軍事大數據現狀與展望

戰曉蘇

軍事大數據泛指與宏大戰場環境、復雜軍事系統和軍事安全相關的宏大規模的領域數據集，以及與之緊密相關的存儲、處理、分析和運用等技術與軍事應用的集合。

自2012年起，美俄等國軍隊開始將大數據技術應用于軍事領域，大數據驅動情報生成與決策支持等軍事應用在科學性、有效性、精準性等方面的效果逐漸顯現。

主要特性與現實困境

軍事大數據具有超海量性、強領域性、泛多樣性、廣時空性及高演化性等特征。軍事大數據的價值本質體現在：提供了一種認識軍事復雜系統的新模式、新方法和新手段。

通過對軍事大數據發展具有引領作用的前沿科學問題、工程技術難題進行分析，世界各主要軍事強國在軍事大數據的基礎理論方法研究、態勢分析發掘等關鍵共性引領技術，大數據支撐下的軍事知識圖譜、超高速關鍵線索發現等核心技術方面安排了攻關項目，組織了應用性探索。

當前，軍事大數據發展面臨著突出的困境。

一是軍事大數據基礎理論還非常薄弱。軍事大數據的許多本質問題仍存在爭議，例如：數據驅動與規則驅動、“關聯”與“因果”關系、“全數據”的時空相對性、發掘模型的可解釋性等。此外，針對軍事數據集和問題域專用解決方案的有效性理論問題也亟待解決。軍事大數據理論和技術發展落后于應用需要，大數據處理結論往往缺乏堅實的形式化驗證和理論支撐。

二是軍事大數據高效、深度處理技術與現實需求的差距巨大。線索挖掘技術、深層情報發掘技術、關鍵目標超高速辨識技術、敏感數據分離技術、知識譜系分析技術、高效加密和壓縮技術、跨層跨域存儲技術、大數據智能處理算法等核心技術的支持能力，還不能達到軍事大數據應用的基本要求，技術提供與軍事應用需求的差距很難在短期內解決。

三是軍事大數據與精準作戰數據混合使用的難度巨大。軍事大數據包含開源大數據、環境大數據和傳感器大數據，其格式繁多、存時和增量龐大，尤其是時空關系、顆粒度量的一致性管理非常困難，大數據與精準數據混合運用難度極大。

四是龐雜、特殊的數據格式延時處理與實時應用的矛盾巨大。軍事大數據的特定“加密-解密”反復轉換格式使得讀取和處理效率比較低，敏感態勢和實時指揮關聯大數據對計算超載的解決特別困難，特別是深度應用計算時延過大。

五是數據量呈現爆炸式增長使充分存儲和高速傳輸的困難巨大。各類全球性數據、太空傳感器數據、軍事系統產生數據、開源大數據的巨量增長，對軍用的大規模P級存儲中心和超大規模E級存儲需求量的需求更加迫切。

基礎理論與前沿技術

云計算、廣互聯、大數據、智能化相結合的“云聯大智”，代表了軍事領域信息技術發展新階段的時代特征。其中，云計算平臺和網絡廣泛互聯已成為基礎性支撐環境，智能化技術帶動了控制、計算、處理、融合、自主能力的全面提升，大數據技術能夠將廣闊信息數據進行深度發掘分析。將幾個前沿信息技術進行深度結合運用，可以全面提升軍事能力與戰略優勢。

軍事大數據理論是指與軍事大數據研究相關的基礎理論與基本方法的全新知識架構，主要包括：軍事大數據概念系統與體系架構，復雜性、不確定性特征描述的形式化方法;處理異構大數據的統一框架、基本原理與方法，非結構化大數據的表征、計算與理解;海量數據計算的算法設計方法，海量數據管理的理論與算法等;大數據環境下知識智能獲取方法與技術，大數據智能挖掘和大數據知識抽取框架，大數據知識和傳統知識結構的邏輯關系等。

軍事大數據的主要技術包括以下5個方面內容。一是大數據云存儲類技術。在通用分布式數據管理和文件管理等大數據管理技術基礎上，根據軍事數據媒體形態的組成要素、媒體特性、訪問規律，設計適合文本、圖片、遙感、點航跡、氣象水文等數據的云存儲管理技術（包括應用軟件、數據庫軟件、文件系統、磁盤管理的定制優化等），設計面向目標和事件的軍事數據時空統一編碼方法，提高多元數據管理和利用效率。二是多元數據語義標注技術。針對量化分析需求，面向文本、圖像等數據建立領域實體和事件語義標注技術體系框架，設計實現主要的實體語義標注算法和典型的事件語義標準算法，實現高效準確的結構化信息提取。三是大數據綜合處理技術。包括針對文本、圖片、音視頻、遙感影像等數據的專用處理技術，跨媒體跨語言的信息識別處理技術以及基于大數據樣本的聚類分類、統計、時序等基礎數據分析技術，實現多元數據的整理、篩選、分類以及基本關系運算，為知識挖掘和業務問題分析奠定基礎。四是大數據分析挖掘技術。主要是利用知識挖掘、深度學習等基于大數據的智能技術，對處理后的數據進行規律發現，基于歷史規律、樣本統計規律的模型構建和推演計算等，支持問題分析研判。五是業務建模技術。提供從數據到知識到實例的分析模型定制方法，支持規劃、作戰、情報、裝備、訓練、管理等業務領域問題建模，為業務推演奠定基礎。

已有進展與明顯成效

近5年來，美軍和主要軍事強國的有關機構，如美國國防高級研究計劃局（DARPA），支持了一批大數據研發項目：從科學闡述中預知和理解、文本深度挖掘和過濾技術、戰略溝通中的社交媒體、多尺度異常檢測、DAPRA開放目錄、視覺媒體推理、大機理、隱性信息挖掘、心理學信號的檢測和計算分析、自動實時全方位監測、大型多維度數據集、任務保障的感知能力、大數據集處理利用與分析、全球定量分析、復雜環境下的性能優化項目、關鍵媒體取證項目等。俄軍自2016年啟動研制戰斗指揮信息系統，攻關了戰場態勢大數據智能分析技術，取得了很大進展。該系統于2019年底向集團軍等單位配發。2019年，北約啟動監視與控制大數據支撐項目，針對復雜ISR系統產生的大數據研制高效挖掘算法和應用技術。

由于軍事數據樣本足夠大，統計、聚類、擬合和知識挖掘、機器學習等算法的可信度產生了質的飛躍，可以利用技術手段快速識別實體、事件間的相關關系，實現輔助分析和預測預警，提高軍事大數據的核心利用價值。美俄軍隊還組織開發了以“沖突-安全-平衡-環境”為代表的大數據預測推理模型和數據驅動軟件工具，對全球和區域性的領域及開源大數據進行全面分析，挖掘關聯性實體和事件，以期預測性評估區域安全局勢，對全球重大恐怖事件和熱點沖突實時或近實時地進行監控。

軍事大數據開發利用的進展與成效主要體現在以下幾個方面。

一是大數據促進軍隊信息化模式由任務驅動向數據驅動轉變。應用大數據分析技術對超海量數據進行處理、挖掘、推理，從數據中挖掘規律、發現知識、支持決策，生成對態勢或趨勢的預判。大數據已經成為戰斗力的新增長點。通過大數據的積累和有效利用，可以支撐實現對關注目標及其關系的長期跟蹤，分析相關的戰場背景情況和目標活動規律。軍事大數據為決策提供了重要的參考指標，有利于解決信息不全面、不完整、不及時等問題，并對潛在風險作出預判和評估。同時，通過大數據分析對各種方案計劃反復對比，可以做到好中選優、精準決策。

二是大數據為戰略形勢研判提供了全新的有力手段。綜合主要對手政治、軍事、經濟、科技、社會、外交等信息，開展數據挖掘、知識發現，實現戰略態勢分析智能化和可視化，可以應用于戰爭形勢研判、全球安全局勢研判、軍事沖突數據推演預測、重大突發事件監測預警等關鍵問題，提高決策對抗的實力。此外，還可應用于深度分析對手的技術實力和戰爭潛力等。研究對手，是戰爭制勝的關鍵。大數據從宏觀層面支持快速發現、識別、跟蹤目標，可以預測對手軍力的演化趨勢和發展走勢。

三是大數據為戰場態勢融合和快速深度的威脅分析提供了全新途徑。通過融合多源信息與開源數據，可以精準掌握戰場及關鍵目標實時動態，準確研判戰役重心態勢;通過超高速分析、全方位刻畫目標實體特征規律，可以實現發現威脅、跟蹤目標、標注異常標識等。此外，從微觀層面支持挖掘情報線索、發現潛在強關聯，實現各方作戰實力、指揮特點與弱點的挖掘發現，分析對手隱藏的戰爭潛力;對各類突發性危機以及熱點爭端事件進行趨勢研判。

四是大數據仿真環境可大幅提高軍事訓練和建設管理水平。利用模擬仿真、虛擬現實等技術，通過大數據支撐，可以提供復雜戰場環境和作戰場景的沉浸式訓練環境，從而全面提升實戰環境真實感。大數據助力搞清內外情況，通過大數據跨域分析與模擬推演，能夠提高建設決策的可靠性和可校驗性，推進軍隊管理與建設的精準規劃、精確落實、精細檢查。此外，軍事大數據還能對戰略規劃、方案指南、建設計劃、主要項目、經費預算、進度管理等信息，與建設環境和作戰運用進行深度比較、關聯、分類、評級，找出可能存在的問題或矛盾，進一步針對資源分配控制提出相關決策建議。

五是大數據有力加強了專業情報深度分析能力。利用大數據工具，可提高對多維戰場空間情報的關聯發現和深度認知能力。從廣泛的傳感器消息源中提取關鍵數據，以多視角可視化形式呈現情報結果數據，提供更加專業化的情報大數據專用平臺，顯著增強作戰實體數據識別、事件關系定位、知識發現理解的能力，更有可能發現潛在的高價值情報線索、推出關鍵性情報產品。

六是大數據從手段上優化了作戰籌劃能力。在指控知識發現、指揮規則自主學習、指揮籌劃計劃與作戰任務的關聯分析等方面，已逐步實現對實時戰場態勢、作戰體系等大數據進行比較、分析、推理，能夠部分提供自主化目標選擇、計劃生成、方案評估等處理能力，促使作戰籌劃更合理更高效。大數據智能感知能力通過分析指揮系統中大數據流向變化和關聯性改變，可實現對作戰系統和重要作戰任務執行情況的自主化評估和推測性展現?；诖髷祿评碇С帜Ｐ?，可為作戰危急態勢處置方案生成提供決策支撐。

發展預測與前瞻思考

軍事大數據的重要發展趨勢是促進形成大數據思維。大數據思維在軍事領域的前瞻性、先導性地位越來越突出。美俄等國軍隊通過建立深度數據決策、全面數據管理的運行機制和管理模式，促進大數據的積累、整合、分析、深度挖掘和輔助決策的能力建設。軍事大數據是未來作戰的基礎性工程，“從數據到決策”的基本策略已成為大國軍隊獲取軍事優勢、實現理論創新的重要支點。根據世界主要防務智庫研究報告，軍事大數據對未來戰爭的影響主要體現在以下方面：一是解決戰場信息高速處理的瓶頸問題，使多域數據融合感知、認知和決策支持成為關鍵支撐;二是軍事大數據使指揮控制更加集中到作戰領域，使數據輔助決策向數據驅動智能決策轉變;三是推動作戰體系從信息化向自主化的整體轉變，作戰大數據能力的實質性提升使無人自主作戰成為可能;四是大數據與智能化結合更加緊密，戰爭形態的演化會更大程度取決于大數據科學與強人工智能的共同作用?？傊?，大數據必將奠定未來軍隊信息化的基礎，關鍵是實現超大規模數據資源的流動、獲取、積累和發掘等核心能力的跨進式增長。

軍事大數據的未來發展主要體現在基礎理論方法、前沿技術與工具、支撐平臺與環境、有效應用等4個方面。

一是大數據基礎理論方法的下一步發展，主要體現在大數據分析近似計算理論、基于數據樣本的自主學習方法、大數據驅動的云計算理論與算法、大數據壓縮傳輸與加密理論、大數據探測理論方法、面向流數據的分析規則與模型、復雜高維大數據的可視化理論方法、復雜信息體系演化預測模型、臨機處置決策支持模型等。理論上，在足夠小的時間和空間尺度上，對戰場空間數字化可以構造戰場空間的大數據虛擬映像。在擁有充足的計算能力和高效的數據分析方法的前提下，對這個虛擬映像的深度分析，將有可能理解和發現戰場的狀態和戰爭規律。應該說，大數據提供了全新的探知戰爭規律的手段，這也是大數據加速軍事變革最根本性的原因。大數據的時空復雜度亟需在表示、組織、處理等方面有基礎性、原理性突破。

二是大數據前沿技術方面的未來發展主要體現在以下方面。一是前沿基礎技術，包括高時效的大數據計算模型、優化檢測技術、新型大數據分析算法、大數據規則產生技術、大規模流數據在線-離線分析等技術、特定場景的線索數據智能感知、跨時空多尺度關聯計算技術、智能化理解技術、多源異構數據關聯挖掘技術。二是復雜演化分析技術，包括特定實體異構特征數據精準指向技術、整體畫像技術。三是大數據混合仿真技術。目前，國內外學者已在基于大數據和仿真混合模式的技術框架、大數據混合仿真技術機理和混合驅動引擎構建方法等方面有了初步進展。四是復雜場景下的線索獲取技術，目標跟蹤算法將新加入的數據樣本看作是非確定性標簽數據，可提高跟蹤過程中特征的快速和正確更新，從而提高特定目標與戰場背景的辨識精度，有效避免分類誤差。五是大數據智能分析技術。這是一種具有極強洞察力和數據線索優化分析能力的前沿技術，包括大數據知識圖譜的表示學習和線索數據的挖掘優化算法等，能夠更加深入全面及時地感知、分析和研判戰略態勢，精準預測和度量軍事風險。六是大數據智能感知技術，包括規則數據的深度前饋網絡、樣本數據序列建模、關聯數據演化概率模型、結果數據近似推斷模型等。

三是大數據有關支撐平臺與環境的未來發展主要體現在大數據云中心智能管理平臺、超大規模大數據云中心運行支撐環境、數據驅動的宏大資源智能調度與管理平臺、針對大數據編程現場的群智軟件開發環境等。

四是軍事大數據的未來應用有兩個代表性模式，即大數據云、大數據驅動的全局知識和危機態勢發掘。

大數據云首先是將地理分散的數據中心、作戰平臺、傳感器、武器系統等數據相互連接，構建成一個龐大的“戰場資源大數據池”，形成分散化“大數據云鏈”。其次，大數據云的技術特點和運行模式與智能化戰爭需求相一致，可更加全面地支持高效情報處理共享、快速靈活的反應能力、智能無人作戰等。大數據云的采集前端深度滲透到各分布節點的目標探測跟蹤、指揮決策、目標指派、火力分配、全程制導、毀傷評估的作戰流程，支持覆蓋“偵、控、打、評”全流程。大數據云與人工智能、無人技術的深度融合，推動形成了基于無人作戰的全新作戰樣式，成為智能無人作戰系統的大數據云后臺?；趶姶蟮拇髷祿坪笈_，個體智能將向群體智能演進，各類異構無人作戰平臺系統能實現無縫協同、動態適應，最終實現智能云端指揮、實時大數據服務、無人平臺分散執行的全新作戰模式。再次，在大數據云作戰模式下，一線作戰單元能得到云端的強大數據服務與支持，情報偵察、指揮決策、行動指控、效果評估等都轉移到大數據云端。最后，作戰體系逐步對應各自的大數據云模塊，不同的模塊核心能力各不相同。通過大數據流的利用，可以智能化、積木式、動態地組建有人與無人平臺的混合編隊?；谠贫藦姶蟮闹悄苡嬎愫痛髷祿治瞿芰?，可根據作戰態勢做出群集性、智能性的反應，大范圍、大編組的混合人機協同將變得更加高效。

大數據驅動的全局知識和危機態勢發掘是基于未來多樣化、動態大數據采集的環境，充分利用大數據相關的演繹技術、歸納技術、智能技術的組合來提取有效線索鏈。這涉及到大規模應用場景，源數據在結構和粒度方面是多樣化的，相關表示模型、主體分辨率和強弱關聯等處理能力常常起著關鍵的作用，發掘過程需要有效的元知識提取、概念框架充實、質量評估和應用機制等核心功能或能力的有效支持。

總之，軍事大數據能力建設，對世界各國軍隊掌握戰略主動權、全面拓展制認知權、提升關鍵競爭力，都將起到至關重要的作用。

責任編輯：葛? 妍