基于作战数据的远海作战智能化服务平台关键技术研究*

陈文平 向 慧

（武汉数字工程研究所 武汉 430205）

1 引言

远海作战是未来海上战争的重要内容，而因其作战范围的广泛性、任务的即时性、环境的复杂性、资源的不确定性，各远海作战单元所产生的作战数据面临无法即时共享、很难有效整合的问题，这为远海作战情报体系建设带来巨大挑战。因此必须综合运用人工智能理论技术、复杂系统理论方法和体系工程方法，突破海上作战数据现行的体系顶层架构，设计一套智能化的、稳健的、实时互通的远海作战数据架构，并基于此架构，利用知识计算相关技术，自主发掘、筛选、矫正、评估、共享作战数据内蕴知识，实现远海作战的数据化、精确化、体系化、智能化情报保障，支撑作战编队在远海独立、准确、快速、高效的行动决策。

2 总体设计

针对远海作战背景下，数据准确、即时、稳健服务的军事需求，构建基于分布式储存和分布式计算的新型海上数据服务平台。基本逻辑架构分为三层：节点计算层、知识共享层、远海作战云端。通过边缘计算层各级作战单元对所产生的作战数据实时处理和挖掘分析，提取重要作战要素信息，实现初步知识积累和分布式共享知识库的构建。统筹优化知识共享策略，高效利用多类共享手段，实时管控共享安全，实现远海通信约束下的全向智能知识共享体系，支撑远海作战云端的逻辑组成。在云端通过知识整合、知识消歧、知识推理、知识发现、知识增殖等多源知识挖掘技术，构建面向远海作战情报保障的超维知识图谱，形成整体完备、内部一致的远海作战知识体系。平台的逻辑结构如图1所示。

图1 远海作战智能化服务平台逻辑结构图

3 关键技术

依据远海作战智能化服务平台的逻辑构成，服务平台的关键技术包括远海作战目标实体知识挖掘、面向远海作战的知识安全智能共享以及异构知识计算。

3.1 远海作战目标实体知识挖掘

在各作战单元内，利用图像处理、水声分析等技术，分别对各型传感器、卫星等探测设备所产生的探测数据进行智能融合和高效挖掘，实现秒级的目标身份信息识别、目标关键点及关键位置识别；利用增量学习技术，构建目标行为分析模型，实现实时目标行为分析，支撑目标意图判断。远海作战目标实体知识挖掘框架如图2 所示。

图2 远海作战目标实体知识挖掘框架

3.1.1 作战目标身份检测

针对远海作战模式，各作战节点结合自身传感适配数据，对探测目标的身份、国籍、类型、作战层级、隶属关系等信息进行智能挖掘、模糊校准、深度匹配等，实现远海作战坏境下对作战目标的身份检测与确认。

3.1.2 目标精细化识别

目标的精细化识别是在远海作战编队各级节点对作战目标协同感知的基础上，通过多级融合和深度关联技术，实现对远海非合作目标编队内关键目标的识别，以及对目标的关键部位的识别，形成大范围立体打击的基础数据保障。

3.1.3 目标行为分析

各作战节点依据目标的运动轨迹信息，结合历史数据，构建目标机动模型，对目标进行简单的行为分析，分析目标现行运动模式，预测目标活动轨迹，圈定目标活动范围。

3.1.4 目标意图判断

依据先验军事知识，结合目标各作战要素信息，通过人机协同的方式，智能分析目标实时意图，并依据流态数据，实时增量更新意图评估模型，实现对目标的意图判断。

3.2 面向远海作战的知识安全智能共享技术

针对远海作战通信的带宽、链路的稳定性、敌方的情侦威胁等多项约束条件，研究面向远海作战的知识安全智能共享技术。通过低时延双活全向信息共享架构技术，构建岸基弱相关的独立信息共享拓扑，支撑作战体系内高效实时数据共享；利用动态规划等技术，依各节点特性，实现知识共享的自组织筹划；利用优化技术，制定高效的数据传输链路策略；建立知识共享评估指标，有效评估知识共享过程，设计高容灾的知识共享体系。

3.2.1 低时延双活全向信息共享架构

设计面向远海作战的多体制、多平台、窄带宽、强抗毁的低延时双活全向信息共享架构，在逻辑层面形成一个健壮的全向拓扑网络，以支撑远海作战编队内的智能信息共享。

3.2.2 自组织知识共享

知识自组织共享主要是整合有限的通信资源，通过对待传输知识和传输链路的评估，利用多重优化方法，结合多种智能推荐引擎，统筹规划知识传输顺序、知识传输模式、知识传输链路，形成完备的、安全的、高效的、可控的多级数据传输策略。

3.2.3 知识共享风险评估及容灾设计

结合各类远海任务背景，构建共享体系安全评估指标，对共享网络内蕴的结构风险、组织风险进行量化建模，实时监控并测评整个共享过程的安全指数，并依据评估结果，动态调整共享网路逻辑结构。通过异地即时备份、信息压缩加密等技术，提升作战编队数据共享系统的容灾能力。

3.3 异构知识计算技术

在远海作战云端，利用异构知识表示技术，建立统一的知识量化表示，构建各作战单元的知识仓储；利用知识消歧、知识补全、维度约简等技术，结合领域先验知识及相应规则，实现对云端知识的一致性处理和最优化表达；利用关联关系挖掘、知识符号推理进行多源知识融合、潜在知识发现，以实现知识动态扩展和知识增量更迭；结合复杂网络、信息系统等理论手段，建立远海作战知识图谱，支撑超维知识计算，实现目标精准信息识别、目标高级意图分析、以及面向编队的目标社区动态发现、目标社区群行为分析等知识的顶层应用。云端异构知识处理框架图如图3所示。

图3 云端异构知识处理框图

3.3.1 异构知识统一表示

利用张量模型、符号系统等技术手段，对传入逻辑云端的数据，构建知识的统一表示模式，形成对多源知识的统一量化指标。建立知识层级目录，结构化各知识条目，优化知识储存物理路径，形成可快速检索的云端逻辑知识库。

3.3.2 知识优化表达

结合军事先验知识、符号推理技术以及机器学习方法，构建知识一致性审查模型，实现对云端知识的内蕴结构的优化和矫正，包括知识消歧、知识验证、知识关联、知识融合等。并针对多来源的作战要素信息，利用维度约简、表示学习等方法优化知识的统一表达。

3.3.3 多来源潜在知识挖掘

依据多节信息融合处理技术，完善并更新单一节点生成知识，提升知识置信度。依据军事规则要义，在情报分析领域的典型应用背景下，挖掘更深层次的潜在关系。采用统计机器学习方法、复杂网络分析方法、以及逻辑符号推理技术，建立各知识之间的潜在逻辑关系，并基于知识推理、知识补全等知识计算手段实现知识增量更新和动态增值。

3.3.4 远海作战知识图谱构建

梳理作战云端知识库表中的有效知识，依据知识结构条目，设计知识图谱逻辑框架，初步建立支撑远海作战情报保障的超维知识图谱，并依据谱内知识计算，实时迭代更新图谱信息。依云端图谱，智能推送面向远海作战的各类作战要素知识，包括目标精准信息识别、目标高级意图分析、以及面向编队的目标社区动态发现、目标社区群行为分析等知识的顶层应用。

4 结语

远海作战作为未来海上战争的重要组成部分，由于其环境复杂性和资源的不确定性，给数据资源及时共享和综合应用提出了挑战。本文从远海作战数据共享与利用的角度，提出了一套较为完整的作战数据应用体系架构及关键技术解决方案，从作战节点知识层、知识共享层以及端服务层进行了详细的阐述和设计，对提高远海作战数据的体系化精准化保障提供了重要手段支撑。