陳金龍

（作者單位：新疆維吾爾自治區(qū)廣播電視局六九四臺(tái)）

1 態(tài)勢(shì)感知概述

態(tài)勢(shì)感知本身是軍事上的一種概念，最早是用來分析空戰(zhàn)環(huán)境，對(duì)當(dāng)前和未來形勢(shì)作出判斷的一種方法，于20世紀(jì)90年代被引用到信息安全對(duì)抗領(lǐng)域。目前，對(duì)態(tài)勢(shì)感知的定義源自1988年Endsley首次提出的動(dòng)態(tài)環(huán)境中態(tài)勢(shì)感知的通用定義：態(tài)勢(shì)感知是認(rèn)知大量的時(shí)間和空間中的環(huán)境要素，理解它們的意義，并預(yù)測(cè)它們?cè)诓痪脤淼臓顟B(tài)[1]。如圖1所示，Endsley從人的認(rèn)知角度出發(fā)，提出了態(tài)勢(shì)感知和影響態(tài)勢(shì)感知要素的概念模型，該模型剖析了核心態(tài)勢(shì)感知最重要的組成，即對(duì)環(huán)境要素的獲取以及對(duì)當(dāng)前態(tài)勢(shì)的理解和對(duì)未來狀態(tài)的預(yù)測(cè)[2-3]，并在其之后的研究中不斷地進(jìn)行優(yōu)化改進(jìn)。

我國從2016年起已經(jīng)有相關(guān)的政策與法規(guī)對(duì)態(tài)勢(shì)感知的發(fā)展進(jìn)行規(guī)范。2016年4月19日，習(xí)近平總書記在網(wǎng)絡(luò)安全和信息化工作座談會(huì)上的講話中提及“全天候全方位感知網(wǎng)絡(luò)安全態(tài)勢(shì)”，并提到“感知網(wǎng)絡(luò)安全態(tài)勢(shì)是最基本最基礎(chǔ)的工作，要全面加強(qiáng)網(wǎng)絡(luò)安全檢查，摸清家底，認(rèn)清風(fēng)險(xiǎn)，找出漏洞，通報(bào)結(jié)果，督促整改。要建立統(tǒng)一高效的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)報(bào)告機(jī)制、情報(bào)共享機(jī)制與研判處置機(jī)制，準(zhǔn)確把握網(wǎng)絡(luò)安全風(fēng)險(xiǎn)發(fā)生的規(guī)律、動(dòng)向、趨勢(shì)”[4]。2016年《“十三五”國家信息化規(guī)劃》在重大任務(wù)和重點(diǎn)工程中強(qiáng)調(diào)強(qiáng)化網(wǎng)絡(luò)安全頂層設(shè)計(jì)、健全網(wǎng)絡(luò)與信息安全信息通報(bào)預(yù)警機(jī)制、加強(qiáng)關(guān)鍵信息基礎(chǔ)設(shè)施威脅感知和持續(xù)防御能力建設(shè)；同時(shí)，也強(qiáng)調(diào)加強(qiáng)網(wǎng)絡(luò)安全態(tài)勢(shì)感知、監(jiān)測(cè)預(yù)警和應(yīng)急處置能力建設(shè)，做好風(fēng)險(xiǎn)防范工作。除此以外，《國家網(wǎng)絡(luò)空間安全戰(zhàn)略》、2017年國家安全工作座談會(huì)、《網(wǎng)絡(luò)安全法》和《關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)條例》等，都明確了態(tài)勢(shì)感知能力的重要性。如今，態(tài)勢(shì)感知經(jīng)過多年的技術(shù)沉淀和市場(chǎng)打磨，國內(nèi)行業(yè)對(duì)態(tài)勢(shì)感知的核心作用與應(yīng)該具備的主要功能已經(jīng)有了比較清晰的認(rèn)識(shí)，并且在不同行業(yè)領(lǐng)域，衍生了基于“態(tài)”和“勢(shì)”的針對(duì)性的態(tài)勢(shì)感知解決方案，取得了很好的成效。

本文認(rèn)為，網(wǎng)絡(luò)信息安全領(lǐng)域中態(tài)勢(shì)感知的原理、邏輯與概念，同樣適用于廣播電視系統(tǒng)。面對(duì)“不間斷，高質(zhì)量，既經(jīng)濟(jì)又安全”的廣播電視安全播出現(xiàn)狀，將節(jié)目傳輸保障工作從被動(dòng)轉(zhuǎn)變?yōu)橹鲃?dòng)，與傳統(tǒng)中醫(yī)的“治未病”理論相吻合，使整個(gè)安全播出系統(tǒng)中的節(jié)目傳輸設(shè)備、業(yè)務(wù)系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)以及其他輔助系統(tǒng)處于健康穩(wěn)定的運(yùn)行狀態(tài)，可防患于未然。最終通過大量數(shù)據(jù)指標(biāo)的分析預(yù)測(cè)，提高安全播出保障能力，降低播出事故率，實(shí)現(xiàn)“零事故”的優(yōu)質(zhì)播出目標(biāo)。

廣播電視安全播出保障工作中態(tài)勢(shì)感知網(wǎng)絡(luò)是對(duì)有可能引起安全播出事故的環(huán)節(jié)進(jìn)行全方位的技術(shù)指標(biāo)檢測(cè)，通過對(duì)指標(biāo)的采集、清洗、加工、匯總與比對(duì)，得出狀態(tài)趨勢(shì)，進(jìn)行分析預(yù)測(cè)。這里的“態(tài)”是指各業(yè)務(wù)設(shè)備和系統(tǒng)指標(biāo)的實(shí)時(shí)形態(tài)，包括傳輸環(huán)節(jié)中的設(shè)備工作狀態(tài)、信號(hào)傳輸狀態(tài)、節(jié)目?jī)?nèi)容狀態(tài)以及局域網(wǎng)絡(luò)通道狀態(tài)；“勢(shì)”是指根據(jù)狀態(tài)變化形成的趨勢(shì)，從趨勢(shì)的形成過程中，發(fā)現(xiàn)導(dǎo)致趨勢(shì)走壞的原因，以及未來趨勢(shì)的走向。通過“態(tài)”與“勢(shì)”的感知預(yù)測(cè)，以告警作為驅(qū)動(dòng)源，以事件定義風(fēng)險(xiǎn)等級(jí)，以流程規(guī)范應(yīng)急處置?；凇皯B(tài)勢(shì)感知”網(wǎng)絡(luò)模型，深入挖掘節(jié)目傳輸環(huán)節(jié)中可能存在的異常風(fēng)險(xiǎn)，達(dá)到感知節(jié)目傳輸業(yè)務(wù)的精細(xì)化管理和風(fēng)險(xiǎn)預(yù)測(cè)能力的目的，為下一秒的安全播出保障工作保駕護(hù)航。

2 態(tài)勢(shì)感知網(wǎng)絡(luò)建設(shè)的范圍

廣播電視節(jié)目傳輸機(jī)房主要由硬件設(shè)備和軟件系統(tǒng)組成。態(tài)勢(shì)感知網(wǎng)絡(luò)的建設(shè)以設(shè)備與軟件系統(tǒng)的狀態(tài)趨勢(shì)變化為核心。業(yè)務(wù)傳輸設(shè)備包括光傳輸、編碼復(fù)用、分配器和切換器。輔助系統(tǒng)包括電力系統(tǒng)、環(huán)境監(jiān)測(cè)系統(tǒng)、信號(hào)監(jiān)測(cè)系統(tǒng)和網(wǎng)管系統(tǒng)，以及相關(guān)的網(wǎng)絡(luò)設(shè)施（交換機(jī)、路由器、服務(wù)器、工作站和存儲(chǔ)等）設(shè)備等。除此以外，廣播電視節(jié)目本身的傳輸流與視音頻內(nèi)容的狀態(tài)也是整個(gè)態(tài)勢(shì)感知網(wǎng)絡(luò)建設(shè)的核心資源。態(tài)勢(shì)感知網(wǎng)絡(luò)的組成部分就是一切與保障安全播出相關(guān)的設(shè)備設(shè)施，感知網(wǎng)絡(luò)覆蓋的面越廣泛，可搜集的信息越豐富，指標(biāo)越全面，對(duì)分析預(yù)測(cè)的結(jié)果就更加精確。態(tài)勢(shì)感知網(wǎng)絡(luò)最終形成全臺(tái)監(jiān)測(cè)預(yù)警的“一張網(wǎng)”，構(gòu)建以態(tài)勢(shì)感知平臺(tái)為節(jié)點(diǎn)，上下貫通、對(duì)接聯(lián)動(dòng)以及信息共享的安全播出技術(shù)支撐體系[5]。

3 態(tài)勢(shì)感知網(wǎng)絡(luò)在安全播出智慧管理中實(shí)現(xiàn)的技術(shù)路線

根據(jù)圖1中態(tài)勢(shì)感知模型，按照態(tài)勢(shì)感知技術(shù)的分類，從廣播電視安全播出保障工作的任務(wù)要求出發(fā)，態(tài)勢(shì)感知網(wǎng)絡(luò)建設(shè)的技術(shù)路線包括安全播出智慧管理要素提取、安全播出智慧管理態(tài)勢(shì)理解和安全播出智慧管理態(tài)勢(shì)預(yù)測(cè)三部分。

3.1 安全播出智慧管理要素提取

安全播出智慧管理要素的提取是指采集廣播電視節(jié)目傳輸系統(tǒng)設(shè)備的相關(guān)狀態(tài)、屬性和狀態(tài)指標(biāo)等元數(shù)據(jù)，并將元數(shù)據(jù)進(jìn)行清洗與加工，形成有效信息，通過建立各種業(yè)務(wù)模型，歸入各種可以理解的表現(xiàn)方式。

3.1.1 傳輸設(shè)備要素提取

傳輸設(shè)備是指鏈路拓?fù)渲懈鱾€(gè)環(huán)節(jié)的專用設(shè)備，比如信源系統(tǒng)的光接收設(shè)備和信號(hào)分配及倒換設(shè)備，編碼復(fù)用設(shè)備和碼流切換設(shè)備等。提取的要素包括設(shè)備自身的工作狀態(tài)和設(shè)備在處理廣播電視節(jié)目信號(hào)過程中的業(yè)務(wù)數(shù)據(jù)。提取的方法基于傳輸控制協(xié)議/網(wǎng)際協(xié)議（Transmission Control Protocol/Internet Protocol，TCP/IP）網(wǎng)絡(luò)接口實(shí)現(xiàn)，對(duì)于市面上主流的國內(nèi)外進(jìn)口設(shè)備，接口協(xié)議缺乏統(tǒng)一的標(biāo)準(zhǔn)，需要盡可能全面地掌握協(xié)議格式和接口內(nèi)容，確保指標(biāo)要素的完整性和連續(xù)性。而對(duì)于一些不具備第三網(wǎng)接口形式的設(shè)備，需要采用Web技術(shù)、網(wǎng)絡(luò)數(shù)據(jù)包的捕獲分析技術(shù)以及相關(guān)的解密技術(shù)，模擬http請(qǐng)求，間接提取信息要素。

3.1.2 動(dòng)力環(huán)境要素提取

為安全播出系統(tǒng)提供能源電力的動(dòng)力設(shè)備主要包括配電間的電力設(shè)備和不間斷電源（Uninterruptible Power Supply，UPS）蓄電池組。電能的供應(yīng)、電能質(zhì)量和工作負(fù)荷、UPS機(jī)頭以及蓄電池組的單體電池狀態(tài)等數(shù)據(jù)，是動(dòng)力要素的關(guān)鍵指標(biāo)依據(jù)。除此之外，環(huán)境要素的提取包括溫濕度、煙感水浸、粉塵、漏電及非法入侵等方面。動(dòng)力環(huán)境要素的提取基于串口（RS232/485）和IP網(wǎng)絡(luò)，并借助各類傳感器，實(shí)現(xiàn)安全播出機(jī)房動(dòng)力與環(huán)境狀態(tài)要素的采集處理。

3.1.3 視音頻要素提取

視音頻中的要素提取主要圍繞傳輸流和視音頻指標(biāo)進(jìn)行要素提取，目前國內(nèi)監(jiān)測(cè)廠商在這方面做得比較好，工作人員可以通過開放接口的形式，從監(jiān)測(cè)廠家獲得視音頻的要素。除此以外，還應(yīng)對(duì)視頻畫面進(jìn)行關(guān)鍵區(qū)域識(shí)別，以及對(duì)音頻中固定的內(nèi)容進(jìn)行文字提取。目前，圖像識(shí)別與語音轉(zhuǎn)文字技術(shù)已經(jīng)非常成熟，準(zhǔn)確率較高。

3.1.4 網(wǎng)絡(luò)設(shè)施要素提取

組成安全播出設(shè)備和業(yè)務(wù)系統(tǒng)的局域網(wǎng)絡(luò)設(shè)備設(shè)施主要以交換機(jī)、路由器、服務(wù)器、工作站和存儲(chǔ)等為主。目前，比較可靠的方法是基于NetFlow的網(wǎng)絡(luò)監(jiān)測(cè)功能，在網(wǎng)絡(luò)設(shè)備設(shè)施上部署采集探針實(shí)現(xiàn)網(wǎng)絡(luò)流量數(shù)據(jù)的提取[6]，同時(shí)采用簡(jiǎn)單網(wǎng)絡(luò)管理協(xié)議（Simple Network Management Protocol，SNMP）對(duì)網(wǎng)絡(luò)設(shè)備設(shè)施的端口與性能數(shù)據(jù)進(jìn)行采集處理[7]，實(shí)現(xiàn)對(duì)流量數(shù)據(jù)和硬件模塊狀態(tài)的融合提取，目的是保證感知綜合業(yè)務(wù)傳輸與管理的網(wǎng)絡(luò)通道的暢通。

3.1.5 業(yè)務(wù)軟件系統(tǒng)日志提取

安全播出系統(tǒng)中除了物理設(shè)備以外，還存在諸多業(yè)務(wù)軟件系統(tǒng)，如設(shè)備管理系統(tǒng)、綜合網(wǎng)管軟件、信號(hào)監(jiān)測(cè)系統(tǒng)、電力監(jiān)控系統(tǒng)和安防環(huán)境系統(tǒng)，其中設(shè)備管理系統(tǒng)是由不同廠家提供的，每個(gè)廠家提供一套軟件管理自家的設(shè)備，軟件系統(tǒng)數(shù)量較多。業(yè)務(wù)軟件系統(tǒng)是運(yùn)行在操作系統(tǒng)之上，并自帶數(shù)據(jù)庫。因此，采集Windows和Linux操作系統(tǒng)，Tomcat中間件與數(shù)據(jù)庫等輔助軟件系統(tǒng)的日志信息、配置信息和警報(bào)信息應(yīng)加以整合，為態(tài)勢(shì)感知的理解提供基礎(chǔ)。目前比較普遍的是通過Syslog、SNMP Trap及API等方式實(shí)現(xiàn)。

3.2 安全播出智慧管理態(tài)勢(shì)理解

態(tài)與勢(shì)的理解建立在各要素提取的基礎(chǔ)上，通過對(duì)廣播電視節(jié)目傳輸各環(huán)節(jié)的要素?cái)?shù)據(jù)的采集、計(jì)算和處理后，將復(fù)雜的、不易于理解判斷的各種表象，采用量化、圖形化以及三維可視化的形式進(jìn)行直觀的展示，為分析和決策者提供多維度與多形態(tài)的視角，使其全方位地掌控安全播出系統(tǒng)的運(yùn)行狀態(tài)。其主要包括安全播出事件的檢測(cè)分析、指標(biāo)體系的構(gòu)建、態(tài)勢(shì)評(píng)估方法和大數(shù)據(jù)可視化幾個(gè)層次。

3.2.1 安全播出事件的檢測(cè)與分析

傳統(tǒng)的人工對(duì)安全播出事件的檢測(cè)基本上是通過局部指標(biāo)和知識(shí)經(jīng)驗(yàn)來分析的，該方法要求人工的經(jīng)驗(yàn)儲(chǔ)備和操作技巧較高，有一定的局限性。常用的安全播出事件檢測(cè)方法是自動(dòng)巡檢系統(tǒng)和應(yīng)急處置系統(tǒng)。

自動(dòng)巡檢系統(tǒng)是基于指標(biāo)體系，實(shí)時(shí)地對(duì)完整節(jié)目傳輸環(huán)境中的軟硬件指標(biāo)態(tài)勢(shì)進(jìn)行評(píng)估，得出當(dāng)前安全播出智慧管理中的風(fēng)險(xiǎn)等級(jí)。自動(dòng)巡檢系統(tǒng)側(cè)重于風(fēng)險(xiǎn)管理，能很好地代替人工間歇式不定期的檢測(cè)方式。

應(yīng)急處置系統(tǒng)是對(duì)發(fā)生或即將發(fā)生的重大安全播出事件提供解決預(yù)案，并根據(jù)風(fēng)險(xiǎn)等級(jí)協(xié)調(diào)資源，快速反應(yīng)以及時(shí)消除隱患，恢復(fù)播出。應(yīng)急處置系統(tǒng)側(cè)重于風(fēng)險(xiǎn)的控制，所提供的預(yù)案通過模型算法應(yīng)提前通過技術(shù)驗(yàn)證，最大限度減少損失。

3.2.2 指標(biāo)體系的構(gòu)建

指標(biāo)是描述屬性的元素，能反映安全播出中設(shè)備與業(yè)務(wù)系統(tǒng)的狀態(tài)特征。由于節(jié)目傳輸?shù)纳舷掠苇h(huán)環(huán)相扣，具備強(qiáng)關(guān)聯(lián)性，導(dǎo)致指標(biāo)也具備內(nèi)在聯(lián)系與互補(bǔ)的特征。指標(biāo)體系的構(gòu)建為態(tài)勢(shì)感知網(wǎng)絡(luò)的態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)提供計(jì)算與評(píng)估的依據(jù)。

3.2.2.1 指標(biāo)的定量

如果態(tài)勢(shì)的計(jì)算和評(píng)估，是以數(shù)值的方式抽取結(jié)果，則對(duì)具備量變的指標(biāo)進(jìn)行定量。這類指標(biāo)包括設(shè)備工作模塊的性能數(shù)據(jù)、某一參數(shù)數(shù)據(jù)的變化范圍和門限閾值等以具體數(shù)值的方式來表示態(tài)勢(shì)的指標(biāo)。這類指標(biāo)屬于客觀類型的指標(biāo)。

3.2.2.2 指標(biāo)的定性

如果態(tài)勢(shì)的評(píng)估結(jié)果是以知識(shí)推理所得到的結(jié)果，該類指標(biāo)一般以圖形化的趨勢(shì)方式進(jìn)行呈現(xiàn)，并具備實(shí)時(shí)性，則對(duì)具備趨勢(shì)變化的結(jié)果指標(biāo)進(jìn)行定性。

3.2.2.3 指標(biāo)的分層

在安全播出智慧管理系統(tǒng)的若干個(gè)指標(biāo)中，將某一指標(biāo)的惡劣程度導(dǎo)致安全播出事故的嚴(yán)重性作為依據(jù)，按照指標(biāo)異常產(chǎn)生的風(fēng)險(xiǎn)等級(jí)，將指標(biāo)進(jìn)行歸類；或者根據(jù)節(jié)目傳輸所處環(huán)節(jié)指標(biāo)的動(dòng)態(tài)與靜態(tài)行為來劃分。比如，配置數(shù)據(jù)就是一種靜態(tài)指標(biāo)，不需要實(shí)時(shí)變化。

3.2.2.4 指標(biāo)的關(guān)聯(lián)與互補(bǔ)

某些安全播出事故產(chǎn)生時(shí)，某一指標(biāo)的變化會(huì)導(dǎo)致其他指標(biāo)伴隨著發(fā)生變化。該類指標(biāo)往往能提升態(tài)勢(shì)評(píng)估的準(zhǔn)確性。在態(tài)勢(shì)預(yù)測(cè)時(shí)，盡可能地選取相關(guān)聯(lián)的指標(biāo)進(jìn)行綜合分析。

態(tài)勢(shì)感知網(wǎng)絡(luò)的指標(biāo)體系構(gòu)建是態(tài)勢(shì)評(píng)估的核心，同時(shí)隨著節(jié)目傳輸鏈路的調(diào)整升級(jí)，指標(biāo)體系也在逐步發(fā)生變化，評(píng)估因子應(yīng)跟隨指標(biāo)體系的發(fā)展而改進(jìn)，因此指標(biāo)體系的構(gòu)建是一個(gè)逐步豐富完善的過程。

3.2.3 態(tài)勢(shì)評(píng)估方法

3.2.3.1 基于數(shù)學(xué)模型

數(shù)學(xué)模型是最早用來評(píng)估態(tài)勢(shì)的。該評(píng)估方法根據(jù)影響安全播出智慧管理的不同因素，建立評(píng)價(jià)函數(shù)，然后通過評(píng)價(jià)函數(shù)將多個(gè)態(tài)勢(shì)因子聚集得到態(tài)勢(shì)結(jié)果。比如，傳統(tǒng)的權(quán)重分析法、集對(duì)分析法都屬于基于數(shù)學(xué)模型的評(píng)估方法范疇。權(quán)重分析法將融合的結(jié)果直接作為態(tài)勢(shì)評(píng)估函數(shù)的基本參數(shù)，但核心評(píng)價(jià)函數(shù)的構(gòu)造、參數(shù)的選擇沒有統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)，容易帶入主觀意見。集對(duì)分析法是處理系統(tǒng)確定性與不確定性相互作用的數(shù)學(xué)理論[8]，已經(jīng)得到廣泛應(yīng)用，但還需要借助專家經(jīng)驗(yàn)，也存在一些不足。

3.2.3.2 基于知識(shí)推理

知識(shí)推理是在無法采用數(shù)學(xué)模型處理的情況下所用的評(píng)估方法，該方法類似模擬人的大腦，在態(tài)勢(shì)評(píng)估方面與傳統(tǒng)的數(shù)學(xué)模型相比更智能，一定程度上避免了主觀意識(shí)對(duì)態(tài)勢(shì)評(píng)估的客觀性產(chǎn)生影響。知識(shí)推理方法主要是借助概率論、模糊集等處理不確定信息，在推理證據(jù)比較充分時(shí)，該方法的準(zhǔn)確性較高。

3.2.3.3 基于模式識(shí)別

模式識(shí)別方法是借助于數(shù)據(jù)挖掘算法，主要依賴人工訓(xùn)練樣本和對(duì)歷史數(shù)據(jù)挖掘分析得出的態(tài)勢(shì)模式進(jìn)行態(tài)勢(shì)評(píng)估。該方法的核心是通過機(jī)器學(xué)習(xí)建立態(tài)勢(shì)模板，對(duì)當(dāng)前數(shù)據(jù)和業(yè)務(wù)形態(tài)進(jìn)行比對(duì)和映射，不依賴專家經(jīng)驗(yàn)，具有處理效率高、處理的數(shù)據(jù)量大等特點(diǎn)。其中，神經(jīng)網(wǎng)絡(luò)算法在模式識(shí)別算法中應(yīng)用較為廣泛。

3.2.4 大數(shù)據(jù)可視化

態(tài)勢(shì)感知的狀態(tài)數(shù)據(jù)變化、信息交互過程、應(yīng)對(duì)策略和預(yù)測(cè)結(jié)果等環(huán)節(jié)的展示方式，直接影響決策者的識(shí)別、定位和全局把控能力。通過綜合信息數(shù)據(jù)的可視化展示，能夠快速、高效及準(zhǔn)確地將態(tài)勢(shì)呈現(xiàn)，并傳遞給決策者。一種思路是以事件為驅(qū)動(dòng)，以流程作為閉環(huán)控制，將事件處理過程所需的要素進(jìn)行鏈接管理，把直觀的數(shù)據(jù)直接定位到可疑的故障點(diǎn)，通過時(shí)序信息數(shù)據(jù)，形成可視化的交互系統(tǒng)。

3.3 安全播出智慧管理態(tài)勢(shì)預(yù)測(cè)

態(tài)勢(shì)預(yù)測(cè)是態(tài)勢(shì)感知網(wǎng)絡(luò)評(píng)估的關(guān)鍵之一。在獲取、分析比對(duì)以及處理歷史與當(dāng)前實(shí)時(shí)態(tài)勢(shì)數(shù)據(jù)的基礎(chǔ)上，依據(jù)當(dāng)前的實(shí)際業(yè)務(wù)模型，利用數(shù)學(xué)算法得出相關(guān)規(guī)律和趨勢(shì)，對(duì)安全播出系統(tǒng)的未來狀態(tài)變化趨勢(shì)和工況進(jìn)行邏輯推理。有關(guān)預(yù)測(cè)算法應(yīng)該結(jié)合廣播電視行業(yè)的特點(diǎn)和國家廣電總局對(duì)安全播出任務(wù)的工作要求來設(shè)計(jì)。由于廣播電視節(jié)目傳輸系統(tǒng)中的數(shù)據(jù)具有時(shí)間關(guān)系的序列，可采用基于時(shí)間序列的節(jié)目傳輸設(shè)備與業(yè)務(wù)系統(tǒng)的組合態(tài)勢(shì)預(yù)測(cè)方法。

節(jié)目傳輸設(shè)備及業(yè)務(wù)系統(tǒng)的風(fēng)險(xiǎn)受眾多因素的影響，傳輸業(yè)務(wù)的指標(biāo)有較強(qiáng)的時(shí)變性，傳統(tǒng)的組合模型依靠經(jīng)驗(yàn)數(shù)值、指標(biāo)的門限閾值以及單一的告警信息，無法精確地對(duì)未來態(tài)勢(shì)的預(yù)測(cè)給出有效的評(píng)估。組合態(tài)勢(shì)預(yù)測(cè)模型的常見方法有算術(shù)平均法和簡(jiǎn)單加權(quán)法[9]。

3.3.1 算術(shù)平均法

算術(shù)平均法是一種簡(jiǎn)單的基于定量的預(yù)測(cè)方法，該方法在預(yù)測(cè)過程中不需要對(duì)指標(biāo)參數(shù)進(jìn)行復(fù)雜的邏輯運(yùn)算，只把一定時(shí)間段內(nèi)的數(shù)據(jù)平均值作為最終的結(jié)果。

3.3.2 簡(jiǎn)單加權(quán)法

簡(jiǎn)單加權(quán)法是在平均法的基礎(chǔ)上進(jìn)行優(yōu)化，對(duì)于不同設(shè)備和運(yùn)行環(huán)境下的狀態(tài)指標(biāo)，根據(jù)其不同的特性設(shè)置不同的權(quán)重參數(shù)。

當(dāng)下人工智能技術(shù)已經(jīng)逐步成熟，硬件計(jì)算速度的提升推動(dòng)了機(jī)器學(xué)習(xí)的發(fā)展，有關(guān)機(jī)器學(xué)習(xí)中涉及的一些高端技術(shù)，也只能實(shí)現(xiàn)人類智能的一些具體的局部。有研究者利用基于神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，該預(yù)測(cè)方法在模型參數(shù)、復(fù)雜性等方面，仍然還需依賴專家經(jīng)驗(yàn)，因此也是亟待解決的問題。

4 態(tài)勢(shì)感知網(wǎng)絡(luò)在安全播出領(lǐng)域的發(fā)展趨勢(shì)與方向

自從習(xí)近平總書記提出“全天候全方位感知網(wǎng)絡(luò)安全態(tài)勢(shì)”后，“態(tài)勢(shì)感知”在網(wǎng)絡(luò)安全行業(yè)成為熱門話題。時(shí)至今日，國內(nèi)幾乎所有安全廠商和新興創(chuàng)業(yè)公司都推出了自己的態(tài)勢(shì)感知產(chǎn)品或者解決方案。不同行業(yè)對(duì)態(tài)勢(shì)感知的需求和關(guān)注點(diǎn)也不盡相同，廣電行業(yè)在技術(shù)發(fā)展上，一直專注于硬件設(shè)備的更新迭代和信號(hào)鏈路的冗余備份。隨著時(shí)代的發(fā)展，廣電行業(yè)中更多決策者會(huì)認(rèn)可態(tài)勢(shì)感知網(wǎng)絡(luò)技術(shù)及其應(yīng)用，從而更好地利用新的技術(shù)和方法，加強(qiáng)安全播出能力建設(shè)，完善安全播出體系。

4.1 視覺識(shí)別

廣播電視傳輸信號(hào)中，節(jié)目的視音頻狀態(tài)與質(zhì)量是至關(guān)重要的一環(huán)。目前，國內(nèi)通常的做法是采用信號(hào)監(jiān)測(cè)系統(tǒng)，從信道、碼流和圖像層三個(gè)方面對(duì)視音頻進(jìn)行監(jiān)測(cè)。但是這種監(jiān)測(cè)方法無法對(duì)內(nèi)容進(jìn)行識(shí)別，在信號(hào)輸入正常的情況下，無法判斷圖像傳輸正確性。利用計(jì)算機(jī)視覺識(shí)別對(duì)直觀的圖像畫面進(jìn)行分析，并結(jié)合字幕的提取，可規(guī)避錯(cuò)播與非法插播等影響安全播出的因素。

4.2 數(shù)字孿生

態(tài)勢(shì)感知網(wǎng)絡(luò)從深入的層次中提取“態(tài)”的表象，呈現(xiàn)“勢(shì)”的發(fā)展變化規(guī)律，但在廣播電視安全播出與運(yùn)維工作過程中，存在鏈路結(jié)構(gòu)復(fù)雜、環(huán)節(jié)眾多以及人力資源不足等問題。借助數(shù)字孿生（Digital twin）技術(shù)，充分利用現(xiàn)有播出鏈路的物理模型、播出設(shè)備模型以及業(yè)務(wù)模型，結(jié)合態(tài)勢(shì)感知的狀態(tài)數(shù)據(jù)，讓安全播出要素在虛擬的空間完成映射，以三維可視化的場(chǎng)景，直觀地反映實(shí)體設(shè)備與鏈路的完整生命周期。通過可視化的數(shù)字孿生平臺(tái)，將現(xiàn)實(shí)中的傳輸機(jī)房與信息化的虛擬機(jī)房進(jìn)行融合，提升態(tài)勢(shì)感知網(wǎng)絡(luò)的交互能力，讓“態(tài)”與“勢(shì)”的變化規(guī)律在全局宏觀和局部細(xì)微處都能更好地為決策提供幫助。

4.3 人工智能

人工智能技術(shù)在各行各業(yè)已經(jīng)得到廣泛應(yīng)用，傳統(tǒng)的檢測(cè)手段與方法通過人工智能的賦能，在效果與性能方面收效顯著。未來態(tài)勢(shì)感知利用機(jī)器學(xué)習(xí)技術(shù)來感知態(tài)勢(shì)的變化規(guī)律，通過不斷的樣本學(xué)習(xí)投喂與人工經(jīng)驗(yàn)滲入，機(jī)器學(xué)習(xí)也將逐步完善與準(zhǔn)確。通過人工智能提升態(tài)勢(shì)感知網(wǎng)絡(luò)的能力，是安全播出智慧管理在未來研究與發(fā)展的主要方向之一。

4.4 政策支持

在“互聯(lián)網(wǎng)+”背景下，伴隨著智慧廣電的建設(shè)，今后態(tài)勢(shì)感知網(wǎng)絡(luò)的建設(shè)及應(yīng)用必然會(huì)得到相關(guān)政策的支持。通過政策的引導(dǎo)，結(jié)合安全播出工作的意識(shí)形態(tài)主動(dòng)權(quán)，促進(jìn)態(tài)勢(shì)感知網(wǎng)絡(luò)的創(chuàng)新與融合發(fā)展。從政策層面不斷地鞏固，是廣播電視行業(yè)可持續(xù)良性發(fā)展的出發(fā)點(diǎn)和落腳點(diǎn)。

5 結(jié)語

本文闡述了態(tài)勢(shì)感知網(wǎng)絡(luò)在廣播電視安全播出領(lǐng)域的概念，提出了態(tài)勢(shì)感知網(wǎng)絡(luò)建設(shè)中的相關(guān)要素，從節(jié)目傳輸設(shè)備、業(yè)務(wù)協(xié)同的數(shù)據(jù)采集處理、各環(huán)節(jié)要素的提取與檢測(cè)分析、關(guān)鍵指標(biāo)體系的構(gòu)建以及態(tài)勢(shì)的評(píng)估和可視化的交互體驗(yàn)等方面，介紹了態(tài)勢(shì)感知網(wǎng)絡(luò)在安全播出智慧管理中的建設(shè)思路，并提供了簡(jiǎn)單的態(tài)勢(shì)預(yù)測(cè)方法。態(tài)勢(shì)感知網(wǎng)絡(luò)在其他行業(yè)已經(jīng)得到高速發(fā)展，現(xiàn)已逐步進(jìn)入廣播電視行業(yè)領(lǐng)域。廣電作為一個(gè)以安全播出為主要職責(zé)的單位，態(tài)勢(shì)感知網(wǎng)絡(luò)的研究與應(yīng)用目前尚未成熟，與態(tài)勢(shì)感知有關(guān)的物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、虛擬現(xiàn)實(shí)和人工智能等技術(shù)，有待進(jìn)一步的推廣和落地，特別是基于神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的人工智能預(yù)測(cè)方法還需要更多的經(jīng)驗(yàn)數(shù)據(jù)和理論支撐，有待進(jìn)一步提升。