基于作战势和优势窗口的网络空间作战效能评估方法

梁荣晓 司光亚 王艳正 张 阳,3 王 飞

随着信息技术的高速发展,网络空间作战越来越贴近作战实际,并在联合作战中占据越来越重要的地位.2010 年伊朗1 000 台离心机核设施被“震网”病毒破坏,2016 年乌克兰和2019 年委内瑞拉的电力系统分别遭受大规模网络攻击,2019 年美国对伊朗导弹发射系统发动网络战,2022 年俄乌冲突中两方大量政府机构网站遭到袭击等,种种迹象表明,网络空间作战早已不仅仅限于社会域的网络攻防,而是成为一种能够在联合作战体系中发挥实际重要作用的作战样式.在联合作战体系对抗中,网络空间作战究竟能发挥什么样的作用? 产生什么样的作战效能? 这是各国军队高层以及各级指挥员高度关注的问题,也是摆在作战研究人员面前的一项亟待解决的研究课题.

通过分析网络空间作战效能生成的新机理,得到其效能评估的新方法,即通过关键能力指标作战势的动态监控及优势窗口的可视化,对网络空间作战效能进行量化及可视化表达.该方法能够对体系对抗背景下网络空间作战效能进行量化评估,并指导网络空间作战在联合作战中的运用.

1 基本概念与相关研究工作

作战效能,是指运用武器装备及相应兵力执行作战任务,所能达到预期目标的程度及效果.在联合作战背景下,网络空间作战并不仅仅是网络安全领域的攻防行为对抗,而是在网络空间或通过网络空间进行的各种作战行动的统称.所以,网络空间作战效能,是在联合作战体系对抗背景下,运用网络空间作战力量,按照既定作战方案执行作战任务时,对基于网络信息体系的联合作战体系所达到的作战效果.

网络空间作战行动对作战体系产生的影响可以区分为两个层面: 一是行动对战场网络中节点和链路状态产生的直接影响;二是与其他行动的复杂交互作用共同形成对体系整体的累积影响.因此,以往研究分别从网络空间作战在网络空间域内的直接攻防效果,以及以信息网络为中心的体系整体效能两个方向进行了有益的探索.

第1 种是聚焦于网络空间作战的直接攻防效果,如从网络安全的角度分析计算机网络攻防的收益与代价,或是分析病毒攻击等网络战行动的级联传播效应等.陈晓楠等将计算机网络抽象为节点和链路拓扑结构,以网络中节点损毁数量作为评估指标,仿真分析了不同策略下网络战的作战效能[1];潘刚等提出了一种基于攻击树和CVSS 的网络攻击效果评估方法,能够有效解决网络攻击效果评估中对指标数据的过度依赖性,提高网络攻击效果评估的准确性[2];宋晨等提出基于粗糙集和模糊综合评价的网络攻击效果评估模型,并设计实现了网络攻击效果评估系统[3].在网络攻防效果评估指标体系构建方面: 高见等以传播能力、控制能力、破坏能力、隐蔽能力和数据获取能力为主要属性,构建了基于网络攻击能力的评估体系[4];邱海等基于网络层次分析法建立了网络空间作战计划评估指标体系[5];朱兆梁等基于复杂网络构建了网络空间攻防方案评估指标体系[6];胡鑫等从信息网络效能、指挥控制协同效能、信息共享效能和作用效能4 个方面,构建了网络空间指挥控制效能评估指标体系[7];陈登等构建了网络空间作战方案评估指标体系等[8].以上网络攻防效果指标通常能够对网络空间作战行动的直接效果进行较为清楚的量化分析,并能够对网络攻击策略和行为给予反馈和调整,但由于攻击效果仅限于网络空间域内,并没有考虑到与其他物理作战行动的协同或影响,因而基本上无法反映出对于整个联合作战体系的影响.

第2 种是对网络空间背景下的网络化作战体系进行整体效能评估.由于网络空间的存在,单一作战系统或作战行动都不再是孤立的和局部的,网络空间的“跨域”效应将导致任何的局部扰动都有可能通过网络在各域间传播扩散,从而产生大规模的级联效应,对整个体系产生影响.胡晓峰等认为对网络空间作战效能评估针对的不再是具体行动的结果[9],而是网络化作战体系的整体能力.针对网络化体系,文献[10-13]分别基于复杂网络理论对其进行了建模,并提出了网络化指标体系构建方法,能够从多个层面反映体系整体作战效能.基于整体视角的网络化体系效能评估方法,能够反映网络空间对联合作战带来的深刻变化,值得借鉴,但由于其研究对象已经泛化为整个作战体系,无法追溯网络空间作战行动相关联的作战效能.

由研究现状可知,研究网络空间作战效能,应该将网络空间作战放在体系对抗的背景下通盘考虑,同时建立体系效能与网络空间作战行动的联系,即“知其然也要知其所以然”.

2 网络空间作战效能生成的新机理

网络空间是整体视角下的新型作战空间,它既独立于各物理作战空间,又融合于其中,是唯一一个人造的、发生并使能于整个联合作战体系的新型作战空间.在这个新型作战空间背景下,网络空间作战对体系的影响方式与以往物理空间完全不同,这使得其效能生成也具有完全不同于传统物理作战的新机理.

2.1 机理1:网络空间作战效果的核心是控制和影响

不同于传统物理作战多以摧毁和破坏等战果为核心作战效果,网络空间作战的重点在于对信息网络的控制和影响,通过对信息以及信息运行过程施加作用,达到对相应物理实体的间接控制及对作战指挥人员认知的影响,进而达到瘫痪敌方作战体系、削弱敌方战争潜力、影响敌方指挥决策、降低敌方战斗意志等目的[14].

网络空间作战行动主要包括进攻性行动及防御性行动两大类,前者的主要目标是控制及影响敌方网络信息体系,后者的主要目标是保护我方网络信息体系免受损害或尽快恢复.网络空间作战行动的具体手段繁多,但其效果可以基本概括为7 种类型.根据美军2018 版《网络空间作战条令》[15]及部分网络空间作战理论研究[16-17],可将网络空间进攻作战行动效果划分为6 大类,分别是: 降级、中断、窃密、篡改、伪造、非法使用.另外,网络空间防御作战行动实质上是对进攻行动的预防以及进攻效果的修复,为简便起见,只考虑一类防御作战行动效果,即修复.7 类网络空间作战行动对信息网络和体系的直接影响效果如表1 所示.从表1 可知,7 类网络空间作战行动对信息网络的影响存在共性,即行动的直接效果是使信息网络中节点和链路的状态发生改变,降低敌方作战体系的感知、情报、指挥控制、攻击等一系列以网络为中心体系作战能力,并增强我方相应能力,从而产生体系对抗条件下的信息优势.

表1 网络空间作战行动的效果分类Table 1 Effect classification of cyberspace operations

传统物理空间作战行动对体系所产生的影响通常是局部的,其效果可以直接落实到具体战损战果等“硬毁伤”,容易切分和表达,因此,其直接作战效果往往就能够表示其作战效能.而对于网络空间作战行动,其直接效果是对信息和认知层面的“软毁伤”,不一定能够直接产生战果战损等常规作战效能,而是通过对信息网络的控制和影响创造信息优势,间接造成体系层次的作战效能.另一方面,网络空间作战所产生的信息优势,可能通过网络化级联效应将效果高速级联扩散,使体系效能大幅跃升,发挥倍增器的作用[18].因此,网络空间效能评估可以从创造信息优势的角度,反映出其效能生成的新机理.本文第3 部分将着眼网络空间作战创造的信息优势,以网络化作战体系为评估对象,研究提出能够反映网络化体系作战能力的指标作战势,支撑体系层面的网络空间作战效能评估.

2.2 机理2:网络空间作战能够创造短暂的“优势窗口”

网络空间作战行动通常不是单独执行,而是与其他网络空间作战行动或其他域的作战行动协同执行.美国参联会2018 年6 月发布的《网络空间作战条令》[14]中指出:“在军事行动的任何阶段网络空间作战都要与物理域的杀伤性火力相协调,才能产生最大效能;火力协同并不一定是同时使用火力,通常在杀伤性火力影响的前后,网络空间攻击的时机可能是最有利的”.当协同时机合适时,网络空间作战行动能够为火力杀伤行动创造短暂的“优势窗口”.优势窗口是一种新的作战概念,对于联合作战背景下的网络空间作战运用,它特指网络空间作战行动为其他作战域行动提供的、有利的时间段.比如,为空中编队提供进入对方防空范围开启电子空中走廊的生效时间;为常导武器提供关闭对方防空预警网的突击窗口等.

网络空间作战创造的短暂优势窗口具有两个典型特点.一是能力局部性.考虑到网络空间作战的目标强依赖性以及现阶段网电攻防能力的局限性,网络空间作战运用所能开辟的优势窗口具有局限性,无法像传统作战域制权概念侧重于保持大范围作战空间的绝对和稳定优势.美军在“空海一体战”中指出,这种思想转变“承认联合或合成部队可能无法实现整个战区的域优势或持久、持续的优势,但可以完成有限时间和空间的作战目标.”未来网络空间作战的成功可能取决于某件武器装备系统能否在一个方向准确介入,以便对其他作战域产生效果和实现作战支援目标.二是时间短暂性.网络空间作战所开辟的优势窗口具有偶然性且持续时间短的特点,使跨域作战的协同速度日益受到重视.美军在多域战作战概念中对此进行了强调,指出速度和以敌人无法跟上的节奏实施作战,是“多域作战的关键概念”.能以最快的速度创造和利用稍纵即逝的网络空间作战机会的部队将有可能取得胜利,使得体系对抗各方之间的观察-判断-决策-行动（observe-orient-decideact,OODA）竞争更加激烈.

优势窗口是网络空间作战行动在体系层次上达到有效协同、达成作战效能的一种关键方式.由于优势窗口在时间维度上的独特性,仅仅通过效能指标对其进行衡量是不够的,需要通过可视化的形式进行综合展现和分析.本文第4 部分对优势窗口进行概念建模,并结合第3 部分提出的一种体系能力典型指标作战势进行分析评估,综合实现对网络空间作战的可视化评估.

3 典型网络化体系能力指标:作战势

网络空间作战对体系的影响,可以通过对体系态势进行动态测量得到.体系的每个瞬间都可以抽取为一个快照,对体系中的节点和链路进行综合分析,可以得到该瞬时体系达到毁伤效果的潜在能力.本文从信息优势转化为攻击能力的角度,提出一种叫作作战势的指标,表征体系每个瞬时的潜在能力.

3.1 攻击机会的形成

在网络空间背景下,以信息网络为中心的作战体系与传统以平台为中心相比效能更高,其原因是网络化能够产生更大的信息优势,并使原来不可用的攻击机会变得可用.如图1 所示,F1、F2、F3分别是3 个武器实体,它们都有一定的探测能力,但F1没有攻击能力,另外T 是攻击目标,图1（a）、图1（b）分别是平台中心模式和网络中心模式.在图1（a）平台中心模式下,F1的探测范围能覆盖到目标T,但自身不具有攻击能力,而F2和F3虽然攻击距离足够但却探测不到,所以它们对T 均没有形成攻击机会.而在图1（b）网络中心模式下,尽管F1自身不具有攻击能力,但它对T 的探测信息可通过网络共享给F2和F3,这样就帮助F2和F3形成了攻击机会.相比平台中心模式,网络中心模式将攻击机会从0 个提高到2 个.

图1 平台中心模式和网络中心模式的对比Fig.1 Comparison between platform-centric mode and network-centric mode

攻击机会反映了网络化作战体系将信息优势转换为战果的潜力,从某种程度上反映了体系的发展趋势,与物理学中反映物体所具有能量的势能概念有相似之处.因此,可借鉴物理学概念,将这种潜力称之为体系作战势,简称作战势.

3.2 一对一格斗中的作战势建模

为了对作战势进行量化建模,考虑一对一格斗的基本情况.基于以上分析可知,对于攻击实体F 和目标实体T,攻击机会的形成有两个条件: 一是要么武器实体F 直接探测到目标T,要么其他实体探测到目标T 并基于网络将信息传输给该武器实体F,即F拥有T 的有效信息,记为条件A;二是目标T 处在武器实体F 攻击范围之内,记为条件B.

根据攻击机会的形成条件,一对一格斗中武器实体F 对目标T 形成的攻击机会可区分为以下4种基本情况,如表2 所示.

表2 一对一格斗中攻击机会的4 种情况Table 2 Four circumstances of attack opportunity in one-to-one combat

表2 中A 表示A 的对立事件.情况1 可认为是完全没有攻击机会,情况4 形成了完整的攻击机会,情况2 和3 则是表中具备部分形成攻击机会的条件.因此,情况1 的攻击机会最低,情况4 的攻击机会最高,情况2 和3 的攻击机会介于以上两者之间.据此,可将武器实体F 对目标T 形成的攻击机会划分为4个等级,攻击机会等级Φ 的取值分别为Φ0、Φ1、Φ2、Φ3,并满足:

在实际计算中,通常可令Φ0=0,Φ3=1,Φ1、Φ2为0.5 或其他介于0 和1 之间的值.

攻击机会需要落实到实际的攻击中才能发挥效用,除了不同的攻击机会等级Φ,一对一格斗中的作战势还与另外两个因素成正比: 一是武器对目标的毁伤概率e,表示武器对目标发射一定数量的弹药（以单位时间内发起饱和攻击的弹药消耗数量为基准）情况下能够对目标造成的毁伤程度,具体的影响因素包括发射弹药数量k、命中概率p1、毁伤概率p2等,可根据

式（6）算出;二是目标的重要程度ψ,同时也表示对目标造成毁伤所能产生的效能,例如对1 个高价值指挥控制中心的攻击所产生的效能当然比1 架普通战斗机目标要高得多.因此,一对一格斗中武器实体F对目标T 的作战势Q 可表示为

其中,φft表示F 对T 的攻击机会等级系数;eft表示武器F 对T 的毁伤概率;ψt表示目标重要程度指数.

3.3 体系作战势的计算

从前述一对一格斗情况下作战势Q 的计算公式可知,作战势主要由攻击机会等级、武器攻击能力及目标重要程度确定.考虑红方对蓝方的体系作战势的计算.设红方可用武器实体的集合为RF={r1,r2,…,rm},蓝方目标实体的集合为BT={b1,b2,…,bn},其中,m 和n 分别表示两个集合中所包含实体的数量.需要注意的是,篡改和伪造行为产生的假信息可能会导致假目标的出现,因而蓝方目标实体集合还包含一定数量的假目标,这些假目标可由假信息和伪造的节点得到.

在武器与目标各自不存在重叠的理想情况,体系作战势Q（R）可以看作一对一格斗作战势的线性累加

其中,Qri表示红方武器实体ri对蓝方目标实体集合的整体作战势;φij为红方实体ri对蓝方实体bj的攻击机会等级系数（φij∈[0,1]）;eij为ri对bj的毁伤概率（eij∈[0,1]）,ψj为bj的重要性指数.

式（8）显然没有考虑的一种典型情况是: 每个武器实体单个攻击轮次内能发射的弹药数量有限,可能不足以覆盖所有目标.设武器实体ri能够攻击的实体最大数量为ai（可以根据实体所含弹药数量计算出）,具有一定攻击机会的目标个数为ni（即获取到目标信息或目标在攻击范围内,攻击机会等级包括Φ1、Φ2、Φ3）,则实际可能攻击（包括未探测到但处于攻击范围内的）的最大数量为min（ai,ni）.

由式（7）可知,ri将单个攻击机会分配给目标bj得到的一对一作战势为Qij=φijeijψj.为计算方便,假设武器实体ri知道所有目标的重要性（实际作战中也可以大致判断出）,则将Qij（j=1,…,n）可按照由大到小重新排序形成一个序列{Q'i1,Q'i2,…,Q'in}.在计算ri势能和时只能取前min（ai,ni）个.由此可得ri形成的势能和为

考虑到篡改和伪造行动可能会产生假目标,设序列{Q'i1,Q'i2,…,Q'in} 所对应的目标真假性序列为{c'i1,c'i2,…,c'in}（其中,Q'i1对应假目标时c'ij=0,否则c'ij=1）.则最终修正后的体系作战势为

4 优势窗口的度量方法

4.1 优势窗口概念模型

优势窗口的时间短暂性特征和能力局部性特征是网络空间作战的关键.其过程可以看作在网络空间作战影响下,敌方作战体系短暂时间内能力下降后恢复的一个局部过程.如图2 所示,网络空间作战对敌方体系的影响主要包括3 个阶段: 能力降级阶段、降级效果保持阶段、能力恢复阶段.基于此提出“优势窗口”概念分析模型如图2 所示.

图2 网络空间作战创造的“优势窗口”概念模型示意图Fig.2 Schematic diagram of the conceptual model of“superiority window”created by cyberspace operations

4.1.1 能力降级阶段（ta-td）

面对突然的网络空间作战行动,敌方作战体系如果准备不足,将直接受到干扰、致盲、欺骗、阻塞等影响,致使体系相应局部作战能力出现下降.

4.1.2 降级效果保持阶段（td-tr）

在敌方体系局部作战能力下降到一定程度时,由于网络空间作战行动的突然性,敌方通常还未来得及采取相应的修复行动,因此,在体系作战能力的最低点会持续一段时间.这段时间就是我方获得局部作战优势的窗口期.

4.1.3 能力恢复阶段（tr-ts）

敌方体系发现遭到网络空间作战行动攻击后,通过冗余备份节点替代、指挥关系重组、网络防御修复等方式,试图恢复体系能力.由于受攻击的强度和恢复策略的不同,敌方体系能力恢复的速率和程度也将有所不同,恢复程度既可能达到甚至超过原来水平,也可能无法达到原来水平.

示意图画出了以上3 个阶段.图中的直线仅仅是示意,实际情况可能并不是标准直线.因此,实际使用中,应当根据“优势窗口”的含义灵活掌握和判别.

4.2 优势窗口度量指标

网络空间作战行动对敌方作战体系的影响,具体体现在“优势窗口”的3 个阶段.其中,第1 阶段体现网络空间作战的降级效果,第2 阶段体现降级效果保持能力,第3 阶段体现网络空间作战效果的恢复难度.

为了度量敌方作战体系受到的影响,需要确定体系各阶段中的能力值,以Q（t）表示.需要注意的是,该体系能力值仅仅代表体系在某一方面的能力,而不是体系能力的全貌.如图3 所示,t0表示作战开始时刻,ta表示遭到网络空间作战行动攻击的时间,td表示体系能力下降结束时间,tr表示体系能力开始恢复的时间,ts表示体系能力完成恢复的时间,te表示作战结束时刻.设Q（t）为体系在t 时刻的能力,则Q（ta）、Q（td）和Q（ts）分别表示敌方体系在遭受网络空间作战攻击前时刻、能力下降时刻和能力恢复时刻的能力.网络空间作战所创造的“优势窗口”主要集中在ta-ts时间段内.

图3 “优势窗口”度量方法Fig.3 Measuring method of superiority window

4.2.1 降级效果

降级效果Db,表示网络空间作战行动对敌方体系直接造成降级的程度和效率的综合衡量.可用降级程度b 与降级效率vb的函数表示

降级效果指标Db越高,网络空间作战效果越好.

4.2.2 窗口时间

窗口时间TW,反映的是受到网络空间作战影响后的敌方体系,停留在局部低作战能力的时间.即

窗口时间指标TW越高,网络空间作战效果越好.

4.2.3 恢复难度

恢复难度Rr,反映的是受到网络空间作战影响后的敌方体系,通过冗余备份、指挥接替、网络修复等恢复策略,恢复原有作战能力的困难程度.恢复难度与恢复效率负相关,因此,Rr可用敌方体系能力的恢复程度r 和恢复速度vr的负指数函数表示,即

恢复难度指标Rr越高,网络空间作战效果越好.

4.2.4 优势窗口效能指数

以上3 个指标都与优势窗口的综合效果正相关.以网络空间作战影响下敌方体系某一局部能力受负面影响的优势窗口,定义网络空间作战创造的优势窗口效能指数

要计算优势窗口效能指数,关键是获得网络空间作战影响下不同时刻的敌方体系能力值Q（t）,该值可以通过对体系态势指标值进行动态监测得到.

5 实验验证及进一步分析

为了验证评估方法和指标的有效性,本文基于某网络空间作战综合仿真试验系统,进行了联合作战背景下典型网络空间作战体系对抗仿真实验.该系统集成了体系在陆、海、空、天各作战域的主要作战模型,并将网络空间作战行动放在联合作战体系对抗背景下,支持综合仿真试验和分析评估.

5.1 实验设计

想定以红蓝双方在某海域发生小规模冲突为背景.设想双方在某海域发生对峙,为占领先机,红方利用电子战飞机和网电无人蜂群,对蓝方侦察预警体系实施网络空间作战行动,达到短暂致盲效果,创造优势窗口,掩护导弹对蓝方主力舰船实施突防打击.其中,网电无人蜂群由有人机为载体释放,释放后的蜂群自主指定其中1 架无人机作为领机,统一分配蜂群内各无人机的网电攻击任务目标,并承担与有人机之间的指挥与通信中继、数据分发等任务.当领机被摧毁时,蜂群自主选择新的领机替代.基本想定行动设计如下:

T 时刻,红方派出2 架D1 电子战飞机,对蓝方预警机Y1 实施远距离电子干扰行动,压制其预警探测雷达的探测范围;蓝方视情发动反电子干扰行动.

T+220 s,红方在实施电子压制空域由1 架有人机释放无人蜂群向蓝方舰艇T1 实施抵近网电攻击.

T+800 s,红方无人蜂群到达蓝方舰艇X1 附近,实施抵近、分布、认知化的网络对抗行动,尝试接入、扰乱甚至控制舰载武器装备.蓝方舰载无人机蜂群防御装备对于无人机蜂群进行电子干扰压制与网络控制.

T+850 s,红方H 海导弹部队分别从2 个方向向N 号航母各发射10 枚DD1 型弹道导弹,在无人机蜂群网络对抗行动的掩护下展开突防.同时,蓝方N 号航母编队的舰船对DD1 型导弹进行反导拦截.

为进行对比分析和验证,在基本想定方案的基础上设计了3 个对比案.各作战方案设计具体如表3所示.

表3 实验方案设计Table 3 Experimental scheme design

5.2 实验结果及分析

5.2.1 作战势指标动态监控结果

想定中网络空间作战行动的目的是掩护导弹打击,因此,可用导弹命中概率作为最终作战效能评估指标.但在导弹命中前的作战过程中,无法得到导弹命中概率,此过程中可以用本文提出的作战势指标,反映导弹对目标体系的攻击潜力,从而间接估计导弹命中概率.需注意的是,在导弹发射前,由于作为被拦截攻击的导弹目标未就位,无法直接计算作战势,此时可采用假想条件法进行计算.即假定导弹已经到达蓝方航母编队最近可拦截距离,在此基础上计算蓝方航母编队对红方导弹的作战势.

想定中网络空间作战行动直接效果可以用网络接入率来表示,网络接入率具体指发起网络攻击的实体成功接入的比率.网络接入率和作战势指标分别能够表示网络空间作战的直接效果和体系效能.图4 是基本案0 中两个指标的动态监控结果.

图4 基本案0 的网络接入率与作战势指标动态监控结果Fig.4 Dynamic monitoring results of network access rate and the combat potential indicators of the basic scheme of 0

由图4 可见,阶段2 中网络接入生效时间约为T+1 000 s,此时网络接入率指标开始迅速攀升,同时作战势指标开始急剧下降;T+1 050 s 后,蓝方遭红方导弹攻击,损失较大,此时由于目标毁伤,网络接入链路断开,导致网络接入率指标急剧下降,同时作战势指标也继续下降;T+1 200 s 后,蓝方未受攻击的武器平台状态逐渐恢复,红方网络接入率指标继续下降至0,同时作战势指标略有回升.通过关键指标的动态监控,能够帮助对战场态势形成清晰准确的认识.

5.2.2 优势窗口可视化监控结果

对比基本案0 和对比案1 的作战势指标动态监控结果.以T+800 s 时刻作战势指标值作为基准,进行归一化处理后得到的动态监控结果如图5 所示.

图5 基本案0 和对比案1 的作战势指标动态监控结果Fig.5 Dynamic monitoring results of the combat potential indicators of the basic scheme of 0 and the comparison scheme of 1

基本案0 和对比案1 的区别在于后者没有发射导弹.从对比案1 的作战势指标监控结果来看,明显出现一段狭窄的优势窗口,该窗口持续期约为100 s.由优势窗口概念可知,这段时间对于导弹攻击行动最有优势.基本案0 的作战势指标监控结果展示了在优势窗口期进行导弹攻击行动所达到的效果,导弹对航母编队的突防命中概率较高,对航母编队造成了较好的毁伤效果,因此,在短暂优势窗口期之后,蓝方作战势指标也保持在一个较低水平.

对比案2 和案3 分别在基本案0 的基础上,将导弹发射时间提前和延后了100 s,3 个方案的作战势指标动态监控结果对比如图6 和图7 所示.

图6 基本案0 和对比案2 的作战势指标动态监控结果Fig.6 Dynamic monitoring results of the combat potential indicators of the basic scheme of 0 and the comparison scheme of 2

图7 基本案0 和对比案3 的作战势指标动态监控结果Fig.7 Dynamic monitoring results of the combat potential indicators of the basic scheme of 0 and the comparison scheme of 3

由基本案0 和对比案2 的指标动态监控结果对比可知,在优势窗口期之前到达的导弹虽然仍然能够造成一定的毁伤,但突防概率相对更低,且在优势窗口期过后作战势指标仍会恢复到一定值;由基本案0 和对比案3 的指标动态监控结果对比可知,在优势窗口期结束后到达的导弹虽然仍然能够造成一定的毁伤,但毁伤效果明显不如在优势窗口期内到达的导弹.

分别对基本案0、对比案2、对比案3 重复运行20 次,得到导弹命中数平均值（想定共发射20 枚导弹）分别为18.7、8.8 和12.1,命中概率平均值结果对比如图8 所示.

图8 3 个方案的导弹命中概率平均值Fig.8 Average value of the missile hit probability of three schemes

从结果来看,基本案0 的导弹命中概率最高,接近100%,其他两个对比案的命中率都只有一半左右.但对比案3 的命中概率要高于对比案2,通过对作战势指标监控结果分析后发现,原因是对比案3 在比基本案0 晚100 s 发射的情况下,到达攻击目标时虽然已过最佳优势窗口期,但网络攻击效果仍未完全消失,对导弹攻击仍有一定支援作用;而对比案2 在导弹到达时,网络攻击尚未起效,对导弹攻击并无支援作用.

5.2.3 优势窗口效能指数结果分析

通过动态测量对优势窗口进行了可视化呈现和分析,但并未给出优势窗口的量化评价结果.此时,对于两个网络空间作战行动所创造的优势窗口,将无法比较其优劣.本实验根据优势窗口度量方法,继续研究优势窗口的量化结果并进行对比分析.

由图5 中对比案1 的作战势指标监控图可知,其优势窗口较为清晰可见.因此,考虑以对比案1 为基准,修改网络攻击的强度（可通过增减网络攻击无人机蜂群规模来实现）,进行探索性仿真实验,研究优势窗口效能指数的量化及其规律.实验共进行10次,其中,第i 次实验的无人机蜂群规模为2×i,所有实验中无人蜂群仅有1 架领机.显然,网络攻击强度与无人机蜂群规模成正相关.根据前述优势窗口度量方法,可由作战势指标动态监控值,计算得到优势窗口效能指数.10 次实验的结果如表4 所示.

表4 优势窗口效能指数的实验计算结果Table 4 Experimental calculation results of the efficiency index of the superiority window

基于计算结果,将窗口时间和优势窗口效能指数两个指标作成折线图,分别如图9 和图10 所示.

图9 优势窗口时间随蜂群规模变化图Fig.9 Diagram of superiority window time variation with swarm size

图10 优势窗口效能指数随蜂群规模变化图Fig.10 Diagram of efficiency index of superiority window variation with swarm size

可以看到,在本实验情景下,在无人机蜂群规模较小（低于10）,即网络攻击强度较低时,提升规模能够显著增加优势窗口时间,并提升优势窗口效能指数;当无人机蜂群规模超过10 时,提升规模仅能使优势窗口时间及优势窗口效能指数略微增长.由此可得: 在本实验情境下,无人机蜂群规模为10 即可创造优势窗口,此时效费比最高.

5.2.4 无人蜂群分级协同模式影响分析

上述实验主要对有人机释放一个无人机蜂群的情况进行了研究分析.实际上,无人机蜂群在实际作战中,可能会进一步分化成多个小的子蜂群,子蜂群间松散耦合,基于预先分配的作战任务各自为战.该分级协同模式的架构和流程分别如图11 和图12 所示.

图11 无人机蜂群分级协同模式示意图Fig.11 Schematic diagram of drone swarm hierarchical collaboration mode

图12 无人机蜂群分级协同模式指挥流程图Fig.12 Command flowchart of drone swarm hierarchical collaboration mode

为了研究蜂群分级协同模式对实验结果的影响,本文在单个20 架无人机蜂群实验基础上,设计了对比实验,即蜂群总数量20 架保持不变,将蜂群分别均分为1、2、4、5、10、20 个子群,每个子群中无人机数量分别为20、10、5、4、2、1,子群分别有1 架无人机作为领机,领机各自直接与有人载机进行指挥控制通信.6 次实验的结果如图13 和图14 所示.

图13 优势窗口时间随子群规模变化图Fig.13 Diagram of superiority window time variation with swarm size

图14 优势窗口效能指数随子群规模变化图Fig.14 Diagram of efficiency index of superiority window variation with sub-swarm size

当蜂群总规模固定时,蜂群无人机协同模式对实验结果有一定影响: 当分为2 个子群、子群规模为10 时,优势窗口效果最好;当分为20 个子群、子群规模为1 时效果最差.这表明子群规模适中是最好的,子群规模过大或过小都不利于协同.同时,当子群规模过小时,直接与有人机通信的数量过多,引起通信过载,这可能是引起作战效能变差的主要原因.

5.2.5 实验结论

1）网络空间作战能够在低强度冲突背景下发挥重要作用.由于战场网络空间作战行动通常产生的效果是压制或软毁伤,这种作战效果有一定的持续时间,同时又是可恢复的,这就既对敌方造成威慑又并不会升级战争,非常契合低烈度冲突的作战需求.

2）网络空间作战能够创造短暂优势窗口.本实验中,红方先利用电子干扰机降级蓝方预警侦察体系,创造战斗机突防的空中走廊,继而无人战斗机突防后释放网络对抗无人机蜂群,最后达到蜂群对敌方关键武器装备产生近距离威胁的效果,这一系列紧密衔接的短暂优势窗口,充分体现了战场网络空间作战创造战机和把握战机的战法优势.另外,网电无人机蜂群的协同模式对作战效果也有一定影响,恰当的分群模式能够使作战效果更好.

6 结论

网络空间作战效能评估的关键在于找出网络空间作战行动对体系能力的影响.通过分析网络空间作战效能生成的新机理,启示得到其效能评估的新方法,即通过关键能力指标作战势的动态监控及优势窗口的可视化,对网络空间作战效能进行量化及可视化表达.设计实验对新指标和新概念的可行性进行了验证和分析.该方法能够建立网络空间作战行动本身与体系整体作战效能关联关系,“讲清楚”网络空间作战效能,并最终为“怎么用”网络空间作战提供指导.