查看原文
其他

基于多模态数据分析的典型智能化军事应用

Cismag 信息安全与通信保密杂志社 2022-06-06

摘 要

随着计算机网络与信息通信技术的发展,数据积累爆炸式增长,并越来越呈现出多源异构的特点,基于不同模态下数据的检索与融合分析成为了近年来的研究热点。通过介绍多模态数据分析的特点与技术要点,并结合军事领域需求牵引,研究提出多模态数据分析在军事智能化发展中的典型应用构想。

内容目录:

1 研究现状及不足

1.1 研究现状

1.2 研究不足

2 多模态数据分析及军事运用特点

3 典型智能化军事应用

3.1 在作战指挥中的应用

3.1.1 高效指挥筹划

3.1.2 精确作战控制

3.1.3 全面作战评估

3.2 在军事训练中的应用

3.2.1 训练数据分析

3.2.2 训练效能评价

3.3 在部队管理中的应用

3.3.1 军事信息安全管理

3.3.2 部队日常建设管理

3.3.3 军队院校教育管理

3.4 在后装保障中的应用

4 结 语

随着大数据、人工智能等技术的发展,针对多种不同类型数据的智能化处理方法不断涌现,为人类社会的飞速发展注入新的活力。数据在以前所未有的速度快速积累的同时,各行业为进一步完成对数据的高质量采集、处理、知识提取、分析挖掘、融合应用和有效管理提出了更高的要求。利用海量、多源、异构以及多模态的特点,提高数据资源的利用率,对促进社会政治、经济、军事和科技等领域的发展均具有重要意义。
我军的军事数据建设经过几十年的发展,已经初步构建了军事数据保障基本体系,具备一定的数据保障能力。随着联合作战指挥体制改革的不断深入,军事数据的融合逐步开展,数据保障逐渐由静态采集数据向动态分析运用转变,由单一模态向多模态数据融合转变,由基于历史数据分析向实时分析数据转变,这都要求对军事数据进行更高层次的管理组织和分析运用。

1


研究现状及不足

信息化战争是一种充分利用信息资源并依赖于信息的战争形态,目前世界主要军事大国均处于从机械化向信息化转型的发展阶段,并取得了一定的进展。未来随着大量军事数据的产生,以及新的战争形态演变,智能化战争将成为长期一段时间的研究课题。然而,当前对信息资源体系建设以及军事数据融合运用的研究还远不及智能化发展需要。
1.1 研究现状
未来战争是围绕陆、海、空、天、电、网、核、认知等多维空间的信息化全域作战,决定战争成败的关键是以数据为支撑的体系对抗能力。20 世纪以来,美国在军事数据领域陆续开展了一系列的研究。早在 2003 年,美国国防部就颁布了《国防部网络中心数据战略》;2004 年,美国国防部又颁布了《国防部网络中心数据共享》指令,并于 2007 年进行了修订,成为全球信息栅格数据建设的战略性指导文件;2012 年,美国政府发布《大数据研发倡议》,将大数据尤其是军事大数据发展作为一项国家战略,同年,美国国防部高级研究计划局(Department of Defense Advanced Research Projects Agency,DARPA)推出了能同时分析结构化数据和非结构化数据的 XDATA 项目;2020 年,美国国防部又发布了《国防部数据战略》,提出了人工智能数据训练是战略中 8 项重要原则之一。
我军的数据建设与美国相比相对滞后。2003年,我国制定了数据集成、应用字典、分类代码、联合共享和保障流程等相关的法规标准和技术规范,初步形成了军事数据库标准体系;2015 年,在“十三五”规划当中首次提出“国家大数据战略”;同年,国务院印发《促进大数据发展行动纲要》;2017 年,工信部编制印发了《大数据产业发展规划(2016—2020 年)》;2021 年,工信部又印发了《“十四五”大数据产业发展规划》。近年来,关于军事数据领域的研究与讨论也愈发激烈,2013 年,丁佐杉等人 围绕作战指挥过程中的辅助决策问题,提出运用基于知识提取的模糊综合评价系统,结合多元统计分析、人工神经网络(Artificial Neural Network,ANN)等多路径决策技术,对作战指挥过程中具体的兵力机动、兵力与火力运用和敌方威胁等进行深入分析;2017 年,王荣生等人 围绕信息处理的高效与准确,提出利用大数据采集分析和智能化应用等技术,及时处理大量、多维度和多模态的侦察情报信息;2018 年,韩曜权等人  围绕军事训练计划的制定与实施,提出了运用主成分分析(Principal Component Analysis,PCA)方法对大量、多科目和多维的军事训练数据进行降维,通过对训练数据的聚类分析,能直观反映出各类人员的训练特点。
1.2 研究不足
基于现有的国内外研究,我们总结得到单模态数据和非结构化数据在军事数据分析中有诸多不足,难以满足新时期军事应用需求,具体表现为以下几个方面。(1)现有研究与实践不能满足对大量多源异构军事数据的深度开发与运用。随着军事数据建设的不断推进,军事数据库中数据类型愈发多样,不仅有表格、数据库等传统的结构化数据,更有海量增长的文本、图像、音频和视频等非结构化数据。面对海量的非结构化数据,2020 年,文伟军等人基于军事领域数据库,提出了基于本体的军事行动专题数据库整体框架,主要针对单模态非结构化数据的整合构建。但是,单模态数据提供的信息不够准确和全面,依靠人工提取信息的效率又很低,无法满足海量多源异构军事数据的运用需求。(2)现有研究与实践不能满足多种类型军事数据资源的高效组织管理。为适应一体化联合作战需求,提升作战数据保障效能,数据综合治理和数据交换集成多使用结构化数据标注的方式。2020 年,王国威等人提出了使用元数据描述非结构化数据,但是非结构化数据之间并没有得到有效的关联和统一组织管理,无法满足多种类型的军事数据资源高效组织管理需求。(3)现有研究与实践不能满足联合作战指挥决策的军事数据综合运用。为适应在新形势下的联合作战信息保障需求,需要利用各军兵种、各专业领域和各类感知系统等多种来源的数据形成综合态势信息,并提供关键信息,提取专题数据信息,保障指挥信息系统运行,为联合作战科学指挥决策提供数据支撑。2018 年,籍素芳 分析了各军兵种的作战对象、作战背景、通信方式的不同,认为各军兵种指挥控制信息系统之间普遍存在着“信息烟囱”现象。单模态数据处理方式很难为指挥员和指挥机构提供作战所需的信息、更加丰富的全局视图以及局部视图,无法满足联合作战指挥决策的军事数据综合运用需求,需要尝试开展面向联合作战的多源信息整合技术研究。

2


多模态数据分析及军事运用特点

随着多媒体技术和信息手段的广泛应用,对同一数据信息的获取可以有不同形式或者不同来源的视角,每一种视角都可以称为一种模态。我们称两个或者两个以上模态数据的组合为多模态数据。根据模态数据的形式和来源差异,把多模态数据分为异构多模态数据与异源多模态数据。异构多模态数据是指由不同的媒介生产的模态数据,包括文字、图像、照片、声音、动画和影片等。异源多模态数据是指来自不同传感器的同一类媒介产生的数据。大数据时代,多模态数据对同一对象的描述存在外在异构异源和内在语义一致的特征。不同的模态数据能够描述观察对象在同一特定角度下的特征。
数据是信息的重要载体,军事数据是为实现某一军事目的,从大量采集的军事信息当中,通过对数据的提取、分析和处理,为指挥决策、军事训练、部队管理、后装保障和效能评估等军事活动提供有价值的信息。军事数据也呈现出明显的模态多样性,在其运用过程中具有的主要特点如下文所述。(1)军事数据的表达方式较为复杂。军事数据不是单纯的统计数字,是诸多与军事活动密切相关的数字、文本、图片、音频和视频等数据的统称。随着数据采集手段越来越成熟,这就决定了军事数据的表达方式较为复杂,原始数据的标准无法统一,数据的输入呈现出结构多样和模态多样的特征。(2)军事数据的分类方式较为多样。依据军事数据的来源不同,可以分为统计数据、训练数据、试验数据和仿真数据等;依据军事数据的用途不同,可以分为作战指挥数据、军事训练数据、部队管理数据和后装保障数据;依据军事数据采集的对象不同,可以分为敌情数据、我情数据、社情数据和环境数据。军事数据的分类不同,导致了数据的呈现需求也不相同。(3)军事数据的适用范围较为广泛。2020年,美军正式提出联合全域作战(JointAll-Domain Operation,JADO)概念。这也印证了军事数据的适用范围实际上是覆盖了陆地、海上、空中、空间、网络、电磁、核现代化和意识形态等所有军事领域,涉及侦察监视、地理信息采集、气象水文和网络安全等诸多方面。军事数据广泛的适用范围,也决定了不同领域的数据必然是多模态的。(4)军事数据的处理方式较为困难。随着各个领域、各种类型的军事数据不断积累,具有体量庞大、标准不一和模态多样的特点,对军事数据的统一描述、语义一致、关联融合和共享同步等问题的处理难度不断加大。

3


典型智能化军事应用

在大量多模态数据的理解与认知过程中,我们发现最离不开的便是多模态数据融合任务,在军事应用领域同样如此。在许多实际应用中都将大量的多模态数据汇总到一起以达到更精确的信息描述。在此基础上,经过融合的数据还能被用于许多其他任务中,其中最为常见的便是多模态数据检索任务,这关乎数据的质量与精准度。因此,多模态数据融合技术与多模态数据检索技术是多模态数据分析与应用的核心。在军事领域,围绕多模态数据分析的核心技术,基于多模态数据分析的智能化军事应用具有以下优势:一是多模态数据能够提取更丰富的信息,通过不同模态数据之间的相互支撑、修正和融合,可以更深入地理解和剖析待描述的军事活动;二是多模态数据能够提供多视角的描述,通过不同角度的数据进行彼此之间的集成与补充,提高军事目标所含信息的精确度与稳定性;三是多模态数据能够获得更强大的应用效果,通过数据对信息的不同敏感性,在对军事信息进行捕捉时可以达到多方位的收集和解剖,增强信息的多样表达性和多模呈现性;四是多模态数据能够达到更稳定的系统性能,在军事信息对抗与信息加密上由于不同模态的相互加持,增加了鲁棒性、抗干扰性和自控性,通过采用多模态数据进行描述与处理,提高了对信息质量的要求 。
3.1 在作战指挥中的应用
实时态势感知。《孙子·谋攻篇》提到:“知己知彼,百战不殆。”对战场态势的实时感知是后续指挥员进行正确指挥筹划和精确作战控制的关键。在信息化和智能化战争中,各类军用传感器应用广泛,将各种传感器获取的敌方、我方和友方的海量数据及地理信息、气象水文和社会舆情等环境信息进行快速准确的采集、传输、融合、处理和展现,围绕多模态数据特点,利用强大的数据处理和分析功能,综合形成战场态势,生成各类实时态势图。
3.1.1 高效指挥筹划
指挥筹划是各级指挥机构及其指挥员依据作战意图和综合战场态势,对军事行动的运筹谋划和决策判断,是将作战任务转化为具体行动的重要环节 。正确的指挥筹划是主观作战意图和客观战场态势统筹分析的结果。为实现正确的指挥筹划,一方面,需要具备云数据存储能力,通过基于网络的数据存储,为各类实时的作战行动、支援保障和战场态势变化等信息资源提供巨大的数据容量;另一方面,需要具备快速数据融合运用能力,基于不同模态数据的特点和处理策略,运用科学的数据融合方法和规则,将存储的各类军事数据资源形成语义一致的战场情报,为各级指挥机构和指挥员提供全方位、全天候的决策支撑服务。
3.1.2 精确作战控制
作战控制是各级指挥机构及其指挥员对指挥编组内任务部队及其他参战力量进行组织、协调、掌握和制约的活动,是贯彻和实现指挥员意图的直接保障 。为实现精确的作战控制,及时的信息获取与分发是问题的关键,一方面,需要具有实时高效的多模态信息获取和处理能力,为实现“发现即摧毁”的精确打击需求,通过对武器状态、遥感图像、红外、激光和雷达等多模态数据的采集与处理,将侦察探测系统、远程精确打击武器和武器控制平台互联互通,通过提供实时、准确的时空信息和目标定位,为快速精确打击提供系统支持;另一方面,依托海量多模态数据支撑的分布式指挥体系,使指挥决策及时下达,通过对多模态数据信息的及时传递,实现了指挥平台、作战平台和武器平台的一体通联,有效减少信息中转,缩短指挥链条,使指挥体系趋于扁平化,从而实现指挥员对末端作战单元和武器平台的精确控制。
3.1.3 全面作战评估
作战评估是各级指挥机构及其指挥员围绕前期作战意图或作战任务,依据科学的评估理论和先进的评估方法,对作战行动的效果进行评价和估量 。进行全面的作战评估是完成作战行动的重要保障,也是检验作战行动效果、指导后续作战行动的重要途径。为科学有效地进行作战评估,一方面,需要获取实时、准确和全面的战场数据,通过各类武器装备的传感器和战场中各作战空间的侦察设备,可以实时进行海量、多源和多维的信息获取,为实施作战评估提供可靠依据;另一方面,需要熟练掌握科学的评估方法,依据评价目标特点,运用大数据分析和云计算技术快速处理战场数据,分析作战效果,对摸清敌我状况,及时准确把握战局,辅助指挥员和指挥机构在评估作战方案、掌握战场态势和作战效果等方面,发挥了重要支撑作用。
3.2 在军事训练中的应用
随着军事大数据逐步发展,训练的数据化特征日益凸显,在训练实施中,全时段、多维度的数据采集体现了训练过程的数据化,通过采用虚拟训练系统和兵棋推演系统等模拟仿真系统组织训练,体现了训练手段的数据化,实现军事训练管理从“以经验为中心”向“以数据为中心”转移,体现了训练理念的数据化。多模态数据在军事训练中的应用主要体现在训练数据分析和训练效能评价两个方面。
3.2.1 训练数据分析
在军事训练过程中会产生大量训练数据。针对单兵训练的数据分析,结合当前军事训练的要求和特点,运用大数据思维对长期训练中积累的大量控制点数据、任务点数据,以及同类岗位人员的横向数据和纵向数据进行挖掘,总结提出不同训练科目的一般规律。针对基于联合的综合演练数据分析,围绕演练中大量初始的想定数据、过程中的文电数据、结果的态势信息,以及参演人员数据进行分析整理和深入挖掘,发现演练中的不足,总结演练中的经验,提升各级指挥员的指挥综合素养 。
3.2.2 训练效能评价
训练效能评价是对军事训练效果的一种反映,同时又指导下一阶段军事训练的开展。针对单兵训练效能评价,主要围绕军事训练的时间要求和标准要求等进行综合考察。针对基于联合的综合演练效能评价,主要避免关键数据信息的缺失和演训评估数据的浪费,着力解决综合演练过程中数据的采集、整编、存储、分析、加工和呈现等难题,提升评估的质量,达到评估的效果。针对作战实验的事后分析,可以在分布式存储和并行运算技术的基础上,通过关联挖掘算法对多源异构的多模态作战实验数据进行全面深入挖掘,为作战实验的事后分析提供了一种新思路。
3.3 在部队管理中的应用
实现部队的高效管理和精确管理,离不开数据的驱动。当前,随着军事信息资源爆炸式增长,部队管理问题也面临着从有序到无序的巨大挑战。尤其是在部队的信息安全、日常管理以及人才培养当中,存在着越来越多的不确定性,但随着对信息资源的整合也将产生巨大收益和无限可能。
3.3.1 军事信息安全管理
军事信息安全管理是无形战场的斗争,涉及网络、电磁和意识形态等领域。尤其是美国利用其独有的互联网中心服务器优势获取信息,通过信息融合和知识提取技术进行关联分析和推理,并产生高质量的情报产品,给他国造成巨大威胁。为确保军事信息安全,需要技防和人防相结合。一方面,通过数据源抓包、数据预处理和建立规则库等方式,运用关联规则、异类分析和聚类分析来发现和查找病毒特殊数据,可提高复杂网络数据流中异常数据挖掘的准确率,提升网络入侵检测、网络病毒监测和网络病毒防御的能力;另一方面,提高个人思想认识,避免公开信息平台泄密,防止他国利用其网络搜索日志、网络新媒体信息和移动终端位置信息等数据形成的网络拓扑结构和内容属性进行目标特征挖掘和社会舆情监控等行为。
3.3.2 部队日常建设管理
在部队日常管理中,仅部队日常的表格、系统、报告和纸质登记本就纷繁复杂,在解决部队日常管理和信息化建设的基础上,也存在漏记、错记和重复登记等诸多问题,给部队管理同样带来了很大的负担。通过对不同模态数据预处理,解决对缺失数据、无效数据和异常数据的处理,在此基础上进行基于关联规则的数据挖掘,通过进行标准化数据转换,实现语义一致和模式对齐,进而打通数据壁垒,提高信息化工作效率,为减少“五多”问题提供数据解决方案。
3.3.3 军队院校教育管理
习主席指出“强军兴军,要在得人”,院校教育管理也是部队管理的一项重要内容,关乎部队人才建设和未来发展的希望。随着大数据向教育领域的延时与应用,军队院校的教育大数据也应受到关注。尤其是基于多源、多维的考核评价数据分析,能够更加全面地反映院校的教育质量,对综合衡量课程评价、学员学习收获、验证终结性考核试题合理性、构建完善课程体系、优化人才培养方案和提升人才培养质量等问题具有重要支撑。
3.4 在后装保障中的应用
基于智能推荐的装备动用。装备动用是为了达到一定的军事目的而改变装备的静止状态的过程,其实质是在部队装备管理法规约束下,为满足部队日常战备和非战争军事行动等各项任务需求,主要依据装备的摩托小时储备等技术状态信息,按照一定的策略确定每个任务动用哪几台装备,从而决定每台装备的摩托小时消耗速率和开展预防性维修的时间。装备动用应综合考虑装备生命周期的主要活动节点、装备动用策略与训练任务、装备摩托小时、区分动用要求、预防性维修制度和故障检修活动等因素彼此制约和影响,复杂度较高。因此,在装备动用的多模态数据分析中,结合任务需求、库存装备各项技术状态和装备动用的各项约束性条件等,通过对武器装备多模态数据的融合,可以形成科学合理的装备动用策略和装备梯次储备策略,指导改善装备预防性维修的工作安排,提升装备完好率,更好地完成军事行动。全系统、全寿命、全要素、全过程的装备保障是以数据为核心,在标准、规范、稳定的数据环境下,以信息资源规划、数据架构建设及数据模型设计为基础,将装备保障的信息资源进行“大集中”,实现装备数据的共享交换、决策支持和信息服务。装备保障的数据融合应充分发挥海量信息资源及信息技术专家、保障业务专家等先验知识的优势,以指挥机构关注的后装保障决策重点、难点问题为牵引,对装备保障信息资源进行融合,通过数据仓库、数据挖掘、数据分析以及可视化展示等方式进行保障模式挖掘、规律分析、趋势判断以及能力评估等操作。装备保障业务体系庞杂、覆盖范围广,在业务运行过程中产生了海量信息资源,形成了装备保障“大数据”。通过多元多维的多模态数据分析,能够形成用于决策支持的数据产品和咨询报告,为决策机构提供信息服务,实现装备状态的及时预警、装备故障的精确隔离、装备维修的智能引导、装备供应的决策优化和装备保障的能力评估,进而提升装备保障的综合水平。

4


结 语

数据作为国防建设与发展的“血液”,遍布军事领域的每一个角落。本文围绕当前军事数据建设现状与多模态数据发展趋势的矛盾,通过对多模态数据分析及其特点归纳,提出了多模态数据分析在作战指挥、军事训练、部队管理和后装保障等军事领域的智能化应用构想,为实现军队现代化建设提供有效的数据支撑。

引用本文:宗滕 , 吴松涛 , 周春华 . 基于多模态数据分析的典型智能化军事应用 [J]. 信息安全与通信保密 ,2022(2):9-16.

作者简介 >>>

宗 滕,男,国防科技大学博士在读,信息工程大学讲师,主要研究方向为数据融合分析与应用;

吴松涛,男,博士,副教授,主要研究方向为装备管理与保障工程;

周春华,女,博士,副教授,主要研究方向为管理科学与工程。

选自《信息安全与通信保密》2022年第2期(为便于排版,已省去参考文献)

商务合作 | 开白转载 | 媒体交流 | 理事服务 
请联系:15710013727(微信同号)
《信息安全与通信保密》杂志投稿
联系电话:13391516229(微信同号)
邮箱:xxaqtgxt@163.com   
《通信技术》杂志投稿
联系电话:15198220331(微信同号)
邮箱:txjstgyx@163.com
谢谢您的「分享|点赞|在看 」一键三连

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存