏度等测试与验证等，以提高核安保探测技术的有效性、稳定性和可靠性，并为核安保设备市场准入提供支撑。
鉴于CIAE核反恐与安保技术的先进性和前瞻性及为推动核技术在核反恐与安保领域中的应用发挥的重要作用，2019年国家原子能机构依托国家核安保技术中心和CIAE为技术支持单位与IAEA成立了我国首个协作中心——IAEA核安保技术协作中心。该中心的建立是落实习近平总书记核安全峰会讲话精神，构建“核安全人类命运共同体”的重要举措，它将成为我国深化和拓展与IAEA合作、分享核安保经验、提升核安保技术能力的重要平台。它还承载着更好地协助IAEA帮助其他成员国持续提高核反恐和安保技术水平能力的责任。CIAE主要负责核安保、实物保护先进探测技术研究及设备研发等，依据CIAE所承担的职责已制定“IAEA核安保技术协作中心”2020—2023年工作计划。
4 CIAE核技术在未来反恐工作的发展方向
人工智能成为国际竞争的新焦点，人工智能是引领未来的战略性技术。随着人工智能技术的迅速发展，不同技术的融合在反恐与安保领域的作用也渐突显，人工智能技术已应用到了反恐活动的各方面，并逐渐影响到反恐活动的顶层设计。进入21世纪，大数据、高性能芯片与深度学习算法推动了人工智能的快速发展，人工智能在自然语言处理、计算机视觉、智能决策等方面的发展为人工智能的核反恐应用奠定了技术基础。我国和世界主要发达国家已把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，我国于2017年发布了《新一代人工智能发展规划》[17]，美国于2019年发布了《加速美国在人工智能领域的领导地位》[18]，俄罗斯、法国和日本等均制定了应用人工智能技术提升公共安全能力的规划。
目前国内外核反恐智能化研究主要集中在机器人或无人机搭载探测器通过人工遥控进行工作，各国研制的核反恐机器人虽外形不同，但功能基本类似，其自主搜寻、自主识别等能力存在不足[19]。另外，还存在复杂环境下适应性差、没有考虑环境障碍物对探测和探测路径规划的干扰、限制了自主搜寻方法的准确度等问题。探测信息比较单一，不能全面、完整地反映被检物体的分布空间信息。
因此，针对非法运输特殊核材料、爆炸物(脏弹)爆炸袭击的复杂情况和瞬息万变的环境，探寻人工智能在核反恐活动中的应用，发展高稳定性和可操控性的人工智能技术、加速器光中子与核共振荧光探测核材料与爆炸物技术是后续的主要工作之一。通过多传感器信息融合，突破低成本和低功耗的智能感知、复杂场景主动感知等技术，研制可自主搜寻、识别、可视、预警和决策的智能化核反恐与安保装备为未来发展方向。
[1] IAEA Incident and Trafficking Databa
se (ITDB). Incidents of nuclear and other radioactive material out of regulatory co
ntrol 2020 fact sheet[EB/OL]. (2020-05-05). https:∥www.iaea.org/sites/default/files/20/02/itdb-factsheet-2020.pdf.
[2] 国家核安全局. 中华人民共和国国家核安全局2019年报[EB/OL]. (2020-07-11). http:∥nnsa.mee.gov.cn/zhxx_8953/haqnb/202006/P020200623.pdf.
[3] IEC 62327—2017 Radiation protection instrumentation: Hand-held instruments for the detection and identification of radio
nuclides and for the estimation of ambient dose equivalent rate from photon radiation[S]. USA: Internatio
nal Electrotechnical Commission, 2017.
[4] 霍永刚，安洪振，吴岳雷，等. 一种基于模式识别的放射性核素快速识别方法研究[J]. 核电子学与探测技术，2014，34(1)：51-53.
HUO Yonggang, AN Hongzhen, WU Yuelei, et al. Fast radioactive nuclide recognition method study ba
sed on pattern recognition[J]. Nuclear Electro
nics & Detection Technology, 2014, 34(1): 51-53(in Chinese).
[5] ALIZADEH D, ASHRAFI S. New hybrid me
taheuristic algorithm for scintillator gamma ray spectrum analysis[J]. Nuclear Instruments and Methods in Physics Research A, 2019, 915: 1-9.
[6] LIANG Dajian, GONG Pin, TANG Xiaobin, et al. Rapid nuclide identification algorithm ba
sed on co
nvolutional neural network[J]. Annals of Nuclear Energy, 2019, 133: 483-490.
[7] LABOV S E. Comprehensive cloud-ba
sed nuclide identification for handheld gamma-ray spectrometers[EB/OL]. (2020-06-22). https:∥www.osti.gov/biblio/1149565/. United States. doi: 10.2172/1149565.
[8] 刘超，王强，王国宝，等. 基于NaI(Tl)探测器的车载水质放射性探测系统可行性[J]. 同位素，2018，31(1)：20-25.
LIU Chao, WANG Qiang, WANG Guobao, et al. The feasibility of vehicle borne radioactive detection system ba
sed on NaI(Tl) detector[J]. Journal of Isotopes, 2018, 31(1): 20-25(in Chinese).
[9] 李永，王强，高启，等. 双拟合方法在快速放射性检测系统中的应用研究[J]. 原子能科学技术，2017，51(5)：896-901.
LI Yong, WANG Qiang, GAO Qi, et al. Application of double-fitting method in rapid radioactive inspection system[J]. Atomic Energy of Science and Technology, 2017, 51(5): 896-901(in Chinese).
[10]BAKALYAROV A M, MURADIAN G V. High-precision method for revealing hidden substances by means of tagged neutrons[J]. Physics of Atomic Nuclei, 2018, 81(6): 645-655.
[11]VALKOVIC V, SUDAC D, OBHODAS J, et al. The use of alpha particle tagged neutrons for the inspection of objects on the sea floor for the presence of explosives[J]. Nuclear Instruments and Methods in Physics Research A, 2013, 703: 133-137.
[12]王强，王月，郑玉来. 快中子伴随α粒子成像技术在包裹爆炸物检测中的应用[J]. 同位素，2018，31(1)：8-13.
WANG Qiang, WANG Yue, ZHENG Yulai. Application of fast neutron associated alpha particle method in explosives inspection[J]. Journal of Isotopes, 2018, 31(1): 8-13(in Chinese).
[13]景士伟，郭勇，郑玉来，等．标记中子法检测包裹内爆炸物[J]. 核电子学与探测技术，2015，35(7)：721-725.
JING Shiwei, GUO Yong, ZHENG Yulai, et al. Detection of explosives hidden in package by using tagged neutron method[J]. Nuclear Electro
nics & Detection Technology, 2015, 35(7): 721-725(in Chinese).
[14]郑玉来，王强，杨璐，等. 基于快中子伴随α粒子方法的爆炸物检测技术的蒙特卡罗方法模拟[J]. 核电子学与探测技术，2013，33(10)：1 175-1 178.
ZHENG Yulai, WANG Qiang, YANG Lu, et al. Mo
nte Carlo simulation for the explosives inspection technique ba
sed the associated α-particle method[J]. Nuclear Electro
nics & Detection Technology, 2013, 33(10): 1 175-1 178(in Chinese).
[15]何高魁，宛玉晴，田华阳，等. 基于核四极共振技术的邮件爆炸物检测系统[J]. 核电子学与探测技术，2012，32(4)：429-432.
HE Gaokui, WAN Yuqing, TIAN Huayang, et al. The system of mail explosive detection ba
sed on NQR[J]. Nuclear Electro
nics & Detection Technology, 2012, 32(4): 429-432(in Chinese).
[16]张炜，王国宝，王强. X射线背散射成像系统点扫描器设计[J]. 核电子学与探测技术，2016，36(4)：349-353.
ZHANG Wei, WANG Guobao, WANG Qiang. Design of point scanner used in X-ray backscatter imaging system[J]. Nuclear Electro
nics & Detection Technology, 2016, 36(4): 349-353(in Chinese).
[17]国务院关于印发〈新一代人工智能发展规划〉的通知[EB/OL]∥中国政府网. (2017-07-20). http:∥www.gov.cn/zhengce/ content/2017-07/20/content_5211996.htm.
[18]Accelerating America’s leadership in artificial intelligence[EB/OL]. (2019-02-11). https:∥www.WhiteHouse.gov/articles.
[19]李婷婷，李强，刘书芸，等. 反恐机器人研究综述[J]. 中国安全防范技术与应用，2018，3：30-33.
LI Tingting, LI Qiang, LIU Shuyun, et al. Research review of anti-terrorist robot[J]. China Security Protection Technology and Application, 2018, 3: 30-33(in Chinese).
自美国“9·11”恐怖袭击事件发生后，国际范围内的各种恐怖活动明显加剧，恐怖活动已对世界和平、经济发展乃至人类文明构成巨大威胁和严峻挑战。爆炸袭击是主要恐怖袭击手段之一，爆炸袭击事件时有发生，如2014年5月乌鲁木齐爆炸案39人遇难，2015年11月法国巴黎的爆炸恐怖事件造成160多人遇难，2016年3月比利时布鲁塞尔发生连环爆炸造成30多人遇难，2017年4月俄罗斯圣彼得堡地铁站发生爆炸至少14人遇难，2017年5月英国曼切斯特发生爆炸22人遇难，2018年7月巴基斯坦俾路支省发生爆炸132人遇难，2019年斯里兰卡首都科伦坡发生连环爆炸190人遇难。由于我国采取了较为严密的防范措施，爆炸恐怖袭击事件得到了有效遏制，但国际形势还很严峻。近年来核恐怖袭击活动已成为一种超级恐怖威胁，正引起各国政府和广大公众的极大关注。“9·11”恐怖袭击事件促进了国际核安保内容的根本性变化，核安保概念从实物保护扩展开来，将打击非法贩运核材料与其他放射性物质纳入了实物保护的范畴。自2010年在美国华盛顿举行的核安全峰会后，国际社会对核安全问题高度重视，全球核材料及核设施的安全水平有了较大提高，进入到全球共建核安保阶段。虽然如此，但世界范围内的放射性物质非法贩运、丢失与被盗仍有发生。根据国际原子能机构(IAEA)事件和贩运数据库(ITDB)显示[1]，自1993年至2019年12月31日，ITDB共有3 686起确认事件报告，其中290起事件涉及已确认、可能的贩运或恶意使用行为，1 023起事件没有足够的信息来确定是否与贩运或恶意使用有关，2 373起事件与贩运或恶意使用无关。1993年到2019年每年均有贩运和恶意使用事件发生。据我国国家核安全局最新2019年年报[2]数据显示，截至2019年12月31日，全国从事生产、销售、使用放射性同位素和射线装置的单位共78 802家，在用放射源146 291枚。数量如此多的放射源在运用、转运、回收过程中，放射源失控及丢失事故时有发生。2014年，全国共发生6起辐射事故，其中3枚放射源丢失或被盗；2015年，发生3起放射源丢失、被盗辐射事故；2016年，发生9起辐射事故，其中7起为放射源丢失或被盗辐射事故；2017年，发生4起辐射事故，其中2起为放射源丢失或被盗辐射事故；2018年，发生3起辐射事故，其中2起为放射源丢失或被盗辐射事故，涉及的放射源均为Ⅳ、Ⅴ类放射源；2019年，发生5起辐射事故，其中2起为放射源丢失事故。这些核材料和放射源如果被恐怖分子窃取制作成脏弹进行核恐怖袭击，将会给人民生命安全、经济发展带来严重的威胁。2017年国家核安全局发布的《核安全与放射性污染防治“十三五”规划及2025年远景目标》中，明确提出了“防控结合，提升核安保水平”作为重点任务之一，积极打击核走私活动，提高边境核辐射探测能力。加强自主创新、提升核反恐与安保能力已成为国家安全体系的重要组成部分，是保障核能事业健康有序发展的基础。中国原子能科学研究院(CIAE)对核技术在反恐领域的应用进行广泛研究，研制出多种具有自主知识产权的核反恐与安保装备。1 CIAE核技术在核反恐与安保工作中的成就核技术仍是目前反恐与安检的主要手段之一。CIAE自“十一五”以来，核反恐与安检工作得到了国家、北京市科委、中核集团等的支持。围绕γ、中子辐射探测，发展了高灵敏、低功耗、智能化、网络化的先进放射性物质检测技术；围绕中子、X射线背散射和核四极共振(NQR)等先进技术，发展了快速、有效的爆炸物等违禁品检测技术；利用加速器技术，发展了安全、高效的生物灭菌技术等。突破了渐进式混合多元迭代算法和竞争性加权谱分析技术、强干扰条件下爆炸物特征元素快速识别技术、非连续重构时间窗技术、爆炸物快中子检测系统在线能量刻度技术、双拟合快速放射性检测技术、宽能复合探测技术和X射线扫描方式构建等关键技术。研发出了具有国际先进水平的核材料检测系统、智能快速谱分析系统、中子检测爆炸物系统、新型X射线透射与背散射一体机装置、NQR爆炸物检测系统和自屏蔽电子束灭菌系统等10余种先进的、具有自主知识产权的核反恐与安保装备。1.1 智能快速核素识别技术在放射性物质检测和核素识别过程中，由于环境本底辐射、宇宙射线和屏蔽体(如金属行李箱、铅屏蔽罐、铁皮桶等)的影响，使得探测器检测到的放射性核信号比较微弱且包含许多干扰，往往需要长时间测量才能有效成谱。IEC 62327—2017《辐射防护仪器——用于探测与识别放射性核素和指示光子辐射周围剂量当量率的手持式监测仪》要求：当探测器处产生的γ剂量率高于本底0.5 μSv/h(1±30%)时，1 min内识别出241Am、133Ba、60Co、137Cs等14种单一放射性核素；当每种放射性核素在探测器处产生的γ剂量率高于本底0.5 μSv/h(1±30%)时，1 min内能识别出131I+WGPu、NORM、NORM+HEU和NORM+WGPu(未屏蔽)[3]。传统的核素识别主要采用γ能谱获取分析、解谱、检索核素库、能谱特征峰匹配等方法实现。由于能谱中不仅具有特征峰，还包含康普顿坪、单双逃逸峰、反射峰，并极易受到噪声、基线漂移等因素的影响，给核素识别带来一定困扰，增加了识别环节和分析时间[4]。因此传统能谱分析方法很难快速有效地完成放射性物质的检测与识别，尤其是混合核素的分析识别。国家自然科学基金委员会对此非常重视，在“核技术科学发展战略研究报告”中，核分析方法及其应用的发展被列为优先支持的方向。同时，IAEA也将核分析技术列为最关键的研究手段和方法之一。广义二阶差分方法是主流的寻峰算法[5]，该方法主要由洛斯阿拉莫斯国家实验室早期的SAMPO和SAMPO80算法基础上发展而来。复杂环境条件对寻峰识别会产生较大干扰，当噪音振幅达到二阶差分阈值，噪声会被当作峰位识别出来[6]。寻峰过程中干扰峰的影响是导致结果产生错误的重要因素，能谱数据因为噪声的震荡产生数值意义上的“峰”从而被算法命中，产生干扰峰[7]。通过渐进式混合多元迭代算法，完成能谱快速分析的寻峰算法程序，解决了传统广义二阶差分算法适用的局限性问题，实现了对伪峰和伪核素的区分，达到快速准确识别多核素的目标。通过竞争性加权分析技术对传统方式进行优化，建立可工作于两种模式的核素识别方法程序，解决了低剂量率条件下核素识别效率慢的问题，实现了对弱源场景下的快速识别。利用渐进式混合多元迭代算法和竞争性加权分析技术实现了单一核素、混合核素(5种核素)的快速识别。1.2 高灵敏放射性比活度快速测量技术当发生核事故或脏弹袭击时，及时有效地检测放射性污染水平是事故发生后的紧迫任务。降低本底和建立适合的能谱分析方法是提高检测灵敏度和速度的关键[8]。目前主要采用放射化学测定法，但其对于样品的处理过程繁琐。这一过程检测时间长，不能满足国家相关部门对核污染现场就地快速检测需求。对于接近本底的弱放射性样品的快速测量，短时间内每道累积的计数较少，如果采取常规的能谱数据处理，在滤除噪声的同时会将特征峰展平，破坏谱的原始特征，从而干扰正常的检测判断，甚至会导致判断错误[9]。为保证较宽动态范围内设备测量值的可靠性，发展双拟合快速放射性检测等技术，对采集的能谱数据不进行平滑等处理，实现拟合测量能谱快速获取特征峰的参量数值，定性识别被测样品中是否存在某种核素；通过二次拟合确定特征峰区边界等信息完成弱放射性能谱的自动解析及完成核素的比活度定量计算，实现了弱放射性核素比活度的快速、准确检测。1.3 强干扰条件下爆炸物特征元素快速识别技术目前爆炸物探测主要采用X射线成像和离子迁移技术，X射线成像是通过物质密度的不同能对包裹中的违禁品进行快速在线检测成像，但不能对包裹中的爆炸物进行准确识别；离子迁移技术可实现痕量检测，但对于不挥发和无表面污染物体就不能有效检测。爆炸物中子检测技术通过准确测定爆炸物富含元素(C、O和N)的原子密度或相对含量能实现爆炸物的准确探测甄别。中子检测爆炸物技术主要有热中子法(TNA)、快中子法(FNA)、脉冲快热中子法(PFTNA)、快中子伴随α粒子技术/飞行时间法(API/TOF)。其中，快中子伴随α粒子技术也称为标记中子方法(TNM)，可通过对发射中子方向进行准确标记，具有较高的空间分辨本领和较强的识别爆炸物的能力，成为了近年来国际上爆炸物检测技术的研究热点[10-11]。针对现有常用的安检设备不能对包裹中隐藏爆炸物进行准确识别的问题，发展了包裹爆炸物的快中子伴随粒子检测技术，成功研制出移动式包裹爆炸物中子检测系统[12-14]。快中子伴随α-γ符合测量技术，实现了检测区域的空间定位检测，解决了快中子与非检测区域物质作用产生的强γ干扰问题，提高了信噪比。建立了γ探测器在线能量自动校准方法，解决了γ探测器谱漂移问题，提高了系统的稳定性。提出了伴随粒子中子检测的非连续重构时间窗方法，解决了少量爆炸物深度处于检测区域边界位置时产生的漏报问题，提高了系统检测爆炸物的灵敏度。伴随粒子中子发生器的自动时间标定技术，解决了位置灵敏硅(Si)探测器时间标定不稳定问题，保证了系统的可靠性。实现了对疑似藏匿爆炸物包裹的有效无损检测和识别，系统已得到了应用。1.4 NQR检测爆炸物技术NQR是基于原子核四极矩与核外电场梯度(EFG)之间的电四极相互作用，它极大地依赖于构成物质的分子结构、化学键和原子价态。物质不同，其特征的NQR频率不同，NQR频率具有指纹特征。爆炸物大多是富氮物质，且14N在不同的化合物中具有不同的NQR频率，所以每种含氮化合物的NQR频率是唯一的。通过探测被测物中是否具有爆炸物14N的NQR频率，即可判断被测物中是否藏有爆炸物，且可判定爆炸物的种类，是目前最先进的爆炸物探测技术之一[15]。由于NQR信号非常微弱，为提高信噪比采取了自动调谐技术，利用低噪声精密采样检测电路采集探头的反射射频信号，使探头达到自动精确调谐匹配状态；采取放大器优化设计和数据变换算法，完成了低信噪比条件下NQR谱线的提取。突破了NQR信号脉冲激励、极微弱信号检测处理、动态调谐匹配、时域信号加权变换等关键技术。通过采取上述措施显著提高了探测灵敏度，填补了国内NQR技术在安检领域的空白。1.5 X射线背散射检测技术X射线与不同物质发生背向散射的概率和被检体的电子密度、质量密度紧密相关，高原子序数的物质散射性弱，低原子序数的物质散射性强。因此低原子序数物质在背散射图像上高亮度显示，爆炸物、毒品等违禁品属于低原子序数物质，X射线背散射成像检测就是利用这一原理来突显爆炸物、毒品等低原子序数违禁品。X射线背散射成像检测系统中扫描器设计是关键技术之一，已有多种受专利保护的解决方案[16]。为此，构建了具有自主知识产权的跳点扫描器和非连续扫描器，显著提高了背散射图像信噪比，获得了较好的X射线背散射检测图像。1.6 自屏蔽电子束灭菌技术为防止恐怖分子利用邮件、邮包携带炭疽菌等手段危害社会和人们的正常生活，保证重要部门的邮政信件的安全，研制了2 MeV/1 kW加速器自屏蔽电子束邮件灭菌系统。为避免加速器装置在工作时产生的强X射线危害工作人员安全及周围环境，加速器采用了一体化自屏蔽结构设计，既能够减小设备体积，又保证维修的便捷性。首次采用以水作为电子束吸收靶的专利技术，大大降低了电子束产生X射线的剂量，有效降低了加速器自屏蔽的体积和重量，具有国际先进水平。该系统每日可处理信件8 000封，有效地确保了重要部门的信件安全。为应对突发性生物安全事件，在2 MeV/1 kW加速器自屏蔽电子束邮件灭菌系统的基础上研发了移动式自屏蔽消毒灭菌装置，即将加速器及屏蔽系统安装到车辆上，实现对可疑物品的现场灭菌消毒，具有机动灵活、反应迅速、安全的特点。加速器自屏蔽电子束灭菌系统是防范生物细菌恐怖袭击的重要利器。近几年核反恐与安保技术获国防科学技术进步奖二等奖1项、三等奖2项，公安部科学技术奖三等奖1项，中国核能行业协会科学技术奖三等奖1项，中核集团公司科学技术奖一等奖1项、三等奖4项；获授权发明专利6项、实用新型专利6项。2 CIAE核技术在核反恐与安保中的应用经过十几年的发展，CIAE在核反恐与安保装备研发中做出了较为突出贡献，为推动核技术在核反恐与安检领域中的应用发挥了重要作用。成功推动了2008年北京奥运会将放射性物质检测系统纳入到安检设备之中，此后又将核反恐与安保装备成功应用到2009年济南全运会，2010年上海世博会，2011年第14届世界游泳锦标赛，2012年第三届亚洲沙滩运动会，2013年沈阳全运会和第二届亚洲青年运动会，2014年第二届夏季青年奥林匹克运动会，2015年第一届全国青年运动会，2016年杭州G20峰会，2017年“一带一路”国际合作高峰论坛、厦门金砖五国高峰论坛、内蒙古70周年庆祝活动、中国-蒙古国博览会、“十九大”和2017国家公祭，2018年中非合作论坛和中国国际进口博览会，2019年庆祝中华人民共和国成立70周年活动、第二届全国青年运动会和第二届中国国际进口博览会等重要大型活动的核安保工作中，为大型活动的核安保工作保驾护航。另外还应用在中国工程物理研究院、中国核动力研究设计院、中核404厂、中核北方核燃料元件有限公司、中核建中核燃料元件有限公司、江苏核电有限公司、原子高科股份有限公司、人民大会堂、国家大剧院、北京市公安局、南京市公安局、新疆公安厅、广州军区防化团、天津市安全局、海关总署、海口军区、民用航空局等部门，并出口至坦桑尼亚、乌干达和马来西亚等，获得了良好的社会效益和经济效益，为公共安全领域作出了应有的贡献。CIAE因设备稳定、可靠、有效及保障服务工作的成绩突出，得到了用户的高度赞扬。2008年CIAE被评为“科技奥运先进集体”、国防科工局授予CIAE“2008卓越贡献奖”，2010年上海世博会事务协调局安保部特发感谢信，2014年被青奥会组委会评为“青奥会安保优秀服务团队”，南京市公安局授予CIAE“装备优良、保障有力、服务青奥、客户满意”的奖牌，2019年北京市消防救援总队对CIAE在中华人民共和国成立70周年庆典安全保障工作给予了充分的肯定，北京安全技术学会授予了CIAE“中华人民共和国成立70周年庆典安全保障工作”先进集体称号。3 CIAE核反恐与安保研发能力提升为加速核反恐安保发展，CIAE建立了核辐射探测技术实验室、特殊核材料探测技术实验室、爆炸物探测技术实验室和核安保探测技术测试实验室，主要开展高灵敏放射性物质检测技术、复杂条件下核素快速谱分析技术、核辐射热点智能可视化探测技术、特殊核材料光中子复合探测技术、核共振荧光(NRF)探测技术、缪子探测技术、NQR探测技术、X射线透射与背散射检测技术、高分辨伴随粒子中子探测爆炸物技术、冷热中子检测成像技术等研究。核安保探测技术测试实验室主要在核安保探测技术研发过程中，提供能量校准、探测效率校准、时间响应、能量分辨、探测灵敏度等测试与验证等，以提高核安保探测技术的有效性、稳定性和可靠性，并为核安保设备市场准入提供支撑。鉴于CIAE核反恐与安保技术的先进性和前瞻性及为推动核技术在核反恐与安保领域中的应用发挥的重要作用，2019年国家原子能机构依托国家核安保技术中心和CIAE为技术支持单位与IAEA成立了我国首个协作中心——IAEA核安保技术协作中心。该中心的建立是落实习近平总书记核安全峰会讲话精神，构建“核安全人类命运共同体”的重要举措，它将成为我国深化和拓展与IAEA合作、分享核安保经验、提升核安保技术能力的重要平台。它还承载着更好地协助IAEA帮助其他成员国持续提高核反恐和安保技术水平能力的责任。CIAE主要负责核安保、实物保护先进探测技术研究及设备研发等，依据CIAE所承担的职责已制定“IAEA核安保技术协作中心”2020—2023年工作计划。4 CIAE核技术在未来反恐工作的发展方向人工智能成为国际竞争的新焦点，人工智能是引领未来的战略性技术。随着人工智能技术的迅速发展，不同技术的融合在反恐与安保领域的作用也渐突显，人工智能技术已应用到了反恐活动的各方面，并逐渐影响到反恐活动的顶层设计。进入21世纪，大数据、高性能芯片与深度学习算法推动了人工智能的快速发展，人工智能在自然语言处理、计算机视觉、智能决策等方面的发展为人工智能的核反恐应用奠定了技术基础。我国和世界主要发达国家已把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，我国于2017年发布了《新一代人工智能发展规划》[17]，美国于2019年发布了《加速美国在人工智能领域的领导地位》[18]，俄罗斯、法国和日本等均制定了应用人工智能技术提升公共安全能力的规划。目前国内外核反恐智能化研究主要集中在机器人或无人机搭载探测器通过人工遥控进行工作，各国研制的核反恐机器人虽外形不同，但功能基本类似，其自主搜寻、自主识别等能力存在不足[19]。另外，还存在复杂环境下适应性差、没有考虑环境障碍物对探测和探测路径规划的干扰、限制了自主搜寻方法的准确度等问题。探测信息比较单一，不能全面、完整地反映被检物体的分布空间信息。因此，针对非法运输特殊核材料、爆炸物(脏弹)爆炸袭击的复杂情况和瞬息万变的环境，探寻人工智能在核反恐活动中的应用，发展高稳定性和可操控性的人工智能技术、加速器光中子与核共振荧光探测核材料与爆炸物技术是后续的主要工作之一。通过多传感器信息融合，突破低成本和低功耗的智能感知、复杂场景主动感知等技术，研制可自主搜寻、识别、可视、预警和决策的智能化核反恐与安保装备为未来发展方向。参考文献：[1] IAEA Incident and Trafficking Databa
se (ITDB). Incidents of nuclear and other radioactive material out of regulatory co
ntrol 2020 fact sheet[EB/OL]. (2020-05-05). https:∥www.iaea.org/sites/default/files/20/02/itdb-factsheet-2020.pdf.[2] 国家核安全局. 中华人民共和国国家核安全局2019年报[EB/OL]. (2020-07-11). http:∥nnsa.mee.gov.cn/zhxx_8953/haqnb/202006/P020200623.pdf.[3] IEC 62327—2017 Radiation protection instrumentation: Hand-held instruments for the detection and identification of radio
nuclides and for the estimation of ambient dose equivalent rate from photon radiation[S]. USA: Internatio
nal Electrotechnical Commission, 2017.[4] 霍永刚，安洪振，吴岳雷，等. 一种基于模式识别的放射性核素快速识别方法研究[J]. 核电子学与探测技术，2014，34(1)：51-53.HUO Yonggang, AN Hongzhen, WU Yuelei, et al. Fast radioactive nuclide recognition method study ba
sed on pattern recognition[J]. Nuclear Electro
nics & Detection Technology, 2014, 34(1): 51-53(in Chinese).[5] ALIZADEH D, ASHRAFI S. New hybrid me
taheuristic algorithm for scintillator gamma ray spectrum analysis[J]. Nuclear Instruments and Methods in Physics Research A, 2019, 915: 1-9.[6] LIANG Dajian, GONG Pin, TANG Xiaobin, et al. Rapid nuclide identification algorithm ba
sed on co
nvolutional neural network[J]. Annals of Nuclear Energy, 2019, 133: 483-490.[7] LABOV S E. Comprehensive cloud-ba
sed nuclide identification for handheld gamma-ray spectrometers[EB/OL]. (2020-06-22). https:∥www.osti.gov/biblio/1149565/. United States. doi: 10.2172/1149565.[8] 刘超，王强，王国宝，等. 基于NaI(Tl)探测器的车载水质放射性探测系统可行性[J]. 同位素，2018，31(1)：20-25.LIU Chao, WANG Qiang, WANG Guobao, et al. The feasibility of vehicle borne radioactive detection system ba
sed on NaI(Tl) detector[J]. Journal of Isotopes, 2018, 31(1): 20-25(in Chinese).[9] 李永，王强，高启，等. 双拟合方法在快速放射性检测系统中的应用研究[J]. 原子能科学技术，2017，51(5)：896-901.LI Yong, WANG Qiang, GAO Qi, et al. Application of double-fitting method in rapid radioactive inspection system[J]. Atomic Energy of Science and Technology, 2017, 51(5): 896-901(in Chinese).[10]BAKALYAROV A M, MURADIAN G V. High-precision method for revealing hidden substances by means of tagged neutrons[J]. Physics of Atomic Nuclei, 2018, 81(6): 645-655.[11]VALKOVIC V, SUDAC D, OBHODAS J, et al. The use of alpha particle tagged neutrons for the inspection of objects on the sea floor for the presence of explosives[J]. Nuclear Instruments and Methods in Physics Research A, 2013, 703: 133-137.[12]王强，王月，郑玉来. 快中子伴随α粒子成像技术在包裹爆炸物检测中的应用[J]. 同位素，2018，31(1)：8-13.WANG Qiang, WANG Yue, ZHENG Yulai. Application of fast neutron associated alpha particle method in explosives inspection[J]. Journal of Isotopes, 2018, 31(1): 8-13(in Chinese).[13]景士伟，郭勇，郑玉来，等．标记中子法检测包裹内爆炸物[J]. 核电子学与探测技术，2015，35(7)：721-725.JING Shiwei, GUO Yong, ZHENG Yulai, et al. Detection of explosives hidden in package by using tagged neutron method[J]. Nuclear Electro
nics & Detection Technology, 2015, 35(7): 721-725(in Chinese).[14]郑玉来，王强，杨璐，等. 基于快中子伴随α粒子方法的爆炸物检测技术的蒙特卡罗方法模拟[J]. 核电子学与探测技术，2013，33(10)：1 175-1 178.ZHENG Yulai, WANG Qiang, YANG Lu, et al. Mo
nte Carlo simulation for the explosives inspection technique ba
sed the associated α-particle method[J]. Nuclear Electro
nics & Detection Technology, 2013, 33(10): 1 175-1 178(in Chinese).[15]何高魁，宛玉晴，田华阳，等. 基于核四极共振技术的邮件爆炸物检测系统[J]. 核电子学与探测技术，2012，32(4)：429-432.HE Gaokui, WAN Yuqing, TIAN Huayang, et al. The system of mail explosive detection ba
sed on NQR[J]. Nuclear Electro
nics & Detection Technology, 2012, 32(4): 429-432(in Chinese).[16]张炜，王国宝，王强. X射线背散射成像系统点扫描器设计[J]. 核电子学与探测技术，2016，36(4)：349-353.ZHANG Wei, WANG Guobao, WANG Qiang. Design of point scanner used in X-ray backscatter imaging system[J]. Nuclear Electro
nics & Detection Technology, 2016, 36(4): 349-353(in Chinese).[17]国务院关于印发〈新一代人工智能发展规划〉的通知[EB/OL]∥中国政府网. (2017-07-20). http:∥www.gov.cn/zhengce/ content/2017-07/20/content_5211996.htm.[18]Accelerating America’s leadership in artificial intelligence[EB/OL]. (2019-02-11). https:∥www.WhiteHouse.gov/articles.[19]李婷婷，李强，刘书芸，等. 反恐机器人研究综述[J]. 中国安全防范技术与应用，2018，3：30-33.LI Tingting, LI Qiang, LIU Shuyun, et al. Research review of anti-terrorist robot[J]. China Security Protection Technology and Application, 2018, 3: 30-33(in Chinese).
文章来源：核技术 网址: http://hjs.400nongye.com/lunwen/itemid-9127.shtml
上一篇： 本—硕—博多层次核反应堆安全课程建设的实践
下一篇： 农业基础科学论文_桐庐县作物秸秆、畜禽粪污加工生产有机肥模式分析
