網絡對抗態勢感知是指對在某一時間空間內，敵對雙方網絡戰力量部署和行動形成的狀態與形式進行預測的過程。這是1999年，在美國學者T.Bass首次提出網絡態勢感知的概念后，隨著網絡安全在國家安全中的地位不斷提升，在網絡對抗領域，逐漸形成的對網絡對抗態勢感知的理解。這是目前各國在網絡對抗領域的一個熱門研究課題，實際上是一個綜合的研究領域，包含了目前網絡對抗偵查以及網絡對抗情報處理中的所有內容。

? 隨著網絡安全在國家安全中的地位不斷提升，網絡資源已成為支撐國家政治、經濟、軍事、科技的重要戰略資源。網絡對抗態勢感知通過對網絡戰場雙方力量和行動相關態勢要素進行獲取、理解以及對其未來狀態的預測，從而為網絡戰指揮提供重要決策支持。因此，提高網絡對抗態勢感知能力，掌握網絡態勢感知的關鍵技術和實現方法，對打贏未來網絡戰爭有著十分重要的作用。 ?

態勢要素獲取作為網絡態勢感知三個級別中的第一層，是態勢感知的基礎。主要采用我們已經擁有的節點信息探測與采集、網絡路由信息探測獲取、網站應用服務信息搜索與探測、涉網輿情信息獲取等成熟技術，從海量的原始數據信息中探測提取可以為我們提供情報的網絡對抗態勢信息。并轉化為統一且易理解的格式，為下一層的態勢理解做準備。 網絡節點信息探測與采集，主要采用節點信息探測技術，對目標的存活性、端口、服務類型、版本、操作系統類型、漏洞等信息進行探測，同時也可以通過更高明的偵查手段，滲透到目標節點內部進行信息獲取；網絡路由信息探測，采用諸如Traceroute、公網信息獲取手段等網絡路徑探測的方法，獲取網絡路由信息；網站應用服務信息搜索，則是基于“元搜索”和網站爬蟲的網站域名搜索技術以及DNS信息主動探測技術，搜索到數量龐大，涉及面極廣的網絡應用服務信息；涉網輿情信息獲取，采取的是基于模板的網站信息抽取技術，利用網站的創建基于一定模板這個特點，獲取網站信息 態勢理解是態勢感知的核心，通過提取所有與網絡對抗態勢有關的信息數據，識別態勢信息中的關鍵要素，并進行關聯性分析和脆弱性評估，從而生成網絡空間目標狀態、攻擊能力和攻擊資源的整體分布圖。進而得出整個網絡對抗態勢狀況。包括網絡基本狀態分析、網絡攻擊能力表征、網絡攻擊效果評估和網絡對抗態勢展現等內容。

網絡基本狀態分析，就是對獲取到的原始信息和相關信息進行分析，形成對目標網絡拓撲和當前狀態的理解，簡而言之就是把得到的信息繪制成圖，形成對敵情的直觀認識。 網絡攻擊能力表征，則是充分認識我情。主要說明哪些網絡戰手段能夠為我所用，包括流量攻擊、路由劫持、域名劫持、網絡阻斷、服務器癱瘓、業務系統毀癱等手段。 網絡攻擊效果評估，一般采用JDL數據融合模型這個戰場態勢評估通用模型，然后根據網絡攻擊行為的影響程度和范圍，給出層次化的網絡攻擊效果評估模型。

網絡對抗態勢的展現，由于網絡對抗活動發生在網絡虛擬空間，需要將網絡對抗態勢清晰直觀展現出來。一般采用的是基于GIS的態勢地理分布展現和基于拓撲結構的態勢邏輯分布展現相結合的方法。最終呈現地形展示、清晰色調的節點和連線一體結合的對抗態勢全息圖。 態勢預測是態勢感知技術本身的應用。但當下，這是一個全新的研究方向，還缺少相關的研究成果。我們只能看到傳統的理論方法以及一般預測模型。 態勢預測的理論有我們熟知的神經網絡理論（ANN & BP）和遺傳算法理論，這是兩種基于數學的算法，可以處理大量的數據，最終收斂得到一定的預期。而態勢預測的模型是由訓練模塊和預測模塊構成的，即態勢信息數據庫經過訓練，得到一定的態勢值，或者說對應關系，然后根據輸入的目標態勢，經過數據庫查找態勢值，參考作為預測的結果。 神經網絡預測是目前最常用的態勢預測方法之一，神經網絡預測模型屬于領域，它是一種工具，具有良好的擬合性、對目標樣本的自學習和自記憶功能，還具有并行處理、高度容錯和極強的逼近能力等特性，可以獲取復雜非線性數據的特征模式。利用神經網絡預測態勢的原理為：首先以一些輸入輸出數據作為訓練樣本，通過網絡的自學習能力調整權值，構建態勢預測模型；然后運用模型，實現從輸入狀態到輸出狀態空間的非線性映射。

遺傳算法預測是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。其主要特點是直接對結構對象進行操作；具有內在的隱并行性和更好的全局尋優能力；采用概率化的尋優方法，不需要確定的規則就能自動獲取和指導優化的搜索空間，自適應地調整搜索方向。 古言：“形勢者，雷動風舉，后發而先至，離合背向，變化無常。”我們應該清楚認識到，和現實戰場一致，在網絡戰場與未來戰場上，各種形勢變化無常，戰機稍縱即逝，網絡對抗態勢感知技術的根本目的在于極力縮短從信息獲取到做出決策之間的時間，于網絡戰場上搶占先機。可以預見，在網絡對抗形勢日益嚴峻的未來，誰在網絡態勢感知技術上先行一步，誰就可以更輕易的取得網絡對抗戰場上的制信息權。

編輯：黃飛

?