基于军事战斗力提升的大数据体系架构研究

基于军事战斗力提升的大数据体系架构研究

崔子轩   ,高平   ,曹琦

中国人民解放军31401部队  山东 青岛  250117

【摘要】 针对人工智能时代的挑战，开展面向军事领域的人工智能与大数据技术融合的体系架构研究与设计。本文提出了人工智能与大数据融合的体系架构设计和运行模式设计，并分析了体系架构的关键技术。人工智能与大数据技术的应用将更好地实现未来战争火力指挥与控制系统的智能化和自动化，提升军事战斗力水平。

【关键词】大数据技术；人工智能；军事战斗力；体系架构

0引言

随着人工智能和大数据技术的快速发展，人工智能和大数据技术逐步融入各军联合作战、军事管理和科研之中，为军事战斗力的提升提供了新途径和新动能，已成为世界军事强国构筑战争优势的“造血增智”工程。数字化战争产生了大量的特定数据，如何充分挖掘分析这些海量的数据已经成为军事专家和学者们关注的热点问题。本文对面向军事领域的人工智能与大数据融合的体系架构展开深入研究，以抢占未来智能化战争的发展先机，对于提升我国军事战斗力水平，推动我国军事领域的发展具有重要意义。

1 人工智能与大数据融合的体系架构设计

1. 1 系统总体架构设计

系统总体架构首先需要面向海量的非结构性军事数据的分析与应用需求，结合人工智能技术和大数据处理技术，提供面向军事大数据的收集、整理分析、资源处理、数据挖掘、安全保密等业务应用，为战略决策、作战指挥提供数据及服务支撑。其次为解决作战体系中各军种各节点间的资源共享及协同运用问题，需要考虑系统架构的灵活性和开放性，实现系统与数据间的松耦合，能够依据用户需求而快速准确地定制和提供所需服务。人工智能与大数据融合的体系架构图如图1所示。

图1人工智能与大数据融合的体系架构

1. 2 运行模式设计

在未来战争中，军事大数据将发挥至关重要的作用，面对海量的数据浪潮和网络风险，数据保障体系已成为左右战争胜负、提升部队军事作战能力、充分挖掘战争潜力的重要选项[1]。对军事数据进行分析、处理和应用为核心的智能化管理体系，必将成为未来战争中左右战局胜负的重要工具之一。在人工智能技术和大数据技术的快速发展的过程中，数据的核心作用更加明显，促进指挥决策向智能化、实时化和精确化方向发展，实现战役中的决策中心战。

（1）军事大数据的获取

基于军事作战需要，系统将动态接引多种来源和多种类型的军事信息资源，既包括各种预警雷达系统、侦察卫星系统以及航空、航天信息来源，也包括各类新闻报道、图像文字、音频视频、电磁等载体的信息资源[2]。

（2）军事大数据的处理与挖掘

基于流程化数据处理技术整合现有各类数据的存储及运用模式，采用Apache Spark分布式的ETL工具和神经网络算法（hns）进行数据挖掘及处理，其处理流程图如图2所示。

图2 基于Apache Spark的分布式ETL工具工作流程图

ETL-ON-SPARKEngine作为Apache Spark的分布式ETL工具的核心，首先，从军事大数据源中抽取数据，以Spark Data Frame的格式暂时储存在Spark SOL的内存中；其次，从ETL任务配置器中读取任务文件，借助神经网络hns对抽取的数据进行分布式并行处理，并对源Spark Data Frame进行字段映射和转换，从而形成新的Spark Data Frame；最后，将新生成的Spark Data Frame写入到目标数据库中。

（3）军事大数据的展现

基于人工智能与大数据技术融合的分布式军事分析与服务系统在运行过程中，系统将自动汇集作战任务和业务工作等的使用需求，提取相关的数据要素；自主完成相关数据要素的特征分析，研究数据要素的特征以及各要素特征之间的相互关联关系，构建数据要素特征模板以及相关数据处理模型；基于数据处理模型的请求，依托军事大数据服务系统提供的数据接口，从各类数据源中抽取相应的作战行动数据和业务数据以及相关的知识数据。系统分析所获取的作战信息产品，按用户制定相关的订阅/分发关系，由系统自动地推送给联合作战指挥部、区域指挥部以及其他已获得授权的用户[3]。

2 关键技术分析

2. 1 军事信息数据智能搜索技术

现代化战争过程中，各类侦察卫星、无人侦察机、战地雷达等战场传感器每时每刻都在采集数据、语音和影像等信息，从而构成了海量的军事资源数据，极大提高了各军种获取军事数据的能力[4]。然而，由于战场数据数量极为庞杂，系统很难及时地分析处理，从而造成数据分析不足的新问题。因此，大数据背景下军事数据智能搜索技术应是具有自适应能力的信息资源检索技术，能够在快速增长的信息环境中，通过自主学习及时发现用户需求并生成用户所需要的搜索内容。

2. 2多源异构数据综合处理技术

军事资源数据存在来源广、类型差异大和价值低等特点，从而造成数据分析处理不确定性，如何从海量的军事大数据中去粗取精、去伪存真，是军事大数据技术所面临的关键问题

[5]。多源异构数据综合处理技术是指依据数据的来源和格式对相关的图像文本、音频视频以及电磁等多元数据进行分析，通过提取与军事大数据相关的时间空间、目标和任务要素，分析其分布特征，从而实现不同来源军事数据的相互关联、印证，以形成层次清晰、存位统一的数据态势，提高数据分析结果的精准性和有效性。在军事大数据处理模式上，采用分布式的ETL工具和神经网络算法（hns）进行数据挖掘处理，基于分层服务模式的理念，系统自动进行分节点计算和存储，实现人工智能技术与大数据技术的融合发展，提高数据处理的实时性。

2. 3数据融合增值利用技术

军事大数据时代，格式化与非格式化的军事数据以不同形态大量涌现，且非格式化的数据通常比格式化的数据更具价值[6]。基于军事大数据库门类繁多、内容齐全的数据资源池，采用大数据特征技术，构建不同数据之间的融合模型，分析研究不同领域、不同专业、不同类别和不同形式的军事资源数据的关联特性，挖掘隐含在不同数据之间的关联关系，将各种形态的资源数据融合成为一个统一的整体，从而为未来战争的指挥决策提供准确的资源数据服务。

3 结语

在机械化、信息化、智能化融合发展的形势下，军事大数据技术嵌入杀伤链，对部队作战力量编成进行模块化与体系化改造，可充分提升作战能力。本文对基于军事大数据的人工智能与大数据技术融合发展的体系架构和运行模式进行了初步研究和设计，并对其中部分关键技术展开了分析。对更好地实现未来战争火力指挥与控制系统的综合化、智能化和自动化，提升军事战斗力水平具有重要意义。

参考文献

[1] 覃锋. 基于大数据的军事情报信息系统架构研究[J]. 移动信息, 2021(3):4.

[2] 耿丽丽, 刘欢, 廖一铧. 基于分布式架构的时空大数据分析系统平台研究[J]. 中国科技成果, 2020(7):3.

[3] 邓晶, 陈慧. 支撑体系作战能力分析的信息保障大数据预处理方法[J]. 军事交通学院学报, 2020(5):7.

[4] 司光亚,王飞. 基于仿真大数据的体系能力评估方法研究[J]. 军事运筹与系统工程, 2020, 34(3):6.

[5] 何  超, 沈  悦, 纪翼浩,等. 基于军事地理信息系统的战场态势展示分析系统的设计与实现[J]. 计算机科学与应用, 2022, 12(4):12.

[6] 万飞, 李睿, 漆磊. 基于大数据的军事物流生态系统研究[J]. 中国物流与采购, 2020(7):2.

作者简介：崔子轩（1989-），男，山东招远，本科，研究方向：军事后勤学方面的研究。