未来战争,军事大数据决定主动权

简介:

0.jpg

信息战打的就是信息流的战争。从整个信息流的转换来看,谁控制了最真实的信息流,谁就控制了这场战争的主导权。夺取制信息权已经成为夺取制空权、制海权的先决条件,是未来战争胜败的决定性因素。


随着信息化不断发展,人类社会已经进入了一个不折不扣的“大数据时代”。每天,遍布世界各个角落的传感器、移动设备、社交网络和在线交易平台生成上百万兆字节的数据。美国奥巴马政府甚至将大数据称为“未来的新石油”,谁掌控了数据流谁就将主宰未来世界。众所周知,军事领域一直都是人类最先进科技的实验室,大数据无疑将给未来战争形态带来巨大的改变。


大数据“大”在哪儿

麦肯锡全球研究所对大数据的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合(datasets)。


中科院计算机所研究员王伟平告诉《中国科学报》记者,大数据的“大”,理所当然,首先指的是数据体量空前巨大,远远超出传统计算机处理数据量的级别。


当前伴随着计算机网络技术的迅速发展和互联网的高速普及,信息数据量已由TB(1TB=1024GB)级升至PB(1PB=1024TB)、EB(1EB=1024PB)、ZB(1ZB=1024EB)级,并仍在呈爆炸式地增长。据悉,全球在2010 年正式进入ZB 时代,2012 年全球数据量达到5.2ZB,预计到2020年,全球将总共拥有35ZB 的数据量。有一个形象的比喻可以帮助人们理解这些数据的规模。如果把35ZB 的数据全部刻录到容量为9GB 的光盘上,其叠加的高度将达到233 万公里,相当于在地球与月球之间往返三次。


其次,王伟平表示,“大”也体现在处理的数据类型多样化,远远超出传统数据格式和分析工具能处理的范畴。以往数据大都以二维结构呈现,但随着互联网、多媒体等技术的快速发展和普及,视频、音频、图片、邮件、HTML、RFID、GPS 和传感器等产生的非结构化数据,每年都以 60%的速度增长。预计,非结构化数据将占数据总量的80%以上。


此外,他认为大数据还要求数据处理的实时性。大数据的数据流往往为高速实时数据流,而且往往需要快速、持续的实时处理,能在第一时间抓住重要事件发生的信息。如果从军事领域看,指挥控制系统、天基支持系统、信息处理系统,各种侦察、监视、探测系统的信息量越来越大,大数据在指挥机构中的管理也变得空前重要和复杂。如何对海量战场数据进行存储与深度分析,如何判别数据的真实性,数据来源的可靠性,确保数据传输的安全性,是未来战争双方面临的问题。


信息化战争对大数据的要求

军事理论界普遍认为,早在上个世纪90年代,信息化战争开始崛起。它是一种通过使用信息化战争武器影响敌方信息与信息系统,保护己方信息与信息系统,从而取得战场信息优势的作战样式。它本质上是通过信息作战手段,以“信息流”控制“能量流”和“物质流”,剥夺敌方的信息优势、保持己方的信息优势,从而夺取战场制信息权。


军事评论员宋忠平向《中国科学报》记者解释,传统的信息战包括了网络攻防战,常规作战中的干扰与反干扰,还有刑侦系统下的侦测与反侦测等内容。“信息战打的就是信息流的战争。从整个信息流的转换来看,谁控制了最真实的信息流,谁就控制了这场战争的主导权。”宋忠平说,“夺取制信息权已经成为夺取制空权、制海权的先决条件,是未来战争胜败的决定性因素。”


但他也表示,传统信息战在处理信息以及数据方面遭遇到了各种挑战。首先是传统信息通道有限,无法一次获取大量信息。同时,不仅仅是数据量大幅增加,数据形式包括了战场感知数据、影像、视频情报等各种类型,仅仅依靠现有信息技术,不能及时高效地分析和处理这些数据。


据报道,伊拉克战争爆发当日,美军驻卡塔尔和科威特前进指挥所由于无法处理保障机构提供的海量数据,不得不关闭设备,从而造成指挥所与部分突击方向的通信联系几乎中断。


此外,宋忠平指出,传统信息系统的数据分享能力比较弱。“传统战争是一种离线状态下的作战方式,上级给下级分配任务,并在离线状态下执行,最后向上级汇报一个战果。而且命令一般只能管一个军一个师,因为他们往往是作为一个独立的作战单位。这也导致了相关部门往往各自为营,影响协同作战的效率。”


在这样的背景下,信息化战争对大数据传输、存储、分析产生了特殊的要求。


首先是数据处理的实时性要求。信息化战争中产生的海量数据最终要汇集到各级指挥中心和处理中心,这些数据源源不断地从各种传感器、情报机构以及信息中心传输汇聚到一起,要对这些数据进行实时处理。宋忠平认为,战场所有信息哪怕是一个单兵的信息都需要通过大数据传到指挥控制中心,以了解前线情况,特殊状况下甚至可以对某个单兵的装备下达命令。因为,他可能正处在最有利的地形,可以获取最大的优势。


其次是数据融合。宋忠平提出,通过使数据链的连路拉短,以前需要四至五级的管理才能下达命令,未来可能只需要三级管理完成,这样才能有助于一体化作战,而不是各个军兵种单独作战,随时随地调整作战指挥。


此外,在他看来,大数据时代,信息防御难度尤其加大,对于数据安全要求更高。一般而言,信息化战争对数据传输的信息安全要求主要体现在解决防窃听、抗干扰和防止虚假信息欺骗的问题上。未来恐怕需要一套新的防御机制,以确保信息安全。


由此可见,在大数据时代的信息化战争中,各国军事体系的对抗将在更大程度上依靠各种军事信息系统、软件和数据,在正确的时间、正确的地点为正确的决策、指挥和控制提供正确的信息。而使信息实现快速合理分发的前提,是要有对数据的统一调度和管理,让最即时的战场信息传递到最迫切需要的部门。随着战场数据量的增大,高效存储与分析海量数据,从数据中发掘敌我态势的变化,预测出最合理的作战方案,使海量数据更好地为信息化战争服务是军事大数据处理的目标。


军事数据挖掘面临挑战

不过,王伟平指出,大数据时代面临的一大挑战是信息的价值密度低。无论是分析人员还是智能系统都需要“大海捞针”,从海量数据中找到有用信息。“这也充分体现了数据挖掘的重要性。”他强调。


数据挖掘是一个在海量数据中利用各种分析工具发现模型与数据间关系的过程,它可以帮助决策者寻找数据间潜在的某种关联,通过发现被隐藏的、被忽略的因素,就能够在数据存储和管理过程中,挖掘出重要的情报信息,作为决策和行动的依据。


据宋忠平透露,在“9·11”事件发生前,情报研判人员是掌握了大量数据的,但却忽视了其中有价值的情报。


因此,在“9·11”事件之后,美国国防部高级项目研究在次年的技术年会上,阐述了如何在统一集成的数据库中应用数据挖掘技术。


所谓新的数据资源就是“交易空间”。如果恐怖分子要计划、执行一次恐怖活动,他们必定会在信息空间留下某种“数据脚印”。也就是说,他们需要“交易”。这种交易的数据记录,可以是通讯、财务、教育、医疗,也可以是旅行、交通、出入境、房屋等等其他一切数据记录。美国正是在“交易”空间中应用数据挖掘技术,从而发现和追踪恐怖分子的。


据了解,2002年,阿富汗境内的大毒枭准备为基地组织等恐怖分子提供资金时,美军的情报分析人员正是通过数据挖掘,把作战方案库里的数据与有关基地组织情况库里的资金数据进行实时、自主关联,从而指导美军先敌一步采取行动。


那么,如何从技术上提升数据挖掘的能力。王伟平告诉《中国科学报》记者,在入口处对数据质量进行把控是非常关键的。也就是说,数据准备是数据挖掘的重要前提,因为它直接影响到数据挖掘的效率和精准度。“如果质量参差不齐的数据统统进入通道,便很难再对质量不高的数据进行处理,他们将对有用信息造成严重的干扰。”


简言之,在数据准备阶段,需要对数据进行清洗,其次,选出需要分析的数据,缩小处理范围。而在数据预处理阶段,包括了消除重复数据、消除噪声、遗漏数据处理、数据类型转换等,目的是把数据处理成适合于数据挖掘的形式,并在数据选择的基础上对挖掘数据作进一步的约简减少内存资源和处理时间,使挖掘更有效。


未来战争形态将发生改变

奥巴马政府于2012年3月29日发布了《大数据研发倡议》(Big Data Research and DevelopmentInitiative),将大数据研发提升为国家政策。而美军大数据项目正是美国国家项目的重要组成部分。据了解,美国国防部及其下属国防高级研究计划局现有的大数据项目共有10个,其中,数据到决策、网络内部威胁、影像检索与分析、X-数据项目等是具有代表性的。


最重要的数据到决策项目,主要指的是通过各种新途径充分利用海量数据,整合感知、认知和决策保障系统,以创造一种真正自主的系统,使之可以自主机动作业并作出决策;网络内部威胁项目目的是通过采用新式网络威胁判断技术,提高探知网络刺探活动的精度、频度和速度,从而及早暴露和防范对手的破坏活动,并提升己方的网络安全水平;影像检索与分析项目一旦取得成功,分析人员将能从海量视频库中快速、精确地检索特定的视频内容,由此便能充分、高效地挖掘影像中隐藏的有用信息; X-数据项目主要是通过开发大容量数据分析所需的可扩展算法,以便处理分布式数据存储库中的不规则数据。通过开发高效的人机互动设备和可视用户界面技术,以便在多样化任务中更好、更快地执行操作。


有了大数据项目的实施和实现,未来战争可能发生革命性的变化。宋忠平认为,大数据最重要的价值之一是预测,把数据算法运用到海量的数据上来预测事情发生的可能性,因此,未来战争的指挥决策能力可以产生很大的飞跃。


他向《中国科学报》记者举例,早在第一次海湾战争中,美军战前利用改进的民间兵棋,对战争进程、结果及伤亡人数进行了推演,推演结果与战争的实际结果基本一致。而在伊拉克战争前,美军利用计算机兵棋系统进行演习,推演“打击伊拉克”作战预案。随后美军现实中进攻伊拉克并取得胜利的行动,也和兵棋推演的结果几乎完全一致。至此,作战模拟已经从人工模式转变为计算机模式。


“依托大数据和云计算平台,战前的模拟推演,从武器使用、战争打法到指挥手段,都可以清晰地显现,作为战时决策的依据。”宋忠平说,“一旦发现作战计划有问题,可以及时调整,以确保实战伤亡最小并取得胜利。”


其次,数据的融合有望打破军种之间的壁垒。大数据可以解决军队跨军种、跨部门协作的问题,真正实现一体化作战。除此之外,宋忠平认为,大数据可以改变未来的战争形态。美军尤其追求大数据支撑的拥有自主能力的无人作战平台。例如,目前全世界最先进的无人侦查机“全球鹰”,能连续监视运动目标,准确识别地面的各种飞机、导弹和车辆的类型,甚至能清晰分辨出汽车轮胎的齿轮。宋忠平指出,无人机能否做到实时地对图像进行传输非常关键。目前,美国正使用新一代极高频的通讯卫星作为大数据平台的支撑。


未来,无人机甚至有可能摆脱人的控制实现完全的自主行动。美军试验型无人战斗机X-47B就是这一代表,它已经可以在完全无人干预的情况下,自动在航母上完成起降并执行作战任务。


20140801045503749.jpg

  “全球鹰”无人机

延伸阅读

从数据到决策

信息系统的信息处理速度、目标态势获取时间、决策周期以及快速响应时间决定着军事行动的成败。在大数据背景下,加快战场信息流转,缩短“从传感器到射手”的周期,实现“发现即摧毁”的作战目标,成为信息系统建设必须解决的首要问题。因此,“数据到决策项目”成为了美军大数据项目中最为关键的一个。目前,美陆军已经提高了对海量信息的融合处理能力,正在建设的智能化作战决策支持系统也取得了一些成果。


美陆军分布式通用地面系统

2012年底,美国陆军开始在全球全面部署经过作战验证的情报系统。12月14日,“陆军分布式通用地面系统”(D6A)获得批准,并由国防采办执行委员会(DAE)负责实施。


此前,D6A只是作为一种快速反应能力,成功用于伊拉克和阿富汗。目前D6A已获批用于陆军所有部队,并已部署到所有旅级单位。“快速反应能力”是指一种可以快速部署,以满足最直接、最迫切需要的系统,比如作战环境,但它不一定获得了全面部署的批准。


D6A用于整个陆军以及它与联邦情报机构和盟军之间的任务、处理、开发和传播情报,取代了9种不同类型的旧系统,成为陆军现代化计划的重要组成部分。D6A可以帮助用户共享应用程序、文本文件、图表、照片、地图等等。与旧系统相比,D6A在2012~2017年可节约3亿美元。而在整个寿命周期中(2012~2034年),D6A可节约大约12亿美元。


“泰坦”认证网络战术信息技术

“泰坦”认证网络战术信息技术(Tactical Information Technology for Assured Networks, TITAN)的功能类似于网络搜索引擎应用软件,指挥官用于在战术作战中心监控接收到的信息和发布更新后的指令。“泰坦”可根据具体任务需求过滤信息,清理指挥官的计算机屏幕(桌面),提供与地形图、图片和文本链接的简明指令模板,以形成通用作战图。“泰坦”还提供了对未来指挥所(CPOF)和21世纪部队旅及旅以下作战指挥/蓝军跟踪(FBCB2-BFT)系统的支持,可融合来自其他领域的关键数据。


智能式网络中心移动指挥控制软件

智能式网络中心移动指挥控制软件(Command and Control Mobile Intelligent Net-Centric Software)是一种手持式任务指挥系统,可接收和发布己方和敌军部队的位置信息,综合来自战术无人值守地面传感器等各类传感器和雷达探测系统的信息,从而实现对敌军进展的实时监控和对薄弱区域的防护。


作战人员伴侣人工智能软件

作战人员伴侣(Warfighter Associate)人工智能软件,可自动搜寻各类文本交谈工具,探测士兵之间有关敏感目标的对话信息,提前将其反馈给未来指挥所的通用作战图,例如当某部队的士兵发现地雷场后,通常会在各类信息系统上人工输入相关信息,该软件能够自动提取地雷场的网格坐标,将其自动输入未来指挥所系统,提前15~20分钟,在通用作战图上生成相关信息,否则该信息会延迟或被淹没。在人工智能技术、作战理论与战术知识数据库的驱动下,“作战人员伴侣”能完成清理未来指挥所显示屏、突出重要信息、提供警告和建议等辅助用户决策和执行正确的行动方案的功能。




原文发布时间为:2014-08-02

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
大数据
大数据决定事件营销的成败
事件营销 – Event Marketing,是整合营销(IMC, Integrated Marketing Communication )中,不可或缺的环节,也是近年来国内外十分流行一种公关传播与市场推广手段。
1214 0
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
10天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
14 3

热门文章

最新文章