信息系统工程重点实验室由国防科技大学、中国电子科技集团公司第二十八研究所和航天科工十七所联合建设，其中国防科技大学为实验室主任单位。实验室建设的目标是建立信息系统顶层设计和系统集成的自主创新研究基地，提高我国在该技术领域的应用基础研究能力，培养高水平的专业技术人才，为实现国防科技的跨越式发展提供技术支撑。

【1】全域资源统一信息空间构建技术

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

（1）针对全域资源多领域、多模态的问题，研究数据标准统一的多领域信息表征整合关键理论与技术，整合指挥与通信、武器与火力、人员与保障等各类信息资源，覆盖陆、海、空、天、网等各军事领域；

（2）针对指挥、火力等系统信息分布不均衡的问题，研究特征层面无偏的统一信息表征技术，构建领域无偏的信息表征模型；

（3）针对多领域信息协同性弱的问题，研究多领域信息融合的联合表征技术，构建结构化与非结构化知识深入融合的统一信息表征模型；

（4）研究基于全域资源统一信息空间的资源应用服务方法，验证指挥、通信、侦察、火力、保障等资源信息的深度融合与统一。

技术指标

（1）具备特征层面无偏信息表征功能，偏差类型不少于2种，表征准确率不低于80%；

（2）支持多领域信息融合的资源联合表征，对齐准确率不低于80%；

（3）资源信息涉及军事、经济、政治等不少于3个领域，涵盖文本、图像、语音等不少于3个模态；

（4）支持基于统一信息空间的资源检索、问答等并发服务。

成果形式

（1）特征层面无偏的统一信息表征算法1套；

（2）研究报告2份；

（3）发表学术论文不少于2篇；

（4）受理/授权发明专利不少于2项。

支持经费：25万

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

（1）领域知识形式化表示方法研究：针对现有的领域知识难以表述、难以集成的问题，研究基于概率图模型的知识形式化表示方法，以及领域知识与数据的融合方法；

（2）智能决策模型的构建方法研究：针对直接从数据构建模型的NP难问题，研究领域知识引导的智能决策模型构建方法，搜索空间压缩方法，以及基于强化学习的搜索方法，解决智能决策模型选择的组合优化问题；

（3）智能决策模型的可解释方法研究：针对传统机器学习模型结果难以解释的问题，研究基于贝叶斯网络的决策模型解释方法，并从因果学习的角度探索模型解释的一般流程，从而提升模型的可信性，降低军事领域应用难度。

技术指标

（1）形成一种新的贝叶斯网络决策模型构建算法；

（2）模型支持领域知识的融合，支持计算结果的可解释性；

（3）对于领域经典的数据集，模型学习的准确率大于90%，对实际战场态势感知决策任务，模型判断的准确率较传统方法提升20%。

成果形式

（1）《数据知识融合的智能决策模型研究》报告1份；

（2）《贝叶斯网络学习及推理算法》软件工具包1份；

（3）申请专利1-2项。

支持经费：25万

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

（1） 基于区块链的多域资源可信管控与验证技术研究，边缘指控多域资源覆盖范围广，研究多域资源的注册和基于区块链的身份验证机制，支持边缘指控多域资源可信管控和验证的策略、方法和机制，为多域资源可信验证提供支撑；

（2）面向边缘指控多域资源规范化建模技术，智能化、数字化的边缘指控多域资源，包括大量的传感器单元，这些多域资源容易受到外界的干扰和破坏，存在数据注入、非法修改等安全风险。研究边缘多域资源可信建模，通过交叉和融合来检验单个资源的置信等级，提高整体的资源安全可信；

（3）融合数据的安全水印技术，研究多域资源安全风险的分类分级和责任溯源机制，以及融合多域资源的敏感类型、安全等级、资源标识、使用者授权摘要等关键属性的数字水印构建技术，为多域资源的可信验证提供技术基础。

技术指标

（1）多域资源的授权和权限控制响应时间为毫秒级；

（2）支持文本、图像、音频、视频等不少于4种数据类型的水印嵌入和安全责任溯源；

（3）构建不少于5类多域资源的规范化模型，支持多域资源的可信验证与管控。

成果形式

（1）研究报告2个；

（2）论文2篇；

（3）模型算法1套；

（4）专利1项。

支持经费：20万元

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

当下网络信息时代作战样式多变、不确定性凸显和去中心化趋势进一步加强，传统层级式指挥控制模式难以及时处理信息并做出决策。

（1）针对多Agent理论的防空多目标打击任务分配问题，构建能够描述边缘指控节点与任务之间的关系，建立多类型任务分配模型，提出一种基于合同机制的分布式目标分配方法；

（2）研究武器失效条件下的，任务分配方案重分配方法，实现分配方案快速重规划。能够同时考虑竞标节点的资源能力与任务出价，能够由事先指定的顺序对目标进行基于拍卖合同的初始分配，也能在初始分配计算结束后进行交换合同的动态协作。

技术指标

（1）至少6个防空打击目标数目、3个防空武器平台同时进行打击目标的分配，分配时间小于20秒；

（2）发生防空武器平台损失等不确定因素情况下，平台能重新分配任务，重规划时间小于8秒。

成果形式

（1）《基于多Agent理论的协同在线规划技术研究》报告1篇；

（2）算法软件包1套；

（3）学术论文1篇，

（4）专利1项。

支持经费：20万元

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

（1）战场局势综合评估知识网络构建：建立一套面向局部战争的综合局势评估影响因素体系，并构建战场局势综合评估影响因素之间的关联关系，支撑对战场局势全维度评估的刻画；

（2）战场局势综合评估因果推断模型构建：基于战场局势综合评估知识网络，研究战场局势综合评估影响因素的量化计算方法，并建立因果推断模型，支撑对指标之间影响关系的量化计算；

（3）面向俄乌冲突的战局综合评估方法验证：面向俄乌冲突，对上述模型进行有效性验证。

技术指标

（1）建立战场局势综合评估指标体系，影响因素至少涵盖作战能力、作战资源、政治环境、经济环境、社会环境等多层级因素；

（2）支持对战场局势综合评估指标各类因素的探索性影响分析；

（3）战场局势综合评估知识网络不少于100个节点；

（4）对俄乌冲突的发展局势评估准确率相比于实际走向的一致性不低于80%。

成果形式

（1）研究报告：《战场局势综合评估知识网络构建研究报告》、《战场局势综合评估因果推断模型研究报告》；

（2）模型：战场局势综合评估因果推断模型；

（3）专利1项。

支持经费：25万

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

（1）战场群体行为理解问题建模方法：为实现对战场上以不同方位和时序执行同一任务的群体识别和理解，梳理战场群体行动理解问题的特征和输入输出，建立针对这类问题的数学描述方法；

（2）基于时空动作特征的群体划分技术：建立基于时空联合特征的群体划分方法，能够按照战场上个体的时间、空间特征，划分个体所属群体；

（3）基于时空交互关系的群体行为理解技术：建立基于个体交互关系的群体行为理解方法，能够识别个体间的关系，并理解群体行为。

技术指标

（1）支持同时对不少于200个战场个体的群体划分，准确率不低于80%；

（2）支持对不少于20个群体行动类型的识别，在给定的千余条样本数据下，识别准确率不低于85%；支持对群体内个体间协同关系的识别，准确率不低于90%。

成果形式

（1）研究报告：《战场群体行为理解问题建模方法研究报告》、《基于时空特征的战场群体行为理解技术研究报告》；

（2）论文专利：申请专利不少于1项，发表论文不少于2篇，其中SCI/EI期刊论文不少于1篇；

（3）原型软件：战场任务群体动态识别与行为理解原型软件。

支持经费：25万

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

在航路规划任务中，时空频域的复杂连续且相互耦合的特征会导致存在的冲突难以解耦，容易牵一发而动全身，而在大规模航路规划时，这种链式的影响会导致冲突消解的耗时“爆炸式”增长，无法在有限时间内形成无冲突的大规模航线规划方案。因此，需开展以下几点研究：

（1）冲突关系自检测与自组织技术：在大规模航路规划任务中，存在对于大量复杂航路的冲突检测与冲突之间组织关系的快速分析难题。通过研究冲突关系自检测与自组织技术，针对航路规划问题所占用的时空频资源进行合理建模，快速高效的分析出所有航路间存在的冲突，合理的分析与组织出冲突之间的依存关系。

（2）航路资源冲突树构建技术：对大规模航路冲突的消解，需要针对冲突资源分析其所有可行的消解方案，并寻找最优解。通过研究航路资源冲突树构建技术，利用启发式方法探索左右两颗消冲突的子树，最终得到完全无冲突的路径生成的叶子节点，将航路冲突消解问题转化为寻找最优的冲突树叶子节点问题。

（3）关键冲突聚焦搜索与挖掘技术：在大规模的场景下，冲突消解依旧面临着随规模增长而导致的遍历难度成幂级数级增长的问题。通过研究关键冲突聚焦搜索与挖掘技术，快速定位核心冲突。在快速的裁剪冲突树，降低后续的搜索规模的同时尽可能保证后续搜索结果的最优性。

技术指标

（1）冲突检测效率：≥3000条航线冲突分析时间≤1分钟；

（2）冲突消解效率：≥3000条航线冲突消解时间≤1小时，冲突数量≤1%；

（3）支持消解的冲突类型：频域抢占、航线交叉、起飞/降落航道冲突、穿越禁止区域等4类冲突。

成果形式

（1）研究报告：《大规模航路规划冲突快速消解技术研究报告》、《大规模航路规划冲突快速消解软件模块接口设计与使用说明》；

（2）论文专利：申请专利2项，SCI论文1篇；

（3）模型、软件模块：大规模航路规划冲突快速消解软件模块

支持经费：30万

立项形式：对外开放

密级：公开

研究周期：2年

研究内容

面向智能博弈决策模型由虚拟训练环境向实际作战环境迁移应用的未来强对抗应用需求，针对难以模拟实际对抗条件下战场环境变化、敌方非预期行为或欺骗行为等不确定性因素，造成智能模型在实际应用场景下决策性能下降问题，重点开展基于目标意图预测的多智能体任务规划技术研究，充分利用战场感知信息和专家规则经验，开发敌方目标意图预测模型和动态轨迹预测算法，提升对实际战场的协同感知和目标跟踪能力，辅助智能博弈决策模型在实际作战环境下进行任务规划和行动决策，提升模型决策行为的有效性。

（1）基于专家知识和神经网络的目标意图预测技术：针对动态对抗环境下的敌对目标精确感知，研究非完备信息下的目标意图预测问题，基于专家规则知识建立敌方目标的战术意图集合和作战行动特征集，基于神经网络构建目标意图预测训练模型，实现实时对抗态势下对目标的下一步战术意图进行推断预测；

（2）模型数据混合驱动的目标轨迹预测方法：针对实际环境下复杂动态目标感知信息不完备问题，研究融合数据和模型混合驱动的协同目标轨迹预测问题，基于一致性协议和注意力机制对感知信息进行智能处理，融合深度预测网络和模型驱动的卡尔曼滤波算法对敌方目标的行动轨迹进行预测，实现对战场迷雾下敌方多目标的协同预测定位，为集群任务智能规划提供完整的决策输入信息；

（3）基于强化学习的集群任务智能分配和规划技术：针对复杂未知环境下的集群协同攻防决策问题，在目标意图预测和行动轨迹预测的基础上，基于智能算法建立集群任务分配和行动规划基础方案，设计基于深度强化学习的集群协同模型优化方法，生成多任务约束条件下的最优任务规划策略。

技术指标

（1）提出专家知识和神经网络结合的目标意图预测框架；

（2）模型数据混合驱动的目标轨迹预测算法预测精度达到90%；

（3）构建基于目标意图预测的目标拦截集群任务智能规划算法，与专家人工方案和经典深度强化学习算法相比，目标跟踪打击成功率提升10%。

成果形式

（1）《复杂环境下基于目标意图预测的集群任务智能规划技术研究报告》1份；

（2）基于意图预测的集群任务智能规划模型1套；

（3）SCI/EI论文2篇，专利1项。

支持经费：20万

提出单位：中国电子科技集团公司第二十八研究所。

立项形式：对外开放

密级：公开

研制周期：2年

研究内容

针对复杂干扰场景下深度神经网络模型在线持续学习能力和安全可控性不足等问题,开展类脑决策技术研究,突破基于知识与经验的类脑决策架构与算法设计技术、基于类脑模型的在线高效持续学习技术，知识/规则/类脑模型在线融合决策技术等关键技术，在典型博弈场景下，开展类脑决策算法训练与评估试验，形成在迁移场景下高效在线持续学习能力,提升在线决策的场景适应性与安全可控性。

（1）基于知识与经验的类脑决策架构与算法设计技术；

（2）基于类脑模型的在线高效持续学习技术；

（3）知识/规则/类脑模型在线融合决策技术。

技术指标

（1）在典型博弈场景下，在决策效能不降低的前提下，相比传统深度强化学习技术，采用类脑模型的学习效率提升不小于1倍，决策快速性提升不小于30%；

（2）知识/规则/类脑模型在线融合决策结果可控率100%。

成果形式

（1）研究报告1份；

（2）算法模型1套；

（3）学术论文1篇；

（4）专利1项。

支持经费：35万元

1.申请人应该是申报项目的实际负责人, 国籍为中华人民共和国，且无境外永久居留权。

联系电话：18670374001

电子邮箱：18670374001@163.com

通信地址：湖南省长沙市开福区三一大道国防科技大学一号院北门