shadowfleet.json

该数据集是一个JSON文件，用于识别“影子舰队”船只，包含IMO号码、MMSIs、船只名称、类型、旗帜和CoT类型等信息。数据集通过聚合和去重多个OSINT和官方海事制裁来源的数据生成，适用于集成到TAK（Team Awareness Kit）环境中。

`tak-shadowfleet-id` is a Python-based data collector that aims to aggregate and deduplicate data from multiple OSINT and official maritime sanction sources to identify shadow fleet vessels. The output is a JSON dataset (`shadowfleet.json`) that is suitable for integration into TAK (Team Awareness Kit) environments. The dataset includes IMO numbers, MMSIs, vessel names, vessel types, flags, and CoT (Cursor on Target) types.

原始信息汇总

数据集概述

数据集名称

tak-shadowfleet-id

数据集描述

该数据集是一个用于识别“影子船队”船舶的JSON数据集（shadowfleet.json），适用于集成到TAK（Team Awareness Kit）环境中。数据集通过一个基于Python的数据收集器聚合和去重来自多个OSINT和官方海事制裁来源的数据生成。

数据内容

数据集包含以下船舶信息字段：

• IMO编号
• MMSI编号
• 船舶名称
• 船舶类型
• 船旗国（国旗）
• CoT（Cursor on Target）类型

数据来源与许可

数据收集器当前从以下来源获取数据：

1. OpenSanctions

   • 来源地址：https://www.opensanctions.org
   • 数据格式：简单CSV目标数据集
   • 许可协议：CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

2. 英国外交、联邦和发展办公室制裁名单

   • 来源地址：https://www.gov.uk/government/publications/the-uk-sanctions-list
   • 数据格式：CSV列表
   • 许可协议：Open Government Licence v3.0 (https://www.nationalarchives.gov.uk/doc/open-government-licence/version/3/)

数据集许可协议

数据集采用CC-BY-NC 4.0许可协议。该许可是从所有数据来源中继承的最严格许可。请注意，此知识共享许可包含非商业性条款。

重要声明

• 该工具提供的数据集是从第三方自动收集的，不保证所提供的数据集是最新或正确的。
• 根据国际制裁将船舶分类为“可疑”COT类型受意见自由和言论自由保护。

搜集汇总

数据集介绍

构建方式

在海洋安全与制裁合规领域，shadowfleet.json数据集通过自动化工具tak-shadowfleet-id构建，该工具基于Python开发，旨在从多个开源情报（OSINT）及官方海事制裁来源中聚合数据。具体流程包括从OpenSanctions和英国外交、联邦与发展事务部（FCDO）制裁列表等权威渠道获取CSV格式数据，随后进行去重与整合，最终生成包含船舶IMO编号、MMSI、名称、类型、船旗国及CoT（Cursor on Target）类型的JSON格式数据集。整个过程依托GitHub Actions实现每日定时自动更新，确保数据时效性与一致性。

特点

该数据集聚焦于识别“影子船队”船舶，其核心特点在于综合了多源制裁信息，覆盖国际海事监管的关键维度。数据集以结构化JSON格式呈现，字段设计清晰，便于直接集成至团队态势感知工具（TAK）环境中，支持实时监控与分析。值得注意的是，数据遵循CC-BY-NC 4.0许可协议，强调非商业使用限制，同时通过自动化流程维护更新，降低了人工干预需求，提升了数据可靠性与应用灵活性。

使用方法

用户可通过克隆项目仓库并利用Poetry管理依赖环境来使用该数据集。安装Python 3.12及以上版本后，执行poetry install命令配置环境，运行poetry run tak-shadowfleet-id即可生成或更新shadowfleet.json文件。数据集适用于海事安全研究、制裁合规分析及态势感知系统开发，用户需注意许可协议中的非商业条款，确保使用方式符合规范。此外，GitHub Actions的每日自动执行机制为用户提供了持续的数据同步支持，无需手动操作即可获取最新信息。

背景与挑战

背景概述

在当代全球海事安全与合规监管领域，识别和追踪‘影子船队’已成为一项紧迫的研究课题。该数据集由Stefan Gofferje等人于近期创建，依托开源情报（OSINT）与官方制裁名单，通过自动化工具整合多源数据，旨在构建一个涵盖国际海事组织编号、海上移动业务标识码、船舶名称、类型、船旗国及光标目标类型等关键信息的结构化数据集。其核心研究问题聚焦于如何有效聚合并去重分散的制裁船舶数据，以支持团队态势感知工具集成，进而增强对规避制裁的船舶活动的监控能力，对海事安全、国际合规及地缘政治分析具有显著影响力。

当前挑战

该数据集致力于解决海事领域中船舶制裁合规与‘影子船队’识别的复杂问题，面临多重挑战。在领域层面，数据来源的异构性与时效性构成主要障碍，不同制裁名单的更新频率和格式差异导致信息整合困难，且船舶身份的动态变化（如船旗转换、名称更改）增加了准确追踪的复杂性。构建过程中，技术挑战集中于多源数据的自动化采集与去重，需确保在遵守各数据源许可协议（如CC-BY-NC 4.0与开放政府许可证）的前提下实现可靠聚合，同时维护数据的一致性与完整性，以应对实时监控场景下的高可靠性需求。

常用场景

经典使用场景

在海上监控与情报分析领域，shadowfleet.json数据集通过整合开源情报和官方制裁名单，为识别“影子船队”提供了关键数据支持。该数据集最经典的使用场景在于海事安全研究，研究人员利用其包含的IMO号码、MMSI、船舶名称和类型等信息，结合TAK环境进行实时态势感知，从而追踪涉嫌规避国际制裁的船舶活动，为海上执法和监管提供数据基础。

解决学术问题

该数据集有效解决了海事研究中船舶身份模糊与行为隐蔽的学术难题。通过聚合多源数据并去重，它帮助学者系统分析“影子船队”的分布模式、规避策略及其对全球航运网络的影响，填补了传统海事数据在制裁合规性研究方面的空白。其意义在于推动了海事安全领域的实证研究，为国际政策制定提供了可靠的数据依据。

衍生相关工作

基于shadowfleet.json数据集，衍生出多项经典研究工作，包括利用机器学习算法预测船舶规避行为、开发可视化平台分析“影子船队”动态，以及结合卫星数据验证船舶轨迹真实性。这些工作进一步拓展了海事监控的技术边界，促进了跨学科合作，为国际海事安全研究提供了创新方法论。