網絡空間信息防御作戰指揮效能評估研究

王勁松，王小超，李世楷

(戰略支援部隊信息工程大學，河南 鄭州 450001)

0 引言

隨著網絡技術的不斷發展，未來網絡空間對抗樣式變幻多端、作戰手段層出不窮，形勢不容樂觀[1]。網絡空間信息防御作戰成為網絡空間作戰的重要措施，研究其作戰指揮問題，通過定量定性綜合分析方法深入研究網絡空間信息防御作戰指揮效能生成過程、科學合理選擇評估指標、動態實時獲取評估數據，對豐富網絡空間作戰理論體系、加強網絡空間信息防御作戰力量建設、提升網絡空間信息防御作戰指揮效能等方面具有重要的理論意義和實踐意義。

1 網絡空間信息防御作戰指揮效能評估需求分析

1.1 完善網絡空間作戰指揮理論體系的必由之路

隨著信息技術的迅猛發展及其在軍事領域的廣泛應用，網絡空間已成為敵我勢力較量的新戰場，信息防御作戰已成為有效應對網絡威脅重奪制網權的重要途徑。從作戰指揮理論發展來看，作戰指揮效能一直是作戰指揮基礎理論關注的重要問題，可以說一切關于網絡空間作戰指揮問題的研究，其出發點和最終目標都是為了提高作戰指揮效能[2]。指揮效能理論是網絡空間作戰指揮理論體系中不可或缺的一部分。結合網絡空間作戰的特點和信息防御的特性可以看出，現有指揮理論也無法完全適應網絡空間信息防御指揮。所以，以更微觀的角度，充分利用定性與定量相結合的方法，分析網絡作戰大數據，研究網絡空間信息防御作戰指揮效能，以提高信息防御作戰指揮能力，是完善網絡空間作戰指揮理論體系的必由之路。

1.2 提高網絡空間信息防御作戰能力的重要途徑

信息防御作戰作為網絡空間安全體系的基礎支撐，是網絡空間作戰的關鍵要素,通過梳理發現，我軍對網絡空間信息防御作戰體系研究比較多，對戰法、體系、能力的研究較多，而對指揮效能的研究很少，隨著網絡時代的到來，大數據技術的發展，在網絡空間進行的一切活動都變得透明可挖掘，可分析利用。利用大數據技術，通過精確分析，全面科學合理、定量與定性結合的分析指揮官作戰指揮效能，使結論更加有理有據，更加精準，從而客觀正確的評價作戰指揮官的指揮活動，檢驗指揮效能的發揮程度，總結經驗教訓，以便提高指揮官的決策質量和指揮能力，完善和優化指揮活動的運作機制，對提升信息防御作戰能力具有重要意義。

1.3 指導網絡空間信息防御作戰指揮實踐的迫切需求

目前網絡空間面臨多種多樣的威脅，網絡空間信息防御作戰全程性、全面性突出，防御目標復雜多樣、作戰對手不確定、作戰形式多樣等，使得網絡空間信息防御作戰指揮更是被動、瞬時、高效。不研究這些新問題、新特點，信息防御應用理論無法指導作戰實踐，也無法滿足網絡空間作戰對指揮官指揮能力的迫切需求。研究網絡空間信息防御作戰指揮效能問題，不僅可以發現現階段我軍網絡空間信息防御作戰指揮效能與未來網絡空間防御作戰需求的差距，獲得對網絡空間信息防御作戰指揮活動的科學認識，從而熟悉作戰指揮效能評估的原則、方法、理論、內容，而且通過對網絡空間信息防御作戰指揮特點規律和影響因素的探索、研究，建立效能評估指標體系、運用評估技術進行仿真實驗，解決如何建立指標體系、怎樣仿真評估等問題，為提升指揮官在網絡空間信息防御作戰中的指揮水平，提供有力的理論支持，對指導作戰指揮實踐具有重要的參考價值。

2 網絡空間信息防御作戰指揮效能評估指標體系構建

2.1 效能評估指標體系構建原則

(1) 層次性原則

在實際操作中常常把指標進行分類，構成不同的層次，評估自上而下，逐漸得到更具體的可以計算的指標。從不同的評估角度出發，有不同的分類結果，但都必須能夠形成一個遞階結構，對指揮效能有一個可視化的展現[3]。

(2) 針對性原則

信息防御作戰指揮效能影響因素錯綜復雜，指標的選取要有針對性，既能體現網絡空間防御作戰指揮特色，又能反映指揮系統的作戰能力和評估目的[4]。

(3) 可操作性原則

運用模糊神經網絡評估模型進行評估的重點是選取可采集、測量和比較的指標。在構建指標體系時，應充分考慮底層指標的可測性和獲取數據的可行性，各子指標也應能單獨評測，避免重復評議[5]。

(4) 開放性原則

國內信息防御作戰指揮問題研究較少，指揮效能評估應用更是鳳毛麟角，評估理論在網絡空間信息防御作戰指揮方面的運用還不夠廣泛和深入，這也對讀者和研究者來說，有更多的空間去思考、去拓展完善。

2.2 網絡空間信息防御作戰指揮效能評估影響因素分析

網絡空間信息防御作戰指揮，是指揮官為保證己方網絡信息系統穩定、網絡信息基礎設施安全、網絡信息保密可控，剝奪敵方進入及使用網絡空間的自由，重奪制網權而對防御體系內各作戰力量實施的組織協調活動[6]。指揮效能的發揮、作戰能量的釋放是通過指揮活動的過程來體現的，是一個思維和行為的過程。通過分析作戰指揮效能生成過程，綜合考慮網絡空間信息防御作戰指揮特點，按照自上而下、逐步細化的方法，分析得出影響網絡空間信息防御作戰指揮效能的重要影響因素。

(1) 態勢感知

指揮官運用各種技術手段，通過各個網絡節點,搜集、獲取、判識和分析與作戰任務有關態勢信息。科學的決策來源于正確的態勢分析，正確的態勢分析來源于全面、系統的感知信息，特別是在網絡空間條件下,態勢感知在指揮活動中的地位、作用日益突出，成為保證己方網絡信息系統穩定、網絡信息基礎設施安全、網絡信息保密可控，重奪制網權的重要前提。

(2) 指揮決策

指揮官在信息防御作戰中為了一定的作戰目的，依據各種手段選擇實現作戰目標行動方案。在網絡空間作戰條件下，決策目的對抗性、決策時間緊迫性、決策方案一次性、決策結果風險性和決策內容創新性等一系列新的特征對指揮官指揮決策活動提出了嚴峻挑戰[7]。

(3) 應急處置

指揮官通過調用作戰力量，利用被動信息保障(防火墻、數據加密)、主動誘騙(“蜜罐/蜜網”機制)、數據執行保護技術等網絡防護手段，達到“阻網”、“斷網”、“控網”的目的，并及時進行有效反擊以弱化敵打擊效率和打擊效果，同時使敵指揮員疲于應對，無法進行有效指揮，便于我軍實施壓制反擊。

(4) 壓制反擊

指揮官通過敵網絡的漏洞和弱點，當機立斷確定合理作戰企圖，利用先進的網絡技術手段，快速精準地采取有針對性的技術和戰術措施，追蹤竊聽、阻塞、癱瘓其網絡，減弱反制敵網絡攻擊可能帶來的危害。指揮官的企圖必須緊跟戰場態勢盡量縮短指揮時間，做到快速決策、快速計劃組織、快速實施控制協調，提高作戰指揮的時效性。

(5) 技術保障

網絡空間信息防御作戰指揮更是技術與技術的對抗，需要指揮官有針對性的運用網絡技術、信息技術和密碼技術等手段完成防御作戰指揮任務。技術因素直接影響作戰成敗，指揮官要充分考慮技術發揮特性，不但要了解外軍的網絡攻防手段、發展現狀及動態，而且還要掌握我軍網絡空間信息防御技術現狀，抽組編成配合使用，協調補充技術力量，最大限度釋放我軍作戰能量[8]。

2.3 效能評估指標體系構建

通過分析網絡空間信息防御作戰指揮效能影響因素，結合網絡空間信息防御作戰指揮效能生成過程，對指揮效能進行層層分解，從態勢感知、指揮決策、應急處置、壓制反擊和技術保障5個方面化得到40個二級可計算、可測量、可分析的基礎性能指標。如圖1所示。

3 基于模糊神經網絡的網絡空間信息防御作戰指揮效能評估模型

梳理現有文獻發現，AHP層次分析法和模糊邏輯推理法過于簡單，且缺乏學習和優化能力；系統動力學雖然能夠提供詳盡的仿真模擬，但整個過程更偏重于能力生成分析而非效能評估[9-12]。針對這些問題，本文結合我軍現有網絡空間作戰力量和紅藍對抗演習考評調研，在獲得大量原始數據資料的基礎上建立了模糊神經網絡效能評估模型。通過仿真實驗驗證了模型的可行性，為網絡空間信息防御作戰指揮系統建設提供指導和借鑒。

3.1 選擇模糊神經網絡評估模型的原因

模糊神經網絡的主要特點如下：①通過神經網絡實現模糊推理，克服了各模糊性指標相互影響，難以得出準確的評估結果的問題。②通過神經網絡的自學習能力改善知識的獲取和修改，在計算過程中對權值和隸屬度的自適應修正，增強了神經網絡的泛化能力和系統容錯性能，具有全局逼近能力[13]。③通過的神經網絡單元的學習和模糊推理系統的模糊規則，從模糊化層根據不同規則導出的模糊推理層，最后由模糊推理層導出輸出層。網絡空間防御作戰目的性強，機理多變，領域全覆蓋，指揮活動瞬時高效，指揮關系更是錯綜復雜，指揮要素相互之間的影響也越來越強烈，傳統的評估模型很難適用。因此，選用模糊神經網絡評估模型很好的解決了經驗數據無法積累、權值隸屬度隨機性的問題，使結果更加科學合理[14]。

3.2 指揮效能評估模型構建

3.2.1 指揮效能評估模型的模糊神經網絡結構

在評估過程中，對多個定性指標的評價均具有一定的模糊性，由于模糊集合理論中的輸入變量不再是一個確定的數，而是一個論域[15]。根據評估指標體系結構和性能，結合模糊神經網絡特點，建立模糊神經網絡結構圖，該圖由4層組成，如圖2所示。

第1層：輸入層，將指標體系40個基礎指標作為輸入節點。

第2層：模糊化層，對每個輸入因素，對應5個模糊子集，輸入隸屬函數采用高斯函數：

圖2 模糊神經網絡結構圖Fig.2 Schematics of fuzzy neural network

式中:i=1,2,…,40；m=1,2,…,5；j=1,2,…,165；mim和σim分別為第i個輸入對應的第m個模糊子集的均值和方差，它們都是模糊神經網絡中的可調參數。

第3層：規則層，規則庫由專家組織確定。設多輸入單輸出的模糊規則為

第4層：清晰化層，如下式所示：

，

3.2.2 指揮效能評估模型的模糊神經網絡學習算法

網絡空間信息防御作戰指揮效能評估模型的模糊神經網絡學習算法采用向后傳播誤差的方法。其基本思想是給模糊神經網絡賦予初始權值和閾值，通過神經網絡的自學習能力對權值和隸屬度進行自適應修正，如此反復進行訓練直到誤差達到最小[16]。基本算法詳述如下：

定義網絡的輸出誤差的學習函數為

式中:ym為理想輸出信號(專家信號)。

(1) 清晰化層，反傳誤差項為

(2) 規則層，反傳誤差項為

(3) 規則層，反傳誤差項為

其中均值和偏差的修正值分別為

式中：mim和σim分別為第i個輸入對應的第m個模糊子集的均值和方差，它們都是模糊神經網絡中的可調參數。

3.3 基于模糊神經網絡的指揮效能評估模型框架

綜合上述分析，根據評估任務確定評估對象，分析評估需求，并通過剖析指揮活動研究指揮效能生成過程，以此建立評估指標體系。根據指標體系，從對抗演習中提取挖掘所需數據，并做歸一化處理，利用模糊神經網絡評估模型對評估對象進行評估。如圖3所示。

4 實例分析

模糊神經網絡在使用前需要進行訓練，選取專家提供的成功評價數據作為訓練樣本，構成一個完整的訓練樣本集。在網絡訓練學習階段，首先對采集數據進行初始化，然后將選擇的樣本數據輸入到網絡中進行訓練，得到測試輸出結果，進行誤差分析，判斷網絡性能直至達到目標要求[17]。本文應用 Matlab 軟件來實現評估模型的構建和計算，在使用過程中按照模糊神經網絡的算法流程直接調用工具箱中的程序進行模擬仿真。如圖4所示。

本文樣本值來源于10名網絡空間作戰領域專家對某次網絡攻防演習中紅藍雙方指揮官的實際指揮過程采集所得。每個樣本都有40個實測指標，其中態勢感知效能13個指標，指揮決策效能8個指標，應急處置效能5個指標，壓制反擊效能5個指標，技術保障效能9個指標。將提取到的樣本數據分為2組，前15組作為模糊神經網絡模型的訓練樣本，后5組作為測試樣本，如表1～3所示。

將前15組樣本數據輸入Matlab模型中，輸出得到網絡評估值，如圖5所示。將模糊神經網絡獲取的評估值和專家提供的實際值進行對比分析，得到評估誤差，如圖6所示。

圖3 基于模糊神經網絡的指揮效能評估模型框架Fig.3 Model framework of command effectiveness evaluation based on fuzzy neural network

圖4 Matlab神經網絡訓練Fig.4 Matlab neural network training

從圖5，6可以看出，通過Matlab中模糊工具箱和神經網絡工具箱，設置100次迭代，通過觀測，在第50次迭代時，基本達到目標預期，說明基于模糊神經網絡評估網絡空間信息防御作戰指揮效能評估的方法可行，且具有較快的收斂特性。經過反復訓練，不斷調整迭代次數、學習速率及最小誤差，最終獲得訓練好的模型。最后，通過比較得到絕對誤差后，與期望的精度E<0.01比較，滿足精度要求，則證明BP神經網絡評估值與測試樣本值之間的誤差在允許范圍之內，神經網絡已具備了模式識別的能力，因此基于模糊神經網絡所構建的網絡空間信息防御作戰指揮效能評估模型是可行的。將后5組測試樣本輸入訓練好的模糊神經網絡模型，輸出得到網絡評估值，如圖7所示。

圖5 模型神經網絡評估訓練圖Fig.5 Model neural network evaluation training diagram

樣本態勢感知效能X1X2X3X4X5X6X7X8X9X10X11X12X1310.701 0.852 0.512 0.604 0.688 0.613 0.558 0.553 0.522 0.631 0.563 0.899 0.730 20.886 0.802 0.753 0.634 0.5940.811 0.704 0.824 0.8450.653 0.6130.7470.66930.828 0.7860.6970.7560.8140.6970.6960.5880.6680.7860.8270.7840.80440.914 0.886 0.792 0.690.9120.9510.8180.8520.8670.8730.8830.9610.74850.512 0.6230.5700.684 0.5530.5380.6410.5130.5240.6110.7810.5130.47360.556 0.552 0.5210.6350.5690.8920.7380.7080.8520.5130.6040.6890.61170.682 0.5510.5320.6460.5180.5210.8030.7530.7640.5180.6250.5730.68880.867 0.8780.8830.6910.7440.6980.9180.6620.8100.8540.9170.8800.79490.523 0.6140.6270.5600.6790.5590.6340.6180.5260.4110.8030.7540.767100.967 0.9780.8810.9840.9510.7930.8690.9820.9380.9840.9910.8730.941110.550 0.5340.6490.5160.5220.6130.7810.5130.4730.4990.5230.6120.628120.843 0.6820.6350.7590.8830.6840.5450.5590.5240.6340.6970.5890.663130.814 0.7010.8210.8440.6580.6100.7420.6610.9250.8220.7830.8840.801140.917 0.9570.8160.8570.8650.8730.8800.9660.7490.9110.9620.7880.883150.612 0.5220.4190.8080.7520.7670.6430.5130.6240.5780.6830.8130.927160.752 0.6370.5930.8130.7080.8840.8050.7340.8580.8530.7780.7540.674170.918 0.4770.4990.5230.6180.6220.5620.5780.5570.4380.6140.5290.418180.964 0.7420.9130.9620.7820.8870.8680.8430.9130.9030.8230.9440.911190.693 0.5870.6650.7890.8260.7800.7840.6910.8110.5620.8850.7810.884200.841 0.9120.9050.8230.9430.9130.7720.8590.6730.7730.9430.9130.893

表2 模糊神經網絡評估樣本數據(Ⅱ)

表3 模糊神經網絡評估樣本數據(Ⅲ)

圖6 模型神經網絡評估誤差圖Fig.6 Model neural network evaluation error graph

從圖7中評估值與實際值之間的對比可以清晰地看出，本文所設計的模糊神經網絡能夠對指揮效能進行有效的評估，且符合誤差的預定值，表明模糊神經網絡模型能夠更好地對評估對象的指揮效能進行客觀、快速、準確的評估。

圖7 模型神經網絡評估測試圖Fig.7 Model neural network evaluation test diagram

5 結束語

本文通過探討效能評估的需求、原理、算法等內容，提出了一種基于模糊神經網絡的網絡空間信息防御作戰指揮效能評估方法，開展了網絡空間信息防御作戰指揮效能評估建模與實例分析。該模型利用模糊神經網絡在獲取專家經驗和儲備數據上的優勢，降低了專家主觀因素的干擾，與傳統方法相比，更能得出與真實情況相符合、更為科學有效的評估結果。根據評估結果，不但可以倒逼優化指揮官指揮中存在的問題，更能發現評估過程中指標的欠缺。而且在新增專家知識時，只需將各個模糊神經網絡模型重新進行一次訓練，無需過多復雜的操作，因此該方法具有很好的應用前景。