態(tài)勢(shì)感知應(yīng)用技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)

鄧子涵，王紅濱

(哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150006)

0 引言

態(tài)勢(shì)感知作為一種輔助決策和行動(dòng)的方法，已經(jīng)實(shí)際應(yīng)用于眾多的現(xiàn)代行業(yè)中。1988 年，Endsley首次提出了態(tài)勢(shì)感知（Situation Awareness，SA）的概念，并給出具體定義即：在一定的時(shí)空中，在復(fù)雜的環(huán)境里聚焦關(guān)心的要素，理解要素的內(nèi)涵與關(guān)聯(lián)，并由此對(duì)該要素有關(guān)的事物未來一段時(shí)間內(nèi)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)的方法。態(tài)勢(shì)感知最早應(yīng)用在軍事領(lǐng)域，目的是通過獲取、甄別并分析戰(zhàn)場(chǎng)敵我雙方的戰(zhàn)斗態(tài)勢(shì)，為指揮者進(jìn)行戰(zhàn)略決策提供支持，以提高決策的科學(xué)性并縮短決策時(shí)間。

近年來，態(tài)勢(shì)感知技術(shù)在軍事應(yīng)用、航空與交通管制、網(wǎng)絡(luò)安全等領(lǐng)域得到了越來越廣泛的應(yīng)用。

1 態(tài)勢(shì)感知應(yīng)用技術(shù)發(fā)展概況

態(tài)勢(shì)感知技術(shù)應(yīng)用研究，最初是為了解決軍事問題。當(dāng)時(shí)，為了提高戰(zhàn)斗機(jī)的作戰(zhàn)能力，戰(zhàn)斗機(jī)駕駛艙內(nèi)的飛機(jī)控制系統(tǒng)、武器系統(tǒng)等不斷增加，這雖然客觀上為飛行員提供了更豐富的作戰(zhàn)信息，但也對(duì)飛行員戰(zhàn)時(shí)快速確定行動(dòng)方案帶來了更大的挑戰(zhàn)。因?yàn)殡S著飛機(jī)速度及機(jī)載武器能力的增加，要求飛行員必須在更短的時(shí)間內(nèi)快速整合座艙內(nèi)日益增加的復(fù)雜信號(hào)信息以及他的感官信息，形成對(duì)當(dāng)前敵我態(tài)勢(shì)的判斷，從而采取最有利的行動(dòng)方案。但由于信息過載、多目標(biāo)任務(wù)和決策因素復(fù)雜等因素影響，飛行員的實(shí)際行動(dòng)效果卻遠(yuǎn)不及預(yù)期。過多的信息嚴(yán)重干擾了飛行員的信息整合效果和觀察重點(diǎn)，不利于他快速制定行動(dòng)方案。為了解決這一問題，研究人員啟動(dòng)開展態(tài)勢(shì)感知應(yīng)用技術(shù)研究，以期利用態(tài)勢(shì)感知技術(shù)，有效地協(xié)助飛行員進(jìn)行高效準(zhǔn)確的行動(dòng)決策。這些研究概括起來主要分為四類：①如何有效地處理收集到的各種信息，包括如何挑選關(guān)鍵信息，如何關(guān)聯(lián)不同探測(cè)系統(tǒng)得到的信息，如何對(duì)收集到的各種信息進(jìn)行整體加工并處理冗余信息等；②是如何更有效地展示這些信息，包括如何進(jìn)行信息分組與信息合成、如何更有效地進(jìn)行信息呈現(xiàn)，如數(shù)字化與圖形化等；③是如何進(jìn)行態(tài)勢(shì)預(yù)測(cè)，包括如何基于已獲得的信息建立基于動(dòng)態(tài)決策的態(tài)勢(shì)感知模型，如何準(zhǔn)確高效預(yù)測(cè)未來的狀態(tài)和演化趨勢(shì)，從而輔助飛行員進(jìn)行行動(dòng)決策；④是態(tài)勢(shì)感知應(yīng)用技術(shù)的有效性驗(yàn)證，即研究態(tài)勢(shì)感知應(yīng)用技術(shù)在實(shí)戰(zhàn)中不同情景的有效性。這是態(tài)勢(shì)感知應(yīng)用技術(shù)研究的起步階段，在這個(gè)階段，研究人員提出多種態(tài)勢(shì)感知模型，其中較有影響力的有 JDL 模型和Endsley 模型。JDL模型由美國(guó)國(guó)防部提出，主要包含三個(gè)部分：人機(jī)接口、數(shù)據(jù)融合、數(shù)據(jù)采集。Endsley模型由Mica R.Endsley提出，將態(tài)勢(shì)感知定義為態(tài)勢(shì)要素獲取、態(tài)勢(shì)理解、態(tài)勢(shì)預(yù)測(cè)三層模型，并基于此提出了依托態(tài)勢(shì)感知的動(dòng)態(tài)決策通用理論模型，見圖1。

圖1 基于態(tài)勢(shì)感知的動(dòng)態(tài)決策通用理論模型

圖1 模型中，飛行員對(duì)于當(dāng)前態(tài)勢(shì)的感知，用于支持飛行員進(jìn)行行動(dòng)決策，當(dāng)然其行動(dòng)決策也會(huì)綜合飛行員當(dāng)前的工作強(qiáng)度、飛行員的既有知識(shí)體系和個(gè)人素質(zhì)等因素。這些也會(huì)對(duì)飛行員整體態(tài)勢(shì)感知產(chǎn)生影響。而經(jīng)決策并采取行動(dòng)后又會(huì)對(duì)外界環(huán)境產(chǎn)生影響，形成動(dòng)態(tài)態(tài)勢(shì)感知及決策過程。態(tài)勢(shì)感知的動(dòng)態(tài)決策通用理論模型的建立，奠定了態(tài)勢(shì)感知應(yīng)用技術(shù)的基礎(chǔ)。

隨著態(tài)勢(shì)感知理論模型的建立及其應(yīng)用技術(shù)的發(fā)展，態(tài)勢(shì)感知逐步應(yīng)用于軍事領(lǐng)域。利用態(tài)勢(shì)感知應(yīng)用技術(shù)來優(yōu)化聯(lián)合作戰(zhàn)樣式，提高聯(lián)合作戰(zhàn)效率?；趹B(tài)勢(shì)感知三個(gè)層次，在態(tài)勢(shì)信息獲取方面，境外主要軍事強(qiáng)國(guó)都投入了大量的人力物力，積極開展戰(zhàn)場(chǎng)態(tài)勢(shì)感知系統(tǒng)研究與實(shí)際應(yīng)用，開展包括?；?、陸基、空基以及網(wǎng)電空間一體化的態(tài)勢(shì)感知能力建設(shè)，不斷改進(jìn)現(xiàn)有戰(zhàn)場(chǎng)態(tài)勢(shì)感知硬件體系，以期從海陸空全方位獲取與實(shí)時(shí)跟蹤敵方作戰(zhàn)兵力部署、攻擊及防御武器動(dòng)態(tài)、氣象、水文等海量信息。在態(tài)勢(shì)理解與預(yù)測(cè)方面，為了實(shí)現(xiàn)更好的戰(zhàn)場(chǎng)態(tài)勢(shì)理解與預(yù)測(cè)，各國(guó)不斷將利用大數(shù)據(jù)、人工智能、云計(jì)算等先進(jìn)分析預(yù)測(cè)技術(shù)，對(duì)原始信息進(jìn)行知識(shí)的分析、挖掘從而得到戰(zhàn)場(chǎng)態(tài)勢(shì)信息，并在此基礎(chǔ)上進(jìn)行快速預(yù)測(cè)分析，以獲得戰(zhàn)略優(yōu)勢(shì)與戰(zhàn)略主動(dòng)。

近年來，隨著深度學(xué)習(xí)、大數(shù)據(jù)技術(shù)等新型技術(shù)基礎(chǔ)設(shè)施建設(shè)加速推進(jìn)，我國(guó)整體網(wǎng)絡(luò)的結(jié)構(gòu)及應(yīng)用變得更加復(fù)雜，網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)一步加劇。近年來，網(wǎng)絡(luò)安全態(tài)勢(shì)感知作為網(wǎng)絡(luò)安全主動(dòng)防御的新技術(shù)，越來越受到業(yè)界的關(guān)注和認(rèn)可，網(wǎng)絡(luò)安全態(tài)勢(shì)感知在許多國(guó)家被提升到了國(guó)家戰(zhàn)略高度，政府、監(jiān)管機(jī)構(gòu)、企業(yè)等相繼開始建設(shè)和積極應(yīng)用態(tài)勢(shì)感知系統(tǒng)。

此外，隨著不穩(wěn)定可再生能源大量接入電網(wǎng)，電力系統(tǒng)輸配電安全穩(wěn)定性受到較大挑戰(zhàn)，表現(xiàn)為復(fù)雜的動(dòng)態(tài)安全不確定性，態(tài)勢(shì)感知也被用于復(fù)雜電力系統(tǒng)動(dòng)態(tài)行為和趨勢(shì)的感知，以實(shí)現(xiàn)電力系統(tǒng)運(yùn)行關(guān)鍵動(dòng)態(tài)數(shù)據(jù)的在線測(cè)量、數(shù)據(jù)處理、分析，達(dá)到對(duì)主要?jiǎng)討B(tài)行為的測(cè)量、辨識(shí)、顯示、預(yù)警的作用。利用態(tài)勢(shì)感知技術(shù)，能較高精度地檢測(cè)出位置的和潛在的電網(wǎng)運(yùn)行風(fēng)險(xiǎn)，提高對(duì)電網(wǎng)運(yùn)行的掌控能力。態(tài)勢(shì)感知技術(shù)也開始被應(yīng)用于疾病預(yù)防，交通安全、金融安全等多個(gè)領(lǐng)域。

2 態(tài)勢(shì)感知技術(shù)發(fā)展現(xiàn)狀

2.1 態(tài)勢(shì)感知技術(shù)在軍事領(lǐng)域的應(yīng)用發(fā)展現(xiàn)狀

在軍事領(lǐng)域，軍事對(duì)抗往往表現(xiàn)為高度不確定性、復(fù)雜性、威脅性、緊迫性等特點(diǎn)。敵方軍事信息往往不全面，且軍事行動(dòng)演化過程不明確，無法通過先驗(yàn)知識(shí)進(jìn)行判斷。這種特點(diǎn)，驅(qū)動(dòng)了態(tài)勢(shì)感知應(yīng)用技術(shù)在軍事作戰(zhàn)領(lǐng)域的廣泛應(yīng)用。例如，在美國(guó)彈道導(dǎo)彈防御C2BMC 系統(tǒng)中，已將態(tài)勢(shì)感知作為其核心的功能，用于提供導(dǎo)彈防御系統(tǒng)的總體態(tài)勢(shì)，并將各種信息轉(zhuǎn)化為指揮官在進(jìn)行導(dǎo)彈防御時(shí)易于使用的態(tài)勢(shì)信息，協(xié)助各級(jí)指揮官在各種類型的彈道導(dǎo)彈威脅下快速進(jìn)行最佳指揮決策。

近年來，態(tài)勢(shì)感知技術(shù)在軍事領(lǐng)域得到了不斷深化發(fā)展。美國(guó)先后發(fā)展太空態(tài)勢(shì)感知應(yīng)用技術(shù)，用于太空攻防對(duì)抗，利用太空態(tài)勢(shì)感知技術(shù)對(duì)所有發(fā)生在空間的事件、威脅、活動(dòng)、狀態(tài)進(jìn)行感知，對(duì)影響太空活動(dòng)的所有因素進(jìn)行認(rèn)知和分析，使指揮決策和操作人員獲取并維持空間優(yōu)勢(shì)。為了增強(qiáng)態(tài)勢(shì)感知能力，美國(guó)一方面不斷強(qiáng)化其態(tài)勢(shì)感知硬件系統(tǒng)建設(shè)（包括地基監(jiān)視雷達(dá)、地基跟蹤成像雷達(dá)、地基光學(xué)深空監(jiān)視系統(tǒng)、船載測(cè)量雷達(dá)、空間環(huán)境監(jiān)視系統(tǒng)、衛(wèi)星信號(hào)偵察系統(tǒng)、天基空間監(jiān)視系統(tǒng)等）以提升信息獲取能力，另一方面，積極將人工智能和云計(jì)算等新技術(shù)大量用于太空態(tài)勢(shì)感知系統(tǒng)建設(shè)中，以期解決在信息不確定、不完備，認(rèn)知樣本稀缺，規(guī)則模糊、不一致等條件下的態(tài)勢(shì)感知難題，提升態(tài)勢(shì)理解及態(tài)勢(shì)預(yù)測(cè)的能力和水平。

當(dāng)前，態(tài)勢(shì)感知在軍事領(lǐng)域應(yīng)用技術(shù)仍在不斷升級(jí)發(fā)展中，在態(tài)勢(shì)感知模型研究方面，劉偉等提出融合人工智能的態(tài)勢(shì)感知，即基于機(jī)器學(xué)習(xí)的深度態(tài)勢(shì)感知理論，將Endsley 態(tài)勢(shì)感知三級(jí)的模型和維納的“反饋”思想進(jìn)行結(jié)合，提出基于“反饋”的深度態(tài)勢(shì)感知模型。如圖2所示。深度態(tài)勢(shì)感知模型既包含了人的智慧，也融合了機(jī)器的智能（人工智能）來輔助人的決策，將有利于提升指揮速度。由于融入了機(jī)器智能，深度態(tài)勢(shì)感知既能夠在信息和資源不足的情境下運(yùn)轉(zhuǎn)，也能夠在信息和資源超載的情境下運(yùn)行。

圖2 基于“反饋”的深度態(tài)勢(shì)感知模型

在態(tài)勢(shì)理解與態(tài)勢(shì)預(yù)測(cè)方面，研究人員將深度學(xué)習(xí)和遷移學(xué)習(xí)等智能算法用于解決對(duì)抗條件下態(tài)勢(shì)目標(biāo)的自主認(rèn)知難題，利用深度學(xué)習(xí)技術(shù)進(jìn)行軍用目標(biāo)識(shí)別，幫助指揮員快速定位、識(shí)別目標(biāo)并判斷其威脅程度；將深度神經(jīng)網(wǎng)絡(luò)用于態(tài)勢(shì)預(yù)測(cè)，利用實(shí)戰(zhàn)數(shù)據(jù)、實(shí)兵對(duì)抗數(shù)據(jù)、兵棋推演數(shù)據(jù)、靶場(chǎng)試驗(yàn)數(shù)據(jù)等用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；將深度學(xué)習(xí)用于空天防御態(tài)勢(shì)感知，將計(jì)算機(jī)仿真、機(jī)器學(xué)習(xí)應(yīng)用于大規(guī)模的太空觀測(cè)和其他太空數(shù)據(jù)分析（如天氣），預(yù)測(cè)太空活動(dòng)、太空物體碰撞以及碎片軌跡運(yùn)行等。研究人員還利用云計(jì)算技術(shù)，實(shí)現(xiàn)戰(zhàn)術(shù)邊緣全維情報(bào)實(shí)時(shí)處理能力，利用“戰(zhàn)術(shù)云”或“戰(zhàn)斗云”，實(shí)現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)按需分發(fā)以及協(xié)同作戰(zhàn)互聯(lián)互通，通過“通用操作環(huán)境”實(shí)現(xiàn)高機(jī)動(dòng)性、高強(qiáng)度對(duì)抗戰(zhàn)術(shù)環(huán)境下不同系統(tǒng)間的信息共享和互操作，實(shí)現(xiàn)分布式任務(wù)指揮。

2.2 態(tài)勢(shì)感知技術(shù)在網(wǎng)絡(luò)安全領(lǐng)域發(fā)展現(xiàn)狀

近年來，隨著“互聯(lián)網(wǎng)+”的飛速發(fā)展，各行業(yè)與互聯(lián)網(wǎng)深度融合，網(wǎng)絡(luò)攻擊已逐漸成為全球重大安全威脅，伴隨著互聯(lián)基礎(chǔ)設(shè)施及網(wǎng)絡(luò)環(huán)境不斷向大規(guī)模、高度分布式的方向發(fā)展，互聯(lián)網(wǎng)的復(fù)雜性和不確定性也快速增加，針對(duì)網(wǎng)絡(luò)設(shè)備和服務(wù)的網(wǎng)絡(luò)攻擊行為也朝著規(guī)模化、分布化、復(fù)雜化、隱蔽化等方向發(fā)展和演化，一些新型的網(wǎng)絡(luò)攻擊工具，如惡意程序攻擊、分布式拒絕服務(wù)攻擊、Web 代碼注入、木馬、惡意網(wǎng)站、僵尸網(wǎng)絡(luò)等大量的涌現(xiàn)。面對(duì)愈加復(fù)雜的攻擊手段，傳統(tǒng)的網(wǎng)絡(luò)安全技術(shù)，如防火墻、病毒防護(hù)、用戶身份驗(yàn)證技術(shù)、修補(bǔ)漏洞、口令管理等，僅限于對(duì)某一方面安全數(shù)據(jù)的采集處理，只能單點(diǎn)有針對(duì)性地解決特定的攻擊行為。為了全方位感知網(wǎng)絡(luò)安全態(tài)勢(shì)，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)安全環(huán)境的風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)，推動(dòng)了網(wǎng)絡(luò)安全主動(dòng)防御新技術(shù)——網(wǎng)絡(luò)安全態(tài)勢(shì)感知的研究與發(fā)展。

1999 年，Tim Bass 首次將空中交通監(jiān)管(Air Traffic Control，ATC)態(tài)勢(shì)感知的成熟理論和技術(shù)借鑒到網(wǎng)絡(luò)態(tài)勢(shì)感知中，成為安全領(lǐng)域態(tài)勢(shì)感知研究的開創(chuàng)者，實(shí)現(xiàn)了針對(duì)網(wǎng)絡(luò)入侵檢測(cè)的態(tài)勢(shì)感知功能。他認(rèn)為在高度抽象的層面，用于監(jiān)視空域中對(duì)象的技術(shù)同樣適用于監(jiān)視網(wǎng)絡(luò)中的對(duì)象，由此提出了網(wǎng)絡(luò)安全態(tài)勢(shì)感知的概念。網(wǎng)絡(luò)安全態(tài)勢(shì)感知是指在大規(guī)模網(wǎng)絡(luò)環(huán)境中，對(duì)能夠引起網(wǎng)絡(luò)安全態(tài)勢(shì)發(fā)生變化的安全要素獲取、理解以及預(yù)測(cè)的過程。網(wǎng)絡(luò)安全態(tài)勢(shì)感知通過融合提取的數(shù)據(jù)來進(jìn)行安全態(tài)勢(shì)評(píng)估,為管理者的決策提供理論支撐,對(duì)降低網(wǎng)絡(luò)安全風(fēng)險(xiǎn)、提高應(yīng)急響應(yīng)能力以及預(yù)測(cè)安全趨勢(shì)。Tim Bass 認(rèn)為，應(yīng)有效融合整個(gè)由異構(gòu)網(wǎng)絡(luò)傳感器得到的信息，實(shí)現(xiàn)數(shù)據(jù)利用最大化，以此才能有效發(fā)揮出安全態(tài)勢(shì)感知的作用。故首先就應(yīng)實(shí)現(xiàn)對(duì)數(shù)據(jù)的收集，接著對(duì)數(shù)據(jù)進(jìn)行校對(duì)和監(jiān)測(cè)，確保及時(shí)發(fā)現(xiàn)數(shù)據(jù)中存在的問題，以此來感知計(jì)算機(jī)系統(tǒng)的工作狀態(tài)，確保能夠及時(shí)發(fā)現(xiàn)計(jì)算機(jī)系統(tǒng)在運(yùn)行時(shí)存在的潛在風(fēng)險(xiǎn)。2008 年，Shanchieh 等人研究指出，預(yù)測(cè)網(wǎng)絡(luò)攻擊行動(dòng)應(yīng)當(dāng)具備四個(gè)基本要素：能力、機(jī)會(huì)、目的、行為趨勢(shì)，并在此基礎(chǔ)上提出一套算法來獨(dú)立分析這些基本要素，通過基于圖形的虛擬態(tài)勢(shì)模型來分析攻擊者的能力、暴露安全漏洞以及攻擊目標(biāo)，通過馬爾科夫模型來提取和預(yù)測(cè)行為模式。2009年，Onwubiko在Endlsey三級(jí)模型的基礎(chǔ)上，提出了新的網(wǎng)絡(luò)安全感知模型，如圖3所示。

圖3 網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型

在網(wǎng)絡(luò)安全態(tài)勢(shì)要素獲取方面，由于態(tài)勢(shì)信息數(shù)據(jù)來源于各種異構(gòu)數(shù)據(jù)，要實(shí)現(xiàn)準(zhǔn)確高效的網(wǎng)絡(luò)安全態(tài)勢(shì)感知，需要實(shí)現(xiàn)異構(gòu)數(shù)據(jù)挖掘，需要解決多源信息的融合，這是當(dāng)前網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究中的熱點(diǎn)技術(shù)。異構(gòu)數(shù)據(jù)挖掘，需要解決如何從海量有噪聲、不同系統(tǒng)平臺(tái)的、不完全的實(shí)際應(yīng)用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律的、最終可理解的危及網(wǎng)絡(luò)安全的信息和知識(shí)問題，從數(shù)據(jù)挖掘應(yīng)用到入侵檢測(cè)領(lǐng)域的角度來講，目前主要有4 種分析方法：關(guān)聯(lián)分析、序列模式分析、分類分析和聚類分析。多源信息融合要解決在時(shí)間及空間上分散的多源信息的互補(bǔ)集成問題，從而獲得對(duì)當(dāng)前網(wǎng)絡(luò)狀態(tài)的準(zhǔn)確判斷，目前用于數(shù)據(jù)融合領(lǐng)域的典型算法有基于邏輯的算法、基于模型的算法、基于統(tǒng)計(jì)的算法，以及基于人工智能的貝葉斯網(wǎng)絡(luò)和D-S 證據(jù)理論，如何設(shè)計(jì)出高效、快速的融合算法是數(shù)據(jù)融合技術(shù)的關(guān)鍵。也是當(dāng)前網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)研究的熱點(diǎn)。

在網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方面，目前態(tài)勢(shì)評(píng)估技術(shù)主要分為基于數(shù)學(xué)模型的態(tài)勢(shì)評(píng)估技術(shù)、基于隨機(jī)模型的態(tài)勢(shì)評(píng)估技術(shù)、基于生物啟發(fā)模型的態(tài)勢(shì)評(píng)估技術(shù)。其中基于數(shù)學(xué)模型的態(tài)勢(shì)評(píng)估技術(shù)主要通過數(shù)學(xué)規(guī)律對(duì)態(tài)勢(shì)要素進(jìn)行建模，從而實(shí)現(xiàn)態(tài)勢(shì)要素概率化，包括貝葉斯網(wǎng)絡(luò)、基于權(quán)重和層次分析法等模型，當(dāng)態(tài)勢(shì)要素的變化對(duì)整個(gè)環(huán)境造成影響時(shí)，可選用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，當(dāng)態(tài)勢(shì)要素隨機(jī)不確定或相關(guān)樣本較少時(shí)可采用灰色理論方法，當(dāng)態(tài)勢(shì)要素的選取從全局出發(fā)，選取所有影響系統(tǒng)環(huán)境的態(tài)勢(shì)要素時(shí)，可選擇層次分析法以及權(quán)重分析法?；陔S機(jī)模型的態(tài)勢(shì)評(píng)估技術(shù)主要針對(duì)變化的條件來動(dòng)態(tài)調(diào)節(jié)分析結(jié)果，包括馬爾科夫、Petri 網(wǎng)等模型；基于生物啟發(fā)模型的態(tài)勢(shì)評(píng)估技術(shù)主要根據(jù)大量已知要素來探索問題的規(guī)律，包括遺傳算法、神經(jīng)網(wǎng)絡(luò)等模型。

在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)是態(tài)勢(shì)感知研究的應(yīng)用目標(biāo)，是根據(jù)態(tài)勢(shì)評(píng)估結(jié)果對(duì)未來趨勢(shì)進(jìn)行預(yù)測(cè)。在態(tài)勢(shì)預(yù)測(cè)方面，主要技術(shù)有基于時(shí)間序列的預(yù)測(cè)方法，基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法、基于灰色理論的預(yù)測(cè)方法等?；跁r(shí)間序列的預(yù)測(cè)方法是通過分析一段時(shí)間內(nèi)采集的動(dòng)態(tài)數(shù)據(jù)，采用數(shù)據(jù)擬合的方法，得出數(shù)據(jù)的變化規(guī)律，進(jìn)而計(jì)算出短期內(nèi)態(tài)勢(shì)發(fā)展，適合短期預(yù)測(cè)場(chǎng)景；基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法主要通過自適應(yīng)學(xué)習(xí)擬合非線性的變化規(guī)律，適用于打樣板數(shù)據(jù)態(tài)勢(shì)預(yù)測(cè)場(chǎng)景；基于灰色理論的預(yù)測(cè)方法主要用小離散樣本數(shù)據(jù)預(yù)測(cè)場(chǎng)景，通過提取已知或未知樣本建立灰色模型來模量數(shù)據(jù)變化規(guī)律。

2.3 態(tài)勢(shì)感知技術(shù)在能源安全領(lǐng)域發(fā)展現(xiàn)狀

在電力系統(tǒng)領(lǐng)域，在全球變暖的大背景下，綠色能源在能源供應(yīng)中占比越來越重，隨著高比例不穩(wěn)定的可再生能源大量的接入電力系統(tǒng)，以風(fēng)電、潮汐，光電等為代表的間歇能源出力特性受到包含氣象條件、環(huán)境條件等多種因素的影響，電力系統(tǒng)可控性大大降低，受源荷雙重不確定性的影響，電力系統(tǒng)運(yùn)行方式呈現(xiàn)多樣化趨勢(shì)，導(dǎo)致對(duì)電力系統(tǒng)穩(wěn)定性的動(dòng)態(tài)響應(yīng)預(yù)測(cè)變得愈發(fā)困難。2016 年，王守相等提出了基于可視化分析的電力安全態(tài)勢(shì)感知的概念，嘗試借用傳統(tǒng)的態(tài)勢(shì)感知理論結(jié)合相應(yīng)的可視化軟件來提高電力電網(wǎng)的可視化程度，力圖利用更直觀的方式來評(píng)估電力系統(tǒng)當(dāng)前的運(yùn)行狀態(tài)以及未來一段時(shí)間的發(fā)展趨勢(shì)，以便為運(yùn)行人員快速提供相應(yīng)的決策支撐。

相對(duì)于網(wǎng)絡(luò)安全態(tài)勢(shì)感知，電力系統(tǒng)態(tài)勢(shì)感知應(yīng)用研究要更晚一些，但目前，隨著變電站及發(fā)電廠大樓同步相量測(cè)量單元（phasor measurement unit，PMU）的大量安裝以及廣域測(cè)量系統(tǒng)（wide area measurement system，WAMS）的廣泛部署，越來越多的電力系統(tǒng)運(yùn)行數(shù)據(jù)可以被實(shí)時(shí)采集并匯總，區(qū)域間振蕩可以通過電力系統(tǒng)同調(diào)分析進(jìn)行監(jiān)測(cè)。短路故障、切機(jī)切負(fù)荷等故障則可以通過主成分分析（principle component analysis，PCA）、定量遞歸分析等方法進(jìn)行監(jiān)測(cè)為電力系統(tǒng)態(tài)勢(shì)感知提供了有力的數(shù)據(jù)支撐。

目前電力系統(tǒng)態(tài)勢(shì)感知研究剛起步，主要著重于研究監(jiān)測(cè)方法和監(jiān)測(cè)模型，包括如何運(yùn)用大數(shù)據(jù)技術(shù)從海量PMU 數(shù)據(jù)中獲取真正實(shí)用的信息、如何從海量的PMU 數(shù)據(jù)記錄中提取出每類事件的典型相關(guān)特性來作為采樣數(shù)據(jù)是當(dāng)前電力系統(tǒng)事件辨識(shí)的重點(diǎn)和難點(diǎn)，未來的深度學(xué)習(xí)方法和大數(shù)據(jù)技術(shù)將有助于解決這些難點(diǎn)。除此之外，對(duì)于人類預(yù)測(cè)上有困難的外部環(huán)境因素，如極端惡劣天氣等導(dǎo)致的電力系統(tǒng)的事故也是我國(guó)未來可以進(jìn)一步深入研究和探索的方向?？梢灶A(yù)見，綜合利用人工智能、大數(shù)據(jù)等技術(shù)精準(zhǔn)預(yù)測(cè)外部極端環(huán)境，并采用更精準(zhǔn)的模型、更快速的預(yù)測(cè)方法是電力系統(tǒng)發(fā)展趨勢(shì)預(yù)測(cè)主要的研究方向。

2.4 其他領(lǐng)域

除了在軍事領(lǐng)域、網(wǎng)絡(luò)安全領(lǐng)域、能源安全領(lǐng)域外，態(tài)勢(shì)感知技術(shù)已開始用于無人機(jī)群控制與協(xié)同、輿情感知、政務(wù)大數(shù)據(jù)監(jiān)管平臺(tái)、外貿(mào)、政府危機(jī)決策、復(fù)雜環(huán)境下工控系統(tǒng)、機(jī)場(chǎng)運(yùn)行、交通、疾病預(yù)防等多個(gè)領(lǐng)域，這些領(lǐng)域的共同特點(diǎn)是態(tài)勢(shì)感知影響因素復(fù)雜，且處于動(dòng)態(tài)變化之中，且環(huán)境因素大多無法全面準(zhǔn)確獲知，要求迅速響應(yīng)做出判斷與決策。在這些領(lǐng)域中，研究者基于態(tài)勢(shì)感知基本理論模型，通過制定與優(yōu)化這些領(lǐng)域的態(tài)勢(shì)感知邏輯體系，廣泛收集與目標(biāo)管理相關(guān)的態(tài)勢(shì)要素，通過對(duì)態(tài)勢(shì)要素?cái)?shù)據(jù)的甄別、分析理解，通過建立相應(yīng)的模型進(jìn)行識(shí)別與歸納推理，實(shí)現(xiàn)對(duì)復(fù)雜環(huán)境下的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，支持決策。

3 態(tài)勢(shì)感知技術(shù)發(fā)展趨勢(shì)

從態(tài)勢(shì)感知技術(shù)的發(fā)展到各領(lǐng)域的應(yīng)用來看，態(tài)勢(shì)感知應(yīng)用技術(shù)已逐步從最初的飛行員直觀的物理感知擴(kuò)展為基于各種傳感器的機(jī)器感知，已從最初以解決人因?yàn)橹鞯膽?yīng)用技術(shù)逐步發(fā)展到以解決復(fù)雜、大數(shù)據(jù)動(dòng)態(tài)分析及趨勢(shì)預(yù)測(cè)為主的應(yīng)用技術(shù)。

在根據(jù)特定的應(yīng)用需求建立態(tài)勢(shì)感知模型后，態(tài)勢(shì)信息獲取的全面性就至關(guān)重要。對(duì)于態(tài)勢(shì)感知，與目標(biāo)相關(guān)的探測(cè)視野越大越有利，有針對(duì)性的輸入信息越廣越有利，全面、準(zhǔn)確、及時(shí)、有針對(duì)性的態(tài)勢(shì)信息獲取是態(tài)勢(shì)理解及態(tài)勢(shì)預(yù)測(cè)的基礎(chǔ)。因此，在軍事領(lǐng)域，為了更準(zhǔn)確及時(shí)的獲取更高精度的信息，各種探測(cè)系統(tǒng)被不斷增加、升級(jí)，信息獲取的維度也不斷增加與提升，不但采用多個(gè)組網(wǎng)互補(bǔ)的傳感器方案，更是將海陸空多維度的探測(cè)系統(tǒng)相互集成，甚至將特定民用領(lǐng)域的各種探測(cè)系統(tǒng)接入軍事系統(tǒng)。在軍事領(lǐng)域是如此，在其他領(lǐng)域也是如此，在網(wǎng)絡(luò)安全領(lǐng)域，為了全面、準(zhǔn)確、及時(shí)、有針對(duì)性第獲取網(wǎng)絡(luò)安全態(tài)勢(shì)信息，各種網(wǎng)絡(luò)系統(tǒng)及設(shè)備信息互通及標(biāo)準(zhǔn)化將是大趨勢(shì)。

隨著信息化技術(shù)的發(fā)展。行業(yè)之間相互影響，影響因素越來越多，越來越復(fù)雜，日趨復(fù)雜，單因素的預(yù)測(cè)實(shí)用性越來越差。在多因素共同作用的存在高度不確定性復(fù)雜環(huán)境下，態(tài)勢(shì)感知就越來越能發(fā)揮更重要的作用?？梢灶A(yù)料，伴隨著信息化建設(shè)的縱深推進(jìn)，在“互聯(lián)網(wǎng)+”的大趨勢(shì)下，態(tài)勢(shì)感知作為一種主動(dòng)防御的新技術(shù)，將在經(jīng)濟(jì)、生態(tài)、能源、智慧城市、信息安全、交通等廣大的領(lǐng)域必將得到更加廣泛的應(yīng)用。

4 小結(jié)

態(tài)勢(shì)感知技術(shù)是一種基于環(huán)境的、動(dòng)態(tài)的、整體的洞悉安全風(fēng)險(xiǎn)的技術(shù)，特別適用于復(fù)雜、信噪比大、動(dòng)態(tài)安全不確定性的系統(tǒng)。在態(tài)勢(shì)感知研究方面，除了廣泛的軍事應(yīng)用外，目前研究熱點(diǎn)主要集中在網(wǎng)絡(luò)安全態(tài)勢(shì)感知，通過多角度地獲取網(wǎng)絡(luò)安全數(shù)據(jù)信息，通過分析態(tài)勢(shì)要素間的關(guān)聯(lián)關(guān)系，并將其融合形成一個(gè)網(wǎng)絡(luò)安全態(tài)勢(shì)指標(biāo)，來進(jìn)行安全態(tài)勢(shì)評(píng)估，幫助決策者更全面的理解當(dāng)前環(huán)境，為管理者的決策提供理論支撐。為了更加準(zhǔn)確地、高效地對(duì)海量的態(tài)勢(shì)感知信息進(jìn)行甄別、融合、分析、預(yù)測(cè)，結(jié)合當(dāng)前大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，研究了各種先進(jìn)的模型與分析方法，從態(tài)勢(shì)感知在不同領(lǐng)域中的應(yīng)用可以看出，態(tài)勢(shì)感知在各領(lǐng)域的應(yīng)用所涉及的關(guān)鍵技術(shù)和方法基本是相通的，主要包括多源信息的融合、數(shù)據(jù)挖掘、快速高效的數(shù)據(jù)融合、智能分析預(yù)測(cè)等方面，未來隨著人工智能、大數(shù)據(jù)等現(xiàn)代信息技術(shù)的發(fā)展，態(tài)勢(shì)感知應(yīng)用技術(shù)必將得到更廣泛的應(yīng)用。