美軍大資料發展綜述
近年來，隨著全球新一代資訊科技和應用的興起，大資料浪潮席捲全球。為應對龐雜資料挑戰及繼續謀求資訊優勢，迎接“大資料”時代的來臨，2012年3月，美國發表了《大資料研發倡議》，美國國防部及國防高階研究計劃局（DARPA）在同期釋出的大資料專案清單中列出了10項研究計劃，開發相應工具盒技術，大力提升獲取、管理和分析大資料的能力，正式把大資料研發提升為國家戰略，並作為美軍建設的戰略重點。大資料專案作為一種新興的技術極有可能對美國的國家安全戰略、軍事戰略、軍隊建設、作戰理論等方面產生重大影響。
1、美軍大資料技術發展概述
網際網路、物聯網以及雲端計算技術的發展，帶來了海量資料的聚集，促進了大資料的發展。大資料技術在民用領域已呈現迅猛發展之勢，其在軍事領域也蘊藏著巨大發展潛力和應用價值，已成為軍事領域競爭新的制高點。
大資料是資訊時代資訊爆炸性增長的產物，其特徵可以用四個V來概括：（1）Volume，容量巨大，已從TB（太位元組）級別躍升至PB（拍位元組）；（2）Variety，資料型別紛繁，包括結構化、半結構化和非結構化資料，無規律可循；（3）Value，價值密度低，但隱含的價值巨大；（4）Velocity，處理速度快，在很多場合需要實時分析和處理。大資料技術就是從各種型別的資料中快速獲得有價值資訊的技術。
對美軍而言，大資料帶來的問題越來越凸顯，例如，美軍已積累了總價值達數十億美元的偵察機和戰場感測器，隨著這些感測器捕獲資料量的激增，感測器資料儲存、分析和融合的難度與挑戰也與日俱增。
美國政府和軍方敏銳洞察到大資料技術的重要性，在大資料領域率先發力以搶佔先機。2012年3月29日美國政府釋出了全球首個國家層面的大資料戰略——《大資料研究與發展計劃倡議》，宣佈將實施2億美元的投資計劃，推動資料提取、儲存、分析、發現等領域的技術創新與工具開發。除了出臺支援大資料研發的政策檔案外，美國還實施了一系列計劃，推動大資料在軍事領域的應用。
以美國防高階研究計劃局（DARPA）為主導，美軍啟動了一系列有關大資料的研發專案，涵蓋大資料基礎技術、大資料處理平臺和應用等諸多方面。美軍大資料專案是美國國家專案的重要組成部分，美軍期望通過推進大資料研發，強化資料處理能力，加速“從資料到決策”的程序，確保戰場資訊主導權。
近年來，美軍在大資料技術領域不斷取得進展，目前，一些典型的軍事應用已見雛形，部分專案已經投入實際使用。
2、美軍大資料研發與應用專案
2.1 大資料基礎技術研發
美國國防部在國家大資料研發框架內，積極部署了以XDATA為核心的多項大資料研發專案，整體上構成了比較完整和全面的大資料研發佈局。其中，一些基礎技術涉及機器學習、資料探勘、平行計算和視覺化方面的前沿課題，雖尚未成熟，但美軍持續資助以促進這些研發不斷取得進展，維持其大資料技術的領先優勢。
DARPA支援的XDATA專案旨在開發用於分析大量半結構化和非結構化資料的計算技術軟體工具，以便對國防應用中的大量資料進行視覺化處理。該專案是美國政府大資料研發計劃的重要組成，是美軍推進大資料研發計劃的核心專案。
XDATA專案於2012年啟動，是DARPA在大資料處理技術研究方面重要的基礎性探索工作，此專案不針對特定情報或資訊系統資料，而是面向非特定領域的資料，研究的是通用技術，並且很多研究成果將以開源的形式在網際網路上共享，以此推動相關工具的發展，加快研究速度，並進一步擴大理論研究的影響力。
目前，一些XDATA專案承研機構已經在資料視覺化、基於分散式架構的機器學習和資料分析演算法等方面取得了不少基礎性成果。
● 資料視覺化技術。資料視覺化公司Kitware與哈佛大學、猶他大學、斯坦福大學等機構的研究小組合作開發名為Visualization Design Environment（VDE）的開源資料整合、查詢和視覺化工具包，在其XDATA@Kitware網站上公佈了VDE在文件實體關係識別、SSCI預測資料庫、Flickr元資料圖等資料集上的視覺化分析效果。
● 基於分散式架構的機器學習、資料分析演算法。佐治亞理工學院在XDATA專案的支援下承擔的任務主要是研究在大規模資料集上具有可擴充套件性的機器學習演算法，包括基於分散式計算架構的快速資料分析方法。
● 開源計算工具。Continuum Analytics公司基於其在Python科學計算工具上的長期積累，進一步開發了新型計算技術和開源軟體工具。
2.2 大資料平臺研發
美國防資訊系統局（DISA）以及各軍種正在大力開發基於雲的大資料平臺，並取得了新進展。
（1）DISA開發支援賽博態勢感知分析能力的大資料平臺（BDP）
2016年5月，DISA釋出了《大資料平臺和賽博態勢感知分析能力》報告，提供一整套基於雲的解決方案，用於收集DoDIN（國防部資訊網）上的海量資料，同時提供分析與視覺化處理工具以理解資料。其中，大資料平臺（BDP）是DISA開發的分散式計算環境，用於支援數拍位元組資料（來自DoDIN）的攝取、關聯和視覺化，而賽博態勢感知分析能力（CSAAC）是部署在BDP上的一組分析工具、攝取碼和資料結構，提供整個DoDIN執行和防禦性賽博空間執行（DCO）的統一態勢感知。
CSAAC能提供迄今為止美國防部所能實現的最廣泛、最全面的DoDIN活動檢視，以支援決策並增強美國防部網路的整體安全態勢。CSAAC能夠提供以下幾種型別的功能：
● DoDIN運營與態勢感知。以國防部企業郵件監控為例，CSAAC能夠為運營人員提供近實時態勢感知能力，從而快速掌握事故、具體配置狀態以及郵件閘道器過濾等相關情況。
● 防禦性賽博空間執行（簡稱DCO）。按指標作戰（簡稱FbI）屬於CSAAC之內的賽博空間執行能力之一。FbI能夠幫助企業計算機網路分析人員利用自動化工作流審查網路威脅報告，提取潛在指標，面向未來程序提供警報並在必要時自動執行國防部對策流程。
● 異常檢測。異常檢測套件屬於CSAAC功能之一，專門負責檢測可能對敏感性國防部資料的完整性、機密性或者可用性造成威脅的已驗證使用者。這項服務還允許分析人員在檢測到潛在內部威脅後向有關部門發出警告。
CSAAC中的功能套件由大資料平臺（BDP）負責實現。BDP是支援CSAAC的基礎體系結構，作為一種開源解決方案，能夠支援資料採集、關聯以及虛擬化基礎設施。BDP通用架構能夠在數小時內被安裝至數百臺伺服器。
2016年8月，DISA釋出了大資料平臺（BDP）升級版。新版BDP將為操作人員提供在現行解決方案內找出聚焦任務的資料集以及針對特定資料執行定製聚集任務的分析工具的能力；將大幅提升為CSAAC快速開發、部署和使用分析工具的能力。
（2）美海軍開發的大資料雲生態系統（“BIG DATA ECOSYSTEM”）
美國海軍艦載感測器、飛機和其他平臺產生大量的資料，但是這些資料沒有被有效利用。為解決此問題，美國海軍研究辦公室欲採用突破性的分析工具建立海軍大資料生態系統。2013年以來，美國海軍組織開發了名為“海軍戰術雲參考實施”（NTCRI）的大資料雲生態系統平臺，由資料分析元件和視覺化介面提供相關作戰環境和情況的所有資料的實時檢視。這個平臺系統融合了大資料、雲端計算和其他交叉學科技術，並且實現了多種分散式檔案系統（Hadoop 等）和作戰系統。
該系統主要包含以下功能：
● 通用資料基礎表徵。海軍作戰大資料是完全多源異構的。“多源”指來源廣泛，如IT系統、機載或艦載感測器等；“異構”指資料型別多樣，如雙方作戰目標、戰術意圖、氣象水文、網路輿情等，該部分功能旨在建立科學、通用的海軍作戰資料基礎體系架構，用於不同機構間多源異構大資料的表徵和共享。
● 分散式資料儲存與索引。主要目的是儲存作戰資料，建立索引以便快速查詢，通過海軍的雲環境利用大量的資料集。
● 資料作戰分析。這部分是海軍大資料生態系統的核心，目前美國海軍主要通過開發先進的分析工具支援反潛作戰和一體化防空反導作戰，提升大資料對海軍作戰的效果和能力，探尋利用大資料增強威脅評估預警、作戰識別、一體化作戰和任務計劃以及執行能力的途徑。
● 系統抗毀性防禦元件。任何系統都要具備抵抗攻擊的能力，由於資料在採集、整理、儲存、傳輸、分析的過程中都可能遭到攻擊甚至篡改，因而，抗毀性防禦元件是貫穿整個大資料生態系統的。元件主要通過利用雲端計算的安全性和完整性，增強海軍大資料生態系統各模組的防禦能力。
2.3 典型應用專案
在大資料時代，資料將會成為影響和決定軍事行動的重要力量源泉。因此，資料蒐集、分析和處理能力，以及基於資料作出的決策將會是未來戰場上的制勝關鍵。大資料應用，尤其在聯合作戰中，可以極大地提高資訊掌控優勢，從而提升軍事情報偵察預警能力；在指揮控制領域，還將顯著增強資料的智慧處理和指揮控制能力，從而有效提高體系對抗水平。近年來，美軍已將大資料技術應用到諸多領域，包括ISR、作戰指揮、後勤、賽博領域等。
（1） ISR領域
現代戰爭中不僅要及時收集、分發戰場資料，針對強對抗環境，還需要將海量實時資料進行預處理，挖掘出有價值的資訊，並通過資訊融合形成情報，從而及時判斷出敵方的作戰企圖和兵力部署，撥開“戰爭迷霧”，真正做到“知己知彼”。
美軍通過多年的發展，已擁有全球最先進的情報偵察系統，對海量情報資料的分析，一直是美軍情報偵察能力的短板，而大資料正好能夠幫助美軍突破這一瓶頸。基於大資料分析的情報蒐集技術在管理海量資料並使分析人員專注重要工作方面具有極大潛力。基於大資料應用的情報蒐集系統如圖1所示。在此領域的典型專案包括DARPA的“洞察”（Insight）專案、美空軍的“大資料集處理利用與分析”（PEALDS）專案等。
圖1 基於大資料應用的情報蒐集系統
1）DARPA的Insight專案
此專案旨在開發一個集情報、監視和偵察於一體的系統，該系統將能使分析人員有目的地把互不相干的“煙囪式”資訊源整合成一個統一的戰場圖（如圖2所示）。 
圖2 Insight專案開發的系統可將“煙囪式”資訊源整合成統一的戰場圖
該專案的第1階段建立了基線系統，最初重點關注反恐行動。第1階段的承包商是BAE系統公司電子解決方案部和科學應用國際公司（SAIC）。
在第1階段中，BAE系統公司和SAIC公司啟動了下一代ISR資料採集和資源管理系統（E&RM）的設計，該系統有助於美軍情報專家們探測網路威脅、非常規性戰爭和恐怖主義行動。
BAE系統公司和SAIC公司建立了基於模型的行為相關性分析工具、建模工具、預測和威脅網路分析工具，自動把來自多種不同資訊源的情報資訊綜合起來，提高了多源情報感測器的工作效率。他們已開發出聯合資料管理和處理環境，將新型情報感測器資料和軟體演算法綜合起來。
該專案的第2階段於2013年8月啟動，總價值為8000萬美元。第2階段的目標包括：使第1階段開發的能力更加成熟，提高資料採集和資源管理系統（E&RM）系統的適用性，擴充套件任務空間；探測識別敵方網路，彙集所有可能的來源資訊，包括軍事情報資料庫、人員報告以及海陸空天感測器。
Insight專案開發的系統採用基於標準的開放式即插即用體系結構，支援當前和未來ISR技術的快速整合。目前，該專案已供美陸軍和空軍使用。
2）美空軍開發的PEALDS專案
目前美國國防部和大型企業面臨的主要挑戰是資料整合以及掌握從多個感測器收集資料並將資料輸入一個單獨的管理系統中進行分析和提取的方法。基於此，2013年Logos技術公司與美空軍研究實驗室資訊部共同開展了大資料集處理利用與分析（PEALDS）專案。PEALDS的目標是使觀察者能快速對TB的感測器資料進行篩查，為戰場士兵提供可行動的資訊。
美空軍可利用大資料工具PEALDS建立戰場態勢圖或關注區域的態勢圖，並對其進行實時監控、儲存和回放。通過將感測器資料流與資料標籤和趨勢探測軟體相結合，分析專家和戰場士兵可進行觀察、跟蹤並根據所觀察到的行為預測敵方部隊的行動。在PEALDS專案中，Logo公司運用了大型影象儲存技術提供三維建模和廣域資料繪圖的演算法和軟體。
（2）作戰指揮
指揮資訊系統的資訊處理速度、目標態勢獲取時間、決策週期以及快速響應時間決定著軍事行動的成敗。大資料在作戰指揮領域的廣泛運用，開啟了“從資料到決策”的指揮新模式。
美國防部大資料應用重點專案——“從資料到決策”專案旨在通過構建快速準確分析資料的演算法模型，將海量資料進行實時、自主關聯和整合、認知，挖掘出有關目標威脅、航跡跟蹤、火力打擊等重要的情報資訊，並提供面向任務可理解的決策，使軍隊中情報分析人員和指揮官能夠以極高的速度理解和掌握戰場態勢。
（3）後勤領域
大資料技術在後勤領域的應用有助於提高後勤保障效率，降低費用。美國國防後勤局正在推行大資料戰略，利用相關技術構建本局範圍內的權威機構資料來源，形成靈活、自助式的報告和分析能力。美國國防後勤局通過推行大資料戰略，期望大幅提高資料實時融合效率，讓後勤分析師在更短的時間內通過各種渠道蒐集資料，再對彙總的資料進行分析，最後確定有效的後勤保障方案。
為幫助美軍解決後勤行動中出現的難題，美國許多公司推出了各種大資料技術解決方案。如天睿公司為軍方提供了名為“聯合資料架構”系統的綜合性大資料技術解決方案，該系統具有預測性分析功能，可預判武器裝備中哪些零部件何時出故障需要修理，就在零部件出故障前向維修技師預警，告知技師將其拆除，而且拆下的位置非常方便技師修理和更換零部件，這樣就能確保庫存零部件得到最合理的使用。
（4）賽博領域
美軍最重要的賽博空間專案之一——X計劃亦稱“基礎賽博戰”，旨在對網電作戰的本質特性進行創新研究，支援主導網電戰場空間所需的基礎性戰略的發展。X計劃將建立一個確保軍方能夠在實時、大規模和動態網路環境中理解、規劃、管理網電作戰的端對端系統。
X計劃開展5個技術領域的研究以構建一個能夠實時建立、模擬、評估和控制網電戰場空間的原型系統，這5個技術領域包括：
● 系統結構。建設X計劃系統基礎設施，重點包括：網電戰場繪圖引擎的設計和應用以及端對端X計劃系統基礎設施的設計和整合。
● 網電戰場空間分析。開發自動分析技術，協助人員理解網電戰場空間，支援網電作戰戰略計劃的制定；提供作戰場景應用程式，衡量並模擬戰場毀傷評估，以優化計劃。
● 任務構建。開發自動化技術，允許計劃人員藉助圖形方式生成任務計劃，並將計劃自動同步到可執行任務指令碼中。
● 任務執行。研究並開發任務指令碼執行環境和保障平臺。
● 直觀介面。為指揮官、計劃人員和作戰人員提供一種包括工作流、直觀檢視、動作分析和整合視覺應用程式的全面綜合視覺使用者體驗，以此管理網電作戰活動。
2016年6月，X計劃走出實驗室首次交付作戰人員，並參與年度“賽博衛士”與“賽博旗幟”聯合演習。X計劃進入實戰應用階段意味著美軍已拉開賽博空間視覺化作戰序幕，能夠從技術上完成對戰場賽博空間的基礎建構。
X計劃是大資料技術在賽博領域的典型應用。大資料技術為集中管理海量資訊資源提供高效的分析、融合方法和手段。沒有大資料技術的支撐，要實時測量和視覺化總結資料巨大、結構複雜的賽博空間是不可能完成的任務。
3、發展重點和趨向分析
（1）拓展大資料技術在ISR、作戰指揮、賽博等各領域的應用，促進從“以網路為中心”向“以資料為中心”的作戰轉變
現代戰場敵情複雜，戰機稍縱即逝，“發現即摧毀”成為美軍的作戰理念。當美軍提出“發現即摧毀”時，有價值的資訊逐漸成其為作戰的優先關注點和中心環節。通過大資料技術在各領域的廣泛應用，美軍將會在資料獲取、儲存、管理、分析和分發等方面得到質的飛躍，進而提升美軍戰場態勢感知、情報分析、智慧決策以及安全防護能力，大大縮短決策迴圈（OODA）週期，大大縮短從感測器到射手的時間，最終實現“發現即摧毀”的效果。
大資料的發展將促使“物理網路服務”到“網路應用服務”的轉型，促進從“以網路為中心”向“以資料為中心”的作戰轉變。
（2）在關鍵技術領域研發方面，重點關注資料分析技術、視覺化技術等。
美軍研發大資料技術最看重的就是提升對海量、異構資料的分析處理能力，從獲取資訊向分析利用資訊轉變。除此之外，美軍的研發重點還包括可視使用者介面技術等等。
美軍在關鍵技術領域，一是強調資料分析技術的核心地位。大資料分析工具可將大資料轉化為有價值的情報決策資料，為使用者提供可理解的資訊，提高戰場態勢感知能力。這對作戰十分重要。美國國防部遴選的10個大資料專案中，有9個專案與資料分析技術直接相關，如XDATA專案、影像檢索與分析工具專案等，由此可說明美軍對資料分析技術的重視。二是大力發展資料視覺化技術。用資料視覺化技術來分析大資料，對作戰指揮決策十分重要。XDATA專案的研發團隊開發了一種新型的動態視覺化系統，用於對大型複雜資料集的互動視覺化搜尋。
（3）未來投資保持持續增長，優先投資重點應用領域
2017年1月31日，美國防部長Mattis釋出了關於“重建美國陸海空三軍”總統備忘錄的實施指南。這份新的指南表明了未來將增長大資料技術領域的國防投資。
此外，據德爾泰克軟體公司（Deltek）預計，美國防部將致力於大資料技術以提升作戰能力和增大武器系統的致命性。例如，美空軍和海軍計劃增大無人系統和航行器的使用，這就需要增加對此領域的資料分析的投資。此外，隨著管理部門重點關注防範賽博攻擊，在整個國防系統的企業範圍大資料分析的應用將會優先考慮。美國防資訊系統局需要依賴大資料工具監控和防護國防部資訊網（DoDIN），在這一領域的投資也將會獲得支援。考慮到這些優先性投資，Deltek給出了未來幾年（2018至2021年）美國防部在大資料技術領域的投資預測（見圖3）。
圖3 2018～2021年美國防部在大資料技術領域的投資預測
（來源：Deltek的《2017年國防IT優先項和戰略報告》）
美國國防部近3年的財年報告都指出，大資料前沿技術和深度應用，在軍事領域蘊藏著巨大價值，已成為軍事科技能力競爭的焦點之一。早在2012年3月29日，美國政府就釋出了《大資料研究與發展計劃倡議》並作為發展戰略重點之一，同時宣佈了當年投入2億美元的科研計劃，推動軍事大資料科技創新與應用工具開發。
自2012年以來，美國國防部、國防高階研究計劃局（DARPA）、有關業務局和各軍種研究機構，釋出的有關大資料研究與應用專案，從網際網路上可以查到的超過50項，其中投入較大的、持續時間較長的專案超過20項。這些專案的研發與運用，有力提升了美軍大資料綜合處理能力。
4、影響分析
4.1 形成軍事大資料技術體系和應用能力
6年來，美軍通過幾十個大資料專案的積累，研發了一批能夠實際使用的軍事大資料分析處理的專業化系統或工具，並將這些系統或工具運用於軍事實踐，產生了明顯的應用效益。
加強情報深度分析能力美軍通過利用大資料工具提高軍事人員對多個戰場空間情報的發現和深度認知能力。軍事情報源大資料可以從廣泛的軍用感測器訊息源中提取關鍵資料、實時分析資料，並基於戰場多維空間以視覺化形式呈現情報結果資料，提供準確深入的戰場情報產品支撐。
預警已不限於傳統概念，升級為大資料預警
這些重要進展直接得到了大資料專案研發技術成果的支援，這些技術成果包括作戰實體資料識別、實體關係發現定位、開源資訊情報抽取等方面的創新研發。基於這些技術研發的情報分析系統可以提升對語言與資訊的理解能力，大幅提高情報源大資料的分析、審視和處理效率，更有利於發現潛在的高價值情報資訊。
增強戰略態勢研判與預警能力美軍的多個大資料分析預測類研發專案，提出了“網路-社會-經濟-環境”“衝突-安全-平衡-環境”“資料-判斷-決策”等預測推理模型和資料驅動模型與技術，對全球和區域的政治經濟社會軍事環境等資料、社交網路資料以及開源大資料進行分析，能夠初步預測評估國家安全態勢、軍事戰略態勢和地區安全與衝突態勢，有預測性結論支撐。
另外，美軍還利用上述大資料專案和技術，組織開發了戰略預警工具，主要是線上分析網際網路大資料，挖掘重要線索和關聯性實體和事件，實時或近實時監控全球整體性恐怖預警態勢和熱點衝突預警態勢，提高戰略防禦能力。
優化作戰籌劃能力軍事大資料專案的應用還體現在指控知識發現、指揮規則自主學習、指揮籌劃計劃與作戰任務的關聯分析等方面，已逐步實現對實時戰場態勢、作戰體系等大資料進行比較、分析、推理，能夠部分提供自主化態勢評估、目標選擇、計劃生成、方案評估等處理能力，提升了作戰籌劃的合理性、科學性、有效性。
美軍初步形成了作戰系統和作戰任務狀態大資料感知能力，通過分析指揮系統中大資料流向變化和關聯性改變，實現對作戰系統和重要作戰任務執行情況的自主化評估和推測性展現。基於大資料推理支援模型，為作戰方案計劃調整和危急態勢處置方案生成提供支撐。
提升軍隊綜合管理水平美軍運用視覺化、人機互動等大資料技術，研發了智慧化訓練管理、人員管理、基地管理、保障管理及演訓系統，能夠近實時採集、處理、分析不同層級、不同軍種部隊的基礎大資料，自動生成管理狀態評價結果。
美國防部基於大資料技術對工作環境進行了升級改造，綜合運用關聯分析、深度學習等大資料技術，對預測報告、方案指南、工作計劃、主要專案、經費預算、進度管理等資訊，進行深度比較、關聯、分類、評級，找出可能存在的問題或矛盾，進一步針對資源分配控制，提出相關決策建議。
4.2 助力了軍事理論和核心技術創新
美軍認為，雲端計算、廣互聯、大資料、智慧化相結合的“雲聯大智”，代表了軍事領域資訊科技發展新階段的時代特徵。其中，雲端計算平臺和廣泛網際網路絡已成為基礎性支撐環境，智慧化技術帶動了控制、計算、處理、融合、自主能力的全面提升，大資料技術能夠將廣闊資訊資料進行深度發掘分析。將幾個前沿資訊科技進行深度結合運用，可以全面提升軍事能力與戰略優勢。
不斷催化軍事理論創新美軍把大資料研發與運用作為未來作戰的基礎性工程，“從資料到決策”已成為美軍應對大資料的基本策略，態勢感知技術和資料驅動預測技術已成為當前大資料軍事應用的熱點，大資料軍事應用為美軍獲取軍事優勢、實現理論創新提供了重要支點。
公開的美軍文獻和美國智庫報告認為，大資料分析處理關鍵能力對未來作戰的影響主要體現在以下方面：一是解決戰場資訊高速處理的瓶頸問題，多域融合感知、認知和決策資料，使未來作戰能夠深度發揮軍事資料的作用；二是大資料分析可以提高軍事資訊處理質量和深度，使指揮控制更加集中到作戰問題領域上，使資料驅動輔助決策向資料驅動監視轉變；三是推動作戰體系從資訊化向智慧化的整體轉變，作戰大資料能力的實質性提升使自主式作戰成為可能；四是“資料與智慧結合”作用更加明顯，戰爭形態的演化會更多取決於決策者智慧與軍事大資料智慧的共同作用。
美軍通過推動一系列大資料研發專案，促進形成大資料思維。大資料思維在各領域的基礎性、戰略性、先導性地位越來越突出。美軍正在逐步建立深度資料決策、全面資料管理的執行機制和管理模式。大資料的積累、整合、分析和深度挖掘，能夠揭示戰爭和作戰規律、把握戰略發展趨勢、發現軍隊建設問題、提出輔助決策方案支援。
逐步形成大資料技術優勢自2011年起，共有上百個美國大學和公司研發團隊，參與了美軍幾十個大資料專案，在多個大資料核心技術領域有了創新性引領性的進展，主要體現在大資料基礎理論與支撐平臺研究、資料驅動的新型軟體研製、大資料分析應用等3個方面。
在大資料基礎理論與支撐平臺研究方面，一是探討了大資料基礎理論，主要包括大資料分析近似計算理論與自主學習演算法、資料驅動深度學習計算理論與演算法、資料壓縮與加密理論等理論與技術；二是研究了大資料雲中心智慧管理技術與平臺，主要包括超大規模大資料雲中心執行支撐技術、資料驅動的資源智慧排程與管理技術等。
在大資料分析應用方面，一是攻關了大資料分析的基礎理論和技術方法，主要包括大資料環境下機器學習的創新理論和方法、面向流資料的新型分析、複雜高維大資料的視覺化分析等理論與技術；二是研發了高時效的大資料計算模型、優化技術與系統，主要包括新型大資料分析計算、大資料規則優化、大規模流資料線上分析等技術；三是探索了特定場景智慧感知，主要包括跨時空多尺度關聯、目標檢測追蹤等技術；四是檢驗了智慧感知與理解技術，主要包括複雜體系演化預測模型、支撐多源異構資料關聯挖掘技術、臨機處置決策模型等理論與技術。
在資料驅動的新型軟體研製方面，攻關了基於程式設計現場大資料的軟體智慧開發技術方法和支撐環境，探索了大資料環境下群智化軟體開發技術。
結語
美軍從2012年起率先在軍事大資料研發領域佔據先機。可以看出，美軍大資料能力研發，對掌握戰略主動權、全面獲得制認知權、拉開與其他國家在軍事資訊關鍵領域的競爭差距，都起到了至關重要的作用。
宣告：本文來自軍民融合產業服務平臺，版權歸作者所有。文章內容僅代表作者獨立觀點，不代表安全內參立場，轉載目的在於傳遞更多資訊。如需轉載，請聯絡原作者獲取授權。