基于多模態數據分析的典型智能化軍事應用
隨著大數據、人工智能等技術的發展，針對多種不同類型數據的智能化處理方法不斷涌現，為人類社會的飛速發展注入新的活力。數據在以前所未有的速度快速積累的同時，各行業為進一步完成對數據的高質量采集、處理、知識提取、分析挖掘、融合應用和有效管理提出了更高的要求。利用海量、多源、異構以及多模態的特點，提高數據資源的利用率，對促進社會政治、經濟、軍事和科技等領域的發展均具有重要意義。
我軍的軍事數據建設經過幾十年的發展，已經初步構建了軍事數據保障基本體系，具備一定的數據保障能力。隨著聯合作戰指揮體制改革的不斷深入，軍事數據的融合逐步開展，數據保障逐漸由靜態采集數據向動態分析運用轉變，由單一模態向多模態數據融合轉變，由基于歷史數據分析向實時分析數據轉變，這都要求對軍事數據進行更高層次的管理組織和分析運用。
1研究現狀及不足
信息化戰爭是一種充分利用信息資源并依賴于信息的戰爭形態，目前世界主要軍事大國均處于從機械化向信息化轉型的發展階段，并取得了一定的進展。未來隨著大量軍事數據的產生，以及新的戰爭形態演變，智能化戰爭將成為長期一段時間的研究課題。然而，當前對信息資源體系建設以及軍事數據融合運用的研究還遠不及智能化發展需要。
1.1 研究現狀
未來戰爭是圍繞陸、海、空、天、電、網、核、認知等多維空間的信息化全域作戰，決定戰爭成敗的關鍵是以數據為支撐的體系對抗能力。20 世紀以來，美國在軍事數據領域陸續開展了一系列的研究。早在 2003 年，美國國防部就頒布了《國防部網絡中心數據戰略》；2004 年，美國國防部又頒布了《國防部網絡中心數據共享》指令，并于 2007 年進行了修訂，成為全球信息柵格數據建設的戰略性指導文件；2012 年，美國政府發布《大數據研發倡議》，將大數據尤其是軍事大數據發展作為一項國家戰略，同年，美國國防部高級研究計劃局（Department of Defense Advanced Research Projects Agency，DARPA）推出了能同時分析結構化數據和非結構化數據的 XDATA 項目；2020 年，美國國防部又發布了《國防部數據戰略》，提出了人工智能數據訓練是戰略中 8 項重要原則之一。
我軍的數據建設與美國相比相對滯后。2003年，我國制定了數據集成、應用字典、分類代碼、聯合共享和保障流程等相關的法規標準和技術規范，初步形成了軍事數據庫標準體系；2015 年，在“十三五”規劃當中首次提出“國家大數據戰略”；同年，國務院印發《促進大數據發展行動綱要》；2017 年，工信部編制印發了《大數據產業發展規劃（2016—2020 年）》；2021 年，工信部又印發了《“十四五”大數據產業發展規劃》。近年來，關于軍事數據領域的研究與討論也愈發激烈，2013 年，丁佐杉等人 圍繞作戰指揮過程中的輔助決策問題，提出運用基于知識提取的模糊綜合評價系統，結合多元統計分析、人工神經網絡（Artificial Neural Network，ANN）等多路徑決策技術，對作戰指揮過程中具體的兵力機動、兵力與火力運用和敵方威脅等進行深入分析；2017 年，王榮生等人 圍繞信息處理的高效與準確，提出利用大數據采集分析和智能化應用等技術，及時處理大量、多維度和多模態的偵察情報信息；2018 年，韓曜權等人 圍繞軍事訓練計劃的制定與實施，提出了運用主成分分析（Principal Component Analysis，PCA）方法對大量、多科目和多維的軍事訓練數據進行降維，通過對訓練數據的聚類分析，能直觀反映出各類人員的訓練特點。
1.2 研究不足
基于現有的國內外研究，我們總結得到單模態數據和非結構化數據在軍事數據分析中有諸多不足，難以滿足新時期軍事應用需求，具體表現為以下幾個方面。（1）現有研究與實踐不能滿足對大量多源異構軍事數據的深度開發與運用。隨著軍事數據建設的不斷推進，軍事數據庫中數據類型愈發多樣，不僅有表格、數據庫等傳統的結構化數據，更有海量增長的文本、圖像、音頻和視頻等非結構化數據。面對海量的非結構化數據，2020 年，文偉軍等人基于軍事領域數據庫，提出了基于本體的軍事行動專題數據庫整體框架，主要針對單模態非結構化數據的整合構建。但是，單模態數據提供的信息不夠準確和全面，依靠人工提取信息的效率又很低，無法滿足海量多源異構軍事數據的運用需求。（2）現有研究與實踐不能滿足多種類型軍事數據資源的高效組織管理。為適應一體化聯合作戰需求，提升作戰數據保障效能，數據綜合治理和數據交換集成多使用結構化數據標注的方式。2020 年，王國威等人提出了使用元數據描述非結構化數據，但是非結構化數據之間并沒有得到有效的關聯和統一組織管理，無法滿足多種類型的軍事數據資源高效組織管理需求。（3）現有研究與實踐不能滿足聯合作戰指揮決策的軍事數據綜合運用。為適應在新形勢下的聯合作戰信息保障需求，需要利用各軍兵種、各專業領域和各類感知系統等多種來源的數據形成綜合態勢信息，并提供關鍵信息，提取專題數據信息，保障指揮信息系統運行，為聯合作戰科學指揮決策提供數據支撐。2018 年，籍素芳 分析了各軍兵種的作戰對象、作戰背景、通信方式的不同，認為各軍兵種指揮控制信息系統之間普遍存在著“信息煙囪”現象。單模態數據處理方式很難為指揮員和指揮機構提供作戰所需的信息、更加豐富的全局視圖以及局部視圖，無法滿足聯合作戰指揮決策的軍事數據綜合運用需求，需要嘗試開展面向聯合作戰的多源信息整合技術研究。
2多模態數據分析及軍事運用特點
隨著多媒體技術和信息手段的廣泛應用，對同一數據信息的獲取可以有不同形式或者不同來源的視角，每一種視角都可以稱為一種模態。我們稱兩個或者兩個以上模態數據的組合為多模態數據。根據模態數據的形式和來源差異，把多模態數據分為異構多模態數據與異源多模態數據。異構多模態數據是指由不同的媒介生產的模態數據，包括文字、圖像、照片、聲音、動畫和影片等。異源多模態數據是指來自不同傳感器的同一類媒介產生的數據。大數據時代，多模態數據對同一對象的描述存在外在異構異源和內在語義一致的特征。不同的模態數據能夠描述觀察對象在同一特定角度下的特征。
數據是信息的重要載體，軍事數據是為實現某一軍事目的，從大量采集的軍事信息當中，通過對數據的提取、分析和處理，為指揮決策、軍事訓練、部隊管理、后裝保障和效能評估等軍事活動提供有價值的信息。軍事數據也呈現出明顯的模態多樣性，在其運用過程中具有的主要特點如下文所述。（1）軍事數據的表達方式較為復雜。軍事數據不是單純的統計數字，是諸多與軍事活動密切相關的數字、文本、圖片、音頻和視頻等數據的統稱。隨著數據采集手段越來越成熟，這就決定了軍事數據的表達方式較為復雜，原始數據的標準無法統一，數據的輸入呈現出結構多樣和模態多樣的特征。（2）軍事數據的分類方式較為多樣。依據軍事數據的來源不同，可以分為統計數據、訓練數據、試驗數據和仿真數據等；依據軍事數據的用途不同，可以分為作戰指揮數據、軍事訓練數據、部隊管理數據和后裝保障數據；依據軍事數據采集的對象不同，可以分為敵情數據、我情數據、社情數據和環境數據。軍事數據的分類不同，導致了數據的呈現需求也不相同。（3）軍事數據的適用范圍較為廣泛。2020年，美軍正式提出聯合全域作戰（JointAll-Domain Operation，JADO）概念。這也印證了軍事數據的適用范圍實際上是覆蓋了陸地、海上、空中、空間、網絡、電磁、核現代化和意識形態等所有軍事領域，涉及偵察監視、地理信息采集、氣象水文和網絡安全等諸多方面。軍事數據廣泛的適用范圍，也決定了不同領域的數據必然是多模態的。（4）軍事數據的處理方式較為困難。隨著各個領域、各種類型的軍事數據不斷積累，具有體量龐大、標準不一和模態多樣的特點，對軍事數據的統一描述、語義一致、關聯融合和共享同步等問題的處理難度不斷加大。
3典型智能化軍事應用
在大量多模態數據的理解與認知過程中，我們發現最離不開的便是多模態數據融合任務，在軍事應用領域同樣如此。在許多實際應用中都將大量的多模態數據匯總到一起以達到更精確的信息描述。在此基礎上，經過融合的數據還能被用于許多其他任務中，其中最為常見的便是多模態數據檢索任務，這關乎數據的質量與精準度。因此，多模態數據融合技術與多模態數據檢索技術是多模態數據分析與應用的核心。在軍事領域，圍繞多模態數據分析的核心技術，基于多模態數據分析的智能化軍事應用具有以下優勢：一是多模態數據能夠提取更豐富的信息，通過不同模態數據之間的相互支撐、修正和融合，可以更深入地理解和剖析待描述的軍事活動；二是多模態數據能夠提供多視角的描述，通過不同角度的數據進行彼此之間的集成與補充，提高軍事目標所含信息的精確度與穩定性；三是多模態數據能夠獲得更強大的應用效果，通過數據對信息的不同敏感性，在對軍事信息進行捕捉時可以達到多方位的收集和解剖，增強信息的多樣表達性和多模呈現性；四是多模態數據能夠達到更穩定的系統性能，在軍事信息對抗與信息加密上由于不同模態的相互加持，增加了魯棒性、抗干擾性和自控性，通過采用多模態數據進行描述與處理，提高了對信息質量的要求 。
3.1 在作戰指揮中的應用
實時態勢感知。《孫子·謀攻篇》提到：“知己知彼，百戰不殆。”對戰場態勢的實時感知是后續指揮員進行正確指揮籌劃和精確作戰控制的關鍵。在信息化和智能化戰爭中，各類軍用傳感器應用廣泛，將各種傳感器獲取的敵方、我方和友方的海量數據及地理信息、氣象水文和社會輿情等環境信息進行快速準確的采集、傳輸、融合、處理和展現，圍繞多模態數據特點，利用強大的數據處理和分析功能，綜合形成戰場態勢，生成各類實時態勢圖。
3.1.1 高效指揮籌劃
指揮籌劃是各級指揮機構及其指揮員依據作戰意圖和綜合戰場態勢，對軍事行動的運籌謀劃和決策判斷，是將作戰任務轉化為具體行動的重要環節 。正確的指揮籌劃是主觀作戰意圖和客觀戰場態勢統籌分析的結果。為實現正確的指揮籌劃，一方面，需要具備云數據存儲能力，通過基于網絡的數據存儲，為各類實時的作戰行動、支援保障和戰場態勢變化等信息資源提供巨大的數據容量；另一方面，需要具備快速數據融合運用能力，基于不同模態數據的特點和處理策略，運用科學的數據融合方法和規則，將存儲的各類軍事數據資源形成語義一致的戰場情報，為各級指揮機構和指揮員提供全方位、全天候的決策支撐服務。
3.1.2 精確作戰控制
作戰控制是各級指揮機構及其指揮員對指揮編組內任務部隊及其他參戰力量進行組織、協調、掌握和制約的活動，是貫徹和實現指揮員意圖的直接保障 。為實現精確的作戰控制，及時的信息獲取與分發是問題的關鍵，一方面，需要具有實時高效的多模態信息獲取和處理能力，為實現“發現即摧毀”的精確打擊需求，通過對武器狀態、遙感圖像、紅外、激光和雷達等多模態數據的采集與處理，將偵察探測系統、遠程精確打擊武器和武器控制平臺互聯互通，通過提供實時、準確的時空信息和目標定位，為快速精確打擊提供系統支持；另一方面，依托海量多模態數據支撐的分布式指揮體系，使指揮決策及時下達，通過對多模態數據信息的及時傳遞，實現了指揮平臺、作戰平臺和武器平臺的一體通聯，有效減少信息中轉，縮短指揮鏈條，使指揮體系趨于扁平化，從而實現指揮員對末端作戰單元和武器平臺的精確控制。
3.1.3 全面作戰評估
作戰評估是各級指揮機構及其指揮員圍繞前期作戰意圖或作戰任務，依據科學的評估理論和先進的評估方法，對作戰行動的效果進行評價和估量 。進行全面的作戰評估是完成作戰行動的重要保障，也是檢驗作戰行動效果、指導后續作戰行動的重要途徑。為科學有效地進行作戰評估，一方面，需要獲取實時、準確和全面的戰場數據，通過各類武器裝備的傳感器和戰場中各作戰空間的偵察設備，可以實時進行海量、多源和多維的信息獲取，為實施作戰評估提供可靠依據；另一方面，需要熟練掌握科學的評估方法，依據評價目標特點，運用大數據分析和云計算技術快速處理戰場數據，分析作戰效果，對摸清敵我狀況，及時準確把握戰局，輔助指揮員和指揮機構在評估作戰方案、掌握戰場態勢和作戰效果等方面，發揮了重要支撐作用。
3.2 在軍事訓練中的應用
隨著軍事大數據逐步發展，訓練的數據化特征日益凸顯，在訓練實施中，全時段、多維度的數據采集體現了訓練過程的數據化，通過采用虛擬訓練系統和兵棋推演系統等模擬仿真系統組織訓練，體現了訓練手段的數據化，實現軍事訓練管理從“以經驗為中心”向“以數據為中心”轉移，體現了訓練理念的數據化。多模態數據在軍事訓練中的應用主要體現在訓練數據分析和訓練效能評價兩個方面。
3.2.1 訓練數據分析
在軍事訓練過程中會產生大量訓練數據。針對單兵訓練的數據分析，結合當前軍事訓練的要求和特點，運用大數據思維對長期訓練中積累的大量控制點數據、任務點數據，以及同類崗位人員的橫向數據和縱向數據進行挖掘，總結提出不同訓練科目的一般規律。針對基于聯合的綜合演練數據分析，圍繞演練中大量初始的想定數據、過程中的文電數據、結果的態勢信息，以及參演人員數據進行分析整理和深入挖掘，發現演練中的不足，總結演練中的經驗，提升各級指揮員的指揮綜合素養 。
3.2.2 訓練效能評價
訓練效能評價是對軍事訓練效果的一種反映，同時又指導下一階段軍事訓練的開展。針對單兵訓練效能評價，主要圍繞軍事訓練的時間要求和標準要求等進行綜合考察。針對基于聯合的綜合演練效能評價，主要避免關鍵數據信息的缺失和演訓評估數據的浪費，著力解決綜合演練過程中數據的采集、整編、存儲、分析、加工和呈現等難題，提升評估的質量，達到評估的效果。針對作戰實驗的事后分析，可以在分布式存儲和并行運算技術的基礎上，通過關聯挖掘算法對多源異構的多模態作戰實驗數據進行全面深入挖掘，為作戰實驗的事后分析提供了一種新思路。
3.3 在部隊管理中的應用
實現部隊的高效管理和精確管理，離不開數據的驅動。當前，隨著軍事信息資源爆炸式增長，部隊管理問題也面臨著從有序到無序的巨大挑戰。尤其是在部隊的信息安全、日常管理以及人才培養當中，存在著越來越多的不確定性，但隨著對信息資源的整合也將產生巨大收益和無限可能。
3.3.1 軍事信息安全管理
軍事信息安全管理是無形戰場的斗爭，涉及網絡、電磁和意識形態等領域。尤其是美國利用其獨有的互聯網中心服務器優勢獲取信息，通過信息融合和知識提取技術進行關聯分析和推理，并產生高質量的情報產品，給他國造成巨大威脅。為確保軍事信息安全，需要技防和人防相結合。一方面，通過數據源抓包、數據預處理和建立規則庫等方式，運用關聯規則、異類分析和聚類分析來發現和查找病毒特殊數據，可提高復雜網絡數據流中異常數據挖掘的準確率，提升網絡入侵檢測、網絡病毒監測和網絡病毒防御的能力；另一方面，提高個人思想認識，避免公開信息平臺泄密，防止他國利用其網絡搜索日志、網絡新媒體信息和移動終端位置信息等數據形成的網絡拓撲結構和內容屬性進行目標特征挖掘和社會輿情監控等行為。
3.3.2 部隊日常建設管理
在部隊日常管理中，僅部隊日常的表格、系統、報告和紙質登記本就紛繁復雜，在解決部隊日常管理和信息化建設的基礎上，也存在漏記、錯記和重復登記等諸多問題，給部隊管理同樣帶來了很大的負擔。通過對不同模態數據預處理，解決對缺失數據、無效數據和異常數據的處理，在此基礎上進行基于關聯規則的數據挖掘，通過進行標準化數據轉換，實現語義一致和模式對齊，進而打通數據壁壘，提高信息化工作效率，為減少“五多”問題提供數據解決方案。
3.3.3 軍隊院校教育管理
習主席指出“強軍興軍，要在得人”，院校教育管理也是部隊管理的一項重要內容，關乎部隊人才建設和未來發展的希望。隨著大數據向教育領域的延時與應用，軍隊院校的教育大數據也應受到關注。尤其是基于多源、多維的考核評價數據分析，能夠更加全面地反映院校的教育質量，對綜合衡量課程評價、學員學習收獲、驗證終結性考核試題合理性、構建完善課程體系、優化人才培養方案和提升人才培養質量等問題具有重要支撐。
3.4 在后裝保障中的應用
基于智能推薦的裝備動用。裝備動用是為了達到一定的軍事目的而改變裝備的靜止狀態的過程，其實質是在部隊裝備管理法規約束下，為滿足部隊日常戰備和非戰爭軍事行動等各項任務需求，主要依據裝備的摩托小時儲備等技術狀態信息，按照一定的策略確定每個任務動用哪幾臺裝備，從而決定每臺裝備的摩托小時消耗速率和開展預防性維修的時間。裝備動用應綜合考慮裝備生命周期的主要活動節點、裝備動用策略與訓練任務、裝備摩托小時、區分動用要求、預防性維修制度和故障檢修活動等因素彼此制約和影響，復雜度較高。因此，在裝備動用的多模態數據分析中，結合任務需求、庫存裝備各項技術狀態和裝備動用的各項約束性條件等，通過對武器裝備多模態數據的融合，可以形成科學合理的裝備動用策略和裝備梯次儲備策略，指導改善裝備預防性維修的工作安排，提升裝備完好率，更好地完成軍事行動。全系統、全壽命、全要素、全過程的裝備保障是以數據為核心，在標準、規范、穩定的數據環境下，以信息資源規劃、數據架構建設及數據模型設計為基礎，將裝備保障的信息資源進行“大集中”，實現裝備數據的共享交換、決策支持和信息服務。裝備保障的數據融合應充分發揮海量信息資源及信息技術專家、保障業務專家等先驗知識的優勢，以指揮機構關注的后裝保障決策重點、難點問題為牽引，對裝備保障信息資源進行融合，通過數據倉庫、數據挖掘、數據分析以及可視化展示等方式進行保障模式挖掘、規律分析、趨勢判斷以及能力評估等操作。裝備保障業務體系龐雜、覆蓋范圍廣，在業務運行過程中產生了海量信息資源，形成了裝備保障“大數據”。通過多元多維的多模態數據分析，能夠形成用于決策支持的數據產品和咨詢報告，為決策機構提供信息服務，實現裝備狀態的及時預警、裝備故障的精確隔離、裝備維修的智能引導、裝備供應的決策優化和裝備保障的能力評估，進而提升裝備保障的綜合水平。
4結 語
數據作為國防建設與發展的“血液”，遍布軍事領域的每一個角落。本文圍繞當前軍事數據建設現狀與多模態數據發展趨勢的矛盾，通過對多模態數據分析及其特點歸納，提出了多模態數據分析在作戰指揮、軍事訓練、部隊管理和后裝保障等軍事領域的智能化應用構想，為實現軍隊現代化建設提供有效的數據支撐。
引用本文：宗滕 , 吳松濤 , 周春華 . 基于多模態數據分析的典型智能化軍事應用 [J]. 信息安全與通信保密 ,2022(2):9-16.
