基于PSBC 机制的指挥控制体系*

李 山，权 文，宋 敏，李 昉

（空军工程大学空管领航学院，西安 710051）

0 引言

战争实践证明，一个高效的指挥控制模式对于多兵种、多平台、多维度的联合作战行动的意义重大。随着人工智能、大数据、云计算等技术的发展，作战力量正朝着无人化、智能化的趋势演变［1-2］。在此背景下，美军相继提出了“马赛克战”“联合全域作战”等一系列作战理念，并随之开始研发ABMS 等配套作战指挥控制系统［3］。加之近年来，我国东海、南海等方向局势紧张，我军更是需要一个能满足未来军事斗争准备要求的指挥与控制体系，来应对可能发生的军事冲突。

如何达到现代战争的能力要求？本文将通过分析现代战争形态，根据现代战争的特点以及现代作战的需求，将平行系统（parallel system）与区块链（blockchain）进行有机结合，构建战场PSBC（parallel system blockchain）的BDI 模型，并提出实现PSBC机制可能会用到的关键技术，可为研究现代指挥控制体系提供思路，对提高部队指挥控制能力具有重要意义。

1 战争形态的演变

1.1 赛博空间下的“三战合一”

现代战争是“明战”（physical）、“暗战”（cyber）、“观战”（social）三者的有机“合一”，如图1 所示。

图1 “三战”相互融合、相互联系Fig.1 Mutual integration and connection of“Tri-Warfare”

“明战”指物理空间层面，包括各类作战人员，武器平台特别是无人化智能化的高科技武器等。这些“看得见摸得着”的实物在“明处”，故以此为基础的战争被称为“明战”。“明战”主要解决指哪打哪的问题，闻令而动。“暗战”针对网络空间层面，信息权是其中的争夺焦点。此层面的战争以网电对抗为主要形式，看不见摸不着，因此，被称为“暗战”。由于网络空间本身具有多层次、复杂并发性、动态演化性等特点，所以“暗战”当中的指哪打哪往往结果未知，迷雾重重。“观战”面向意识形态领域上的对抗，观点争夺、舆论争夺等体现此类战争“观”的特点。“观战”的典型表现形式为：通过汇总分析各种渠道收集到的有用情报，在官媒主导下，流量大V、自媒体平台、网络机器人等组成草莽力量，共同发布传播有利于我方的舆论，控制社会舆论导向，攻心为上。“三战”一般不呈现时间上的连续性，往往是同时发生，同时进行，相辅相成，牵一发而动全身。

连接“三战”的关键在于赛博空间（Cyberspace）。赛博空间原本是哲学和计算机领域中的一个抽象概念，即计算机网络中的虚拟现实。在军事领域，赛博空间指由网络化系统及相关的物理基础设施利用电子和电磁频谱存储、修改并交换数据的领域，包括因特网、通讯网、计算机系统、嵌入网络中的处理器等［3-4］。

“明战”中的人员和各类武器通过赛博空间进行态势共享、指挥控制等；“暗战”中的网络为赛博空间的一个子集；“观战”依靠赛博空间进行舆论传播、意识斗争等。因此，物理空间、网络空间、社会空间都以赛博空间为依托平台，赛博空间在三者之间建起桥梁，使“明战”“暗战”“观战”从相对独立走向相互联系与相互融合［5］。在赛博空间环境下打好“三战”，成为现代战争的重要形式，也是网络化信息化条件下作战的主要目的。

1.2 PREA 环——基于体系的指挥控制

无论是“明战”“暗战”还是“观战”，为了使“三战”中各个战场涉及到的作战力量高效地运转起来，不仅需要每一个战场体系的有效指挥控制，也需要全局体系的有效指挥控制。然而，目前的战场指挥控制方式大多还是以观察- 判断- 决策- 执行（observation-orient-decision-action，OODA）环模型为理论基础的。

在20 世纪70 年代，伯伊德通过搜集研究大量空战数据，提出了OODA 环理论，而后该理论被广泛应用于指挥控制过程当中［6］。但由于该理论本身是基于对空中作战平台的研究中得出，强调以“快”制胜，面对如今多维度、大尺度的体系化作战，很可能出现“欲速而不达”的问题。基于此，筹划-准备-执行- 评估（planning-readiness-execution-assessment，PREA）环模型被提出［7］。作战体系通过该模型提高作战全程的稳定性，既求“快”又求“稳”，“快”“稳”双向制胜。

筹划过程通过分析现有态势来确定目标，制定方案，以期态势按预想转换。准备过程根据所得方案分配与调动作战实体，形成直接战前态势。执行阶段为任务的具体实施过程，并会不断生成新态势。评估阶段“回看”各环节数据并对各环节作出调整，使结果渐近于理想目标。

现代作战从平台上升至体系之后，PREA 环相较于传统OODA 环，具备以下特点与优势：

1）战前的“快”与“稳”，强调战前筹划与布势。PREA 环的筹划与布势环节针对整个作战体系，优先级高于任务的下达，目的是快速排兵布阵，在短时间内创造有利直前态势，为之后精确驱动一体化联合作战中的各个单元执行相应任务指令奠定基础。OODA 环也存在决策环节，但其面向作战平台，且一味图“快”，缺乏对敌我双方态势的全局感知，忽视了协同能力的重要性。

2）战中的“快”与“稳”，计划制定周密，联动性、衔接性提高，且响应迅速。PREA 模型针对作战体系制定作战计划，并建立了充足的预案。其采取非线性方式，主PREA 环带动多个副PREA 环高效运转，同时副环与副环、副环与主环之间联动，作战计划环环相扣，紧凑执行。

3）战后的“快”与“稳”，作战效果快速评估，作战计划快速修改。PREA 环具备高战场态势灵敏度，可通过实时评估作战计划执行结果，及时反馈至前期环节中进行动态纠偏，保证最终累加结果达到最优。

上述PREA 环模型与运行方式如图2 所示。总之，战场指挥控制从平台上升至体系，已从OODA环的单一求“快”转换到了PREA 环的“快”“稳”结合，“谋定而动”，“动如脱兔”，适时调整，最终达成我方的作战目标。

图2 PREA 环及其运行方式Fig.2 PREA ring and its operation mode

1.3 复杂战争系统

将上述战争理论从系统角度分析，现代战争系统已从确定性的“牛顿系统”转变为可能性的“莫顿系统”，即CPSS（cyber-physical-social system）。与原来的CPS（cyber-physical system）不同的是，CPSS 把战争中人的因素作为重要组成部分纳入到了其中，包括整个计划的制定者以及行动者［8-9］。

考虑到心理、性格等影响，人本身具有主观性与不确定性。因此，此类复杂战争系统包含两种性质：1）全局性特征。一个复杂战争系统的总体行为是难以通过常规方法对其中的子系统的单独分析来决定的。子系统的独立性较差，各子系统之间相互影响、相互依存、相互制约，处于不断变化之中。2）模糊性特征。在战场资源有限的情况下，从本质上讲，很难在较大的范围（例如时间、空间等）中充分地决定一个复杂战争系统的总体行为。

所以在现实中研究此类复杂战争系统面临着如下的问题：

1）本质问题。正如赫伯特教授所说，对于很多复杂系统，分解之后往往就失去了原有的功能。

2）经济问题。由于复杂战争系统的规模和费用因素，测试成本过高，以致在国防和军队财政开支方面上无法承受，从而不能够进行试验。

3）法律问题。复杂战争系统牵扯到国防战备、社会稳定等因素，受到法律的保护，使其不能在现实中进行实验或重新构建。

4）道德问题。复杂战争系统将会涉及大量军队以及地方人员的参与，在非战争条件下对其进行试验，可能会对人员的生命财产安全造成不必要的损失，因此，在伦理上不能容忍这样的实验。

2 战场PSBC 机制

为了构建满足复杂战争系统需求的指挥控制体系，本文引入PSBC 模型，主要考虑到以下因素：

为什么要“平行”：正是实际战争系统中的不确定性及其所伴随的上述4 种问题，导致复杂战争系统在实际中往往是难以研究的。针对此，可引入ACP方法，即人工社会（artificial society）、计算实验（computational experiment）、平行执行（parallel execution）三者之间的巧妙融合［10］。如图3 所示，ACP 主要包括实际部分和人工部分，通过二者交互，可实现对现实系统的管理和控制、相应的试验和评价以及对相关人员和系统的学习和训练。就如同从实数到虚数那样，建立实际系统的“虚数”，使实际空间中的不确定性在虚拟空间中运行起来，变不可知为可知，变复杂为简单，以虚拟空间指导实际空间的运行，使实际空间向虚拟空间“靠拢”。需要注意的是，建立虚拟空间，并不是对实际空间的简单模拟或映射，虚拟空间应像实际空间一样，是动态的、可自行发展的，是真正意义上的另一个“实际空间”。

图3 平行系统基本框架Fig.3 Basic framework of parallel system

为什么要“区块链”：区块链的概念通常分为狭义和广义两种。狭义上来讲，其是一种按照时间顺序将数据区块以链条方式组合成特定的数据结构，并以密码学方式保证不可篡改和不可伪造的去中心化共享总账；从广义上讲，其是由数据链路、通信网络、共识算法、智能合约等共同组成的新技术框架，以及由此衍生出的产业和系统［11］。本文中的区块链指广义层面，即不单单为“链式”的数据存取的载体和表现形式，还包括其背后的各节点、各技术相互耦合、相互影响而构成的“区块链系统”。目前，区块链系统不仅用于电子交易领域，也用于投票选举、医疗健康、农业生产、武器控制等领域［12-20］。为了支撑复杂战争系统运行，要求系统对数据（各类武器、作战人员信息等参数）合理量化、安全存储，可以进行大规模的计算、可溯源、能针对某一不确定因素所带来的不利影响快速跟踪定位并及时纠偏等。区块链技术可以较好地对应这些需求，如：各类战场情报、武器参数可作为“交易信息”，模仿区块链的算力分散模式，可实现对大量战场数据的计算，利用区块链的记账方法，可实现对被破坏节点的迅速追溯定位，采取区块链中的加密技术存储军事数据，可以实现对数据安全的有效保护等。此外，区块链通过点对点（P2P）网络等实现去中心化，如果用于战场，将有利于实现指挥控制体系的扁平化。但现有区块链技术同时也缺乏实验与评估有效手段，以及对复杂系统的决策与引导能力［21-24］。

基于此，本文提出平行区块链（parallel system blockchain，PSBC）机制，将平行智能理论方法与区块链技术进行有机融合，旨在使真实区块链系统与人工区块链系统并行交互、协同演化，为现有区块链技术加入计算实验与平行决策功能，实现描述、预测、引导相结合的区块链系统综合管理与决策。利用PSBC 机制可试错、可预测、安全性高、保密性好等特性，通过现实、虚拟战场双链共行，克服指挥员个体对于复杂战争系统的有限认知，降低决策风险，使赛博空间“三战”简单化、可视化，满足PREA环的需要，实现对战场的高效指挥控制。战场PSBC机制的架构如图4 所示。

图4 战场PSBC 机制基本架构Fig.4 Basic architecture of battlefield PSBC mechanism

由下往上看，下层的输出为上层的输入，下层的运行为上层的运行提供支撑；由上往下看，最顶层的运行结果会直接送入最下层再重新处理。新处理的数据又逐层往上被加工送至顶层，以此方式形成一个闭环。

各层的具体作用如下：

1）平行数据层。平行数据层搜集存储敌我双方的武器平台数据和作战人员特点量化参数用于现实和虚拟两个空间中。数据的采集要求在平时就要通过实训数据、专家建议等方式，建立武器和人员的庞大数据库。根据作战需要，数据库中的相关数据经过哈希处理、非对称处理等方式被封装进PSBC 底层。该层并不直接存储武器性能参数等，而是存储其哈希函数值，即将任意长度的数据转换成固定的编码。由于复杂战争系统涉及数据规模大，采用哈希函数可以缩短计算时间，并且尽量避免冲突，提高效率。将众多的数据分组进行哈希处理之后，再把所得结果继续进行哈希处理，如此递归之后得到一个哈希值，即Merkle 根，区块头只需封装这一个值而不是所有的数据。非对称技术将公钥和私钥分别用于加密与解密，以提高系统的数据安全性。最后还会加盖时间戳，一是防止敌对我数据进行恶意干扰破坏，二是保证可追溯性，便于ACP 评估以及对实际、平行两个系统进行针对性修正与调整。

2）平行网络层。平行网络层各节点之间以广播形式与其他节点进行通信和信息联动。包括点对点组网机制、校验机制和传播机制等安全协议。P2P 网络通过扁平式拓补结构，来实现对战场资源的去中心化智能管理。每一区块的数据生成之后通过广播发送至其他区块，并由节点鉴权与数据校验等机制对数据进行识别验证。在这些机制的保证下，数据分布于去中心的各个节点上，即使某一区块受到敌方攻击而失效，也不会导致整个区块链的瘫痪。

3）平行共识层。平行共识层通过采用信用识别机制，解决了各节点之间的互信问题，保证各节点账本的一致性，从而实现战场信息的整合、协同管理和管理效率的提升。拜占庭容错（BFT）保证系统在出现了某些拜占庭节点的情况下（如：被敌电子干扰的节点），整个系统仍然可以正常运转。有了此类机制，系统在面对恶意攻击时，鲁棒性将会大大提高。需要注意的是，共识机制应是实际与虚拟两条链相互的共识，而不单单是针对某一条链，这样才能突破传统单链的数据壁垒，实现平行指挥与控制。

4）平行合约层。平行合约层包括战场指挥控制自动化执行过程的各种可编程代码，负责将体系的任务逻辑以代码的形式编译部署，在区块链网络满足某一要求时，它可自适应执行。智能合约是基于各种脚本代码与算法机制建立起来的，好比一套计算机之间的规则，满足了这一规则，才能在无人环境系统自动处理相关情况。该方式有利于减少作战指挥层级，调动各作战单元积极性、自主性，保证战场态势信息的及时共享。

5）平行应用层。平行应用层为战场PSBC 的顶层表现，是对整个战场进行管理与控制、实验与评估、学习与培训的最终实现。且该过程是处于动态变化之中的，随着战场态势的演变，相应的基于区块链确定的决策行为也会因此而调整，并带动区块链本身的调整。

与单链的运转相比，PSBC 是一个实际战场与一个人工战场或一个实际战场与多个人工分战场所有区块链的有机组合，形成“区块网”。实际、虚拟各节点信息随时共享、随时互动、相互引导、协同演变。“虚实结合、人机结合”的战场区块链将会使原来的实际战场“吃一堑，长一智”变成在虚拟战场“吃一堑”，在现实战场的“长一智”，降低作战成本，提高组织、协调、掌握各作战单元的能力。

3 战场PSBC 机制BDI 建模

上述内容说明，PSBC 机制中的区块链存在大量的智能节点，是一种组网式的虚拟与实际“智能体”的结合。为了更清晰地表达此类“智能体”在PSBC 机制中从数据到行为的“感知—思考—决策”过程，引入BDI 建模方法。

3.1 模型概述

BDI 即信念（belief），愿望（desire），意图（intention）三元组模型。该模型源于布拉特曼“行动力”哲学思想，是一种通过简单方式来模拟人类主体（agent）思维结构的模型，目前被广泛用于人工智能的研究当中［25］。

本文建模流程如图5 所示。

图5 PSBC 机制的BDI 建模流程Fig.5 BDI modeling flow of PSBC mechanism

1）负责“记录”的信念模型。将输入的数据进行处理，获取规则，形成信念库，构建实际与虚拟区块链的基础，类似于一个“感知”过程。此模型依据PSBC 机制的平行数据层和平行网络层进行构建。

2）负责“理想”的愿望模型。结合对信念库的理解与认识，形成自身目标，并根据任务需要，进行目标优先级排序，建立愿望库，类似于一个“思考”过程。此模型依据PSBC 机制的平行共识层和平行合约层进行构建。

3）负责“实验”的意图模型。结合信念库、愿望库，形成相关意图，建立意图库，并以此为依据行动，在各类作战场景下，按与实际战场相近的配置，使人工系统的区块链与实际系统的区块链同步运行起来，并对系统内区块链进行检验。类似于一个“决策”过程。此模型依据PSBC 机制的平行应用层进行构建。

3.2 CAS 行动PSBC 机制BDI 建模与分析

近距空中支援（CAS）是使用空中突击力量，对敌浅近纵深或我方海/陆上火力覆盖范围之外、难以直接摧毁但又直接影响部队作战行动的敌方目标，实施的打击行动，是联合作战的典型样式。经过多次实战之后，美国空军高度重视CAS 作战任务，并且已把CAS 列为了其典型三大作战任务之一［26-27］。尽管如此，CAS 因为其协同要求较高、执行难度大、误伤误击风险大等特点，在实际战场中的作战效果并不理想［28］。因此，本文将以CAS 为例，展示PSBC 机制在实战应用中的运行机制及优越性。

3.2.1 信念建模

将CAS 九行简令内容（包括敌方高度、位置、我方位置、退出路线等），任务涉及的各类武器平台参数（包括对地打击飞机性能参数、地面激光照射设备参数等），各类时间节点（包括进入CP 时间、进入IP/BP 时间等），输入到PSBC 系统中，构建数据集，得到平行数据层中的初始数据。如式（1）所示。

式中，A1指感知数据集，OB 指含空地武器、地面人员、任务区地形天候等在内的是实体或非实体对象，p=（xi，yi，zi）指我方位置、敌方位置等空间维度信息，Δt 表示CAS 时间线上的各类时间间隔。

初始数据通过区块链加密、检查、赋权过程（用修正函数表示），如式（2）所示，由组网传播机制在区块链各节点之间进行传播，得到初始信念库。

式中，fi（A1）代表考虑可信度（ηn）、关联度（ξn）等因素而构建的信念修正函数集，最终得到的信念库B1作为PSBC 的初始底层。

3.2.2 愿望建模

在处理数据之前，PSBC 系统会对各节点（作战人员、传感器等）进行检验，形成平行共识层，确保节点有效可靠。此外，联合末端攻击控制员（JTAC）会将CAS 总目标分成若干个子目标（如飞机准时到达、JTAC 正确引导等），并对每个子目标分配权重（ωi），进而建立虚拟空间的初始目标集，如式（3）所示；同时，JTAC 会确定各类条件，如：打击开始条件、任务终止条件等。这一系列目标和条件将会作为平行合约层中的代码、合约来控制区块链的自动运行。

式中，D1表示初始总目标；di表示子目标。

3.2.3 意图建模

根据初始的信念集和目标集，使PSBC 各个节点在实际和虚拟两个空间同步运行，在平行应用层中涌现多种实验场景，如：敌方突现单兵便携式防空导弹对我任务飞机造成威胁、任务飞机攻击效果不理想等。通过产生的各类实验场景不断更新信念集与目标集，区块链的各个节点作出相应决策。如式（4）所示。

通过各节点的决策行为所得结果预测出整条区块链的动向，进而预测出实际系统、虚拟系统内的发展趋势，判断其能否满足任务期望，选出各环节最优解并继续按此流程递归，最终达成我方作战目的。除此之外，该模型还需对每一种场景下的区块链进行检验评估以及试错修正。

另外，对于CAS 的实现，实施流程不一定是从“信念”到“愿望”再到“意图”的固定顺序。根据CAS任务实施的实际情况，可以是先有各种特殊情况的实验场景，然后再根据作战目的确定选择某一种场景以及该场景中任务飞机的打击目标；而各种实验场景的处置结果也会反作用于信念与意图建模环节，然后再对战场实践进行指导，螺旋式上升推动整个CAS 任务作战进程。

上述3 类模型智能融合，在实际和人工空间内共同运行，构成了完成整个CAS 任务的指挥控制系统。与现有的CAS 指挥控制方法不同，PSBC 机制BDI 模型不仅以战场指挥员的思维模式来解决复杂战争系统中的问题，而且高效安全、容错空间大，可以有效避免各类突发情况带来的不利影响，进而降低任务成本、减小任务风险，确保支援打击行动的顺利实施。

4 关键技术需求

针对上述的PSBC 模型及研究建模思路，本文提出了可能会用到的关键技术，以供参考。

1）SLAM 技术：ACP 实现作战的表现形式。SLAM 即同时定位和地图构建技术，用于机器人在未知环境中规划运动轨迹并建立环境地图［29］。将SLAM 与PSBC 相结合，可服务于战场态势感知、作战部队行进路线规划、任务飞机航线规划等，并可在虚拟空间中检验规划效果，预判情况，预筹措施，使实际空间内的作战单元为可能会出现的情况提前做好准备。

2）大数据技术：整套平行系统的底层数据支撑。大数据技术可迅速处理战场的庞大数据，为系统内各节点的决策提供依据。但在使用的时候需注意数据的价值密度问题，可能存在无用信息积累、敌方干扰等情况，导致我方所得数据价值降低，加大运算难度。

3）深度学习：区块链节点的“大脑”。深度学习属于机器学习中的一类，利用该技术，机器可形成对数据的分析能力，从而掌握数据规律。对于PSBC模型来说，深度学习有利于区块链节点的智能化，虚拟系统内的节点能像现实世界中由人负责管理的节点那样，去推动区块链的整体运转。

4）智能合约：PSBC 机制有序运行的基本所在。智能合约是区块链中预先定义好的规则和条款，相比于传统意义上的区块链，PSBC 机制在复杂战争系统中运行，涉及更多的交战规则、权限要求等，因此，必须改进目前的智能合约，在战前就为实际与平行两个系统制定一套完整的、通用的、可随时根据战场情况进行修改的交战规则作为智能合约的组成部分。

5）知识图谱技术：BDI 建模的知识与逻辑框架。知识图谱技术能够对特定领域进行概念抽象、知识抽取和内容表达，从而实现领域知识的结构化解释。有效的知识表达方式可以支持数据的查询、扩展、融合、关联和推理，实现信息从人类可读到机器可读的转化，能很好地用于信念建模。通过构造知识图谱，可以自动化地从非结构化信息中提取结构化信息（实体，关系等）并将其输入到区块链底层中。

6）Jadex 推理机技术：解决数据冲突的有效方式。Jadex 是一种BDI 的推理引擎，其依靠Java 和XML 语言进行开发。相比于传统Jade 推理机，Jadex利用内置目标协商方法，可以在复杂的联合作战战场环境中协调目标冲突，能够满足需要大量数据支撑的PSBC 机制BDI 建模过程。

上述技术在作战全过程的应用环节如图6 所示。在作战初始阶段：大数据技术搜集、处理、存储相关数据；知识图谱技术对数据进行整理、分类、再处理。在作战准备阶段：Jadex 服务于作战目标选择，冲突消解；另外，需要将作战规则、战场边界线等作战限制条件加入到智能合约之中，为各个节点的智能判断提供依据。在作战实施的过程中：深度学习使得作战进程能在系统，特别是虚拟系统中实现自动化发展；SLAM 技术可用于对作战情况的描绘与更新。作战效果会反馈到初始环节，并根据实际效果对作战计划作出相应调整。

图6 各技术应用环节Fig.6 Each technology application link

5 结论

本文通过分析现代战争形态的特点与演变趋势，提出了PSBC 机制以满足现代战争指挥控制需求，并采用了BDI 建模的方式，以CAS 行动为背景，阐述了PSBC 机制BDI 建模过程与优势，最后提出了关键技术需求。但如何解决整个PSBC 机制算力问题、战场信息全面表示问题等，仍是有待研究与提高的方向。未来，基于PSBC 机制的指挥与控制体系，为实现“人机结合、知行合一、虚实一体”的战场智能化指挥控制与管理提供了理论与技术支撑，将在联合作战中发挥重大作用。