大数据在军事行动中对特定目标作战的应用研究.docx

《大数据在军事行动中对特定目标作战的应用研究.docx》由会员分享，可在线阅读，更多相关《大数据在军事行动中对特定目标作战的应用研究.docx（13页珍藏版）》请在第一文库网上搜索。

1、大数据在军事行动中对特定目标作战的应用研究摘要：以信息技术为核心的高技术迅猛发展及其在武器装备领域的广泛运用，使得武器装备体系愈加趋向信息化、体系化发展。其核心关键技术大数据搜集分析技术、爬虫技术直接决定了战争的走向，如何利用好大量的数据信息进行有价值目标的持续跟踪以及潜入打击，这些将给联合作战带来前所未有的挑战。近期几场军事行动表明，未来一个时期，新型信息化武器装备作战体系将不断涌现，并在作战中逐渐占据较大比重，不战而屈人之兵的作战理念将持续深入人心。主题词：大数据、作战体系、数据获取、行为预测一、引言2011年5月1日，美军通过7个多月的信息追踪，与巴基斯坦阿伯塔巴德发起针对拉登的“定点行

2、动，将本拉登击毙。2020年1月3日，美军又通过各项大数据分析以及轨迹预测技术，精确定位并通过无人机击杀伊朗革命卫队指挥官卡西姆苏莱曼尼少将，致使伊朗失去了其中东政策核心要员。A US military drone faredfour precision missilesQassem Abu MahdiSoleimani al*Muhandis二4_ 七二二in. *=4和基础，没有了大数据战争体系，一切对数据的运算处理技术都如同无米之炊，因此增强我方大数据战争体系的安全性、稳定性并且对敌方大数据战争体系进行打击破坏又将会是在大数据战争时代增强我获得战场优势的关键技术。2.1 数据监控分析面对

3、海量的网络情报信息，传统的情报收集、处理手段，根本无法满足需求，将云计算技术应用到现代互联网情报信息收集与处理，以实现7x24h实时监测各类网站、电信、电磁等近千万个情报信息源，及时为用户提供宏观、中观和微观情报信息，为联合作战带来基于大数据监测与危机管理的立体化情报应用模式。大数据获取端大数据获取端是一个通过数量庞大的数据采集设备而维系起来的数据采集系统，将数据挖掘点尽可能前移，将各种军用民用卫星，战车，无人机，地面基地，指挥中心，功能各异的地面站，情报系统，气象系统，雷达系统，战场物流系统，后方基地，物资仓库，油料保障中心，运输部队，单兵，甚至是商业数据库，民用电话系统，具有社会战略信息获

4、取能力的企事业部门，政府机关等等，通过各种各样的数据链路安全的连接起来。针对某特定目标的大数据作战，首先明确需要收集的情报分类，包括：目标主体内部情报、竞争对手情报、竞争环境情报等。将数据的采集方法分为公开域数据挖掘法和非公开域数据挖掘法。公开域挖掘方法主要包括搜索引擎检索法、爬虫软件跟踪法、广告提取法、公开数据库查询法；非公开域挖掘方法包括数据挖掘法、内部员工询问法、逆向工程法等；通过大量数据的累计以及迭代，查询出目标主体的活动轨迹、通信记录、网络足迹、并对其内部人事进行渗透支撑后续行动，搜集竞争对手情报以及竞争环境情报可以为后续行动提供强有力的支撑。特定目标作战下的数据获取内容以及方法对应

5、关系如图2所示。投索引采依本法中小软件1限灯:法敢整字提取法y公开数也会公法数据检描法相关人员询问法逆向匚阳法义版货2cMM咫出部署状；兄 一岐胁程度分析气候变化战略和FI标战场变化趋势匕体的发展技术创新水丫作战情报情报采集方法情报采集内容争r部报克对内情战略部杵状况争体部报克主内情图2信息采集内容以及方法对应关系数据链路系统应当作为国防基础设施的一部分，其建设应当贯穿于整个国家的日常战略战备规划中，不断发展，不断完善，做到一旦遇到战争威胁，即刻就能启用。大数据存储端对于特定目标作战，采集各领域的网络、电信、电磁等情报数据，利用敏感词表结合网络资源属性、主题内容、链接文本、锚文本、来源目录等多

6、项指标，进行重要性排序,将情报数据进行分类管理，包括社会域信息、装备域信息等。建立特定目标大数据存储端，供联合作战条件下大数据监测与危机管理的立体化、可视化提供支撑，国外数据库框架如图3所示，可实现数据整合、检索、数据可视化等功能。数据服务数据来年）（数据检索）（统计可视化）（敖据审杳）依据服务支投而向应用的数据眼务接口开发数据库数据库数据库数据库数据库 数据库数据库数据库数据浮数据昨数据库集群全航天器数据用数据库荷图4.1 “国外航天情报信息系统”总体框架标准规范与数据质量保障体系图3数据库大致框架数据存储端的建立需要多元的技术来支撑，而随着信息渠道的增多，现有的数据量的井喷式增长已经超出了

7、技术所能接受的极限，这就要求存储端不仅仅只是传统意义上的一间机房和几排存储设备，应当结合多种技术，实现其作为功能。大数据战争关注的更多是单个数据采集单元的行为、群体趋势、事件之间的相关性等，这就对数据分析平台对数据的分析能力和性能提出了新的要求和挑战。大数据处理端庞大的数据依靠人类自身的力量已经完全无法控制。巨大的数据，会使得指挥员和部队陷入数据的海洋中无所适从，这被称为“信息超载，数据处理的结果直接影响到数据的价值，而数据价值被挖掘的越多、越深入，对处理技术的要求就更高，所以数据处理性能是大数据发展的核心。原始情报相关竞争情报可信竞争情报综合比较研究分析）情报重组价值情报图4数据过滤流程情报

8、分析就是通过科学的数据手段或者是逻辑分类手段将看似毫无联系的零散情报变成有规律的、有意义的、有联系的情报，为决策者提供清晰有力的决策依据-。针对特定目标的大数据作战，需要建立完善的云端计算系统，采集到的原始数据经过过滤和筛选可以删去一些与目标无关甚至失真的数据如图4所示，尽可能得到与真相最接近的相关竞争情报；对目标情报进行可靠性分析，分别从情报数据的来源、获取动机以及获取成本等几个方面判断其是否为可靠情报，提交给我们的各级指挥官以准确获得对战争未来态势的发展预测，我们的各种战争职能部门就能够获得作战行动、保障行动以及非战争军事行动的最优方案。2.2 行为轨迹预测通过现有数据的智能分析，对下一步

9、行动起引导作用也尤为重要。从虚假以及真实的数据面量化目标的行为，挖掘目标主体的相关数据联系，揭示隐藏在其背后的信息，进一步全面、准确、有效的建立预测模型，为下一步决策的制定、动作的安排部署、事故安全的防范措施提供有效的支持，从而建立一个高效、安全、稳定的行为轨迹预测模型。美国在数据处理的基础上，正在进一步研发基于大数据的预测分析技术，希望通过计算机找出人无法察觉到的数据模式，对人的行为、重大事件进行预测和预警，此外，美国情报机构还在积极研究人机配合模式，将人工和机器预测系统的优势进行互补，以提高预测分析的准确性。因此，在针对某目标的行动中，通过先进算法和预测分析模型，对实时数据进行分析，使用户

10、能够对未来目标主体的行动轨迹、部署方案等重要行为进行预测，提前规划部署己方势力，以极小的损耗达到目的。2.3 作战决策优化除数据采集与处理之外，数据的融合分析也极为重要。美国自2015年至2017年的报告表示：现有智能预测技术暂时无法实现对战争决策的精确预判，为此展开了多项技术研究，针对机器学习、人工判定、决策制定的准确性。数据的融合贯穿整个联合作战流程，在不停的阶段需要整合不同的信息。在数据需求分析阶段，需要整合使用方的需求以及决策人员对情报的需求；在数据挖掘阶段，需要整合挖掘的范围、方法和内容。在情报处理分析阶段，则是对特定目标本身、竞争对手以及作战环境的情报进行整合。随着信息化的不断加强

11、，很多竞争主体引入了动态的网络管理模式。建立以Intranet为基础的统一信息沟通、处理、分析、整合平台为形成更为科学可靠的决策依据提供了可能的途径。2.4 指控中心+打击系统通过将数据挖掘、数据分析、数据预测与作战决策优化等系统有机地结合在一起，围绕作战过程进行信息收集、处理、利用,从中挖掘有价值的数据信息，使联合作战信息资源在整个作战范围内实现最佳的利用效果，实现指挥、控制、通信、情报、侦察、电子战和火力运用及战勤保障等功能的协调一致，使指挥员能够实时地感知态势、透视战场,快速地全程决策。三、关键技术分析3.1 行为预测技术行为预测是战略优化的前提，以真实的网络数据为基础,以提高网络预测的

12、准确性和高效性为研究重点，理清基于大数据的异常点检测思路，在此基础上给出基于大数据算法的时间序列预测方法，打造一种基于支持关联规则的全新的大数据预测改进模型，并通过实验验证了预测模型的有效性与可靠性。3.2 数据融合处理技术为保证联合作战快速响应平台建设，应当采用数据融合的方法打造综合数据分析处理平台，目前数据融合处理方法有：神经网络方法将每一个数据连接看作一个处理数据单元,通过模拟人的神经元功能,经过输入层、隐藏层、输出层等，对数据进行调整、计算、最后得到结果，用于分类和回归。决策树方法决策树是一种通过把实例从根节点排列到某个叶子节点来分类实例，叶子节点即为实例所属的分类方法。主要是从数据源

13、中选取变量，利用一系列规则划分，建立一个树状图，用于分类和预测。树上的每个节点说明了对实例的某个属性的测试，该节点的每一个后继分支对应于该属性的一个可能值，分类实例的方法是从这棵树的根节点开始，测试这个节点指定的属性，然后按照给定实例的该属性值对应的树枝向下移动。决策树方法主要应用于数据挖掘的分类方面。关联分析方法即利用关联规则进行数据挖掘，是用来描述一个事务和其它事物的相互依存和关联关系，是为了发现数据集中不同数据项之间的关系。关联规则是一种简单、实用的分析规则，它描述了一个事物中某些属性同时出现的规律和模式。关联规则不受只选择一个数据因变量的限制，能够无遗漏发现隐藏在所挖掘数据中的所有关联

14、关系,因此被广泛的应用。3.3 情报机构团队建设美国于2006年成立了美国情报高级研究计划局（IARPA）,专门负责美国情报科技领域中基础性、前瞻性、高风险性、创新性、颠覆性的研发工作。IARPA成立10年来，不仅在情报科技领域进行研究和创新，而且在通用科技领域资助项目，持续推动情报科技的创新，极大地提升了美国的情报获取与分析能力。通过设立专职办公室，形成集数据搜集、可靠性判断、数据过滤等功能于一体的机构。四、结束语大数据战争时代已经到来。我们要对世界新军事革命态势保持充分的战略敏锐，以时不我待、只争朝夕的责任感和紧迫感，探寻战争制胜机理的内涵要义，认清体系作战基于数据决策指挥的特点，聚力抓好作战数据建设，善于将数据优势转化为决策优势，牢牢把握大数据战争主动权，才能确保有效履行强军兴军的历史使命。才能捍卫祖国的和平与发展。