基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型構(gòu)建*

王明程 李勇男

(中國(guó)人民公安大學(xué)國(guó)家安全學(xué)院 北京 100038)

0 引 言

現(xiàn)階段,國(guó)家安全風(fēng)險(xiǎn)日益復(fù)雜,需要構(gòu)建跨領(lǐng)域、全方位、系統(tǒng)化的情報(bào)體系予以支撐,以全面掌握國(guó)家安全態(tài)勢(shì)。作為察覺(jué)風(fēng)險(xiǎn)要素、理解風(fēng)險(xiǎn)態(tài)勢(shì),預(yù)測(cè)風(fēng)險(xiǎn)演變的有效手段,態(tài)勢(shì)感知理念和技術(shù)可為國(guó)家安全情報(bào)建設(shè)賦能,推動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力提升。隨著信息化、智能化技術(shù)發(fā)展,國(guó)家安全數(shù)據(jù)急劇增長(zhǎng),為情報(bào)工作提供了多維度、細(xì)粒度的數(shù)據(jù)支撐,對(duì)于增強(qiáng)風(fēng)險(xiǎn)態(tài)勢(shì)感知的科學(xué)性、準(zhǔn)確度和魯棒性意義重大[1]。因此,開(kāi)展基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知研究無(wú)論在國(guó)家戰(zhàn)略層面還是情報(bào)學(xué)研究領(lǐng)域都具有重要意義。

目前,在社會(huì)安全、軍事安全、網(wǎng)絡(luò)安全等領(lǐng)域,已經(jīng)形成了一些態(tài)勢(shì)感知相關(guān)的機(jī)制、體系和模型,為本文提供了諸多有益參考。例如在社會(huì)安全領(lǐng)域,喬鳳才等基于GDELT數(shù)據(jù)庫(kù)對(duì)大數(shù)據(jù)驅(qū)動(dòng)下的社會(huì)安全態(tài)勢(shì)感知進(jìn)行研究[2];張海濤等對(duì)信息不完備條件下突發(fā)事件態(tài)勢(shì)感知進(jìn)行探索[3];在軍事安全領(lǐng)域,張旭東基于大數(shù)據(jù)技術(shù),構(gòu)建戰(zhàn)場(chǎng)態(tài)勢(shì)感知模型[4];段玉先等研究了戰(zhàn)場(chǎng)態(tài)勢(shì)感知關(guān)鍵技術(shù),并對(duì)其未來(lái)發(fā)展趨勢(shì)進(jìn)行展望[5];在網(wǎng)絡(luò)安全領(lǐng)域,常立偉等基于卷積神經(jīng)網(wǎng)絡(luò),構(gòu)建了網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型[6];在科技安全領(lǐng)域,徐宗煌等通過(guò)構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系與模型,對(duì)科技安全態(tài)勢(shì)感知進(jìn)行研究[7]。此外,王靜茹等在深度學(xué)習(xí)框架下,對(duì)智能化危機(jī)情報(bào)多層模型進(jìn)行構(gòu)建[8];白如江等在梳理多源多模態(tài)數(shù)據(jù)融合方法的基礎(chǔ)上,提出了面向情報(bào)感知的多源多模態(tài)數(shù)據(jù)融合思路[9]。

研究發(fā)現(xiàn),現(xiàn)有成果多分散于不同安全領(lǐng)域,尚缺“大安全”背景下,具有“普適性”意義的風(fēng)險(xiǎn)態(tài)勢(shì)感知模型構(gòu)建;此外,關(guān)于數(shù)據(jù)集成與融合的研究多以具體領(lǐng)域應(yīng)用為主,多模態(tài)數(shù)據(jù)融合研究多與檢索領(lǐng)域相關(guān)[10],由其支撐下的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知鮮有提及。在前期研究中,筆者分析了情報(bào)感知在國(guó)家安全情報(bào)工作中的重要意義,并對(duì)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知的運(yùn)作邏輯進(jìn)行了初步探索[11]。本文即在前期研究基礎(chǔ)上,瞄準(zhǔn)“大數(shù)據(jù)”“國(guó)家安全情報(bào)”“態(tài)勢(shì)感知”等領(lǐng)域的交叉方向,以防范國(guó)家安全風(fēng)險(xiǎn)為目標(biāo),以系統(tǒng)論為支撐,以態(tài)勢(shì)感知技術(shù)為依托,以多模態(tài)大數(shù)據(jù)融合為驅(qū)動(dòng)構(gòu)建態(tài)勢(shì)感知模型,以期推動(dòng)形成大數(shù)據(jù)驅(qū)動(dòng)的多層次風(fēng)險(xiǎn)感知模式、提升國(guó)家安全風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力,進(jìn)而為服務(wù)國(guó)家治理體系和能力現(xiàn)代化建設(shè)貢獻(xiàn)力量。

1 國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知概述

在一般意義上,風(fēng)險(xiǎn)是指不確定性對(duì)目標(biāo)的影響,是對(duì)損害發(fā)生概率及后果的綜合衡量[12]。在此概念基礎(chǔ)上,國(guó)家安全風(fēng)險(xiǎn)指不確定性對(duì)國(guó)家安全的影響,包括國(guó)家重大利益受到內(nèi)外部威脅的可能性及嚴(yán)重后果,具有不確定性、復(fù)雜性、系統(tǒng)性等特征[13]。風(fēng)險(xiǎn)是危機(jī)的前兆,若防范不及、應(yīng)對(duì)不利,風(fēng)險(xiǎn)極有可能發(fā)展演變,甚至釀成危機(jī)事件[14]。這就要求情報(bào)機(jī)構(gòu)在對(duì)國(guó)家安全風(fēng)險(xiǎn)的感知中,及時(shí)發(fā)出情報(bào)預(yù)警,并對(duì)風(fēng)險(xiǎn)演變進(jìn)行準(zhǔn)確預(yù)測(cè),有效支撐決策活動(dòng)。

作為強(qiáng)化國(guó)家安全情報(bào)能力,推動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力提升的有效手段,態(tài)勢(shì)感知與國(guó)家安全應(yīng)用場(chǎng)景十分契合。態(tài)勢(shì)感知(Situation Awareness,簡(jiǎn)稱SA)最早源于軍事領(lǐng)域,是一種以大數(shù)據(jù)為基礎(chǔ),在與環(huán)境進(jìn)行交互的過(guò)程中對(duì)威脅進(jìn)行發(fā)現(xiàn)、識(shí)別、理解、分析及預(yù)測(cè)的能力。Endsley認(rèn)為:態(tài)勢(shì)感知是指在一定時(shí)空范圍內(nèi),通過(guò)對(duì)環(huán)境要素進(jìn)行認(rèn)知和理解,進(jìn)而對(duì)事物未來(lái)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)的過(guò)程,包括態(tài)勢(shì)察覺(jué)、態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)[15]。這與OODA循環(huán)(Observe-Orient-Decide-Act,簡(jiǎn)稱OODA循環(huán))的運(yùn)作邏輯類似[16],強(qiáng)調(diào)感知主體通過(guò)與環(huán)境進(jìn)行交互,對(duì)各類環(huán)境要素快速進(jìn)行察覺(jué)、理解、評(píng)估及預(yù)測(cè),進(jìn)而獲取決策優(yōu)勢(shì)以迅速采取行動(dòng)。

在態(tài)勢(shì)感知的范疇下,態(tài)勢(shì)是指在現(xiàn)實(shí)世界中,人們所關(guān)注事物的狀態(tài)及其可能出現(xiàn)的變化[17]。具體而言,“態(tài)”即事物本身的表象,而“勢(shì)”則是表象背后的機(jī)理,由“態(tài)”到“勢(shì)”是一個(gè)由淺到深、由表及里、由靜態(tài)到動(dòng)態(tài)的過(guò)程。據(jù)此,態(tài)勢(shì)感知可以理解為一個(gè)循序漸進(jìn)的過(guò)程,即通過(guò)態(tài)勢(shì)察覺(jué)對(duì)態(tài)勢(shì)數(shù)據(jù)進(jìn)行獲取,在此基礎(chǔ)上推動(dòng)態(tài)勢(shì)理解,進(jìn)而對(duì)未來(lái)態(tài)勢(shì)進(jìn)行預(yù)測(cè),最終推動(dòng)態(tài)勢(shì)情報(bào)應(yīng)用的過(guò)程。

在此基礎(chǔ)上,國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知即指通過(guò)獲取、處理、分析表征國(guó)家安全態(tài)勢(shì)的情報(bào)數(shù)據(jù),探知國(guó)家安全風(fēng)險(xiǎn)的當(dāng)前狀態(tài),預(yù)測(cè)其未來(lái)演變趨勢(shì)并推動(dòng)態(tài)勢(shì)情報(bào)應(yīng)用的過(guò)程,其本質(zhì)上是一種認(rèn)知映射。鑒于國(guó)家安全風(fēng)險(xiǎn)具有不確定性、復(fù)雜性和系統(tǒng)性等特征,因而需要態(tài)勢(shì)感知全面、系統(tǒng)和客觀地掌握風(fēng)險(xiǎn)狀態(tài)及演變規(guī)律,實(shí)時(shí)、準(zhǔn)確和高效地介入國(guó)家安全風(fēng)險(xiǎn)治理。在此意義上,國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知應(yīng)當(dāng)具備全時(shí)空、系統(tǒng)化和客觀性等特征。其中,全時(shí)空是時(shí)間維度的表征,即國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知貫穿過(guò)去、現(xiàn)在和未來(lái);系統(tǒng)化是內(nèi)容維度的表征,要求國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知全面、動(dòng)態(tài)地感知各領(lǐng)域安全風(fēng)險(xiǎn),有效應(yīng)對(duì)決策過(guò)程中信息不完備問(wèn)題;客觀性是應(yīng)用維度的表征,要求國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知為決策活動(dòng)提供客觀、準(zhǔn)確的情報(bào)支撐。

此外,為滿足國(guó)家安全風(fēng)險(xiǎn)治理工作的需要,風(fēng)險(xiǎn)態(tài)勢(shì)感知應(yīng)當(dāng)兼具“平戰(zhàn)一體化”特征,在常態(tài)下通過(guò)能力建構(gòu),以適應(yīng)日常風(fēng)險(xiǎn)管理需要;在“戰(zhàn)時(shí)”通過(guò)實(shí)時(shí)、多維、立體的態(tài)勢(shì)感知滿足快速?zèng)Q策需求。隨著態(tài)勢(shì)感知理念、方法和技術(shù)的逐漸成熟,其支撐下的國(guó)家安全情報(bào)工作效率也將大幅提升,情報(bào)產(chǎn)品的質(zhì)量亦將得到保障。在下文中我們將對(duì)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知的運(yùn)作邏輯進(jìn)行探索,為后續(xù)態(tài)勢(shì)感知模型構(gòu)建奠定基礎(chǔ)。

2 基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知運(yùn)作邏輯

隨著云計(jì)算、物聯(lián)網(wǎng)、智能傳感等新技術(shù)的大量應(yīng)用,國(guó)家安全數(shù)據(jù)呈爆炸式增長(zhǎng),推動(dòng)情報(bào)工作環(huán)境發(fā)生轉(zhuǎn)變,情報(bào)工作因此面臨復(fù)雜多變、深度不確定性的挑戰(zhàn)[18]。Macdonald M S認(rèn)為,信息量的增長(zhǎng)給情報(bào)機(jī)構(gòu)帶來(lái)了信息超載的困擾[19];Tim Bass認(rèn)為,只有整合多模態(tài)數(shù)據(jù),才能有效推動(dòng)數(shù)據(jù)應(yīng)用,進(jìn)而充分發(fā)揮態(tài)勢(shì)感知效能[20]。多模態(tài)大數(shù)據(jù)中蘊(yùn)含著大量的國(guó)家安全風(fēng)險(xiǎn)信息,不同模態(tài)的數(shù)據(jù)會(huì)從不同角度描述事物,從而有助于更加全面地觀察和分析事物[21]。此外,鑒于國(guó)家安全情報(bào)是一個(gè)對(duì)抗博弈的過(guò)程,情報(bào)欺騙和信息迷霧等現(xiàn)象環(huán)生,需要對(duì)各類情報(bào)數(shù)據(jù)進(jìn)行有效甄別,以“剔除”虛假信息。對(duì)此,應(yīng)充分發(fā)揮多模態(tài)大數(shù)據(jù)優(yōu)勢(shì),通過(guò)數(shù)據(jù)間的相互印證有效穿透復(fù)雜國(guó)家安全環(huán)境,推動(dòng)風(fēng)險(xiǎn)態(tài)勢(shì)感知順利進(jìn)行。

多模態(tài)國(guó)家安全大數(shù)據(jù)以文本、圖片、音頻及視頻等不同形式呈現(xiàn)[22],如何從海量數(shù)據(jù)中獲取可靠、準(zhǔn)確的情報(bào)數(shù)據(jù)是國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知的關(guān)鍵。多模態(tài)國(guó)家安全情報(bào)數(shù)據(jù)的融合不是簡(jiǎn)單的堆砌和拼接,而是根據(jù)特定條件、環(huán)境和規(guī)律推動(dòng)多個(gè)要素間相互吸收、相互滲透、有序集成的過(guò)程。美國(guó)國(guó)防部聯(lián)合指揮實(shí)驗(yàn)室(Joint Directors of Laboratories,簡(jiǎn)稱JDL)將數(shù)據(jù)融合定義為:將多信源數(shù)據(jù)進(jìn)行關(guān)聯(lián),進(jìn)而對(duì)事件形勢(shì)、風(fēng)險(xiǎn)及重要程度等進(jìn)行評(píng)估的過(guò)程[23]。在多模態(tài)數(shù)據(jù)處理中,存在數(shù)據(jù)不完整、數(shù)據(jù)不一致、數(shù)據(jù)沖突及數(shù)據(jù)動(dòng)態(tài)融合難等問(wèn)題,推動(dòng)其有效融合至關(guān)重要。本文在借鑒劃分階段數(shù)據(jù)融合方式的基礎(chǔ)上[10],根據(jù)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知的特點(diǎn)將多模態(tài)國(guó)家安全大數(shù)據(jù)劃分為:數(shù)據(jù)層融合、特征層融合、知識(shí)層融合、決策層融合四個(gè)融合階段,并以此驅(qū)動(dòng)整個(gè)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知流程。

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知遵循風(fēng)險(xiǎn)評(píng)估的一般過(guò)程,本文在借鑒Endsley態(tài)勢(shì)感知模型[15]、OODA循環(huán)模型[16]以及風(fēng)險(xiǎn)評(píng)估流程[13]的基礎(chǔ)上,以數(shù)據(jù)獲取→歸并存儲(chǔ)→風(fēng)險(xiǎn)識(shí)別→風(fēng)險(xiǎn)評(píng)估→風(fēng)險(xiǎn)預(yù)測(cè)→風(fēng)險(xiǎn)追蹤→態(tài)勢(shì)融合→態(tài)勢(shì)推送為運(yùn)作邏輯,將國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知設(shè)計(jì)為:風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué),風(fēng)險(xiǎn)態(tài)勢(shì)理解,風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)、風(fēng)險(xiǎn)態(tài)勢(shì)投射四個(gè)流程,分別由多模態(tài)大數(shù)據(jù)的四個(gè)融合階段驅(qū)動(dòng),推動(dòng)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知層層遞進(jìn)、逐步深入。據(jù)此,基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知運(yùn)作邏輯如圖1所示,并對(duì)圖1內(nèi)容進(jìn)行解釋,如表1所示:

表1 基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知運(yùn)作邏輯解析

圖1 基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知運(yùn)作邏輯

上述運(yùn)作邏輯實(shí)質(zhì)上是一個(gè)推動(dòng)多模態(tài)大數(shù)據(jù)由低層次向高層次轉(zhuǎn)變的過(guò)程,通過(guò)多模態(tài)大數(shù)據(jù)的數(shù)據(jù)層→特征層→知識(shí)層→決策層融合,驅(qū)動(dòng)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)→風(fēng)險(xiǎn)態(tài)勢(shì)理解→風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)→風(fēng)險(xiǎn)態(tài)勢(shì)投射的有序運(yùn)行。從整個(gè)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知的運(yùn)作邏輯上看,只有在多模態(tài)大數(shù)據(jù)有效融合的基礎(chǔ)上,通過(guò)風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué),獲得必要的情報(bào)數(shù)據(jù),并在此基礎(chǔ)上推動(dòng)風(fēng)險(xiǎn)態(tài)勢(shì)的理解及預(yù)測(cè),進(jìn)而實(shí)現(xiàn)風(fēng)險(xiǎn)態(tài)勢(shì)情報(bào)的應(yīng)用,才能使得國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知能力真正落地。在下文中,我們將對(duì)多模態(tài)大數(shù)據(jù)驅(qū)動(dòng)下的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型進(jìn)行構(gòu)建,為推動(dòng)該模型更好的融入國(guó)家安全情報(bào)實(shí)踐奠定基礎(chǔ)。

3 基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型呈現(xiàn)

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知是一個(gè)復(fù)雜的系統(tǒng)工程,應(yīng)當(dāng)以防范國(guó)家安全風(fēng)險(xiǎn)為目標(biāo),以系統(tǒng)論為支撐,以態(tài)勢(shì)感知技術(shù)為依托,以多模態(tài)大數(shù)據(jù)融合為驅(qū)動(dòng)對(duì)其模型進(jìn)行構(gòu)建。在上述研究的基礎(chǔ)上,本文將該模型設(shè)計(jì)為:①國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)、②國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)理解、③國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)、④國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)投射共四個(gè)模塊,如圖2所示,該模型各模塊間相互聯(lián)系、相互作用、相互支撐,共同構(gòu)成國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知復(fù)雜系統(tǒng)。

圖2 基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)模塊主要包括態(tài)勢(shì)數(shù)據(jù)獲取、態(tài)勢(shì)數(shù)據(jù)標(biāo)準(zhǔn)化、態(tài)勢(shì)數(shù)據(jù)組織集成三個(gè)模塊,通過(guò)數(shù)據(jù)獲取、數(shù)據(jù)歸并、數(shù)據(jù)存儲(chǔ)流程,構(gòu)建多模態(tài)態(tài)勢(shì)時(shí)空數(shù)據(jù)庫(kù),為后續(xù)態(tài)勢(shì)感知流程構(gòu)建數(shù)據(jù)基礎(chǔ);國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)理解的重點(diǎn)在于識(shí)別當(dāng)前存在的國(guó)家安全風(fēng)險(xiǎn),通過(guò)對(duì)各類風(fēng)險(xiǎn)進(jìn)行評(píng)估,以確定情報(bào)工作的優(yōu)先級(jí),合理統(tǒng)籌應(yīng)急響應(yīng)力量;國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)是更高層次的感知階段,通過(guò)對(duì)未來(lái)國(guó)家安全風(fēng)險(xiǎn)演變進(jìn)行追蹤,為態(tài)勢(shì)投射奠定基礎(chǔ);國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)投射包括國(guó)家安全態(tài)勢(shì)情報(bào)分析及推送兩個(gè)關(guān)鍵流程,是國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知能力落地的核心階段,也是態(tài)勢(shì)情報(bào)投入實(shí)戰(zhàn)應(yīng)用的關(guān)鍵環(huán)節(jié)。在下文中,我們將進(jìn)一步研究該模型的四個(gè)模塊,解析其體系架構(gòu),推動(dòng)其向?qū)嵺`應(yīng)用邁進(jìn)。

3.1 國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)建立在數(shù)據(jù)層融合的基礎(chǔ)上,通過(guò)多模態(tài)態(tài)勢(shì)數(shù)據(jù)的獲取、歸并和存儲(chǔ)構(gòu)建多模態(tài)態(tài)勢(shì)時(shí)空數(shù)據(jù)庫(kù),構(gòu)建察覺(jué)各類國(guó)家安全風(fēng)險(xiǎn)的基礎(chǔ)。該模塊包括多模態(tài)態(tài)勢(shì)數(shù)據(jù)獲取、態(tài)勢(shì)數(shù)據(jù)標(biāo)準(zhǔn)化、態(tài)勢(shì)數(shù)據(jù)組織集成3個(gè)子模塊:

3.1.1多模態(tài)態(tài)勢(shì)數(shù)據(jù)獲取子模塊

多模態(tài)大數(shù)據(jù)中蘊(yùn)含著國(guó)家安全風(fēng)險(xiǎn)演變的全過(guò)程,對(duì)其進(jìn)行有效獲取是確保復(fù)雜環(huán)境下態(tài)勢(shì)感知科學(xué)性和準(zhǔn)確性的關(guān)鍵,也是消除決策過(guò)程中信息不完備問(wèn)題的基礎(chǔ)。依據(jù)我國(guó)《國(guó)家情報(bào)法》,結(jié)合國(guó)家安全情報(bào)相關(guān)實(shí)踐,可將國(guó)家安全情報(bào)數(shù)據(jù)來(lái)源分為:國(guó)家情報(bào)工作機(jī)構(gòu)數(shù)據(jù)、國(guó)家安全相關(guān)機(jī)構(gòu)數(shù)據(jù)、開(kāi)源情報(bào)數(shù)據(jù)、互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)等[11,24]。上述數(shù)據(jù)涵蓋文本、圖片、音頻、視頻、傳感器信號(hào)等多種模態(tài),對(duì)其進(jìn)行有效獲取十分關(guān)鍵。在國(guó)家安全情報(bào)實(shí)踐中,鑒于各類情報(bào)數(shù)據(jù)間存在“流通壁壘”問(wèn)題,因此需要通過(guò)明確共享任務(wù)、構(gòu)建協(xié)作機(jī)制等措施推進(jìn)數(shù)據(jù)共享融合的進(jìn)程,并在此基礎(chǔ)上運(yùn)用開(kāi)放數(shù)據(jù)接口,部署數(shù)據(jù)探針等方式推動(dòng)多模態(tài)大數(shù)據(jù)的有效獲取,為后續(xù)流程奠定基礎(chǔ)。

3.1.2態(tài)勢(shì)數(shù)據(jù)標(biāo)準(zhǔn)化子模塊

態(tài)勢(shì)數(shù)據(jù)標(biāo)準(zhǔn)化是建立在多模態(tài)大數(shù)據(jù)獲取的基礎(chǔ)上,將其進(jìn)行預(yù)處理并對(duì)處理后的數(shù)據(jù)進(jìn)行歸并的過(guò)程,其實(shí)質(zhì)是推動(dòng)多模態(tài)大數(shù)據(jù)的數(shù)據(jù)層融合,包括態(tài)勢(shì)數(shù)據(jù)降噪、數(shù)據(jù)填充和時(shí)空序化。在該子模塊中,需要對(duì)獲取的多模態(tài)情報(bào)數(shù)據(jù)進(jìn)行初步的加工預(yù)處理:即將原本無(wú)序堆疊的數(shù)據(jù)進(jìn)行過(guò)濾降噪,填補(bǔ)數(shù)據(jù)空值,修復(fù)壞死數(shù)據(jù),實(shí)現(xiàn)對(duì)國(guó)家安全情報(bào)數(shù)據(jù)的深度清洗;完成數(shù)據(jù)清洗后,對(duì)國(guó)家安全情報(bào)數(shù)據(jù)的文件類型進(jìn)行分類,并對(duì)其自身的時(shí)空屬性進(jìn)行標(biāo)注,實(shí)現(xiàn)多模態(tài)數(shù)據(jù)的分類分級(jí),以及時(shí)空維度上的序化處理;在此基礎(chǔ)上,按照預(yù)先設(shè)定的數(shù)據(jù)架構(gòu)進(jìn)行數(shù)據(jù)歸并,便可進(jìn)入態(tài)勢(shì)數(shù)據(jù)組織集成子模塊進(jìn)行處理。

3.1.3態(tài)勢(shì)數(shù)據(jù)組織集成子模塊

在該子模塊中,通過(guò)跨模態(tài)數(shù)據(jù)識(shí)別對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行掃描,確保對(duì)應(yīng)模態(tài)的數(shù)據(jù)應(yīng)存盡存,構(gòu)建不同模態(tài)數(shù)據(jù)之間的映射關(guān)系及時(shí)空對(duì)應(yīng)關(guān)系,形成多層異構(gòu)數(shù)據(jù)網(wǎng)絡(luò);在此基礎(chǔ)上,運(yùn)用智能算法進(jìn)一步加強(qiáng)態(tài)勢(shì)時(shí)空數(shù)據(jù)關(guān)聯(lián);并依托分布式技術(shù)確保多模態(tài)大數(shù)據(jù)的安全性,形成分布式存儲(chǔ)和分布式檢索架構(gòu),進(jìn)而推動(dòng)態(tài)勢(shì)數(shù)據(jù)的組織和集成,為風(fēng)險(xiǎn)數(shù)據(jù)特征提取、風(fēng)險(xiǎn)識(shí)別、評(píng)估和預(yù)測(cè)等流程的順利進(jìn)行奠定基礎(chǔ)。

鑒于國(guó)家安全情報(bào)工作是一個(gè)對(duì)抗博弈的過(guò)程,因而應(yīng)當(dāng)重視數(shù)據(jù)處理、傳輸、存儲(chǔ)和應(yīng)用過(guò)程中的反情報(bào)工作。在國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)察覺(jué)模塊中,可以通過(guò)構(gòu)建數(shù)據(jù)安全域(Security Domain),進(jìn)行數(shù)據(jù)加密傳輸?shù)确绞綄?duì)情報(bào)數(shù)據(jù)進(jìn)行存儲(chǔ)、應(yīng)用和共享,防止數(shù)據(jù)被竊取或泄露,確保整個(gè)態(tài)勢(shì)感知流程安全有序的運(yùn)行。

3.2 國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)理解

國(guó)家安全態(tài)勢(shì)理解是在態(tài)勢(shì)察覺(jué)的基礎(chǔ)上,在多模態(tài)態(tài)勢(shì)時(shí)空數(shù)據(jù)特征層融合的驅(qū)動(dòng)下,對(duì)國(guó)家安全風(fēng)險(xiǎn)情景、征兆等進(jìn)行識(shí)別,并對(duì)各類風(fēng)險(xiǎn)進(jìn)行評(píng)估,從而實(shí)現(xiàn)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)全面理解的過(guò)程。該模塊包括國(guó)家安全風(fēng)險(xiǎn)識(shí)別及風(fēng)險(xiǎn)評(píng)估兩個(gè)子模塊:

3.2.1國(guó)家安全風(fēng)險(xiǎn)識(shí)別子模塊

風(fēng)險(xiǎn)識(shí)別包括對(duì)風(fēng)險(xiǎn)情景、風(fēng)險(xiǎn)征兆、風(fēng)險(xiǎn)類別、觸發(fā)條件等的識(shí)別和描述,是一個(gè)識(shí)別并描述系統(tǒng)所存在風(fēng)險(xiǎn)及威脅的過(guò)程[25]。常用的風(fēng)險(xiǎn)識(shí)別方法包括情景相似度檢驗(yàn)法[26]和征兆分析法[27],即通過(guò)構(gòu)建算法模型對(duì)情境要素進(jìn)行分析,對(duì)屬性特征進(jìn)行提取以及對(duì)征兆信號(hào)進(jìn)行探測(cè),以主動(dòng)發(fā)覺(jué)風(fēng)險(xiǎn)情景進(jìn)而推動(dòng)風(fēng)險(xiǎn)識(shí)別。在基于多模態(tài)大數(shù)據(jù)的算法模型訓(xùn)練過(guò)程中,數(shù)據(jù)的高維性特征往往會(huì)導(dǎo)致模型的訓(xùn)練過(guò)程變長(zhǎng)[28]。對(duì)此,Zhao等提出通過(guò)改進(jìn)條件熵的屬性的方式簡(jiǎn)化算法,即采用并行簡(jiǎn)化的思想構(gòu)造屬性重要性矩陣,將權(quán)重較大的特征輸入到分類器(Classifier)中對(duì)算法模型進(jìn)行訓(xùn)練[29];張?jiān)徧岢鲞\(yùn)用BP神經(jīng)網(wǎng)絡(luò),通過(guò)模型訓(xùn)練、模型監(jiān)測(cè)和模型反饋等對(duì)風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè),并通過(guò)反饋學(xué)習(xí)來(lái)不斷提高風(fēng)險(xiǎn)識(shí)別的能力[30]。

在該子模塊中,可以在多模態(tài)大數(shù)據(jù)跨模態(tài)特征抽取、跨模態(tài)融合的基礎(chǔ)上,通過(guò)充分運(yùn)用情景分析、征兆分析、觸發(fā)器分析、聚類分析、頻繁子圖挖掘等方法,分析國(guó)家安全復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)演化、耦合機(jī)制、系統(tǒng)動(dòng)力學(xué)等風(fēng)險(xiǎn)特征,推動(dòng)風(fēng)險(xiǎn)表征能力的提升,為后續(xù)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估流程奠定基礎(chǔ)。

3.2.2國(guó)家安全風(fēng)險(xiǎn)評(píng)估子模塊

國(guó)家安全風(fēng)險(xiǎn)評(píng)估要緊跟復(fù)雜嚴(yán)峻的國(guó)際環(huán)境和動(dòng)蕩變幻的世界局勢(shì),站在國(guó)家安全戰(zhàn)略與發(fā)展全局的高度開(kāi)展。在評(píng)估過(guò)程中,可以采用風(fēng)險(xiǎn)指數(shù)分析、失效模式影響及危害度分析(Failure Mode Effects and Criticality Analysis, 簡(jiǎn)稱FMECA)、失效模式和效應(yīng)分析(Failure Mode and Effects Analysis,簡(jiǎn)稱FMEA)等風(fēng)險(xiǎn)評(píng)估方式[31],通過(guò)統(tǒng)籌事件發(fā)生率、威脅程度、可監(jiān)測(cè)性、可控程度等因素構(gòu)建評(píng)估指標(biāo)體系,實(shí)現(xiàn)對(duì)國(guó)家安全風(fēng)險(xiǎn)發(fā)生概率、致?lián)p能力、嚴(yán)重度、脆弱性等的科學(xué)評(píng)估。

根據(jù)得到的平均失效概率、損傷因子和FMS，計(jì)算得到氫氣管道的失效概率Pf(t)=7.0×10-7×3×0.603=1.26×10-6，其失效可能性等級(jí)為1。

國(guó)家安全識(shí)別與評(píng)估是一個(gè)螺旋上升、雙向促進(jìn)的循環(huán)過(guò)程。一方面,在國(guó)家安全風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上推動(dòng)風(fēng)險(xiǎn)評(píng)估工作有序進(jìn)行;另一方面,通過(guò)風(fēng)險(xiǎn)評(píng)估發(fā)現(xiàn)重要的風(fēng)險(xiǎn)點(diǎn),充實(shí)風(fēng)險(xiǎn)識(shí)別特征要素,推動(dòng)風(fēng)險(xiǎn)識(shí)別工作更加科學(xué)地開(kāi)展。此外,在“大安全”背景下,國(guó)家安全風(fēng)險(xiǎn)廣泛存在于政治、經(jīng)濟(jì)、文化和社會(huì)等不同國(guó)家安全領(lǐng)域,且風(fēng)險(xiǎn)間交織耦合特征明顯。對(duì)此,應(yīng)當(dāng)根據(jù)各安全領(lǐng)域風(fēng)險(xiǎn)的特點(diǎn),以及系統(tǒng)性風(fēng)險(xiǎn)特征,開(kāi)展跨領(lǐng)域、跨部門、跨層級(jí)的全局性風(fēng)險(xiǎn)評(píng)估,建設(shè)更加系統(tǒng)完善的國(guó)家安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,推進(jìn)風(fēng)險(xiǎn)評(píng)估流程更加科學(xué)高效。在風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)之上,通過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化處理,生成統(tǒng)一的國(guó)家安全風(fēng)險(xiǎn)指數(shù)(Risk Indices),用于分析各類風(fēng)險(xiǎn)的嚴(yán)重程度,進(jìn)而判斷開(kāi)展情報(bào)及應(yīng)急響應(yīng)工作的優(yōu)先級(jí),有效支撐風(fēng)險(xiǎn)治理。

3.3 國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)模塊是建立在多模態(tài)大數(shù)據(jù)知識(shí)層融合的基礎(chǔ)上,對(duì)風(fēng)險(xiǎn)類別、強(qiáng)度變化、風(fēng)險(xiǎn)發(fā)生時(shí)間、區(qū)位以及風(fēng)險(xiǎn)演化路徑進(jìn)行預(yù)判的過(guò)程。該模塊包括風(fēng)險(xiǎn)預(yù)測(cè)和風(fēng)險(xiǎn)追蹤兩個(gè)子模塊:

3.3.1風(fēng)險(xiǎn)預(yù)測(cè)子模塊

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)是在獲取、處理、轉(zhuǎn)換歷史和當(dāng)前態(tài)勢(shì)數(shù)據(jù),構(gòu)建風(fēng)險(xiǎn)事件致因網(wǎng)絡(luò)知識(shí)庫(kù)的基礎(chǔ)上,通過(guò)建立態(tài)勢(shì)預(yù)測(cè)模型,探尋態(tài)勢(shì)數(shù)據(jù)之間的發(fā)展變化規(guī)律,并在此基礎(chǔ)上對(duì)風(fēng)險(xiǎn)態(tài)勢(shì)的未來(lái)發(fā)展趨勢(shì)和狀況等進(jìn)行推理的邏輯過(guò)程。在國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)的相關(guān)研究中,曹波等提出了一種基于Stacking模型融合的態(tài)勢(shì)預(yù)測(cè)方法,并為提升模型的泛化能力,探索了一種粒子群優(yōu)化算法,以實(shí)現(xiàn)模型參數(shù)的尋優(yōu)[32]。Zhao等基于多源時(shí)空數(shù)據(jù)進(jìn)行分層特征學(xué)習(xí),并利用分組LASSO回歸分析的方法,預(yù)測(cè)了墨西哥等國(guó)沖突事件的發(fā)生概率[33];Yang等基于深度神經(jīng)網(wǎng)絡(luò)的兩階段情感分析方法,構(gòu)建了群體聚集行為的預(yù)警模型[34];王雨晨等基于隨機(jī)森林算法,對(duì)犯罪預(yù)測(cè)模型的構(gòu)建進(jìn)行了探索[35];陳晨等運(yùn)用基于灰色數(shù)據(jù)預(yù)處理的WD-LSTM模型,以實(shí)現(xiàn)食品安全風(fēng)險(xiǎn)的預(yù)測(cè)預(yù)警[36]。

在該子模塊中,通過(guò)借鑒上述研究成果,在多模態(tài)大數(shù)據(jù)知識(shí)層融合的基礎(chǔ)之上,充分運(yùn)用回歸分析、機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)等技術(shù),采用時(shí)間序列、回歸預(yù)測(cè)、畸變預(yù)測(cè)、拓?fù)漕A(yù)測(cè)和系統(tǒng)預(yù)測(cè)等方式構(gòu)建態(tài)勢(shì)預(yù)測(cè)算法模型,對(duì)各類國(guó)家安全風(fēng)險(xiǎn)要素進(jìn)行預(yù)測(cè)、預(yù)判及預(yù)警,為采取及時(shí)有效的風(fēng)險(xiǎn)阻斷措施提供支撐。

3.3.2風(fēng)險(xiǎn)追蹤子模塊

由于國(guó)家安全風(fēng)險(xiǎn)具有不確定性、多變性等特征,通過(guò)構(gòu)建模型庫(kù)和知識(shí)庫(kù)的方式,將掌握的各類風(fēng)險(xiǎn)預(yù)測(cè)和分析方法進(jìn)行集成,可有效推動(dòng)態(tài)勢(shì)預(yù)測(cè)工作的順利進(jìn)行[37]。鑒于國(guó)家安全風(fēng)險(xiǎn)交織聯(lián)動(dòng)的特性,需要各領(lǐng)域?qū)＜颐芮信浜?通過(guò)推進(jìn)知識(shí)協(xié)同判斷,情報(bào)協(xié)同分析,推動(dòng)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)更加精準(zhǔn),更好地融入國(guó)家安全風(fēng)險(xiǎn)治理。

3.4 國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)投射

國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)投射是態(tài)勢(shì)感知模型投入情報(bào)實(shí)踐的關(guān)鍵所在。該流程建立在多模態(tài)大數(shù)據(jù)的決策層融合的基礎(chǔ)上,通過(guò)綜合考慮所有較低層次或者局部的決策信息,基于多個(gè)決策體的關(guān)聯(lián)融合,推動(dòng)決策工作科學(xué)有效的進(jìn)行。本文根據(jù)國(guó)家安全情報(bào)的應(yīng)用邏輯,將該模塊設(shè)計(jì)為態(tài)勢(shì)融合和態(tài)勢(shì)推送兩個(gè)子模塊:

3.4.1態(tài)勢(shì)融合子模塊

態(tài)勢(shì)融合是在態(tài)勢(shì)察覺(jué)、理解和預(yù)測(cè)的基礎(chǔ)上,推動(dòng)國(guó)家安全風(fēng)險(xiǎn)感知、風(fēng)險(xiǎn)預(yù)警及風(fēng)險(xiǎn)預(yù)測(cè)等態(tài)勢(shì)情報(bào)充分融合的過(guò)程。在“大安全”背景下,各類國(guó)家安全風(fēng)險(xiǎn)復(fù)雜交織,需要各領(lǐng)域?qū)＜颐芮信浜?。因?需要構(gòu)建基于“群智協(xié)同”的國(guó)家安全情報(bào)融合協(xié)作模式,通過(guò)多類決策要素間的動(dòng)態(tài)整合,實(shí)現(xiàn)不同數(shù)據(jù)實(shí)體和決策主體之間的協(xié)同配合,構(gòu)建跨層級(jí)、跨部門的情報(bào)協(xié)作模式,更好地推進(jìn)情報(bào)融合和應(yīng)用。

此外,在“群智協(xié)同”基礎(chǔ)之上,通過(guò)將數(shù)據(jù)資源、風(fēng)險(xiǎn)管控、資源配置、技術(shù)創(chuàng)新等能力要素與地方政府、公安機(jī)關(guān)、應(yīng)急管理部門等決策主體進(jìn)行動(dòng)態(tài)整合,利用實(shí)體間的協(xié)同交互,實(shí)現(xiàn)基于大規(guī)模協(xié)作的風(fēng)險(xiǎn)決策、知識(shí)管理與資源共享,確保各實(shí)體間的協(xié)調(diào)統(tǒng)一,推動(dòng)各類風(fēng)險(xiǎn)管控工作協(xié)調(diào)有序的開(kāi)展。

3.4.2態(tài)勢(shì)推送子模塊

態(tài)勢(shì)推送是態(tài)勢(shì)情報(bào)得以實(shí)戰(zhàn)應(yīng)用的基礎(chǔ)和關(guān)鍵,其實(shí)質(zhì)是構(gòu)建情報(bào)與決策之間的耦合機(jī)制。該子模塊應(yīng)當(dāng)在信息建構(gòu)理論(Information Architecture,簡(jiǎn)稱IA)的支撐下,通過(guò)構(gòu)建國(guó)家安全風(fēng)險(xiǎn)“態(tài)勢(shì)一張圖”,推動(dòng)態(tài)勢(shì)察覺(jué)要素可視化、理解要素可視化和預(yù)測(cè)要素的可視化;此外,應(yīng)當(dāng)在人機(jī)交互模式的推動(dòng)下進(jìn)行情報(bào)刻畫(huà),以主題態(tài)勢(shì)情報(bào)和定制態(tài)勢(shì)情報(bào)的形式推送戰(zhàn)略、戰(zhàn)役及戰(zhàn)術(shù)層面的風(fēng)險(xiǎn)態(tài)勢(shì)情報(bào),為國(guó)家安全風(fēng)險(xiǎn)的阻斷及應(yīng)急響應(yīng)提供堅(jiān)實(shí)的情報(bào)支撐。

風(fēng)險(xiǎn)態(tài)勢(shì)情報(bào)應(yīng)貫穿國(guó)家安全應(yīng)急響應(yīng)的全周期、全階段:a.在風(fēng)險(xiǎn)演變前,通過(guò)態(tài)勢(shì)感知全面挖掘和識(shí)別潛在的國(guó)家安全風(fēng)險(xiǎn),及時(shí)向決策者發(fā)出情報(bào)預(yù)警。b.在風(fēng)險(xiǎn)演化為安全事件的過(guò)程中,在態(tài)勢(shì)情報(bào)支撐下,為采取科學(xué)有效的防控措施提供支撐。c.在風(fēng)險(xiǎn)演化為安全事件之后,一方面通過(guò)持續(xù)、高動(dòng)態(tài)的態(tài)勢(shì)感知防范次生、衍生事件的發(fā)生;另一方面通過(guò)對(duì)國(guó)家安全事件的損害后果進(jìn)行評(píng)估,指導(dǎo)各類資源的統(tǒng)籌調(diào)配;此外,通過(guò)態(tài)勢(shì)回溯,對(duì)態(tài)勢(shì)感知的效能進(jìn)行評(píng)估,推動(dòng)其迭代升級(jí),更好的發(fā)揮效用。

4 結(jié)論及展望

本文在“大安全”背景下,在闡釋相關(guān)概念、分析多模態(tài)大數(shù)據(jù)驅(qū)動(dòng)下的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知機(jī)理的基礎(chǔ)上,構(gòu)建基于多模態(tài)大數(shù)據(jù)的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型,旨在為國(guó)家安全風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警提供“普適性”的模型參考,推動(dòng)形成大數(shù)據(jù)驅(qū)動(dòng)的多層次風(fēng)險(xiǎn)感知模式。正如本文所述,該模型的構(gòu)建是一項(xiàng)復(fù)雜的系統(tǒng)工程,未來(lái)仍有許多研究空間值得我們關(guān)注。例如,本文雖然探索了多模態(tài)大數(shù)據(jù)賦能的國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知運(yùn)作邏輯,但對(duì)于多模態(tài)大數(shù)據(jù)的融合框架、跨模態(tài)數(shù)據(jù)融合技術(shù)方法等仍缺乏進(jìn)一步研究,未來(lái)應(yīng)當(dāng)加以完善。此外,在國(guó)家安全情報(bào)實(shí)踐中,囿于情報(bào)資源分布于不同的平臺(tái)系統(tǒng)且存在“流通壁壘”問(wèn)題,因而大規(guī)模、實(shí)時(shí)性的態(tài)勢(shì)察覺(jué)或遭遇困境。對(duì)此應(yīng)當(dāng)加強(qiáng)數(shù)據(jù)共享機(jī)制、數(shù)據(jù)融合方案及數(shù)據(jù)傳輸規(guī)則等方面的研究,加快推進(jìn)情報(bào)數(shù)據(jù)的共享融合。在后續(xù)研究中,我們將推動(dòng)國(guó)家安全風(fēng)險(xiǎn)態(tài)勢(shì)感知模型更加系統(tǒng)完善,使其更好地發(fā)揮監(jiān)測(cè)預(yù)警的效能,為強(qiáng)化國(guó)家安全情報(bào)能力,服務(wù)國(guó)家治理體系和能力現(xiàn)代化建設(shè)提供支撐。