基于组合赋权TOPSIS辐射源动态威胁评估

针对辐射源目标威胁评估中属性指标权重设计缺乏全面性、评估缺乏动态性等不足,提出基于层次分析法(Analytic Hierarchy Process,AHP)与熵权法组合赋权的逼近理想解(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)动态辐射源威胁评估方法。首先提出包含平台属性和雷达属性的辐射源威胁评估指标体系;其次构建量化定性和定量属性的威胁隶属度函数;然后通过AHP和熵权法给属性进行主、客观组合赋权;接着利用泊松分布逆形式引入时间权重,融合多时刻信息;最后基于TOPSIS算法求解目标的威胁排序。仿真分析表明,相比主观赋权或客观赋权法评估,所提组合赋权法具有更强的全面性和有效性;相比仅考虑目标当前时刻属性信息评估方法,所提引入时间权重的动态评估方法具有更好的合理性和客观性。所提方法能较好地反映多目标的威胁排序,为作战指挥决策提供有力的依据。

基于知识图谱的空管信息系统威胁评估研究

随着空管信息系统的智能化和开放化发展,风险暴露面正逐渐增大。威胁评估是有效评估空管信息系统脆弱性和安全风险的重要手段,但以往的威胁评估模型大多存在两方面的局限。一方面,通常只关注威胁信息的显性关联关系,导致潜在的攻击路径被忽视或未能被准确地分析;另一方面,在量化威胁时考虑的因素较为粗略,与实际系统环境脱节,导致威胁严重程度和实际情况不符。为此,提出一种基于知识图谱的空管信息系统威胁评估模型。将知识图谱本体模型范围扩展到资产安全属性、缓解措施和被攻陷资产等关键概念,充分融合资产、攻击、漏洞等多源威胁数据构建安全知识图谱,并设计逻辑推理规则弥补知识图谱描述能力的限制;提出推理规则融合广度优先策略的攻击路径识别算法,提取更加全面和准确的攻击路径和攻击关系;基于系统实际运行环境提出细粒度的威胁量化方法,考虑资产外部暴露程度、物理保护和网络防护等因素。实验表明该评估模型有助于识别空管信息系统中多漏洞联合利用形成的潜在攻击路径,同时根据威胁量化对攻击响应进行优先级排序,能有效提高网络安全防御效率。

水下平台潜在区域威胁评估方法

为进一步提升对水下平台任务过程的复盘量化分析能力,分析开展水下平台潜在任务空间区域威胁评估迫切需求,讨论了水下平台潜在活动区域所面临的主要威胁因素和典型海洋环境影响因素;从威胁评估特征分析及指标体系构建、贝叶斯网络构造与推理以及威胁评估仿真实验设计3方面论述了水下平台潜在区域威胁评估方法,给出了水下平台潜在区域威胁评估典型实验过程及结果;对水下平台潜在区域威胁评估方法在水下平台任务复盘评估保障应用前景进行了展望。

基于组合赋权TOPSIS的海上目标威胁评估

提出一种基于融合主客观信息组合赋权逼近理想解(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的海上目标威胁评估模型。从目标的作战能力、活动情况和其他影响因素构建海上目标威胁评估指标体系;在层次分析法(Analytical Hierarchy Process,AHP)和熵权法的基础上运用线性加权组合法确定主客观综合指标权重;利用TOPSIS法计算各目标的正负理想解相对贴近度,获得目标的威胁度排序。通过仿真实例证明了所提海上目标威胁评估方法的有效性。

潜在区域水下威胁评估仿真实验系统设计实现

为提升作战人员对水下战场态势的理解能力及其水下威胁评估分析水平,综合典型作战仿真实验评估方法特点,从信息输入、数据驱动及评估计算三方面分析了水下平台潜在区域威胁评估仿真实验需求和威胁评估实验方法选择依据,给出了由作战实验仿真控制、作战实验数据管理、作战实验数据评估以及海洋环境效应仿真等四部分组成的系统总体架构及分系统功能设计实现思路,并从评估方案生成与推演控制、信号级声学传感器环境效应仿真以及仿真实验可视化评估等方面总结了系统实现的关键仿真技术。通过系统设计工程化实现及迭代升级,对于探索水下平台任务评估保障机制、提高训练效益具有支撑作用。

基于CRITIC和AHP组合赋权的TOPSIS法蜂群威胁评估研究

蜂群威胁评估是现代防空作战中不可缺少的环节,其评估思路的合理性和评估结果的可信度会直接影响对来袭蜂群拦截的成功与否。在考虑了无人机战术参数、战场实时动态和战场环境条件等因素后建立了动态指标和静态指标结合的蜂群威胁评估体系,运用CRITIC法和层次分析法分别确定威胁评估体系中的客观权重和主观权重,并用博弈思想对两种权重组合得出优化权重,最后使用优劣解距离法对来袭蜂群进行了威胁评估分析,得出袭蜂群的威胁评估排序结果。仿真结果表明该方法所得的蜂群威胁评估结果排序能有效提高作战效能,证明该方法的合理性和优越性。

基于行为特征的雷达辐射源威胁评估

针对当前雷达辐射源威胁评估对精确侦察数据依赖性较大的问题,提出一种基于行为特征的雷达辐射源威胁评估算法。从辐射源目标行为特征和数据融合理论出发,建立基于行为特征的辐射源威胁评估体系,并采用模糊理论和Vague数据集对各子行为进行表示;考虑到指标间的耦合性和空战的高动态性,利用改进的区间灰色关联度修正初始权重,建立以距离为自变量的态势状态函数,为各子行为动态赋权;采用改进的雷达图法计算威胁目标的威胁程度。仿真结果表明:所提算法具有较好的准确性和适应性。

基于Stacking策略的集成BN网络目标威胁评估

现有基于贝叶斯网络的威胁评估采用专家经验确定的朴素结构,其推理评估结果精度欠佳。为此,提出一种融合专家经验与数据观测的基于Stacking策略的集成贝叶斯网络(ensemble Bayesian network,EBN)。首先使用不同搜索空间内的评分优化算法获得数据观测模型集并进行模型平均;然后使用专家经验朴素模型对平均网络进行修剪,形成威胁约束集合;最后以动态规划为基础,通过该集合限制节点序图扩展,以求取全局最优威胁评估网络。在作战想定中,EBN模型单目标威胁概率推理精度比朴素贝叶斯模型高出10%,在多目标威胁排序任务中,其Spearman系数分布亦优于朴素模型。

基于层次分析法的穿透性制空作战飞机威胁评估

针对美空军穿透性制空作战概念,为满足抗穿透性制空作战目标分析的需求,提出了穿透性制空作战飞机威胁评估方法。根据穿透性制空作战特点,设置穿透性制空作战飞机威胁评估指标,构建穿透性制空作战飞机威胁评估指标体系;基于层次分析法建立穿透性制空作战飞机威胁评估模型,从而得出穿透性制空作战飞机威胁排序。通过实例计算,验证了所提出威胁评估方法的有效性和合理性,能够为抗穿透性制空作战目标分析和策略研究提供依据。

基于改进D-S理论的多时刻空中目标威胁评估

针对单时刻空中目标威胁评估存在的抗干扰能力弱、可靠性不足等问题,建立一种基于改进D-S证据理论的多时刻空中目标威胁评估模型。首先,根据空战时间线,定义多时刻空中目标威胁评估时段范围;然后,在单时刻空中目标威胁等级概率分配基础上,利用D-S证据理论融合各时刻证据信息;同时,针对D-S证据理论不能处理高冲突证据的弊端及其现有改进方法计算量较大的不足,引入偏移度的概念,确定各时刻证据源权重,对加权证据进行D-S融合。数值算例表明,该模型算法复杂度低;能有效处理波动数据、稳定性强,并且可减弱高冲突证据融合对威胁评估带来的不利影响,为最终决策提供了更准确的判别依据。

对抗条件下空中目标威胁评估方法

威胁常随着双方对抗的开展存在着动态演化的特点,传统威胁评估方法更多基于静态威胁进行研究,缺乏动态威胁的预测估计。针对此问题,提出一种对抗条件下的空中目标威胁评估方法。设定红方为进攻方,蓝方为防御方,以红方目标为智能体建立强化学习模型,设计其状态空间、动作空间、转换函数及奖励函数。建立威胁评估模型,确立威胁元素指标,设计威胁评估模型。对模型进行训练,训练完成的模型可根据对抗情况预测红方空中目标威胁。经试验分析,该方法在对抗条件下对红方空中目标威胁评估更具合理性。

考量多要素的全类型目标综合威胁评估模型研究

针对当前存在的威胁考量要素选取单一、全类型目标综合威胁评估模型缺少等问题,对空中、海面、水下等不同类型目标,选取共性威胁要素和个性威胁要素进行分析和量化,并使用客观权重计算和主观权重赋值相结合的方法,构建了全类型目标综合威胁评估模型,实现对复杂作战场景下全类型目标的综合威胁排序.仿真分析证明了该模型的可行性与有效性.

基于变异系数法和改进TOPSIS法的空战威胁评估

目标威胁评估技术是智能战术援助决策系统的关键技术之一。针对当前空战目标威胁评估中存在的威胁评估指标具有耦合性,不同权重计算方法具有差异性,以及传统威胁排序方法逼近理想解排序法(TOPSIS)中存在方案区分度混淆等问题,设计了一种基于变异系数法和改进TOPSIS的空战威胁评估方法。对各个空战威胁评价指标进行相关性热力图分析,选择合适的威胁评估指标。建立主客观权重相结合的空战威胁评估模型,在客观方法选择上用变异系数法代替了熵权法,降低了模型对数据的要求。用Manhattan距离取代传统TOPSIS法中的欧式距离对威胁系数进行排序,将排序误差率减小了6%。算例仿真分析结果表明,该方法既考虑到决策者的主观偏好,又保证了决策的客观性,有效提升了空战威胁评估的精度。

基于目标威胁评估的传感器调度方法

提出了一种基于目标威胁评估的传感器调度方法。基于现有可获得的目标参量,利用先验知识和目标属性获得隶属度,构建贝叶斯动态模型,实现对不同目标威胁评估。在目标威胁评估结果的基础上,综合任务最后执行时间、任务执行窗口等信息,根据最大收益理论建立多目标探测框架下的传感器调度模型。针对不同场景,采用改进的拍卖算法进行传感器调度仿真,通过任务调度成功率、平均时间偏移、算法效率等评估指标验证了模型可行性和调度算法的有效性。

基于随机多权重TOPSIS法的目标威胁评估

在目标威胁评估问题中,为了解决目标各项特征权重选取可能存在主观决策误差的问题,提出了一种基于随机多权重TOPSIS法的空中目标威胁评估方法。基于层次分析法确定了各项特征之间的权重,对难以定量衡量的目标特性进行了特征提取,并基于随机多权重TOPSIS法将空中目标的威胁度进行了评估。仿真实例表明:随机多权重TOPSIS法威胁评估与AHP、TOPSIS方法排序一致,但给出了各目标威胁度的不确定范围,实验中不确定范围值最低为0.08%,最高为3.78%。战场指挥人员可以通过本文中提出的威胁度不确定性范围得到更多参考信息。

应用于水下防御的小目标动态多属性威胁评估

面向近海水下防御的信息融合,提出一种危险小目标的动态多属性威胁评估方法。通过对典型目标的特性分析,构建了威胁评估指标体系。利用K均值聚类为各规范化指标添加威胁度标签,从而生成指标值-威胁度样本。基于此,将指标威胁隶属度函数的确定和计算转化为径向基函数神经网络的训练和预测,连接权值及偏置等网络参数利用量子粒子群优化算法求解,目标属性及时间序列的权重分别由熵权法和正态分布累积函数计算,应用逼近理想解排序法得到目标威胁度。算例分析中,通过专家评分和对比实验验证了所提方法的有效性和可靠性。

一种基于DBN和TOPSIS法的多目标威胁评估算法

针对目前已有多目标威胁评估方法主观性强、稳定性弱、评估过程不连续的问题,综合考虑目标运动特性、目标行为意图,提出了一种基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)和逼近理想解法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的多目标威胁评估方法DBN-TOPSIS。通过分析目标特征指标间的节点关系,建立多目标威胁评估DBN。采用模糊理论,通过梯形隶属度函数对战场传感器、雷达等获取的连续型特征指标数据进行离散化处理,统一特征指标形态。利用联合树(Junction Tree,J-tree)算法进行动态威胁程度推理。构造DBN推理结果与TOPSIS评估矩阵之间的映射关系,采用TOPSIS法将威胁评估概率结果转换为威胁程度综合评估得分,进行多目标威胁程度准确排序。实验结果表明,DBN-TOPSIS多目标威胁评估方法具有较好的合理性和准确性。

炮兵群陆战目标威胁评估指标体系构建与量化

为提高炮兵部队指挥员对目标威胁程度判断的精准度,通过分析炮兵部队作战对象的特点,并结合炮兵部队作战运用方式,构建了能力指标、动态指标、环境指标、态势指标四大类10个具体特征属性的目标威胁评估指标体系,采取定量计算、区间数表示、11级模糊评价语言与判断确定程度相融合的方法对评价指标进行量化,同时提出了区间数和模糊评价语言转化为实数方法,最后,通过实例计算验证了评估指标体系的科学性和量化方法的合理性,可为炮兵部队目标威胁评估问题研究提供一定参考。

基于组合赋权逼近理想解法的岸-海联合防空目标威胁评估

为正确评估敌方来袭目标对岸海联合防空网络的整体威胁,构建来袭目标威胁评估的指标及其隶属度表示,基于群组AHP和改进熵权法给出指标的主客观组合权重。通过逼近理想解法给出来袭目标相对单防御平台和整个防御网络的威胁度。仿真结果表明,所构建威胁评估体系具备有效性。

多属性决策方法在目标威胁评估中的研究综述

目标威胁评估为指挥决策提供数据支撑,多属性决策方法是目标威胁评估的有效手段。结合多属性决策方法的特点,区分威胁评估指标选择、威胁评估指标描述、威胁评估指标权重确定和目标威胁排序方法4个方面,系统总结了多属性决策方法在战场目标威胁评估中的研究现状,分析了每个方面存在的问题,探讨了未来多属性决策方法在战场目标威胁评估应用中需要重点发展的方向,为后续研究战场目标威胁评估提供参考借鉴。