一种类人体神经系统的智能网络系统的数据处理方法与流程

[0001]
本发明属人工智能技术领域，涉及一种类人体神经系统的智能网络系统的数据处理方法。


背景技术：

[0002]
在信息基础设施建设上，美军以全球整合的作战行动为出发点，以增强部队应对不确定、复杂和迅速变化环境的总体适应能力为目标进行发展建设，经历了国防信息基础设施(dii)、全球信息栅格(gig)两个阶段，目前进入了联合信息环境(jie)发展阶段。美军上世纪末通过建设dii，构建公共的网络与计算平台，解决美军跨军种、跨部门平台间互连互通问题。科索沃战争暴露出各军种间网络不通、信息无法共享、端到端能力差等弊端后，美国开始gig建设，意味着从“平台中心化”向“网络中心化”转化。gig建设的主要依据是网络中心战(ncw)理念，它将原来相对独立的一个信息系统、武器系统等，通过服务集成为一个基于网络的共享环境，有力推进跨领域、跨军兵种系统的横向融合；gig提供了基于网络的共享环境，但仍旧存在着各军种间信息共享不畅、系统缺乏互操作性等问题。对此，美国国防部启动jie计划，提出通过整合美军所有信息资源，实现各层级、各领域的信息系统、网络、服务等资源全面整合共享，为美军在全球内军事行动提供无缝、可互操作的信息服务。这一推进网络中心能力深化的重要战略性举措为实现“跨域协同”、构建“全球一体化作战能力”提供重要支撑。
[0003]
人工智能技术对未来战争的颠覆式影响，已逐渐被世界认识。为了提升信息化建设的智能能力，美国加紧战略布局，不仅从国家层面发布《为人工智能的未来做好准备》、《美国国家人工智能研究与发展策略规划》、《人工智能、自动化和经济》等战略文件，已经积累ibmwaston、googlealphago等代表性成果；同时，以实施“第三次抵消战略”为契机，启动“深绿(deepgreen)”计划以及insight、xdata、bigmechanism、deeplearning、deft、ppaml等基础智能技术研究项目，探索发展从文本、图像、声音、视频、传感器等不同类型多源数据中自主获取、处理信息、提取关键特征、挖掘关联关系的相关技术，加速人工智能技术在军事领域应用。2016年底，美军启动指挥官虚拟参谋项目，旨在通过综合应用认知计算、人工智能等技术，提供主动建议、高级分析及自然人机交互，从而为指挥官及其参谋制定战术决策提供从规划、准备、执行到行动回顾全过程的决策支持。
[0004]
随着无人系统、物联网、高超声速装备的军事应用越来越广，智能化战争的已成为未来战争的必然趋势。在未来覆盖陆、海、空、天、网、电等实体和虚拟战场的体系作战中，智能将渗透到各作战环节，作战平台实现无人化和智能化，分布式部署于全战场纵深，融合于作战体系的每一单元和要素，使得网络体系具备更加透彻的感知、更加高效的指挥、更加精确的打击和更加自由的互联。面向智能化战争，智能网络体系的发展趋势主要表现为：
[0005]
一是从网络中心向知识中心发展。在云计算、大数据、人工智能等新技术推动下，网络中心体系进一步演化，知识中心渐露端倪，成为未来发展方向。将发展能完全自主控制的高级智能化平台，能自主进行作战任务规划、攻击路径选择、目标发现识别及目标打击的
精确制导武器，能智能感知、智能传输、智能指挥、智能欺骗的敏捷化网络。
[0006]
二是从广域互连向万物智联发展。网络覆盖范围不断拓展，移动通信、物联网等技术蓬勃发展，使得军事信息体系从基于广域网的多点互连结构向基于泛在网络的人、机、物普适互联结构转变，实现智能物联。将发展渗透覆盖物理世界、服务于所有参战单元甚至无人终端的泛在互联体系，使得各类人员、信息系统、武器平台等有机融合，支撑一体化联合作战。
[0007]
三是从局域共享到全域协同发展。主要功能和数据加速向云端迁移，前、后台分离趋势愈加明显，云端互动、全域智能协同成为发展趋势。将建立协同探测的全域智能感知体系，具备快速响应能力、与其他平台/其他侦察手段协同工作的能力。
[0008]
现行网络信息系统主要存在如下若干问题：一是广域覆盖能力与容量不足，对全球重点区域还不能达成有效的远程覆盖，各类信道传输容量与日益增长的业务需求相比，还有一定差距；二是海量数据处理能力不足，网络传输能力的增长低于数据的增长；三是信息服务支撑能力薄弱，无法灵活组织和优化使用资源，缺乏面向不同业务的精准保障。


技术实现要素：

[0009]
为解决上述技术问题，本发明提出了一种类人体神经系统的智能网络系统的数据处理方法，所述系统包括：末梢层装置、传输层装置、功能层装置、思维层装置；所述方法包括：s10：在感知阶段，所述末梢层装置接收来自不同环境感知模块的数据处理后，作为训练数据输入感知处理传输一体化信息神经元模块进行训练形成并完善神经元模型，通过神经元模型实现数据的适配和采集；s20：所述传输层用于接收通过末梢层装置采集得到的数据，其包括类神经元传输处理一体化的功能实体构建模块；所述类神经元传输处理一体化的功能实体构建模块根据接收到的环境数据建立相应的抽象实体单元和功能实体单元；该功能实体单元与无人系统建立映射，该抽象实体单元则将通过感知获得的数据抽象分为通用固化数据和本地化与个性化抽象数据；其中，所述通用固化数据在处理后进一步抽象为知识通过调用接口提交于思维层，所述本地化与个性化抽象数据则存储于所述功能实体单元中；s30：所述思维层装置中采用类脑神经链接结构的分布式存储，其基于环境多维数据库，将从传输层中得到的知识作为输入，积累训练数据，得到特定情境的经验模型并保存于功能层装置中。
[0010]
特别地，其中末梢层装置中，还包括所述末梢层装置通过任务定义传感器数据智能采集模块接收来自不同环境感知模块的环境数据处理后，由多源异构传感器数据表征融合模块对数据进行提取得到提取结果数据。
[0011]
特别地，所述末梢层装置通过任务定义传感器数据智能采集模块接收来自不同无人系统的环境数据包括对数据采样速率智能控制，且根据传感数据进行自适应压缩。
[0012]
特别地，所述方法在执行域阶段包括：将环境多维数据由末梢层装置接收输入，融合上传后通过传输层装置发送到功能层装置，经由功能层装置中保存的经验模板对所述环境多维数据进行处理后生成机器指令，通过传输层装置发送至末梢层设备。
[0013]
特别地，所述传输层装置还包括网络多元服务能力智能调整模块，应变式实时环境数据析取共享模块，所述应变式实时环境数据析取共享模块用于基于元数据的数据资产目录管理技术实现环境数据在全域的共享；所述网络多元服务能力智能调整模块用于根据
网络环境实时测量系统的网络负载与服务能力，按照不同优先级对任务进行划分。
[0014]
特别地，所述末梢层装置接收来自不同环境感知模块的数据包括无人系统中通过传感器感知的数据。
[0015]
特别地，所述无人系统包括：无人机、无人车。
[0016]
特别地，多源异构传感器数据表征融合模块提取的数据包括：雷达数据和视觉数据。
[0017]
特别地，所述方法在执行域阶段包括：s40：将环境多维数据由末梢层装置接收输入，融合上传后通过传输层装置发送到功能层装置，经由功能层装置中保存的经验模板对所述环境多维数据进行处理后生成机器指令，通过传输层装置发送至末梢层设备。
[0018]
本专利中提出的类人体神经系统的智能网络体系不同于传统的“网络体系+智能”，智能网络体系充分借鉴人体神经系统的组成架构与运行原理，是链接各类有无人作战单元，构建多域协同感知、多源信息融合、高效知识共享、体系能力涌现、全局决策推演、敏捷实时响应的复杂巨系统，为未来智能化战争提供极速响应、海量数据、全域协同的能力支撑。
附图说明
[0019]
图1为本发明提出的智能网络体系迁移人体神经系统示意图；
[0020]
图2为本发明提出的类人体神经系统的智能网络体系架构图；
具体实施方式
[0021]
以下结合附图对本发明的具体实施方式作出详细说明。
[0022]
本发明提出了一种类人体神经系统的智能网络系统的数据处理方法，所述系统包括：末梢层装置、传输层装置、功能层装置、思维层装置，如图1所示；所述方法包括如下步骤，如图2所示：s10：在感知阶段，所述末梢层装置接收来自无人机、无人车等无人系统传感器感知的环境数据，经过预处理输入感知处理传输一体化信息神经元模块进行训练形成并逐渐完善神经元模型，通过神经元模型实现数据的适配和采集；末梢层在感知域实现海量数据采集处理，面向海量传感接入与海量传感数据，实现任务定义的接入调度和采样速率智能控制，建立统一语义环境，实现多源异构传感数据，如雷达、视觉等在数据层面融合，为类人体末梢神经的网络体系末梢层架构奠定基础，主要由任务定义传感器数据智能采集、异构多源传感器数据融合、感知处理传输一体化信息神经元三部分功能构成。
[0023]
其中末梢层装置中，还包括所述末梢层装置通过任务定义传感器数据智能采集模块接收来自不同无人系统感知模块的环境数据处理后，由多源异构传感器数据表征融合模块对数据进行提取得到提取结果数据。
[0024]
其中任务定义传感器数据智能采集，针对智能化战场环境中海量传感器接入与海量数据传输等问题，实现任务定义的传感器接入调度、数据采样速率智能控制、传感数据自适应压缩，实现基于任务映射的传感器业务分配，有效解决传感器接入拥塞和数据过载；异构多源传感器数据表征融合，面向多源异构传感器数据融合建立统一语义环境，构建多源信息关联分析算法，实现基于任务的多源传感器数据层、特征层与决策层融合，将多渠道、多手段获取的多源感知数据融合成为外部环境模型。
[0025]
其中，感知处理传输一体化神经元，针对智能末梢对态势感知、按需传输等功能的复用需求，仿照人体神经元功能实现感知处理传输一体化信息神经元，构建通用硬件架构和功能软件模型，最终实现功能虚拟、结构普适、成本可控的信息神经元。信息神经元以感知数据为输入，在网络传输过程中的不同节点分别进行不同层次的融合处理，利用神经元逐步提取数据中的特征信息，逐层进行数据抽象，输出抽象融合之后的知识。例如，在智能城市数据采集阶段，相邻的传感器采集的数据相似度和相关性都较高(同一区域的温度数据相似性高，同一区域的温度数据与湿度数据相关性较高)，通过感知处理传输神经元，可以实现数据的一体化传输处理，降低海量数据对网络带宽的造成的负载，提高网络对环境的认知能力。
[0026]
s20：所述传输层装置用于接收通过末梢层装置采集得到的数据，传输层装置参考神经回路信息传输处理机理，实现网络传输处理一体化服务，构建以知识为中心的网络互联和任务定义的多元化网络服务体系，为智能决策奠定基础；面向任务优先级梯队实现应变式实时环境数据析取共享，面向人类神经元传输处理构建一体化功能实体，实现网络层信息流转和精准操作。主要由知识为中心的网络互联模块、应变式实时环境数据析取共享模块、网络多元服务能力智能调整模块、类神经元传输处理一体化的功能实体构建模块四部分功能构成。所述类神经元传输处理一体化的功能实体构建模块根据接收到的作战数据建立相应的抽象实体单元和功能实体单元；该功能实体单元与所述作战模块建立映射，该抽象实体单元则将通过感知获得的数据抽象分为通用固化数据和本地化与个性化抽象数据；其中，所述通用固化数据在处理后进一步抽象为知识通过调用接口提交于思维层，所述本地化与个性化抽象数据则存储于所述功能实体单元中。
[0027]
网络多元服务能力智能调整模块，通过网络环境低插损感知，实时感知网络负载与服务能力波动，当网络处于重负载时，研究面向任务的网络服务能力智能调整技术，基于时效、安全、稳定性建立以三元组表示的多元服务能力矩阵，为关键任务提供可靠的服务质量保障，在确保核心任务的连续性与稳定性同时提高网络整体服务能力。
[0028]
应变式实时环境数据析取共享模块，针对从海量无序数据到全域有效信息的升级需求，实现基于元数据的数据资产目录管理技术和自服务数据共享与服务，为环境数据的高效抽取、精准分析、科学共享赋予“随任务可应变”能力。
[0029]
以知识为中心的网络互联模块，面向思维层与功能实体的分布式知识存储，研究建立思维层知识视图，在支持知识资源动态可复制、可移动的条件下，为知识获取与融合提供服务质量可保障的互联支持；建立传输层知识就近获取机制，实现功能实体中的本地化、个性化知识的就近获取，降低思维层计算与网络负载，高效利用网络资源，最终实现思维层与功能实体分布式知识的快速、高效查询与路由。
[0030]
s30：所述思维层装置中采用类脑神经链接结构的分布式存储，其基于环境多维数据库，将从传输层中得到的知识作为输入，积累训练数据，得到战场环境中特定情境的响应经验模型并保存于功能层装置中。
[0031]
思维层针对指数级增长的战场环境感知的多维数据，基于多维数据库构建元概念库，实现知识的规范化存储管理与精准提取，通过异构异质量知识的融合与涌现，构建自适应、可扩展的知识图谱，形成实时精准的战场态势，结合军事智能技术，实现特定情境响应模板的生成与持续演进更新，以适应不断增加的作战样式与威胁形式。主要由类思维推理
的知识生成与扩展模块、知识经验生成与更新模块、类脑神经链接结构的分布式存储模块三部分功能构成。
[0032]
类思维推理的知识生成与扩展模块，面向不同应用分别建立知识图谱，基于战场环境异构传感融合数据和网络安全威胁情报信息，分别研究实体识别、关系抽取与分类、规范化描述技术，建立异构知识图谱。实现图谱的生成、拓展与维护机制，通过类脑功能区的异构知识图谱融合与推理，面向情景生成知识经验并下发功能层。
[0033]
知识经验生成与更新模块，针对智能化战争带来的极速响应，结合敌方作战资源运用预判分析、复杂作战任务智能分解、智能作战资源运用预案生成、基于实时态势的超实时推演机制等技术，基于策略模板生成机制，形成面向多种作战样式和目标威胁的策略模板库，以实现作战预案的精准匹配，快速形成作战效能。
[0034]
类脑神经链接结构的分布式存储模块，颠覆传统索引录入按需调出的集中式存储理念，基于类脑神经链接结构的分布式存储机制，对分布式存储单元进行功能虚拟和动态关联，降低集中存储毁瘫风险，依托分布式存储单元拓扑结构实现海量数据非线性调配能力的飞跃。
[0035]
功能层装置建立策略模板管理机制，实现依据实体关系的策略模板管理，建立经验模板的拓扑结构与更新扩展机制；建立基于策略模板的敏捷响应机制，支持对作战单元的极速响应与预判；结合网络安全、网络运维策略模板，实现安全数据汇聚、融合、关联匹配，识别提取风险特征，自动发现持续威胁攻击线索，威胁追溯分析，自动采取防护措施。主要由知识经验调度管理模块、类条件反射的作战单元敏捷响应模块、类习得进化机制的韧性顽存模块、类交感/副交感神经拮抗作用的网络智能运维模块四部分功能构成。
[0036]
知识经验调度管理模块，建立策略模板管理机制，实现依据实体关系的策略模板管理，以解读与推理的形式建立策略模板的拓扑结构，建立策略模板的更新扩展机制。策略模板是面向特定情境的响应方法，无人系统依据习得的经验结合自身资源，生成面向特定情境的响应方式。系统依据策略模板所解决的情境之间的关系构建策略模板管理机制。
[0037]
类条件反射的作战单元敏捷响应模块，建立基于策略模板的敏捷响应机制，支持对作战单元的精准决策与极速响应。
[0038]
类交感/副交感神经拮抗作用的网络智能运维模块，研究态势感知实时化技术，实现指标实时自动采集，图形化方式展示；研究分发配置自动化技术，实现软件自动分发与配置管理；研究告警处置一体化技术，提供告警策略，借鉴拮抗原理，设置联动策略，完成自动处置。
[0039]
s40：所述方法在执行域阶段包括：将环境多维数据由末梢层装置接收输入，融合上传后通过传输层装置发送到功能层装置，经由功能层装置中保存的经验模板对所述环境多维数据进行处理后生成机器指令，通过传输层装置发送至末梢层设备。
[0040]
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除
复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
[0041]
最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。