京公网安备 11010802034615号
经营许可证编号:京B2-20210330
美军利用大数据挑战他国安全保密 中国需抓紧
洛克希德·马丁公司年初对外发布了一款针对领域实现实时数据分析、管理、展示的开源软件——StreamFlow。他们相信,降低大数据实时分析的技术应用门槛,有利于从生命科学到网际安全,从太空探索到导弹防御等领域的专家们,尝试使用大数据分析工具。鉴于该公司在军工领域的地位,人们更愿意将其与战争相连。那么,大数据在战争中如何大显身手?大数据给军事领域又带来了怎样的挑战?请看科技日报特约专稿——
在倡议制定大数据战略时,美国总统科技顾问委员会在给国会的报告中曾称,“联邦政府的每一个机构和部门,都需要制定一个应对‘大数据’的战略”。此后,奥巴马政府推出“大数据研究与开发计划”,提出“通过收集、处理庞大而复杂的数据信息,从中获得知识和洞见,提升能力,加快科学、工程领域的创新步伐,强化美国国土安全,转变教育和思维模式。”面对大数据蓬勃发展的态势,美国军方也敏锐地嗅到了该领域军事应用的前景,以国防部先进研究项目局(DARPA)为主导,美军启动了一系列有关大数据的研发项目,旨在赢得“微战争”时代较量的主动权。
美军介入国家大数据战略
“大数据”是指那些超过传统数据库系统处理能力的数据,数据量通常在10TB以上,是国际上继物联网、云计算等信息技术和服务模式出现之后的新概念。简而言之,从各种各样的数据中,快速获得有价值信息的能力,即为大数据技术。早在1980年,著名未来学家阿尔文·托夫勒便预见到了大数据时代的到来,他在《第三次浪潮》一书中,就将大数据热情地赞颂为“第三次浪潮的华彩乐章”。
如果说阿尔文在《第三次浪潮》中对“大数据”的赞颂为大数据时代的到来奏响了前奏,那么,美国政府对于大数据的支持则将大数据技术从商业行为上升到国家战略行为。
2012年3月29日,奥巴马政府发布了《大数据研究与发展计划倡议》,宣布启动对大数据的研发计划,美国国家科学基金、美国国家卫生研究院、美国能源部、美国国防部、美国国防部先进研究项目局、美国地质勘探局6个部门新投入超过2亿美金,联合推动数据提取、存储、分析、发现等领域的技术创新与工具开发。同时,奥巴马政府号召面临挑战的行业、科研院所与非盈利机构和政府携手,共同应对“大数据”的挑战。正如总统科学技术顾问委员会主席霍尔德伦在讲话中所表示的那样:“像美国历史上对超级计算机和互联网的投资一样,这个大数据发展研究计划将对美国的创新、科研、教育和国防产业产生深远的影响。”
无论是最新的《大数据研发倡议》,还是过去的《网络空间政策评估报告》《国家无线倡议》《联邦云计算战略》《网络空间国际战略》和《网络空间行动战略》等系列文件,美国的战略意图无疑是在以往占据的信息优势基础上,全面拉开与其他国家的信息化差距,掌握国家间战略竞争的信息霸权。从倡议中,美国认为,大数据技术的领先将确保美国在未来20年的技术优势,只有依托大数据,美国才能在新一轮信息技术竞争中保住霸主地位。
美国军方在前期介入国家大数据研发计划之后,后续又进一步细化了自己的侧重方向:一方面,美军在极力强调基础网络的弹性和可信性的同时,大规模削减分散于全球的数据中心,大力推进网络云计算项目。其目的是要在形成灵活、智能、自适应的物理网络基础上,将网络空间工作的关注点调整到“改造网络化服务模式”上来,直接以企业化的作战应用服务支撑整个作战过程。另一方面,针对大数据所面临的带宽稀缺、适应性和安全性、存储等问题,美军与IT界在云计算环境与协作、非结构化数据的整合、超越数据仓库等方面进行了广泛的合作并已取得了一定的成效。例如,早在2010年,美国动态研究公司与美国陆军合作开发的构建基于云计算环境的智能系统“求雨者”就已部署到了阿富汗战场。2014年,美国陆军支持的该研发项目又取得了新的进展。
在前沿技术研发方面,DARPA也不甘示弱,其在大数据领域计划每年投入2500万美元,着手研发大数据处理分析所必要的硬件与智能化分析软件,以解决非结构化数据的组织积累、数据库关联等问题。
大数据支撑体系作战
“大数据”之“大”,不仅体现在其“容量之大”,而且体现在其通过交换、整合与分析后所创造的“价值之大”。那么,如此海量的数据,我们该如何将其应用于战争呢?目前看来,大数据技术可以在以下领域体现其战争价值。
其一,情报获取能力。现代战争是“信息主导”的战争,信息获取能力的强弱对于战争的进程和胜负具有极为重要的作用,强化信息获取能力是提升体系作战能力的重要抓手。应用大数据技术,能够大幅提高指挥机关的情报获取能力,主要体现在两个方面:一是大大提高情报信息处理效率。现代战争中战场情报信息数量极其巨大,并且大部分是非结构化数据,如采用常规方式处理这些海量信息,犹如“大海捞针”,不但高耗时,而且效率低。而利用大数据对情报信息进行处理,则理论耗时可达到秒级,处理速度呈指数级跃升。二是能够发现更多有价值的情报。在信息受侦察手段、战场环境等因素制约下,利用大数据技术能够对来自于多渠道的信息快速进行自动分类、整理、分析和反馈,能够从大量相关或看似不相关的、秘密的或公开的信息中挖掘分析出有关目标对象的高价值军事情报,从而有效化解情报、监视和侦察系统不足的困境。
其二,指挥决策能力。现代战争是诸军兵种一体的联合战争,对指挥员指挥决策能力提出了更高要求,而联合战争的作战力量、作战环境、作战态势、武器装备等战场信息数量巨大且复杂多变,指挥员在决策过程中经常陷于“信息海洋”而导致信息迷茫,影响指挥决策。以往,解决这类问题主要是以学习试验、理论分析、计算模拟等方式为主,一定程度上存在信息利用率不高、组织开展难度大、耗时长等弊端。而以大数据为核心的辅助决策主要将各种传感器、仿真模拟、实践积累获得的大量数据处理转化成信息或知识,存储到非结构化数据库中,通过对海量信息科学管理和深入挖掘,发现隐含其中的关联或发展趋势,从而大大提高决策的科学性、针对性。在数据量足够大、面足够宽的情况下,决策者能够较为准确地把握诸如敌方指挥员的思维习惯、下步作战行动、战场态势的发展变化等复杂情况。
随着大数据的深入开发和应用,“从数据到决策”的强大决策支持以及智能化决策的逐步实现,所有军事问题都可获得相对精确可靠的决策支撑,从而缩短指挥、决策和行动周期,提高快速反应能力,实现“侦”“攻”“防”一体化。
其三,网络安防能力。大数据颠覆了传统信息体系架构,从以数据仓库为中心转化为具有流动、连接和信息共享的数据池。通过大数据技术,可以实时检测军事计算机网络与网络间谍活动,提升军事信息网络的防御能力,大数据技术的研发也将促进军队信息安全技术和工具上一个新台阶,使军队信息安全监测更精细、更及时和更高效。美军在这方面进行了卓有成效的探索。例如,列入五角大楼预算的“加密数据的编程计算”项目,针对那些在使用过程中保持加密状态的数据,开发实用的计算方法和编程语言,从而克服云计算环境中的信息安全挑战,由于无需在用户端解密数据,因此网络间谍的图谋就难以得逞。
对安全保密提出新挑战
从美国中情局前职员爱德华·斯诺登曝光的美国“棱镜门”等一系列骇人听闻的事件中,我们必须认识到,大数据给我们带来无限正能量的同时,亦存在着资讯工具的“暗影效应”或“双刃剑效应”——大数据技术增加了保密的难度,加大了信息泄露的风险。为此,应实行更严格的保密分级制度,注重内部细节和末端管理。诸如,对于军事使用的电子邮件和演示幻灯片等个人信息媒介,美国陆海空军兵种亦有规范的保密规定。
此外,就维护国家和军队信息安全的角度来看,还应多样化公开信息发布源头。倘若能从战略角度强调公开信息发布的真真假假、虚虚实实,使历史性的纵向比较和现实性的横向比较、信息源内部的自我比较和信息源之间的相互印证难成体系,这无疑将极大地增加外部势力窥探我国公开信息情报的难度。
如今,大数据已经成为军事信息时代不可或缺又亟待开发的重要资源,开发和使用大数据能力,成为影响战争胜负的战略工程,世界各国军方都在加紧研究如何应对。为此,我们一定要强化前瞻意识和危机意识,切实认识到大数据技术研究应用的重要性和紧迫感,积极组织各方力量,对他国军方的大数据技术研发进展进行追踪研究,认真分析国内外大数据发展现状和趋势,明确大数据发展战略,制定我军大数据技术发展战略,最终在未来的“微战争”较量中立于不败之地。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06