鄧子涵，王紅濱

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

0 引言

態(tài)勢感知作為一種輔助決策和行動的方法，已經(jīng)實際應(yīng)用于眾多的現(xiàn)代行業(yè)中。1988 年，Endsley首次提出了態(tài)勢感知（Situation Awareness，SA）的概念，并給出具體定義即：在一定的時空中，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)，并由此對該要素有關(guān)的事物未來一段時間內(nèi)的發(fā)展趨勢進行預(yù)測的方法。態(tài)勢感知最早應(yīng)用在軍事領(lǐng)域，目的是通過獲取、甄別并分析戰(zhàn)場敵我雙方的戰(zhàn)斗態(tài)勢，為指揮者進行戰(zhàn)略決策提供支持，以提高決策的科學(xué)性并縮短決策時間。

近年來，態(tài)勢感知技術(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)勢感知應(yīng)用技術(shù)發(fā)展概況

態(tài)勢感知技術(shù)應(yīng)用研究，最初是為了解決軍事問題。當(dāng)時，為了提高戰(zhàn)斗機的作戰(zhàn)能力，戰(zhàn)斗機駕駛艙內(nèi)的飛機控制系統(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，但也對飛行員戰(zhàn)時快速確定行動方案帶來了更大的挑戰(zhàn)。因為隨著飛機速度及機載武器能力的增加，要求飛行員必須在更短的時間內(nèi)快速整合座艙內(nèi)日益增加的復(fù)雜信號信息以及他的感官信息，形成對當(dāng)前敵我態(tài)勢的判斷，從而采取最有利的行動方案。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，飛行員的實際行動效果卻遠不及預(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，不利于他快速制定行動方案。為了解決這一問題，研究人員啟動開展態(tài)勢感知應(yīng)用技術(shù)研究，以期利用態(tài)勢感知技術(shù)，有效地協(xié)助飛行員進行高效準(zhǔn)確的行動決策。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)不同探測系統(tǒng)得到的信息，如何對收集到的各種信息進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，包括如何進行信息分組與信息合成、如何更有效地進行信息呈現(xiàn)，如數(shù)字化與圖形化等；③是如何進行態(tài)勢預(yù)測，包括如何基于已獲得的信息建立基于動態(tài)決策的態(tài)勢感知模型，如何準(zhǔn)確高效預(yù)測未來的狀態(tài)和演化趨勢，從而輔助飛行員進行行動決策；④是態(tài)勢感知應(yīng)用技術(shù)的有效性驗證，即研究態(tài)勢感知應(yīng)用技術(shù)在實戰(zhàn)中不同情景的有效性。這是態(tài)勢感知應(yīng)用技術(shù)研究的起步階段，在這個階段，研究人員提出多種態(tài)勢感知模型，其中較有影響力的有 JDL 模型和Endsley 模型。JDL模型由美國國防部提出，主要包含三個部分：人機接口、數(shù)據(jù)融合、數(shù)據(jù)采集。Endsley模型由Mica R.Endsley提出，將態(tài)勢感知定義為態(tài)勢要素獲取、態(tài)勢理解、態(tài)勢預(yù)測三層模型，并基于此提出了依托態(tài)勢感知的動態(tài)決策通用理論模型，見圖1。

圖1 基于態(tài)勢感知的動態(tài)決策通用理論模型

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

隨著態(tài)勢感知理論模型的建立及其應(yīng)用技術(shù)的發(fā)展，態(tài)勢感知逐步應(yīng)用于軍事領(lǐng)域。利用態(tài)勢感知應(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。基于態(tài)勢感知三個層次，在態(tài)勢信息獲取方面，境外主要軍事強國都投入了大量的人力物力，積極開展戰(zhàn)場態(tài)勢感知系統(tǒng)研究與實際應(yīng)用，開展包括?；?、陸基、空基以及網(wǎng)電空間一體化的態(tài)勢感知能力建設(shè)，不斷改進現(xiàn)有戰(zhàn)場態(tài)勢感知硬件體系，以期從海陸空全方位獲取與實時跟蹤敵方作戰(zhàn)兵力部署、攻擊及防御武器動態(tài)、氣象、水文等海量信息。在態(tài)勢理解與預(yù)測方面，為了實現(xiàn)更好的戰(zhàn)場態(tài)勢理解與預(yù)測，各國不斷將利用大數(shù)據(jù)、人工智能、云計算等先進分析預(yù)測技術(shù)，對原始信息進行知識的分析、挖掘從而得到戰(zhàn)場態(tài)勢信息，并在此基礎(chǔ)上進行快速預(yù)測分析，以獲得戰(zhàn)略優(yōu)勢與戰(zhàn)略主動。

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，我國整體網(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)險進一步加劇。近年來，網(wǎng)絡(luò)安全態(tài)勢感知作為網(wǎng)絡(luò)安全主動防御的新技術(shù)，越來越受到業(yè)界的關(guān)注和認可，網(wǎng)絡(luò)安全態(tài)勢感知在許多國家被提升到了國家戰(zhàn)略高度，政府、監(jiān)管機構(gòu)、企業(yè)等相繼開始建設(shè)和積極應(yīng)用態(tài)勢感知系統(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)雜的動態(tài)安全不確定性，態(tài)勢感知也被用于復(fù)雜電力系統(tǒng)動態(tài)行為和趨勢的感知，以實現(xiàn)電力系統(tǒng)運行關(guān)鍵動態(tài)數(shù)據(jù)的在線測量、數(shù)據(jù)處理、分析，達到對主要動態(tài)行為的測量、辨識、顯示、預(yù)警的作用。利用態(tài)勢感知技術(shù)，能較高精度地檢測出位置的和潛在的電網(wǎng)運行風(fēng)險，提高對電網(wǎng)運行的掌控能力。態(tài)勢感知技術(shù)也開始被應(yīng)用于疾病預(yù)防，交通安全、金融安全等多個領(lǐng)域。

2 態(tài)勢感知技術(shù)發(fā)展現(xiàn)狀

2.1 態(tài)勢感知技術(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。敵方軍事信息往往不全面，且軍事行動演化過程不明確，無法通過先驗知識進行判斷。這種特點，驅(qū)動了態(tài)勢感知應(yīng)用技術(shù)在軍事作戰(zhàn)領(lǐng)域的廣泛應(yīng)用。例如，在美國彈道導(dǎo)彈防御C2BMC 系統(tǒng)中，已將態(tài)勢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，并將各種信息轉(zhuǎn)化為指揮官在進行導(dǎo)彈防御時易于使用的態(tài)勢信息，協(xié)助各級指揮官在各種類型的彈道導(dǎo)彈威脅下快速進行最佳指揮決策。

近年來，態(tài)勢感知技術(shù)在軍事領(lǐng)域得到了不斷深化發(fā)展。美國先后發(fā)展太空態(tài)勢感知應(yīng)用技術(shù)，用于太空攻防對抗，利用太空態(tài)勢感知技術(shù)對所有發(fā)生在空間的事件、威脅、活動、狀態(tài)進行感知，對影響太空活動的所有因素進行認知和分析，使指揮決策和操作人員獲取并維持空間優(yōu)勢。為了增強態(tài)勢感知能力，美國一方面不斷強化其態(tài)勢感知硬件系統(tǒng)建設(shè)（包括地基監(jiān)視雷達、地基跟蹤成像雷達、地基光學(xué)深空監(jiān)視系統(tǒng)、船載測量雷達、空間環(huán)境監(jiān)視系統(tǒng)、衛(wèi)星信號偵察系統(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算等新技術(shù)大量用于太空態(tài)勢感知系統(tǒng)建設(shè)中，以期解決在信息不確定、不完備，認知樣本稀缺，規(guī)則模糊、不一致等條件下的態(tài)勢感知難題，提升態(tài)勢理解及態(tài)勢預(yù)測的能力和水平。

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

圖2 基于“反饋”的深度態(tài)勢感知模型

在態(tài)勢理解與態(tài)勢預(yù)測方面，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抗條件下態(tài)勢目標(biāo)的自主認知難題，利用深度學(xué)習(xí)技術(shù)進行軍用目標(biāo)識別，幫助指揮員快速定位、識別目標(biāo)并判斷其威脅程度；將深度神經(jīng)網(wǎng)絡(luò)用于態(tài)勢預(yù)測，利用實戰(zhàn)數(shù)據(jù)、實兵對抗數(shù)據(jù)、兵棋推演數(shù)據(jù)、靶場試驗數(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)勢感知，將計算機仿真、機器學(xué)習(xí)應(yīng)用于大規(guī)模的太空觀測和其他太空數(shù)據(jù)分析（如天氣），預(yù)測太空活動、太空物體碰撞以及碎片軌跡運行等。研究人員還利用云計算技術(shù)，實現(xiàn)戰(zhàn)術(shù)邊緣全維情報實時處理能力，利用“戰(zhàn)術(shù)云”或“戰(zhàn)斗云”，實現(xiàn)戰(zhàn)場態(tài)勢按需分發(fā)以及協(xié)同作戰(zhàn)互聯(lián)互通，通過“通用操作環(huán)境”實現(xiàn)高機動性、高強度對抗戰(zhàn)術(shù)環(huán)境下不同系統(tǒng)間的信息共享和互操作，實現(xiàn)分布式任務(wù)指揮。

2.2 態(tài)勢感知技術(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)?；⒎植蓟?、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、用戶身份驗證技術(shù)、修補漏洞、口令管理等，僅限于對某一方面安全數(shù)據(jù)的采集處理，只能單點有針對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，實現(xiàn)對網(wǎng)絡(luò)安全環(huán)境的風(fēng)險評估和預(yù)測，推動了網(wǎng)絡(luò)安全主動防御新技術(shù)——網(wǎng)絡(luò)安全態(tài)勢感知的研究與發(fā)展。

1999 年，Tim Bass 首次將空中交通監(jiān)管(Air Traffic Control，ATC)態(tài)勢感知的成熟理論和技術(shù)借鑒到網(wǎng)絡(luò)態(tài)勢感知中，成為安全領(lǐng)域態(tài)勢感知研究的開創(chuàng)者，實現(xiàn)了針對網(wǎng)絡(luò)入侵檢測的態(tài)勢感知功能。他認為在高度抽象的層面，用于監(jiān)視空域中對象的技術(shù)同樣適用于監(jiān)視網(wǎng)絡(luò)中的對象，由此提出了網(wǎng)絡(luò)安全態(tài)勢感知的概念。網(wǎng)絡(luò)安全態(tài)勢感知是指在大規(guī)模網(wǎng)絡(luò)環(huán)境中，對能夠引起網(wǎng)絡(luò)安全態(tài)勢發(fā)生變化的安全要素獲取、理解以及預(yù)測的過程。網(wǎng)絡(luò)安全態(tài)勢感知通過融合提取的數(shù)據(jù)來進行安全態(tài)勢評估,為管理者的決策提供理論支撐,對降低網(wǎng)絡(luò)安全風(fēng)險、提高應(yīng)急響應(yīng)能力以及預(yù)測安全趨勢。Tim Bass 認為，應(yīng)有效融合整個由異構(gòu)網(wǎng)絡(luò)傳感器得到的信息，實現(xiàn)數(shù)據(jù)利用最大化，以此才能有效發(fā)揮出安全態(tài)勢感知的作用。故首先就應(yīng)實現(xiàn)對數(shù)據(jù)的收集，接著對數(shù)據(jù)進行校對和監(jiān)測，確保及時發(fā)現(xiàn)數(shù)據(jù)中存在的問題，以此來感知計算機系統(tǒng)的工作狀態(tài)，確保能夠及時發(fā)現(xiàn)計算機系統(tǒng)在運行時存在的潛在風(fēng)險。2008 年，Shanchieh 等人研究指出，預(yù)測網(wǎng)絡(luò)攻擊行動應(yīng)當(dāng)具備四個基本要素：能力、機會、目的、行為趨勢，并在此基礎(chǔ)上提出一套算法來獨立分析這些基本要素，通過基于圖形的虛擬態(tài)勢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)測行為模式。2009年，Onwubiko在Endlsey三級模型的基礎(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)勢感知模型

在網(wǎng)絡(luò)安全態(tài)勢要素獲取方面，由于態(tài)勢信息數(shù)據(jù)來源于各種異構(gòu)數(shù)據(jù)，要實現(xiàn)準(zhǔn)確高效的網(wǎng)絡(luò)安全態(tài)勢感知，需要實現(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)勢感知研究中的熱點技術(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)平臺的、不完全的實際應(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)安全的信息和知識問題，從數(shù)據(jù)挖掘應(yīng)用到入侵檢測領(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間及空間上分散的多源信息的互補集成問題，從而獲得對當(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)勢感知技術(shù)研究的熱點。

在網(wǎng)絡(luò)安全態(tài)勢評估方面，目前態(tài)勢評估技術(shù)主要分為基于數(shù)學(xué)模型的態(tài)勢評估技術(shù)、基于隨機模型的態(tài)勢評估技術(shù)、基于生物啟發(fā)模型的態(tài)勢評估技術(shù)。其中基于數(shù)學(xué)模型的態(tài)勢評估技術(shù)主要通過數(shù)學(xué)規(guī)律對態(tài)勢要素進行建模，從而實現(xiàn)態(tài)勢要素概率化，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)勢要素的變化對整個環(huán)境造成影響時，可選用動態(tài)貝葉斯網(wǎng)絡(luò)，當(dāng)態(tài)勢要素隨機不確定或相關(guān)樣本較少時可采用灰色理論方法，當(dāng)態(tài)勢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)勢要素時，可選擇層次分析法以及權(quán)重分析法?；陔S機模型的態(tài)勢評估技術(shù)主要針對變化的條件來動態(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)勢評估技術(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)勢預(yù)測是態(tài)勢感知研究的應(yīng)用目標(biāo)，是根據(jù)態(tài)勢評估結(jié)果對未來趨勢進行預(yù)測。在態(tài)勢預(yù)測方面，主要技術(shù)有基于時間序列的預(yù)測方法，基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法、基于灰色理論的預(yù)測方法等?；跁r間序列的預(yù)測方法是通過分析一段時間內(nèi)采集的動態(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，進而計算出短期內(nèi)態(tài)勢發(fā)展，適合短期預(yù)測場景；基于神經(jīng)網(wǎng)絡(luò)的預(yù)測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)勢預(yù)測場景；基于灰色理論的預(yù)測方法主要用小離散樣本數(shù)據(jù)預(yù)測場景，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)運行方式呈現(xiàn)多樣化趨勢，導(dǎo)致對電力系統(tǒng)穩(wěn)定性的動態(tài)響應(yīng)預(yù)測變得愈發(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)勢感知的概念，嘗試借用傳統(tǒng)的態(tài)勢感知理論結(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估電力系統(tǒng)當(dāng)前的運行狀態(tài)以及未來一段時間的發(fā)展趨勢，以便為運行人員快速提供相應(yīng)的決策支撐。

相對于網(wǎng)絡(luò)安全態(tài)勢感知，電力系統(tǒng)態(tài)勢感知應(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量單元（phasor measurement unit，PMU）的大量安裝以及廣域測量系統(tǒng)（wide area measurement system，WAMS）的廣泛部署，越來越多的電力系統(tǒng)運行數(shù)據(jù)可以被實時采集并匯總，區(qū)域間振蕩可以通過電力系統(tǒng)同調(diào)分析進行監(jiān)測。短路故障、切機切負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行監(jiān)測為電力系統(tǒng)態(tài)勢感知提供了有力的數(shù)據(jù)支撐。

目前電力系統(tǒng)態(tài)勢感知研究剛起步，主要著重于研究監(jiān)測方法和監(jiān)測模型，包括如何運用大數(shù)據(jù)技術(shù)從海量PMU 數(shù)據(jù)中獲取真正實用的信息、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)事件辨識的重點和難點，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。除此之外，對于人類預(yù)測上有困難的外部環(huán)境因素，如極端惡劣天氣等導(dǎo)致的電力系統(tǒng)的事故也是我國未來可以進一步深入研究和探索的方向。可以預(yù)見，綜合利用人工智能、大數(shù)據(jù)等技術(shù)精準(zhǔn)預(yù)測外部極端環(huán)境，并采用更精準(zhǔn)的模型、更快速的預(yù)測方法是電力系統(tǒng)發(fā)展趨勢預(yù)測主要的研究方向。

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)勢感知技術(shù)已開始用于無人機群控制與協(xié)同、輿情感知、政務(wù)大數(shù)據(jù)監(jiān)管平臺、外貿(mào)、政府危機決策、復(fù)雜環(huán)境下工控系統(tǒng)、機場運行、交通、疾病預(yù)防等多個領(lǐng)域，這些領(lǐng)域的共同特點是態(tài)勢感知影響因素復(fù)雜，且處于動態(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)勢感知邏輯體系，廣泛收集與目標(biāo)管理相關(guān)的態(tài)勢要素，通過對態(tài)勢要素數(shù)據(jù)的甄別、分析理解，通過建立相應(yīng)的模型進行識別與歸納推理，實現(xiàn)對復(fù)雜環(huán)境下的發(fā)展趨勢進行預(yù)測，支持決策。

3 態(tài)勢感知技術(shù)發(fā)展趨勢

從態(tài)勢感知技術(shù)的發(fā)展到各領(lǐng)域的應(yīng)用來看，態(tài)勢感知應(yīng)用技術(shù)已逐步從最初的飛行員直觀的物理感知擴展為基于各種傳感器的機器感知，已從最初以解決人因為主的應(yīng)用技術(shù)逐步發(fā)展到以解決復(fù)雜、大數(shù)據(jù)動態(tài)分析及趨勢預(yù)測為主的應(yīng)用技術(shù)。

在根據(jù)特定的應(yīng)用需求建立態(tài)勢感知模型后，態(tài)勢信息獲取的全面性就至關(guān)重要。對于態(tài)勢感知，與目標(biāo)相關(guān)的探測視野越大越有利，有針對性的輸入信息越廣越有利，全面、準(zhǔn)確、及時、有針對性的態(tài)勢信息獲取是態(tài)勢理解及態(tài)勢預(yù)測的基礎(chǔ)。因此，在軍事領(lǐng)域，為了更準(zhǔn)確及時的獲取更高精度的信息，各種探測系統(tǒng)被不斷增加、升級，信息獲取的維度也不斷增加與提升，不但采用多個組網(wǎng)互補的傳感器方案，更是將海陸空多維度的探測系統(tǒng)相互集成，甚至將特定民用領(lǐng)域的各種探測系統(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、有針對性第獲取網(wǎng)絡(luò)安全態(tài)勢信息，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。

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)測實用性越來越差。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，在“互聯(lián)網(wǎng)+”的大趨勢下，態(tài)勢感知作為一種主動防御的新技術(shù)，將在經(jīng)濟、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)勢感知技術(shù)是一種基于環(huán)境的、動態(tài)的、整體的洞悉安全風(fēng)險的技術(shù)，特別適用于復(fù)雜、信噪比大、動態(tài)安全不確定性的系統(tǒng)。在態(tài)勢感知研究方面，除了廣泛的軍事應(yīng)用外，目前研究熱點主要集中在網(wǎng)絡(luò)安全態(tài)勢感知，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)勢要素間的關(guān)聯(lián)關(guān)系，并將其融合形成一個網(wǎng)絡(luò)安全態(tài)勢指標(biāo)，來進行安全態(tài)勢評估，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、高效地對海量的態(tài)勢感知信息進行甄別、融合、分析、預(yù)測，結(jié)合當(dāng)前大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，研究了各種先進的模型與分析方法，從態(tài)勢感知在不同領(lǐng)域中的應(yīng)用可以看出，態(tài)勢感知在各領(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)勢感知應(yīng)用技術(shù)必將得到更廣泛的應(yīng)用。