网络空间攻防对联合作战体系支援度评估研究

陈宣汝，沈建京

（战略支援部队信息工程大学信息作战指挥系，郑州 450000）

0 引言

随着信息化战争的不断演化变革，网络空间攻防作为一种新质作战力量，为联合作战体系提供了全方位、多层次、多领域的战略支援［1-2］。针对其支援程度的大小进行测量与评估，是加速新质作战力量融合、保证体系制胜的重要基础。本文在联合作战的背景下，从军事作战需求出发，将网络空间攻防对联合作战体系支援度定义为：在联合作战体系的需求下，网络空间攻防支援一组特定的使命要求的任务完成程度。

在网络空间攻防对联合作战体系支援度评估中，灰色性和模糊性是相应而生、相辅相成的，作战系统的复杂性导致了模糊性，评估信息的不完全和不准确特点，导致了结果的灰色性［3］，考虑网络空间攻防的整体性、动态性和对抗性特点［4-6］，传统的作战评估方法已不再适用。基于此，本文运用基于灰色聚类——模糊综合评价的方法，将两者相异且互补的特点进行结合，旨在使支援度评估结果更具合理性、客观性和精准性。

1 支援度网络化评估指标体系

根据网络空间攻防的体系性特点，其所提供支援也是错综复杂的，各评估指标之间实质是相互关联关系。因而，应抛弃传统的指标独立性假设，根据其非还原的复杂性特征，将传统的“指标树”转化为“指标网”，构建网络化评估指标体系。

1.1 支援度评估指标构建

网络空间攻防对联合作战体系的支援度是满足一组特定任务要求的支援程度的度量，是可达性、可用性、可信性和适应性的函数。

1）可达性（Accessibility）是联合作战体系在ts时刻的需求下，网络空间攻防能够完成特定支援任务能力的度量。可达性是为OODA（Observe-Orient-Decide-Act）作战环各个阶段提供支援的能力基础，一方面取决于联合作战需求，另一方面取决于网络空间攻防系统的任务类性能。

2）可用性（Availability）是在联合作战特定任务需求下，网络空间攻防系统能够提供支援的概率，是在ts时刻开始执行支援任务时所处状态的度量，受网络空间攻防系统自身性能的影响，主要体现为系统结构的稳定性、鲁棒性和脆弱性。

根据支援度的评估理念，各评估指标间具备相互影响和关联关系，不再是相互独立的树状指标。因此，本文通过专家咨询法，获取各指标间的关联关系（反馈或依赖），并用A、B、C、D、E 代表5 类网络空间攻防能力，根据网络空间攻防在OODA 作战环中的扮演支援角色，构建了支援度网络化评估指标体系，如图1 所示。

图1 支援度网络化评估指标体系

1.2 评估指标权重计算

由于可达性、可用性和可信性指标集内元素是相互依存、相互影响的，且均受适应性指标的影响，形成了复杂的指标关系网络，故本文运用网络层次分析法（ANP），借助专门解决ANP 问题的超级决策（Super Decision）软件，通过获取支援度三级评估指标间的比较矩阵的专家评价值，计算得到各个三级指标（Node）对二级指标（Cluster）的影响权重（Normalized by Cluster）和整体权重（Limiting），汇总为表1。

2 支援度评估模型

根据支援度网络化评估指标体系可知，网络空间攻防对联合作战体系的支援度是以可达性为依据，由概率组合成的函数，用V 表示其度量值，其评估概念模型可表示为：

考虑网络空间攻防的涌现性、动态性和对抗性等特点，支援度评估信息存在不确定性。这种不确定性体现为支援任务状态的信息需求，而支援度评估信息的不确定程度，恰好可以用信息熵来定量描述［7］。因此，本文运用信息熵理论来构建支援度评估的数学模型，通过评估可达性、可用性、可信性和适应性的信息不确定性，来评估最终支援度。

假设ts时刻的支援程度为V0，支援度V0的不确定性，可表示为可达性、可用性和可信性的不确定性：

经过计算，可得ts时刻下的支援度V0：

表1 ANP 法指标权重计算结果（加权平均结果）

假设ts+Δ时刻的支援程度为V1，同理可得支援度V1为：

将其代入上式，可得支援度评估的数学模型：

当网络空间攻防系统同时满足可达性、可用性、可信性和适应性时，实际支援任务才能得以实现，且当联合作战所有需求都在其能力范围内，并能在不同时刻、不同环境下提供实际所需全部支援时，支援度取值为1.0；反之，可达性、可用性和可信性任缺其一，便无法顺利提供实际支援，则支援度为0.0。故支援度取值范围为：

3 支援度评估实证分析

在“X-2018B”网络空间攻防指挥综合演练中，实行的是多兵种联合作战，包涵A、B、C 3 种网络空间攻防支援任务。任务A 是支援联合作战摧毁T 方网络基础设施；任务B 是破解并传输T 方B3 目标情报信息；任务C 是破坏T 方指挥控制系统。时间期限为48 h。本文以该演练为背景，对网络空间攻防对联合作战体系支援度进行评估。

3.1 灰色聚类——模糊综合评价法的确定

分析支援度评估指标的演练数据，可将其划分为定量评估指标和定性评估指标。对于定性评估指标，由于无法直接获得准确的数据，只能依靠评价者掌握的相对信息来进行评估，具有“信息模糊”的特点，故需运用模糊综合评价法，将模糊的、难以量化的定性指标因素进行定量化计算［8］；对于定量评估指标，可以通过观测获得真实数据，但为了与定性指标保持相同的评价标准，故需运用基于中心点三角白化权函数的灰色聚类评估法［9］对其所属“灰类”进行划分，获取模糊评价矩阵，再进行综合评估。

因此，本文选用灰色聚类——模糊综合评价法，将两种方法进行综合，该方法的优点在于能够防止丢失客观信息、解决模糊性问题，既满足评价标准的一致性要求，也避免了“计算步骤重复”的缺点，使评估结果更具准确性和客观性。

3.2 基于模糊综合评价法的定性指标因素处理

根据支援度评估指标数据可知，支援度可用性和可信性评估指标属于定性指标，应采用模糊综合评价法，结合导演部评裁结果，对支援度定性指标进行综合评价。

3.2.1 确定支援度评估的因素集

3.2.2 确定支援度评估指标的评语集

3.2.3 建立定性指标的模糊评价矩阵

本文以支援任务A 为例，根据导演部的评裁结果，对定性评估指标Ui进行单因素评价，可建立可用性的单因素模糊评价矩阵ZAvailability，结合其三级评估指标Limiting 权重WAvailability，利用合成算子进行计算，可得可用性评估指标的模糊复合矩阵BAvailability为：运用Matlab 进行计算，可得可用性评估指标的模糊评价向量为：

同理，可得可信性评估指标的模糊复合矩阵BAchievability为：

运用Matlab 进行计算，可得可达性评估指标的模糊评价向量为：

3.2.4 定性评估指标的模糊综合评价

根据评语集，运用专家打分法，对其中每一个评语进行赋值，可得评语集分值向量f 为：

将模糊评价向量B 与评语集分值向量f 进行合成，可得可用性评估指标的综合评价值FAvailability：

同理，可得可信性评估指标的综合评价值FAchievability：

上述所示结果仅代表任务A 在某一时刻下的实际值，故仍需按照上述方法和步骤，计算不同任务在不同时刻下的评估值，以得到多种任务导向的支援度评估结果。

3.3 基于灰色聚类评估法的定量指标数据计算

根据支援度评估指标因素可知，可达性评估指标的数据类型为定量数据，故运用基于中心点三角白化权函数的灰色聚类评估法对定量评估指标数据进行计算。

第2 步：按照评价目标所规定的5 个灰类，将样本数据的取值范围划分为5 个区间：

图2 支援度定量指标的中心点三角白化权函数图像

表2 支援度定量指标在各灰类区间最有可能的值

由于可达性取决于联合作战需求和网络空间自身能力，故本文选取支援任务A，分别对其相关数据进行观测，并根据导演部的评裁结果，将各指标测量数据进行归一化处理，获得支援度定量评价指标的实际值，如表3 所示。

表3 支援度定量评估指标观测数据

将实际观测数据代入中心点三角白化权函数，可得定量评估指标在各灰类上的隶属度。本文以r11指标为例，其实际观测数据为x=0.833 3，属于灰类f4（x）和f5（x），其表达式分别为：

运用Matlab 进行计算，可得可达性评估指标的模糊评价向量为：

根据定性指标的评语集分值向量f，按照评价标准保持一致的原则，可构建定量指标的灰类分值向量S 为：

将定量指标的模糊评价向量B 与灰类分值向量S 进行合成，可得可达性评估指标的综合评价值FAccessibility：

与定性指标的评价过程相同，上述计算结果仅为支援任务A 的评估值，仍需按照上述方法和步骤，计算不同支援任务在不同时刻的定量指标的评估值。

3.4 支援度评估结果及分析

本文选取t20时刻为例，设定适应性指标θAdaptability的初始状态值为1，考虑实际战场环境对适应性指标的动态影响，可分别计算任务A、B、C 在此时刻的支援度指标评估值，如表4 所示。

表4 在t20 时刻下任务A、B、C 的支援度指标评估值

同理，可得任务B 在t20时刻下的支援度评估结果：

同理，可得任务C 在t20时刻下的支援度评估结果：

按照上述计算方法和步骤，考虑ΔθAdaptability对支援度的动态影响，以2 h 为一个测量区间，计算在t0～t48时刻下任务A、B、C 的支援度评估值，如表5所示。

根据“X-2018B”综合演练在t0～t48各测量时刻下的支援度评估结果，对所有时刻下相似任务的支援度进行评估，运用Matlab 软件进行数据拟合，可得网络空间攻防对联合作战体系支援度的评估“结果云”，如图3 所示。

由于支援度是以任务为导向，故可分别评估任务A、B、C 的支援度，将支援度评估的“结果云”进行降维处理，更直观地表达支援度曲线的动态变化，如图4 所示。

表5 “X-2018B”综合演练支援度评估结果

图3 “X-2018B”综合演练支援度评估的“结果云”

图4 任务A、B、C 支援度评估结果

根据该演练的支援度评估结果，对其变化趋势进行分析，可以归纳出以下几点结论：

1）任务A 从t0～t20时刻总体呈上升趋势，在t28时刻下降到相对低谷值0.477 3，是受到敌方攻击的结果，使适应性降低；在t40时刻明显增加到0.823 2，是增加了作战人员和作战装备的缘故，使可达性增加；在t48时刻任务完成，支援度达到最高值0.910 1，代表完成任务A 的支援能力较强，支援结果较为理想。

2）任务B 是联合作战体系在t12提出的支援需求，且支援度迅速增加，在t20时刻已达到0.885 5，说明完成任务B 的关键技术较发达，致使可达性较高；支援度在t32达到100%，代表支援任务B 已经完成，其支援能力能够满足任务要求。

3）任务C 在t0～t20时刻也呈上升趋势，在t28左右明显骤减为0.327 9，是由于网络空间攻防系统出现故障，导致可用性降低；在t48时刻支援度为0.550 0，任务C 的支援行动结束。可以看出，任务C与任务A 的支援度变化趋势大致相同，具备一定的关联性和影响性，但任务C 的支援度整体较低，说明破坏敌方指控系统的难度较大，其支援程度不易满足任务需求。

4 结论

实证结果表明，“X-2018B”综合演练的支援度评估结果与实际演习过程吻合，支援度评估“结果云”的变化，反映了体系作战的整体性、动态性、对抗性和任务导向性，所提出的网络空间攻防对联合作战体系支援度评估理论与方法具有合理性、可行性和有效性。由于网络空间系统的特殊性，仍需对支援度评估指标体系进行探索和完善，尽可能地缩减与实际结果的偏差，提高评估的科学性和精确性。