王明程 李勇男

(中國人民公安大學國家安全學院 北京 100038)

0 引 言

現(xiàn)階段,國家安全風險日益復雜,需要構建跨領域、全方位、系統(tǒng)化的情報體系予以支撐,以全面掌握國家安全態(tài)勢。作為察覺風險要素、理解風險態(tài)勢,預測風險演變的有效手段,態(tài)勢感知理念和技術可為國家安全情報建設賦能,推動風險監(jiān)測預警能力提升。隨著信息化、智能化技術發(fā)展,國家安全數(shù)據急劇增長,為情報工作提供了多維度、細粒度的數(shù)據支撐,對于增強風險態(tài)勢感知的科學性、準確度和魯棒性意義重大[1]。因此,開展基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知研究無論在國家戰(zhàn)略層面還是情報學研究領域都具有重要意義。

目前,在社會安全、軍事安全、網絡安全等領域,已經形成了一些態(tài)勢感知相關的機制、體系和模型,為本文提供了諸多有益參考。例如在社會安全領域,喬鳳才等基于GDELT數(shù)據庫對大數(shù)據驅動下的社會安全態(tài)勢感知進行研究[2];張海濤等對信息不完備條件下突發(fā)事件態(tài)勢感知進行探索[3];在軍事安全領域,張旭東基于大數(shù)據技術,構建戰(zhàn)場態(tài)勢感知模型[4];段玉先等研究了戰(zhàn)場態(tài)勢感知關鍵技術,并對其未來發(fā)展趨勢進行展望[5];在網絡安全領域,常立偉等基于卷積神經網絡,構建了網絡安全態(tài)勢感知模型[6];在科技安全領域,徐宗煌等通過構建風險評估指標體系與模型,對科技安全態(tài)勢感知進行研究[7]。此外,王靜茹等在深度學習框架下,對智能化危機情報多層模型進行構建[8];白如江等在梳理多源多模態(tài)數(shù)據融合方法的基礎上,提出了面向情報感知的多源多模態(tài)數(shù)據融合思路[9]。

研究發(fā)現(xiàn),現(xiàn)有成果多分散于不同安全領域,尚缺“大安全”背景下,具有“普適性”意義的風險態(tài)勢感知模型構建;此外,關于數(shù)據集成與融合的研究多以具體領域應用為主,多模態(tài)數(shù)據融合研究多與檢索領域相關[10],由其支撐下的國家安全風險態(tài)勢感知鮮有提及。在前期研究中,筆者分析了情報感知在國家安全情報工作中的重要意義,并對國家安全風險態(tài)勢感知的運作邏輯進行了初步探索[11]。本文即在前期研究基礎上,瞄準“大數(shù)據”“國家安全情報”“態(tài)勢感知”等領域的交叉方向,以防范國家安全風險為目標,以系統(tǒng)論為支撐,以態(tài)勢感知技術為依托,以多模態(tài)大數(shù)據融合為驅動構建態(tài)勢感知模型,以期推動形成大數(shù)據驅動的多層次風險感知模式、提升國家安全風險監(jiān)測預警能力,進而為服務國家治理體系和能力現(xiàn)代化建設貢獻力量。

1 國家安全風險態(tài)勢感知概述

在一般意義上,風險是指不確定性對目標的影響,是對損害發(fā)生概率及后果的綜合衡量[12]。在此概念基礎上,國家安全風險指不確定性對國家安全的影響,包括國家重大利益受到內外部威脅的可能性及嚴重后果,具有不確定性、復雜性、系統(tǒng)性等特征[13]。風險是危機的前兆,若防范不及、應對不利,風險極有可能發(fā)展演變,甚至釀成危機事件[14]。這就要求情報機構在對國家安全風險的感知中,及時發(fā)出情報預警,并對風險演變進行準確預測,有效支撐決策活動。

作為強化國家安全情報能力,推動風險監(jiān)測預警能力提升的有效手段,態(tài)勢感知與國家安全應用場景十分契合。態(tài)勢感知(Situation Awareness,簡稱SA)最早源于軍事領域,是一種以大數(shù)據為基礎,在與環(huán)境進行交互的過程中對威脅進行發(fā)現(xiàn)、識別、理解、分析及預測的能力。Endsley認為:態(tài)勢感知是指在一定時空范圍內,通過對環(huán)境要素進行認知和理解,進而對事物未來發(fā)展趨勢進行預測的過程,包括態(tài)勢察覺、態(tài)勢理解和態(tài)勢預測[15]。這與OODA循環(huán)(Observe-Orient-Decide-Act,簡稱OODA循環(huán))的運作邏輯類似[16],強調感知主體通過與環(huán)境進行交互,對各類環(huán)境要素快速進行察覺、理解、評估及預測,進而獲取決策優(yōu)勢以迅速采取行動。

在態(tài)勢感知的范疇下,態(tài)勢是指在現(xiàn)實世界中,人們所關注事物的狀態(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”則是表象背后的機理,由“態(tài)”到“勢”是一個由淺到深、由表及里、由靜態(tài)到動態(tài)的過程。據此,態(tài)勢感知可以理解為一個循序漸進的過程,即通過態(tài)勢察覺對態(tài)勢數(shù)據進行獲取,在此基礎上推動態(tài)勢理解,進而對未來態(tài)勢進行預測,最終推動態(tài)勢情報應用的過程。

在此基礎上,國家安全風險態(tài)勢感知即指通過獲取、處理、分析表征國家安全態(tài)勢的情報數(shù)據,探知國家安全風險的當前狀態(tài),預測其未來演變趨勢并推動態(tài)勢情報應用的過程,其本質上是一種認知映射。鑒于國家安全風險具有不確定性、復雜性和系統(tǒng)性等特征,因而需要態(tài)勢感知全面、系統(tǒng)和客觀地掌握風險狀態(tài)及演變規(guī)律,實時、準確和高效地介入國家安全風險治理。在此意義上,國家安全風險態(tài)勢感知應當具備全時空、系統(tǒng)化和客觀性等特征。其中,全時空是時間維度的表征,即國家安全風險態(tài)勢感知貫穿過去、現(xiàn)在和未來;系統(tǒng)化是內容維度的表征,要求國家安全風險態(tài)勢感知全面、動態(tài)地感知各領域安全風險,有效應對決策過程中信息不完備問題;客觀性是應用維度的表征,要求國家安全風險態(tài)勢感知為決策活動提供客觀、準確的情報支撐。

此外,為滿足國家安全風險治理工作的需要,風險態(tài)勢感知應當兼具“平戰(zhàn)一體化”特征,在常態(tài)下通過能力建構,以適應日常風險管理需要;在“戰(zhàn)時”通過實時、多維、立體的態(tài)勢感知滿足快速決策需求。隨著態(tài)勢感知理念、方法和技術的逐漸成熟,其支撐下的國家安全情報工作效率也將大幅提升,情報產品的質量亦將得到保障。在下文中我們將對國家安全風險態(tài)勢感知的運作邏輯進行探索,為后續(xù)態(tài)勢感知模型構建奠定基礎。

2 基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知運作邏輯

隨著云計算、物聯(lián)網、智能傳感等新技術的大量應用,國家安全數(shù)據呈爆炸式增長,推動情報工作環(huán)境發(fā)生轉變,情報工作因此面臨復雜多變、深度不確定性的挑戰(zhàn)[18]。Macdonald M S認為,信息量的增長給情報機構帶來了信息超載的困擾[19];Tim Bass認為,只有整合多模態(tài)數(shù)據,才能有效推動數(shù)據應用,進而充分發(fā)揮態(tài)勢感知效能[20]。多模態(tài)大數(shù)據中蘊含著大量的國家安全風險信息,不同模態(tài)的數(shù)據會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,鑒于國家安全情報是一個對抗博弈的過程,情報欺騙和信息迷霧等現(xiàn)象環(huán)生,需要對各類情報數(shù)據進行有效甄別,以“剔除”虛假信息。對此,應充分發(fā)揮多模態(tài)大數(shù)據優(yōu)勢,通過數(shù)據間的相互印證有效穿透復雜國家安全環(huán)境,推動風險態(tài)勢感知順利進行。

多模態(tài)國家安全大數(shù)據以文本、圖片、音頻及視頻等不同形式呈現(xiàn)[22],如何從海量數(shù)據中獲取可靠、準確的情報數(shù)據是國家安全風險態(tài)勢感知的關鍵。多模態(tài)國家安全情報數(shù)據的融合不是簡單的堆砌和拼接,而是根據特定條件、環(huán)境和規(guī)律推動多個要素間相互吸收、相互滲透、有序集成的過程。美國國防部聯(lián)合指揮實驗室(Joint Directors of Laboratories,簡稱JDL)將數(shù)據融合定義為:將多信源數(shù)據進行關聯(lián),進而對事件形勢、風險及重要程度等進行評估的過程[23]。在多模態(tài)數(shù)據處理中,存在數(shù)據不完整、數(shù)據不一致、數(shù)據沖突及數(shù)據動態(tài)融合難等問題,推動其有效融合至關重要。本文在借鑒劃分階段數(shù)據融合方式的基礎上[10],根據國家安全風險態(tài)勢感知的特點將多模態(tài)國家安全大數(shù)據劃分為:數(shù)據層融合、特征層融合、知識層融合、決策層融合四個融合階段,并以此驅動整個國家安全風險態(tài)勢感知流程。

國家安全風險態(tài)勢感知遵循風險評估的一般過程,本文在借鑒Endsley態(tài)勢感知模型[15]、OODA循環(huán)模型[16]以及風險評估流程[13]的基礎上,以數(shù)據獲取→歸并存儲→風險識別→風險評估→風險預測→風險追蹤→態(tài)勢融合→態(tài)勢推送為運作邏輯,將國家安全風險態(tài)勢感知設計為:風險態(tài)勢察覺,風險態(tài)勢理解,風險態(tài)勢預測、風險態(tài)勢投射四個流程,分別由多模態(tài)大數(shù)據的四個融合階段驅動,推動國家安全風險態(tài)勢感知層層遞進、逐步深入。據此,基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知運作邏輯如圖1所示,并對圖1內容進行解釋,如表1所示:

表1 基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知運作邏輯解析

圖1 基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知運作邏輯

上述運作邏輯實質上是一個推動多模態(tài)大數(shù)據由低層次向高層次轉變的過程,通過多模態(tài)大數(shù)據的數(shù)據層→特征層→知識層→決策層融合,驅動國家安全風險態(tài)勢察覺→風險態(tài)勢理解→風險態(tài)勢預測→風險態(tài)勢投射的有序運行。從整個國家安全風險態(tài)勢感知的運作邏輯上看,只有在多模態(tài)大數(shù)據有效融合的基礎上,通過風險態(tài)勢察覺,獲得必要的情報數(shù)據,并在此基礎上推動風險態(tài)勢的理解及預測,進而實現(xiàn)風險態(tài)勢情報的應用,才能使得國家安全風險態(tài)勢感知能力真正落地。在下文中,我們將對多模態(tài)大數(shù)據驅動下的國家安全風險態(tài)勢感知模型進行構建,為推動該模型更好的融入國家安全情報實踐奠定基礎。

3 基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知模型呈現(xiàn)

國家安全風險態(tài)勢感知是一個復雜的系統(tǒng)工程,應當以防范國家安全風險為目標,以系統(tǒng)論為支撐,以態(tài)勢感知技術為依托,以多模態(tài)大數(shù)據融合為驅動對其模型進行構建。在上述研究的基礎上,本文將該模型設計為:①國家安全風險態(tài)勢察覺、②國家安全風險態(tài)勢理解、③國家安全風險態(tài)勢預測、④國家安全風險態(tài)勢投射共四個模塊,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,共同構成國家安全風險態(tài)勢感知復雜系統(tǒng)。

圖2 基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知模型

國家安全風險態(tài)勢察覺模塊主要包括態(tài)勢數(shù)據獲取、態(tài)勢數(shù)據標準化、態(tài)勢數(shù)據組織集成三個模塊,通過數(shù)據獲取、數(shù)據歸并、數(shù)據存儲流程,構建多模態(tài)態(tài)勢時空數(shù)據庫,為后續(xù)態(tài)勢感知流程構建數(shù)據基礎;國家安全風險態(tài)勢理解的重點在于識別當前存在的國家安全風險,通過對各類風險進行評估,以確定情報工作的優(yōu)先級,合理統(tǒng)籌應急響應力量;國家安全風險態(tài)勢預測是更高層次的感知階段,通過對未來國家安全風險演變進行追蹤,為態(tài)勢投射奠定基礎;國家安全風險態(tài)勢投射包括國家安全態(tài)勢情報分析及推送兩個關鍵流程,是國家安全風險態(tài)勢感知能力落地的核心階段,也是態(tài)勢情報投入實戰(zhàn)應用的關鍵環(huán)節(jié)。在下文中,我們將進一步研究該模型的四個模塊,解析其體系架構,推動其向實踐應用邁進。

3.1 國家安全風險態(tài)勢察覺

國家安全風險態(tài)勢察覺建立在數(shù)據層融合的基礎上,通過多模態(tài)態(tài)勢數(shù)據的獲取、歸并和存儲構建多模態(tài)態(tài)勢時空數(shù)據庫,構建察覺各類國家安全風險的基礎。該模塊包括多模態(tài)態(tài)勢數(shù)據獲取、態(tài)勢數(shù)據標準化、態(tài)勢數(shù)據組織集成3個子模塊:

3.1.1多模態(tài)態(tài)勢數(shù)據獲取子模塊

多模態(tài)大數(shù)據中蘊含著國家安全風險演變的全過程,對其進行有效獲取是確保復雜環(huán)境下態(tài)勢感知科學性和準確性的關鍵,也是消除決策過程中信息不完備問題的基礎。依據我國《國家情報法》,結合國家安全情報相關實踐,可將國家安全情報數(shù)據來源分為:國家情報工作機構數(shù)據、國家安全相關機構數(shù)據、開源情報數(shù)據、互聯(lián)網企業(yè)數(shù)據等[11,24]。上述數(shù)據涵蓋文本、圖片、音頻、視頻、傳感器信號等多種模態(tài),對其進行有效獲取十分關鍵。在國家安全情報實踐中,鑒于各類情報數(shù)據間存在“流通壁壘”問題,因此需要通過明確共享任務、構建協(xié)作機制等措施推進數(shù)據共享融合的進程,并在此基礎上運用開放數(shù)據接口,部署數(shù)據探針等方式推動多模態(tài)大數(shù)據的有效獲取,為后續(xù)流程奠定基礎。

3.1.2態(tài)勢數(shù)據標準化子模塊

態(tài)勢數(shù)據標準化是建立在多模態(tài)大數(shù)據獲取的基礎上,將其進行預處理并對處理后的數(shù)據進行歸并的過程,其實質是推動多模態(tài)大數(shù)據的數(shù)據層融合,包括態(tài)勢數(shù)據降噪、數(shù)據填充和時空序化。在該子模塊中,需要對獲取的多模態(tài)情報數(shù)據進行初步的加工預處理:即將原本無序堆疊的數(shù)據進行過濾降噪,填補數(shù)據空值,修復壞死數(shù)據,實現(xiàn)對國家安全情報數(shù)據的深度清洗;完成數(shù)據清洗后,對國家安全情報數(shù)據的文件類型進行分類,并對其自身的時空屬性進行標注,實現(xiàn)多模態(tài)數(shù)據的分類分級,以及時空維度上的序化處理;在此基礎上,按照預先設定的數(shù)據架構進行數(shù)據歸并,便可進入態(tài)勢數(shù)據組織集成子模塊進行處理。

3.1.3態(tài)勢數(shù)據組織集成子模塊

在該子模塊中,通過跨模態(tài)數(shù)據識別對多源異構數(shù)據進行掃描,確保對應模態(tài)的數(shù)據應存盡存,構建不同模態(tài)數(shù)據之間的映射關系及時空對應關系,形成多層異構數(shù)據網絡;在此基礎上,運用智能算法進一步加強態(tài)勢時空數(shù)據關聯(lián);并依托分布式技術確保多模態(tài)大數(shù)據的安全性,形成分布式存儲和分布式檢索架構,進而推動態(tài)勢數(shù)據的組織和集成,為風險數(shù)據特征提取、風險識別、評估和預測等流程的順利進行奠定基礎。

鑒于國家安全情報工作是一個對抗博弈的過程,因而應當重視數(shù)據處理、傳輸、存儲和應用過程中的反情報工作。在國家安全風險態(tài)勢察覺模塊中,可以通過構建數(shù)據安全域(Security Domain),進行數(shù)據加密傳輸?shù)确绞綄η閳髷?shù)據進行存儲、應用和共享,防止數(shù)據被竊取或泄露,確保整個態(tài)勢感知流程安全有序的運行。

3.2 國家安全風險態(tài)勢理解

國家安全態(tài)勢理解是在態(tài)勢察覺的基礎上,在多模態(tài)態(tài)勢時空數(shù)據特征層融合的驅動下,對國家安全風險情景、征兆等進行識別,并對各類風險進行評估,從而實現(xiàn)國家安全風險態(tài)勢全面理解的過程。該模塊包括國家安全風險識別及風險評估兩個子模塊:

3.2.1國家安全風險識別子模塊

風險識別包括對風險情景、風險征兆、風險類別、觸發(fā)條件等的識別和描述,是一個識別并描述系統(tǒng)所存在風險及威脅的過程[25]。常用的風險識別方法包括情景相似度檢驗法[26]和征兆分析法[27],即通過構建算法模型對情境要素進行分析,對屬性特征進行提取以及對征兆信號進行探測,以主動發(fā)覺風險情景進而推動風險識別。在基于多模態(tài)大數(shù)據的算法模型訓練過程中,數(shù)據的高維性特征往往會導致模型的訓練過程變長[28]。對此,Zhao等提出通過改進條件熵的屬性的方式簡化算法,即采用并行簡化的思想構造屬性重要性矩陣,將權重較大的特征輸入到分類器(Classifier)中對算法模型進行訓練[29];張曾蓮提出運用BP神經網絡,通過模型訓練、模型監(jiān)測和模型反饋等對風險進行監(jiān)測,并通過反饋學習來不斷提高風險識別的能力[30]。

在該子模塊中,可以在多模態(tài)大數(shù)據跨模態(tài)特征抽取、跨模態(tài)融合的基礎上,通過充分運用情景分析、征兆分析、觸發(fā)器分析、聚類分析、頻繁子圖挖掘等方法,分析國家安全復雜系統(tǒng)的風險演化、耦合機制、系統(tǒng)動力學等風險特征,推動風險表征能力的提升,為后續(xù)風險態(tài)勢評估流程奠定基礎。

3.2.2國家安全風險評估子模塊

國家安全風險評估要緊跟復雜嚴峻的國際環(huán)境和動蕩變幻的世界局勢,站在國家安全戰(zhàn)略與發(fā)展全局的高度開展。在評估過程中,可以采用風險指數(shù)分析、失效模式影響及危害度分析(Failure Mode Effects and Criticality Analysis, 簡稱FMECA)、失效模式和效應分析(Failure Mode and Effects Analysis,簡稱FMEA)等風險評估方式[31],通過統(tǒng)籌事件發(fā)生率、威脅程度、可監(jiān)測性、可控程度等因素構建評估指標體系,實現(xiàn)對國家安全風險發(fā)生概率、致?lián)p能力、嚴重度、脆弱性等的科學評估。

根據得到的平均失效概率、損傷因子和FMS，計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，其失效可能性等級為1。

國家安全識別與評估是一個螺旋上升、雙向促進的循環(huán)過程。一方面,在國家安全風險識別的基礎上推動風險評估工作有序進行;另一方面,通過風險評估發(fā)現(xiàn)重要的風險點,充實風險識別特征要素,推動風險識別工作更加科學地開展。此外,在“大安全”背景下,國家安全風險廣泛存在于政治、經濟、文化和社會等不同國家安全領域,且風險間交織耦合特征明顯。對此,應當根據各安全領域風險的特點,以及系統(tǒng)性風險特征,開展跨領域、跨部門、跨層級的全局性風險評估,建設更加系統(tǒng)完善的國家安全風險評估指標體系,推進風險評估流程更加科學高效。在風險評估的基礎之上,通過數(shù)據標準化和歸一化處理,生成統(tǒng)一的國家安全風險指數(shù)(Risk Indices),用于分析各類風險的嚴重程度,進而判斷開展情報及應急響應工作的優(yōu)先級,有效支撐風險治理。

3.3 國家安全風險態(tài)勢預測

國家安全風險態(tài)勢預測模塊是建立在多模態(tài)大數(shù)據知識層融合的基礎上,對風險類別、強度變化、風險發(fā)生時間、區(qū)位以及風險演化路徑進行預判的過程。該模塊包括風險預測和風險追蹤兩個子模塊:

3.3.1風險預測子模塊

國家安全風險態(tài)勢預測是在獲取、處理、轉換歷史和當前態(tài)勢數(shù)據,構建風險事件致因網絡知識庫的基礎上,通過建立態(tài)勢預測模型,探尋態(tài)勢數(shù)據之間的發(fā)展變化規(guī)律,并在此基礎上對風險態(tài)勢的未來發(fā)展趨勢和狀況等進行推理的邏輯過程。在國家安全風險態(tài)勢預測的相關研究中,曹波等提出了一種基于Stacking模型融合的態(tài)勢預測方法,并為提升模型的泛化能力,探索了一種粒子群優(yōu)化算法,以實現(xiàn)模型參數(shù)的尋優(yōu)[32]。Zhao等基于多源時空數(shù)據進行分層特征學習,并利用分組LASSO回歸分析的方法,預測了墨西哥等國沖突事件的發(fā)生概率[33];Yang等基于深度神經網絡的兩階段情感分析方法,構建了群體聚集行為的預警模型[34];王雨晨等基于隨機森林算法,對犯罪預測模型的構建進行了探索[35];陳晨等運用基于灰色數(shù)據預處理的WD-LSTM模型,以實現(xiàn)食品安全風險的預測預警[36]。

在該子模塊中,通過借鑒上述研究成果,在多模態(tài)大數(shù)據知識層融合的基礎之上,充分運用回歸分析、機器學習以及深度學習等技術,采用時間序列、回歸預測、畸變預測、拓撲預測和系統(tǒng)預測等方式構建態(tài)勢預測算法模型,對各類國家安全風險要素進行預測、預判及預警,為采取及時有效的風險阻斷措施提供支撐。

3.3.2風險追蹤子模塊

由于國家安全風險具有不確定性、多變性等特征,通過構建模型庫和知識庫的方式,將掌握的各類風險預測和分析方法進行集成,可有效推動態(tài)勢預測工作的順利進行[37]。鑒于國家安全風險交織聯(lián)動的特性,需要各領域專家密切配合,通過推進知識協(xié)同判斷,情報協(xié)同分析,推動國家安全風險態(tài)勢預測更加精準,更好地融入國家安全風險治理。

3.4 國家安全風險態(tài)勢投射

國家安全風險態(tài)勢投射是態(tài)勢感知模型投入情報實踐的關鍵所在。該流程建立在多模態(tài)大數(shù)據的決策層融合的基礎上,通過綜合考慮所有較低層次或者局部的決策信息,基于多個決策體的關聯(lián)融合,推動決策工作科學有效的進行。本文根據國家安全情報的應用邏輯,將該模塊設計為態(tài)勢融合和態(tài)勢推送兩個子模塊:

3.4.1態(tài)勢融合子模塊

態(tài)勢融合是在態(tài)勢察覺、理解和預測的基礎上,推動國家安全風險感知、風險預警及風險預測等態(tài)勢情報充分融合的過程。在“大安全”背景下,各類國家安全風險復雜交織,需要各領域專家密切配合。因此,需要構建基于“群智協(xié)同”的國家安全情報融合協(xié)作模式,通過多類決策要素間的動態(tài)整合,實現(xiàn)不同數(shù)據實體和決策主體之間的協(xié)同配合,構建跨層級、跨部門的情報協(xié)作模式,更好地推進情報融合和應用。

此外,在“群智協(xié)同”基礎之上,通過將數(shù)據資源、風險管控、資源配置、技術創(chuàng)新等能力要素與地方政府、公安機關、應急管理部門等決策主體進行動態(tài)整合,利用實體間的協(xié)同交互,實現(xiàn)基于大規(guī)模協(xié)作的風險決策、知識管理與資源共享,確保各實體間的協(xié)調統(tǒng)一,推動各類風險管控工作協(xié)調有序的開展。

3.4.2態(tài)勢推送子模塊

態(tài)勢推送是態(tài)勢情報得以實戰(zhàn)應用的基礎和關鍵,其實質是構建情報與決策之間的耦合機制。該子模塊應當在信息建構理論(Information Architecture,簡稱IA)的支撐下,通過構建國家安全風險“態(tài)勢一張圖”,推動態(tài)勢察覺要素可視化、理解要素可視化和預測要素的可視化;此外,應當在人機交互模式的推動下進行情報刻畫,以主題態(tài)勢情報和定制態(tài)勢情報的形式推送戰(zhàn)略、戰(zhàn)役及戰(zhàn)術層面的風險態(tài)勢情報,為國家安全風險的阻斷及應急響應提供堅實的情報支撐。

風險態(tài)勢情報應貫穿國家安全應急響應的全周期、全階段:a.在風險演變前,通過態(tài)勢感知全面挖掘和識別潛在的國家安全風險,及時向決策者發(fā)出情報預警。b.在風險演化為安全事件的過程中,在態(tài)勢情報支撐下,為采取科學有效的防控措施提供支撐。c.在風險演化為安全事件之后,一方面通過持續(xù)、高動態(tài)的態(tài)勢感知防范次生、衍生事件的發(fā)生;另一方面通過對國家安全事件的損害后果進行評估,指導各類資源的統(tǒng)籌調配;此外,通過態(tài)勢回溯,對態(tài)勢感知的效能進行評估,推動其迭代升級,更好的發(fā)揮效用。

4 結論及展望

本文在“大安全”背景下,在闡釋相關概念、分析多模態(tài)大數(shù)據驅動下的國家安全風險態(tài)勢感知機理的基礎上,構建基于多模態(tài)大數(shù)據的國家安全風險態(tài)勢感知模型,旨在為國家安全風險監(jiān)測預警提供“普適性”的模型參考,推動形成大數(shù)據驅動的多層次風險感知模式。正如本文所述,該模型的構建是一項復雜的系統(tǒng)工程,未來仍有許多研究空間值得我們關注。例如,本文雖然探索了多模態(tài)大數(shù)據賦能的國家安全風險態(tài)勢感知運作邏輯,但對于多模態(tài)大數(shù)據的融合框架、跨模態(tài)數(shù)據融合技術方法等仍缺乏進一步研究,未來應當加以完善。此外,在國家安全情報實踐中,囿于情報資源分布于不同的平臺系統(tǒng)且存在“流通壁壘”問題,因而大規(guī)模、實時性的態(tài)勢察覺或遭遇困境。對此應當加強數(shù)據共享機制、數(shù)據融合方案及數(shù)據傳輸規(guī)則等方面的研究,加快推進情報數(shù)據的共享融合。在后續(xù)研究中,我們將推動國家安全風險態(tài)勢感知模型更加系統(tǒng)完善,使其更好地發(fā)揮監(jiān)測預警的效能,為強化國家安全情報能力,服務國家治理體系和能力現(xiàn)代化建設提供支撐。