大数据安全态势感知与冲突预测

董青岭

伴随着社会生活 “软件化”和 “数据化”进程的加速，全球政治图景即将进入一个以人机结合、数据驱动为主导的新时代。

大数据的兴起及其分析技术的应用，或将为国际关系研究中的冲突预测开辟新的理论路径。一方面，随着社会生活网络化、数据化和智能化趋势的日渐增强，微观主体之间的互动将产生更多的数据痕迹，冲突预测研究能够获得较以往任何时候都更为丰富的信号信息;另一方面，由于数据追踪采集手段和数据分析工具的不断升级，冲突预测研究不仅能够深入挖掘更为即时和微观的细节数据，而且能够实现数据的动态、连续和非结构化。这使得冲突预测研究比以往任何时候都更有机会抵近观察微观主体之间的互动是如何影响甚至再造社会政治结构的。如安德烈·茨维特所言，大数据或许是重塑现行国际关系理论和传统冲突预测方法的历史性契机。

“网络社会人”假说

大数据的出现和应用还挑战了当前冲突预测研究中占据主导地位的 “工具理性人”假说。根据 “工具理性人”假说，冲突行动通常被认为是特定社会结构压力下，作为理性行为体的冲突各方理性抉择的结果。一方面，冲突中的各行为体理性且自私，即每一个冲突群体或个体都将冲突行动视为实现自我利益的工具手段，从自身利益最大化出发计算成本与收益，考虑利弊、权衡得失。另一方面，冲突行动主要不是表现为微观主体之间难以抑制的情绪性发泄和盲目的从众行为，而是基于特定社会条件、特定资源约束的审慎考量与理性选择。在此情形下，冲突预测的目标主要聚焦于找寻那些有可能诱发冲突的结构性社会条件，并作出符合行为体利益最大化的理性推测。基于“工具理性人” 假设的冲突预测主要适用于预测群体间冲突策略的选择和评估中长期安全态势，但难以预测冲突于何时何地爆发以及会带来何种影响。与之相对照，基于大数据的冲突预测以新的社会情景建构为背景，提出以 “网络社会人”假说取代 “工具理性人”假说。 “网络社会人”假说具体包含以下内容：首先，冲突中的各行为体并非是可以封闭决策的孤立社会存在，而是身处各种相互嵌套的社会网络联系之中。每一个行为体都可视做社会联系之网上的一个信息和资源节点，通过网络中信息的传递和资源流动，每个行为体之间彼此是相互学习、相互影响的。其次，各行为体之间连续且不间断的日常互动构成了世界政治体系演化的动力，是微观主体的持续互动造成了宏观层面的冲突态势，冲突预测研究应更多关注从微观到宏观的研究进路。再次，冲突的扩散和蔓延在很大程度上取决于社会关系网络中信息的传递、交换与耦合，正因为人们在网络化的社会生活中相互影响并交流、传播信息，恐慌、泡沫和动乱才会像传染病那样骤然爆发并蔓延。就此而言，冲突预测未必非得建立在理性选择与因果性分析之上，通过捕捉散落于各个社会角落的冲突信号，运用大数据相关性分析同样可以预测冲突的爆发与否以及冲突的蔓延方向。

“网络社会人”假说预设了一个以信息交换为主导特征的现代网络社会，在这样一个社会中由于各个行为体是彼此关联、相互扰动的，一切冲突现象的爆发、持续和终止都会对应着一系列信息映射（数据）上的变化，通过观察这些作为冲突表征的信息映射 （数据）的关联性变化，基于大数据的冲突预测在无关理性选择和因果分析的前提下，可以感知冲突临近与否以及即将到来的冲突烈度如何。在某种意义上，“网络社会人”假说下的基于大数据的冲突预测更多探求的是一种相关性分析，着眼点在于判断映射冲突的N元特征向量是否正在发生同步异变或伴生变化，亦即如果某种类型冲突映射对应着N元特征向量，那么现在通过大数据相关性分析观测到了N-1个对应特征向量发生了同步异变或前后关联变化，则基本上可以判断该种类型冲突正在临近，理论上观测到的对应特征向量同步或伴生变化越多，有关冲突的时空节点和烈度预测也就越准确。概言之，冲突总是有迹可循的，如果一场冲突临近或即将爆发，则事前必然会显现为数据特征上的若干蛛丝马迹。

当然，基于大数据的冲突预测并不是否认或贬低因果性分析在冲突预测中的作用，而是试图在社会复杂互动背景下重新理解和诠释“因果性”的基本内涵，同时提请研究者们关注和重新发掘 “相关性”在冲突预测中的可能价值。由此，在因果性之外，沖突预测或将存在着一条基于相关性的分析路径。所不同的是，因果性分析侧重从宏观到微观的研究进路，结构主义视角下的理性选择是其典型理论特征;而相关性分析则更加强调从微观到宏观的研究进路，基于关联共现性的特征向量提取和比对是其预测精髓所在。

基于相关性的安全态势

感知原理

综上所述，基于大数据的冲突预测不同于传统冲突预测，在某种意义上，它更多体现为现代数据分析技术对社会日常生活数据细微变化的即时捕捉、快速处理和高速计算。就此而言，基于大数据的冲突预测也可形象地称之为“大数据安全态势感知”。所谓 “大数据安全态势感知”指的是以 “网络社会人”和人际之间的信息交换为前提假设，凭借计算机系统或其他信息手段对社会互动情境中多重冲突因子的捕捉、感知和响应，对冲突态势作出预测和分析。

相比于传统冲突预测研究所推崇的结构主义路径，大数据安全态势感知更加强调将国家想象为由数以亿计微观主体互动所构成的系统集合、将国际社会看做是跨越国界而又彼此关联的人际关系之网，冲突预测重在监测考察微观主体之间的互动对宏观结果的影响和塑造，其分析着力点是捕捉网络化社会中微观主体之间的复杂关联与即时信息流动。

大数据的安全态势感知具有以下特点：其一，力求掌握与研究对象有关的更多微观连续性数据而非断续性或典型性数据，着力刻画研究对象的整体特征和微小细节;其二，力求在传统结构化数据之外容纳非结构化数据分析，追求数据的多样性、混杂性而非精确性;其三，试图超越研究变量之间传统的因果逻辑，重在探究那些能够引起变化的数据之间的关联共现关系。基于大数据的安全态势感知是建立在变量相互扰动说、系统演化论和信息交换论基础之上的特征映射分析，其研究路径更加看重的是微观主体之间的网络化互动、相互影响以及群组变量之间的共现关系，而非单因变量的偶然性显现。

在具体实践领域，大数据安全态势感知对冲突场景作如下假设：作为政治体系的基本构成单元，人是一种高度重视自我利益保护和规避风险的感性动物，且极易受人际关系网络中信息流动的影响，在日常生活实践中人与人之间的互动频度与互动方式是相对稳定，因此人与人之间的信息传递内容、速度和方式也是相对稳定的，由此决定了个体的行为轨迹及其交际内容在日常实践状态下通常也是高度结构化可循的。因此，一旦某些数据在特定地区的大多数人群中突然发生同步异变，则很可能是该地区正在遭受经济危机、自然灾害、疾病传播、政治骚乱、武装冲突或恐怖袭击等异常事件之侵扰。

具体而言，大数据安全态势感知的操作逻辑非常接近自然科学领域中的地震预测、医学领域中的“并发症”研究以及声学领域中的信号识别。具体到国际关系场景中，当一个地区安全环境恶化时，作为微观主体的个人因身处危险最前沿会率先感受到威胁，继而将采取预防性规避措施并将危险信息和切身感受沿社会网络传递到与之互动的其他个人和群体，由此可能导致越来越多的人改变日常行为。例如，当微观主体凭直觉感到骚乱或动荡临近时，商人会为规避损失而另谋出路、投资者会抽逃资金、旅行者会减少出游、留学生可能会提前回国、居民会囤积生活用品并导致食品和医用品大幅涨价、物价指数全面飙升等。在现代信息分享机制的促动下，数以亿计的个体微观感知很容易汇集为有关冲突临近的整体性画面。研究者如果凭借大数据手段观测到多重数据信号的同步异变，就可以做出较传统因果性分析不一样的冲突预测。理论上，大数据分析观测到的同步异变特征向量越多，冲突预测结果越准确。