边缘计算在军事信息系统智能化发展中的应用

朱特浩

（南京电子技术研究所，南京 210039）

0 引言

战争从最初的冷兵器、热兵器时代，历经两次工业革命后进入了机械化战争时代。随着人类迈入信息时代，极大加快了战争的节奏，战争已延伸到数字领域［1］，由最初的“肉搏”形式演变成不用打照面就能决定胜负的电子对抗。各国均认识到电子战的重要性，并结合本国实际，打造现代化的军事信息系统。以美军为例，其军事信息系统自20 世纪50年代的C2 系统起，历经C3、C3I、C4I 系统，到现在的C4ISR 系统，未来还会将打击要素纳入信息系统，形成C4KISR 系统［2］。

当前美军军事信息系统的建设以网络中心战（NCW）为核心，在21 世纪初启动全球信息栅格（GIG）计划［3］，该计划综合集成所有的通信设施、计算机软硬件系统、信息系统等，网络中任意两点可以直接交换信息［4］。对于NCW 来说，云计算是目前较为普遍采用的系统集成形式。通过构建军事云计算平台，可以实现海量军事数据分布式存储、计算资源虚拟化和云编程等。云计算可提升NCW 的互联互通能力，构建全军共用信息系统“云平台”，可以提供基础设施、平台服务、云存储服务，能够为不同军队单位用户提供定制化服务。目前，美国国防部计划建设一个万能云解决方案，将与科技供应商签订“联合企业国防基建”（JEDI）合同，建设周期长达十年，总经费高达100 亿美元［1］。

云计算技术尽管已得到广泛应用，但作为军事信息系统的架构模式存在一些局限性：1）传输带宽不足。随着参战装备性能不断提升，其产生数据的体量呈指数增长，将作战网中所有装备的全部原始数据传至云计算中心处理，将占用极大的网络带宽，无法满足作战指挥控制的时效性需求；2）数据安全隐患大。在数据大量传输和存储过程中，将会受到敌方的分布式拒绝服务（DDoS）攻击，我方的数据和情报将暴露，在军事行动中处于被动；3）可靠性难以保证。作战中，云计算中心一定是被首要打击的目标，若参战装备过多依赖云计算形成作战能力，在网络传输切断、云计算中心瘫痪的情况下，缺少目标指示和决策下发的武器系统无法快速重组形成有生力量扭转战局。

时间已经迈入21 世纪的第3 个十年，人工智能已成为推动产业变革和科技革命的新引擎。2017年，习近平总书记在党的十九大报告明确提出，要“全面推进国防和军队现代化”，“加快军事智能化发展，提高基于网络信息体系的联合作战能力、全域作战能力”［5］。美国国防部于2018 年6 月成立联合人工智能中心（JAIC），声称“是一个能影响到每个人的庞大项目”［1］。另外，以物联网［6］、5G［7］等为代表的网络和通信技术迅猛发展和落地应用，给军事信息系统带来更多可发展维度。在这样的背景下，需要充分利用物联网、人工智能等新技术，对当前军事信息系统的云计算架构模式带来变革与提升，解决上述的局限性。

在物联网被提出到具体实施的过程中，应运而生出边缘计算技术。边缘计算的核心思想是在靠近终端或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足用户在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求［8］。边缘计算是物联网技术与人工智能技术深度结合的产物，它明确了智能终端设备在物联网架构中的重要性，物联网“万物互联”的理念进一步落实为“边云协同、智能调配”的建设方案。

下面介绍边缘计算的发展趋势和特点，分析其在军事信息系统建设中运用的优势。探讨军事信息系统中涉及的边缘计算关键技术，并通过具体案例描绘边缘计算场景。提出对于军事信息系统智能化建设与边缘计算应用的发展建议，供相关规划部门和研究机构参考。

1 边缘计算的发展趋势与技术特点

1.1 边缘计算的发展历史

边缘计算是网络通信与人工智能技术蓬勃发展的产物，其雏形可以追溯到1998 年由麻省理工学院研究组为解决互联网访问质量而提出的内容分发网络（Content Distribution Network，CDN）［9］，其本质是将网站内容缓存到最接近用户的网络“边缘”，使用户就近获取所需内容。在2013 年，美国太平洋西北国家实验室首次提出现代“Edge Computing”的概念［10］。

受物联网技术兴起的推动，边缘计算进入快速增长时期。2014 年欧洲电信标准化协会（ETSI）成立移动边缘计算（MEC）标准化工作组［11］。2015年ARM、思科、戴尔、英特尔、微软、普林斯顿大学边缘实验室联合发起OpenFog 联盟（现已并入工业互联网联盟）［12］，该联盟致力于发展涵盖从边缘到云端的所有层的雾计算模型。2016 年ACM 和IEEE 联合举办边缘计算顶级会议（ACM/IEEE Symposium on Edge Computing，SEC）［13］。同年11 月，边缘计算产业联盟（Edge Computing Consortium，ECC）在北京成立，牵头单位包括华为、中科院沈阳自动化所、中国通信信息研究所、英特尔、ARM、软通等［14］，目前成员数已突破200 家。2017年亚马逊携AWS Greengrass 进军边缘计算领域，将AWS 云服务无缝扩展至边缘设备［15］。2017 年微软在西雅图举办的开发者大会上宣布推出Azure IoT Edge［16］，能够更加便捷地将部分计算需求转移到服务器设备上。2018 年，谷歌在Cloud Next 会议上推出Edge TPU 芯片，将机器学习引入边缘计算［17］。

2019 年，边缘计算得到广泛关注，尤其是国内科技供应商投入更多研发力量：1 月百度发布中国首款智能边缘计算产品［18］；7 月阿里云发布国内首个全域边缘节点服务［19］；8 月中国电科发布可用于神经网络边缘计算的“海雀”处理器［20］，腾讯云推出物联网边缘计算平台［21］；11 月华为发布边缘计算服务器［22］。由此可见，边缘计算迎合了当下需求，各厂商主力推动发展。在这样的环境下，利用边缘计算助力军事信息系统智能化发展，能够得到强有力的研发力量支持。

表1 汇总了边缘计算在国外和国内的主要发展历程，并对每个技术发展期进行了解读。可以看出，虽然我国对于边缘计算的研究起步较晚，但是目前已得到众多研究机构和技术厂商的重视以及研发力量支持，拥有广阔的技术突破空间和市场需求。这使得边缘计算在中国能够加速学术界和产业界的融合和产业孵化速度，让社会大众真切享受到科技发展带来的便利。

表1 边缘计算在国外和国内的发展历程与技术发展期解读

1.2 边缘计算发展趋势分析

边缘计算是云计算的拓展与变革，是一种“谋划终端、放眼全局”的计算模式。边缘计算涵盖原来意义上的云计算中心和新定义的边缘智能节点，既通过智能化技术将计算、存储、传输资源边缘化分布，又统筹中心与边缘的资源，实现优势互补，协调统一。边缘计算强调协同，其实现途径是依靠边缘侧智能去感知业务场景和用户需求，动态分配中心与边缘的计算、存储、传输等资源，选择最佳边缘与中心的协同方案，实现网络服务智能化。随着人工智能技术的飞速发展，终端的智能化水平已经具备独立处理较为复杂任务的能力。通过将智能前端化，可以使感知范围、处理速度、传输时延等各领域关注的重要指标得到大幅优化与提升。

图1 边缘计算参考架构3.0

1.3 边缘计算的技术特点

边缘计算通过利用数字信号处理、模式识别、机器学习等人工智能技术，为数据产生终端的边缘侧赋能，可以实现在终端侧的数据预处理和预决策。ECC 提出边缘计算的CROSS 价值［8］，可以认为是边缘计算的主要技术特点所在：

1）连接（Connection）更可靠。当接入网络的设备的类型和数目增多时，通信过程变得拥挤和复杂，集中式云计算架构终端业务的稳定性得不到保障。通过发挥边缘侧的计算能力，减少对中心计算能力的依赖，只通信必要的评估结果、指令、决策等内容，让网络中庞多的连接和通信更加可靠。

2）业务更实时（Real-time）。在数据采集的源头预先进行数据处理，极大地减少了边缘设备与云端的通信需求，从而减少时延，提升响应速度，提升用户体验。

3）数据更优化（Optimization）。边缘侧进行数据预处理实现了数据特征的融合和关键信息的提炼，使得各网络节点传输、存储、应用、分析的数据更有价值。

4）应用更智能（Smart）。具备一定计算能力的智能化边缘终端能够分担云计算部分处理任务，通过边缘情景感知与智能调配技术，发挥集中式与分散式计算的双重优势。

5）隐私更安全（Security）。在边缘侧对采集的数据进行筛选，把关键数据、原始数据存储在边缘设备，仅实时传输分析结果和统计型数据，防止发生数据中心数据受到攻击后数据全面泄露的灾难。

2 边缘计算在军事信息系统应用的优势

通过上节对边缘计算CROSS 价值的介绍，不难看出这5 点与军事领域的当前需求和未来发展方向贴合，尤其是能够指导下一代军事信息系统的建设规划。主要为军政机构提供通信解决方案的美国PacStar 公司首席科技官Charlie Kawasaki 认为，战术网络需要在边缘具备类似数据中心的计算机、网络与存储能力来支撑作战应用［24］。边缘计算将重新定义数据中心与各个军事节点的关系，在NCW 的实现上指出了具体的建设路径，覆盖军事行动指挥、资源调度管理、后勤保障的各个作战环节，可以成为未来电子战模式的重要支撑。其主要优势体现在如下4 个方面［25-27］：

1）探测与武器装备的自主性。探测装备和武器装备处于军事网络的最末端，是实施边缘计算最重要的位置。在探测装备上运用边缘计算技术，能够提升探测的自动化水平，能够支持其对目标属性的自动判别和威胁评估，辅助实现全无人、全天候、全自动战场态势感知的目标；在武器装备上运用边缘计算技术，让武器具备一定程度的自主决策能力，从而提升作战的响应速度。通过边缘装备的智能化，减少其与云计算中心的数据和指令传输环节，先发制人，占领军事行动的主导地位。

2）指挥决策的灵活性。将具备边缘计算能力的探测装备部署在战场，指挥侧收到的信息不再是原始态势“数据”，而是态势“信息”，简化指战员掌握理解战场态势的操作，协助其作出准确判断。在武器装备具备边缘自主性后，一些情况下不需要占用更高层级的决策资源，本地可以实现态势获取、信息处理、指挥打击一体化，凸显分层作战能力，优化作战行动的实施。

3）应对作战场景变化的机动性。在战争中需要考虑不同作战场景下的应对，运用边缘计算能用最短时间重新构建有生力量。在部分网络传输波动时，可以放弃某些节点的协同，仅保持必要的状态和情报通信，这些节点依靠自身或邻近的边缘计算资源完成一定程度的任务；在云计算中心受到破坏时，边缘节点首先可以继续独立运作，以稳定作战局势，而后能够联结起来分配计算和指控资源，谋求防御反击。

4）数据传输的安全性。在民用领域边缘计算能够保护用户隐私，在军事领域边缘计算能够保障情报安全。无论是探测数据、装备参数状态还是指挥控制指令，只要通过网络传输就有被敌方截获、破坏和篡改的风险。运用边缘计算，可以在终端进行数据预处理，加密打包必要内容与其他节点或中心通信，减少泄密风险。具备边缘计算能力的装备拥有状态检测、问题排查、自主修复功能，装备只需在无法自行修复时寻求中心的解决方案或进一步指示，从而避免我方装备规模、部署、状态等作战体系构成的暴露。

3 边缘计算在军事信息系统的应用前景

3.1 相关关键技术

在军事信息系统中实施边缘计算架构、实现边缘侧装备的智能化，仍面临许多挑战。军事信息系统与商用民用系统不同的关注要点，决定了其急需研究的问题也有不同侧重。根据对军事信息系统相关技术现状的分析，总结出需要着重对边下面几项缘计算的关键技术展开攻关。

1）战场态势智能感知。边缘计算的核心竞争力在于边缘侧的智能化水平，实时、精确、全面的战场态势掌握是展现边缘计算价值的所在。需要对装备的自主态势感知能力展开研究，借助无监督学习、强化学习、长短期记忆神经网络等人工智能技术迭代，提升态势感知与分析判断能力，从而在源头提升情报质量，利于对战场全局态势的把控。

2）边云协同资源调度。在边缘侧具备计算、存储、传输资源后，对云计算中心与边缘设备的协同作战最优策略提出新的挑战。另外，作战场景、作战目标、指挥员需求在作战过程中也在动态变化，这要求边缘计算和云计算中心具备实时性极高的全局最优规划能力，从而实现边云高效协同，使各节点、各角色、各层级充分利用军事信息系统的资源。

3）模型压缩。在实现边缘智能化时需要运用大量的模型，例如，用于航迹关联的多假设模型、用于目标识别的深度神经网络模型等。由于边缘侧的存储资源宝贵，需要考虑通过稀疏表达、主成分分析等模型压缩技术对模型参数修剪和精炼，最优化边缘侧的存储内容。

4）隐私数据训练建模。针对需要依靠云计算中心处理能力的探测数据分析，研究更加安全可靠的数据训练与建模技术。联邦学习［28］是一种新兴的人工智能技术，它无需解密各个边缘装备上传至云计算中心的加密数据，就可以开展联合训练并建模，得到的最优模型可以反馈给各个边缘装备进行更新，是解决隐私数据机器学习的可行方案。

5）边缘缓存策略。对于探测和武器装备需频繁查询的数据，通过边缘缓存技术预先读取，减少查询和部署时延。需要研究边缘设备的数据需求特征，基于马尔可夫链、支持向量回归、灰度预测等算法建立查询需求的预测模型，形成能够智能应对不同作战场景的边缘缓存策略，进一步提升传输时效性，减少实时传输的带宽占用。

3.2 基于边缘计算的军事信息系统场景样例

根据上述对边缘计算在军事信息系统运用的特点、优势，以及关键技术等方面的阐述，本节将构建一个无人机作战信息系统的样例，用以说明如何在军事信息系统中运用边缘计算技术，发挥出智能化作战的最大效能。选择无人机作战场景作为样例有如下几点考虑：一是本身末端装备（无人机）的定位就是无人化、自动化，必须要开发其智能化作战能力；二是其主要作战任务，例如渗透侦查、诱骗干扰、集群攻击等，都要求强实时性和机动性，不可能全部依靠云计算中心处理、识别、决策；三是通过集群作战、边云协同等方案，可以解决独立机载机能有限的问题，是多智能体系统的增强与拓展。

通过参考边缘计算参考架构3.0 和工业互联网场景的边云协同架构［29］，构建基于边缘计算的无人机作战信息系统，如图2 所示。处于网络边缘的是侦察无人机、干扰无人机、攻击无人机等，均可以通过机载处理器完成战场数据的预处理响应。每类无人机根据其定位不同，具备不同的边缘智能预处理能力：侦察无人机具备图像处理、目标识别、定位跟踪等能力；干扰无人机具备诱导解析、假目标模拟、指向性干扰生成等能力；攻击无人机具备精确制导、威胁规避等能力。由于战场态势瞬息万变，各类无人机同时产生的数据无法实时通过网络传输至云计算中心计算后再反馈，必须依靠它们各自的处理能力形成态势信息，各个无人机可看作一个微型的数据处理中心，延迟几乎为零。

图2 基于边缘计算的无人机作战信息系统

边缘网关和边缘控制器与所有无人机连接，负责在多机协同作战时提供高速数据传输。例如，侦察无人机分析出敌方军事目标的位置、类别、属性、载荷等情报，将其传递给干扰无人机，释放对应的诱饵信号并实施无线电干扰；同时将目标情报的引导信息传递给攻击无人机，实现一体化侦察打击。在上述作战环节中，没有通过云计算中心实施协同，而是通过更加靠近无人机群的边缘网关与控制器，数据分散处理，传输需求减少，作战更加连贯。

边缘网关和边缘控制器的另一边连接云计算中心，可以在事后对数据管理、评估、建模，通过其更强大的计算能力为各类型无人机更新机载智能算法模型，不断提升边缘节点的智能化水平。另一方面，如果在作战过程中无人机无法完成既定任务（机载处理能力受限、机器故障等），可以通过边缘层申请云计算中心资源权限，在响应实时性和决策精准性之间寻求折衷，通过边云协同方式保障作战任务正常执行。

4 军事信息系统智能化发展建议

通过上述对边缘计算的概念、特点、关键技术、样例场景的论述，全面展现了边缘计算在军事信息系统智能化发展中能起到的重要作用，边缘计算可以成为实现国防和军队现代化、提高基于网络信息体系的联合作战能力、全域作战能力的有效途径。边缘计算目前处于技术期望膨胀期，在军事信息系统具体实施的过程中可以考虑在以下方面做进一步的论证和研究：

1）军事信息系统边缘计算技术标准规范的制定。目前边缘计算联盟、工业互联网联盟、欧洲电信标准化协会、EdgeX Foundry 等组织纷纷发布边缘计算体系架构［30］，可见各科技供应商对于把控新领域标准规范的重视程度。为了让军事信息系统未来发展有章可循，建议尽早出台较为全面的边缘计算技术标准和规范，利于云计算中心的转型升级，并便于装备厂所设计新装备时统一考虑边缘智能化配套保障。

2）多源异类边缘设备协同技术。边缘装备数量庞大，类型多样，运用方式还会随着作战场景变化。考虑研究全新的虚拟化技术，以便统一底层的异构差异，从而实现跨厂商、跨应用、跨地域的边缘协同。

3）网络安全与多元化协同机制。基于边缘计算架构的军事信息系统面临情报安全、边云协同调度策略等问题，当前相关技术的成熟度尚不满足军工产品安全性、可靠性的要求。需要对联邦学习、迁移学习、超参数优化、神经网络优化等算法深入研究，能够针对不同作战场景实现智能化安全传输和边云协同方案。

5 结论

边缘计算是近几年学术界和产业界的研究热点。通过对边缘计算发展趋势和技术特点的调研，认为其能够助力军事信息系统智能化发展。分析了边缘计算在军事信息系统的优势，归纳了相关关键技术，并搭建了基于边缘计算的无人机作战信息系统样例，较为直观地展现了军事信息系统如何运用边缘计算提升作战效能。最后提出几点发展建议，希望边缘计算可以成为推动我国国防和军队现代化建设的关键动力。相信通过一番探索，定能让我国军事信息系统智能化迈上新台阶。