智能化作战对大数据支撑的需求分析

1 引 言

近 10 年以来，美军空军、DARPA、海军等多个部门持续强化多个相关的智能分布式作战概念，主要强调空间上的分布、功能方面的分散，可以动态调配/重组资源，形成自适应复杂体系，推动从消耗战转向机动战，从网络中心战转向决策中心战，进而形成作战优势。创新运用军事大数据、军事智能、云计算等新一代信息技术，以分散对分布，必将催生基于网络信息体系的联合作战、跨域作战样式加速演进，形成新的数据制胜优势。

本文重点针对智能化战场所面临的数据运用问题，研究提出了着重加强作战数据支撑作战样式创新理论研究、加强作战数据治理体系研究、注重以能力集成验证带动军事数据智能技术发展等需求，提出如何加快作战数据实战化的研究思考，为发展新型的智能化作战提供支撑。

2 智能化作战体系及其数据特征

2.1 智能化技术催生作战形态呈现智能特征

美国战略与预算评估中心（CSBA）分别于 2019 年 12 月和 2020 年 2 月发布《重夺制海权：美国海军水面舰队向决策中心战转型》和《马赛克战：利用人工智能和自主系统实施决策中心战》两份研究报告，强调充分利用智能分布式的马赛克作战的特点优势，实现以决策为中心的作战，达成“决策”优势，进而形成不对称优势。与此同时，美国防高级研究计划局（DARPA）、空军研究实验室等发展了体系集成技术与试验（SoSITE）、进攻性蜂群使能战术（OFFSET）、空中博格（Skyborg）等一系列的技术项目推动相关技术的发展。智能的、分布式的、动态的、集群式的作战方式正在逐步形成。这种智能分布式作战概念更加强调空间上的分布、功能方面的分散，可以动态调配/重组资源，形成自适应复杂体系，进而形成作战优势。新型作战体系产生了大量的异构的作战数据，作战数据形成的跨域信息成为战场上的重要资源。OFFST 系统组成与运用见下图。

2.2 数据已经具备明显的作战特征

2.2.1 数据来源趋于无限

智能化战场的作战域由单一化向复杂化转变，陆、海、空、天、网电等作战武器在智能化指挥下联合运用，作战范围纵深涉及物理域、信息域、认知域、社会域，作战方式呈现智能化、分布式、无人/有人协同。作战过程中大设备、小设备协同运用产生的观察、行动、态势数据，人在线决策和物在线决策产生决策数据源源不断增加，并伴随着智能化作战体系的扩大，战场数据来源趋于无限化。

2.2.2 数据类型趋于异构

在作战过程中，地面、空中、空间各维度、角度、距离的全方位探测信息和获取手段使得战场上涌现出大量视频、图片、地理位置信息，文电信息等等。这些数据结构复杂，呈现数据架构化、非结构化、半结构化特征。例如，战场目标特性大数据中，目标数据的属性特征趋于几维、几十维，甚至数百维发展，数据类型趋向于异构化。

2.2.3 数据数量趋于海量

各领域装备在智能化战场中协同运用导致作战体系中的数据呈现指数形式的增长。如探测装备中，探测装备涉及到侦察卫星、雷达、电子侦察机、无人侦察机、夜视仪、热成像仪、传感探测仪等，产生的情报、监视和侦察数据能够构成了最全面、直观的战场态势，通过自主关联、实时比对等态势数据处理方法的处理，原始数据又会产生海量的衍生数据，数据数量趋向于海量。

2.2.4 数据品质趋于难辨

智能化战场具有强对抗的特征，来袭目标复杂、作战样式多样、作战进程高动态、行动策略强突变等。在强对抗条件下，传感器获取的作战数据在质量、精度、完整性等方面难以保证。例如在干扰机的影响下，目标搜索雷达获取的数据质量明显下降，数据品质趋于难辨。

2.2.5 数据运用趋于极速

信息时代的现代战场态势瞬息万变，敌方作战目标具有隐身、高动态、强渗透的威慑力，对 OODA 回路的响应速度/决策精度等新需求。例如，数据从侦察探测系统导到打击系统的流转时间决定了体系的作战能力，急速的数据运用能够缩短火力打击控制信息的流转时间，为快速精确跟踪、定位和打击目标提供系统支持，支撑实现“发现即摧毁”。

2.2.6 数据目的趋于模糊

未来作战中敌方作战意图呈现多样化。例如智能化多用途导弹的作战意图可在飞行过程中随意改变。随着敌方作战意图的改变，战场数据的应用目的也趋向于模糊，作战数据运用的目的朝着多样化、层次化、不确定化等趋势变化。

3 作战数据智能化运用治理面临的挑战

3.1 解释性问题

大数据技术能够支撑原始数据与数据结果之间的映射，不需要通过分析作战过程即可得到作战模型。在大数据技术的驱动下，作战模型的灵活性和可解释性之间存在内在的权衡，其本质在于数据运用的边界封闭，战场数据能够描述整个 OODA 环的执行过程，但是其具有闭域特征，使得模型的可解释性降低。灵活性是指模型可以生成的用以适应智能算法的多种不同的可能函数形式的形状范围，因此模型越灵活，它产生的形状就能符合得越好，预测精度就越高。但是更灵活的模型通常更复杂并且需要更多数据来拟合，并且映射模型的估计通常变得太复杂以至于任何预测因子的关联都难以解释。

3.2 标准化问题

大数据的核心价值在于对多个不同来源的数据进行关联分析，因此包括数据格式、数据表征方式、数据标注方式、数据开放共享方式在内的相关标准就显得尤为重要。数据标准主要针对底层数据相关要素进行规范。包括数据资源和数据交换共享两部分，其中数据资源包括元数据、数据元素、数据字典和数据目录等，数据交换共享包括数据交易和数据开放共享相关标准。需要采用合理标准进行数据的规范，建立与分布式作战体系架构相适应的数据空间模型，高效准确的反映战场信息变化。

3.3 场景运用问题

场景应用有平台，平台之上有产品，产品背后有服务。平台、产品、服务持续运维、迭代升级，最终形成"场景一大数据一场景升级一大数据一场景再造"这样螺旋式上升的场景链。场景在持续迭代升级中实现了大数据跨界融合，催生更高层次的场景应用，进而衍生出新的产品和服务。为了实现大数据挖掘技术与OODA 环路中的各环节相匹配，需要在智能化作战数据治理中应当考虑运用场景问题，根据具体场景选取具体数据，设计相应的模型算法，只有将场景和业务价值想清楚了，利用大数据技术来建立各种解决方案和技术架构才真正有价值。

3.4 实时性问题

作战大数据的实时性挑战主要表现在三个方面。一是数据存储的实时性。大数据存储不同于传统数据的存储，既要求存储容量大、存储类型多、存取速度快，还要求支持数据资源的分析与挖掘。二是数据访问的实时性。战场每个节点都在高速移动，并且生存和死亡的不确定性，两三秒间，战机已经飞的很远，随着技术的进步，对空作战复杂性在不断提高，这导致各作战单元端与云平台之间的并发式访问数量增加，传输的大数据种类也在不断提升。三是网络传输的实时性。“秒回”是对大数据时代网络传输能力的形象描述。可借助高速宽带技术、5G 技术建设数据“高速公路”，实现数据的高效传输。

4 智能化作战对大数据技术研究的需求

大数据技术是支撑智能化的核心技术，对作战全流程起到智能支撑作用。在未来空战体系趋向智能化、自主化的过程中，大数据技术的研究需要注重顶层架构设计，有针对性的深化技术和方法，并做好共享和保障措施，大数据在未来空战中的重点应用研究如下。

4.1 支撑体系智能的大数据架构理论研究

随着信息域网络技术的发展，对空作战体系所涌现出的数据包含了认知域、信息域、物理域等多域交叉复杂的数据源，对空作战大数据与对空作战体系一样表现出较强的复杂性，为以目的为牵引的数据挖掘形成障碍。因此，需要基于对空作战流程，构建能够支撑智能作战的大数据架构，大数据结构应当与对空作战体系架构相匹配，包含场景大数据、任务大数据、功能大数据、服务大数据、指控大数据、要素大数据等，每层包含相对应作战流程的所有数据，且每层之间具有关联性，对每一层大数据挖掘的结果牵引着下一层的挖掘目的，支撑对空作战体系的智能化。对空作战大数据架构如下图。

（1）场景大数据是只能够描述作战场景的数据，包含对空作战中的所有典型的场景和非典型的场景。场景大数据是支撑作战体系的适应性变化，可根据不同的场景驱动作战架构自调整，以适应瞬息万变的空战场景。

（2）任务大数据驱动任务生成建模，以实战、仿真、试验中的任务为基础组成的数据资源池，结合场景大数据建立不同的任务驱动模型，支撑不同的场景自主选择任务类型，任务组合，进而产生任务指令生成。

（3）功能大数据含有空战体系的所有功能，驱动资源调动建模，能够根据不同的作战任务驱动功能选择，调动资源生成作战能力。

（4）服务大数据包含不同作战区域的所有服务数据，如地形、气候、天气、温度、湿度等，服务于作战资源的优化配置。

（5）指控大数据可驱动认知作战指控，将各种传感器获取的敌、我、友的海量数据进行快速准确的收集、传输、融合、处理和呈现，从而形成战场综合指控。

（6）要素大数据涵盖所有作战资源要素，既能够根据指控层形成的指控数据对要素数据池进行计算，也能够及时汇总作战资源状态传输到作战体系。

4.2 支撑协同作战的大数据处理技术研究

数据互传是实现协同作战的基础。作战体系大数据从原始数据探测到指挥控制中心进行处理挖掘，再到协同分布的作战单元支撑作战体系智能化需要经过数据整理、数据清洗、数据挖掘、数据预测等一系列大数据处理方法，并最终利用可视化的手段将挖掘结果呈现于指挥员。

（1）数据语义标准。

对空作战体系大数据包含了多域交叉的数据源，多类型传感器获取的不同数据，多格式并存的数据样式。在协同作战过程中，电磁数据、光学影像数据、坐标数据、文本描述数据等多种格式的数据汇聚而成的大数据提高了数据传输和共享的难度。需要利用语义分割、标准化、格式化等数据整理方法，形成格式统一的作战体系大数据，支撑各作战单元之间的数据无缝衔接。

（2）数据清洗策略。

在协同作战过程中，通过各个感知终端和网络获取数据后，只有经过一定的清洗和处理，这些初始获取和收集的数据才有可能用于支持实时的作战体系运行、作战计划制定、作战行动调控和战后评估分析。对数据进行清洗应当根据数据使用范围和数据价值引导来制定各层遵守的数据清洗策略，统一数据筛选尺度。数据清洗的目的主要是使初始的战场态势大数据既能与各种感知终端和信息通信网络的传输与处理能力相适应，保证其在协同作战战场网络信息体系内流转，又能确保其本身具有价值和精确性，从而满足协同作战指挥和行动对战场态势感知的差异性需求。

（3）数据挖掘方法。

实现基于大数据的作战体系能力提升，必须要有全面、准确、有效的战场大数据挖掘方法。战场大数据的数据来源主要有战前的准备、战时的采集以及对隐性数据的深度挖掘。数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。

（4）数据可视化方法

作战体系大数据具有无形化，需要概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从作战指挥需求的角度，研究有助于快速理解战场态势的数据可视化的方法，让关键的大数据挖掘结果呈现在指挥员面前，提高指挥决策效率。

4.3 大数据驱动智能智能化建模方法研究

智能化战场能够将海量的数据汇聚到云平台，利用大数据技术对这些数据进行挖掘，驱动作战过程建模，可为云平台的智能化赋能。

利用大数据技术驱动云平台的智能化最重要的是需要从大数据中找出事物的规律性特点，建立过程模型，当新的任务生成时，云平台可利用模型带入新的数据，从而预测未来的数据。因此，基于大数据所建立的模型的科学性和合理性是云平台智能化水平的关键。大数据建模技术在智能战场中的位置如下图所示。

从上图可以看出，大数据建模技术是基于大数据处理技术，结合实时数据对模型的即时校正完成的，并将模型驱动的计算结果传递给云平台。大数据建模技术由多种复杂的基于数学模型的大数据挖掘方法组成，包括分类、预测、估计、相关性分析、聚类、描述和可视化、数据同化、模糊理论、统计分析等。因此，研究具有对空作战特征并能够嵌入云平台的大数据建模方法和技术，建立大数据驱动的认知和最优化模型，实现高精度的预测，使云平台具有智能化，支撑未来空战。

4.4 作战大数据共享及服务保障策略研究

安全性是战场大数据的重要特征，这与作战体系的秘密性相匹配。利用大数据驱动的智能云平台是一个网络化的信息体系，按照有关要求必须采取数据安全防护措施，遵守一定的安全保密规定。为了满足系统的安全防护需求，需要研究如何通过采用身份认证、访问控制、信息加密、安全监控和数据容灾等安全防护技术，在网络、计算环境、应用、数据和管理等五个方面建立安全保密防护体系。

数据共享是协同作战过程中重要的信息交互环节，各种端装置所收集的大数据不仅只为本系统服务，而是需要为其他系统所共享。研究数据共享机制，在建立的云平台或数据共享平台的各层数据架构建设的基础上，实现数据的集成和共享，可以使得各级各层之间和各作战单元之间能够即时的进行数据交换和数据服务。

4.5 基础支撑技术需求研究

（1）数据存储技术

大数据存储不同于传统数据的存储，既要求存储容量大、存储类型多、存取速度快，还要求支持数据资源的分析与挖掘。随着数据资源的飞速发展，作战数据的体量已远远超出单机或单个数据工作站的存储和处理能力，应研发标准化大数据仓库、数据资源池、云存储、分布式存储等数据存储技术，解决集中式数据存储的局限。

（2）并发访问技术

战场每个节点都在高速移动，并且生存和死亡的不确定性，两三秒间，战机已经飞的很远，随着技术的进步，对空作战复杂性在不断提高，这导致各作战单元端与云平台之间的并发式访问数量增加，传输的大数据种类也在不断提升。需要研发能够支撑“云到端”过程中可靠性高、实时性强的多终端并发访问技术，保障作战体系的敏捷性。

（3）网络传输技术

“秒回”是对大数据时代网络传输能力的形象描述。据了解，美军新一代指挥信息系统基于全球信息栅格组网，使通信系统容量提高数百倍，具备用户提出请求 5 秒内提供相应服务的能力。可借助高速宽带技术、5G 技术建设数据“高速公路”，实现数据的高效传输。

（4）安全保障技术

网络安全是对空作战过程中信息链路的重要保障，需要努力增强数据保障能力，提高未来作战中数据和信息的安全性。

5 加快作战数据实战化的研究思考

5.1 着重加强作战数据支撑作战样式创新理论研究

当前大数据技术的研究主要聚焦在典型场景下的关键技术攻关，而对于作战理论基础支撑的研究不足，尤其是在作战样式、制胜机理、体系架构的创新研究方面呈现整体布局匮乏的局面，难以有效支撑大数据技术在军事系统中的广泛应用。加强作战数据支撑作战样式创新理论的研究，需要从作战数据中发现有价值的战争机理，深度耦合大数据技术与作战样式之间的关联合关系，基于这些机理制定作战决策，从空间、时间、能量上获取作战的优势，实现对作战样式的创新。

5.2 加强作战数据治理体系及相关关键技术研究

作战大数据作为的前沿新型科技已成为新一轮军事变革的强大驱动力，促生新型作战样式及制胜机理。但作战大数据同时具有大数据的“4V”（是指数据量、种类多、范围广、单一信息量少）特征，需要对数据进行治理，衍生出一条全新的以数制胜作战链条。如何低成本、快速有效地将数据梳理和管理起来，需要从以下三个方面加强作战数据治理体系的研究。一是明确数据管理方法，实现数据管理的自动化。二是建设数据治理方法，实现数据标准化运用。三是发展数据应用方法，实现数据安全共享和高效使用数据。

5.3 注重以能力集成验证带动军事智能及数据技术发展

装备体系化、体系智能化、智能实战化是机械化、信息化、智能化融合发展的重要趋势，谁掌握了制智权，谁就将掌控未来战争的制胜之道。智能化战场包含全新能力的作战装备，智能化战场上的数据运用面临数据治理体系创新，后续将系统性支持开展面向大数据技术能力集成验证的平台技术研究，建设新型作战能力孵化平台，为下一代具备“智能、协同、云化”的防御体系及武器系统装备研制打造新型基础底盘，支撑军事智能技术及大数据技术发展。

6 结束语

本文重点针对智能化战场对大数据支撑的需求问题，首先分析了数据作为新型作战样式基本要素的发展趋势，提出了数据来源趋于无限、数据类型趋于异构、数据数量趋于海量、数据品质趋于难辨、数据运用趋于极速、数据目的趋于模糊等基本特征；其次，综合分析了作战数据支撑智能化运用所面临的解释性、标准化、场景化、实时化等技术挑战，最后提出了着重加强作战数据支撑作战样式创新理论研究、加强作战数据治理体系及相关关键技术研究、注重以能力集成验证带动军事智能及数据技术发展等顶层思考建议。

参考文献：

[1]黄长强.未来空战过程智能化关键技术研究[J].航空兵器，2019，26（1）：11-19.

[2]季华益，唐莽，王琦.基于大数据、云计算的信息对抗作战体系发展思考[J].航天电子对抗，2015，v.31;No.153（06）：3-6+13.

[3]尹明.美军“大数据”作战运用实践及其启示[J].科技风，2017（18）.

[4] 田省民， 雷迅， 陈哨东， 等. 未来空战全向攻击的需求分析[J]. 电光与控制，2013（02）：15-18.

[5] 王菊， 刘付显， 靳春杰. 大数据技术在美军中的现状分析[J]. 飞航导弹，2018，No.400（04）：16-19+24.

[6]李建平，曹炳华，任逸然.大数据在未来作战中的应用研究[J].网信军民融合，2018，019（12）：28-30.

[7]温鸿鹏，刘捷.运用大数据增强战场态势感知能力[J].中华医学图书情报杂志，2018，27（4）：33-36.

[8]雷良水，杨瑞平.面向大数据的作战指挥控制研究[C].2014 第二届中国指挥控制大会.0.

[9] 常德飞， 张贺普， 孟天夫. 大数据在作战指挥决策中的运用分析[J]. 科技风，2018，No.346（14）：90.。

[10]伍文峰，郭圣明，贺筱媛，胡晓峰.基于大数据的作战体系协同时序网络分析.指挥与控制学报，2015，v.1（02），32-41.

[11]于丹，王巍，盖振伟，等.大数据技术在武器装备上的应用研究[C].第十二届全国信号和智能信息处理与应用学术会议

[12]伍文峰，胡晓峰.基于大数据的网络化作战体系能力评估框架[J].军事运筹与系统工程，2016，30（02）：26-32.

[13] 胡晓峰. 大数据时代对建模仿真的挑战与思考[J]. 军事运筹与系统工程，2013（04）：7-14.

[14]倪裕豪，倪国新，孙晓闻.基于云计算的空中编队协同作战研究[J].电子测量技术，2017（3）.

[15]蔡俊伟，龙海英，张昕，等.有人机/无人机协同作战系统关键技术[J].指挥信息系统与技术，2013，4（2）：10-14.

[16]曾杰.《美国国防部云计算战略》浅析[J].网络安全技术与应用，2019.

[17] 杨 波 . 基 于 云 计 算 的 作 战 数 据 存 储 系 统 研 究 [J]. 现 代 电 子 技术，2013（19）：20-22+27.

[18]高峰.基于云计算的作战数据服务研究[J].计算机与网络，2019，45（10）：72-