基于知識庫的應急領域脆弱性指標體系研究

蕭海東，陳 寧

（1.中國科學院上海高等研究院，上海201210；2.上海交通大學中美物流研究院，上海200030；3.華東理工大學信息科學與工程學院，上海200237）

基于知識庫的應急領域脆弱性指標體系研究

蕭海東1，2，陳 寧3

（1.中國科學院上海高等研究院，上海201210；2.上海交通大學中美物流研究院，上海200030；3.華東理工大學信息科學與工程學院，上海200237）

應急事件的演化和應急領域的脆弱性指標變化有著密切關系。大型運作系統核心能力受損后的應急期間，管理者非常關心如何根據動態變化的受損情況把握關鍵指標因素進行恢復，從而降低應急管理成本。本文基于知識庫對應急領域知識結構進行分析，并將層級時序記憶方法引入應急脆弱性指標知識挖掘體系，通過脆弱性態勢感知解決了指標約簡問題，最后給出了構建知識庫的推理機設計和推理算法。本文得到有助于應急管理的結論：基于知識庫的脆弱性指標體系可動態分析突發事件和應急管理中蘊涵的知識，有助于對應急事件演化機理準確把握，提高應對效率。

知識庫；脆弱性；層級時序記憶；應急管理

1 引言

由異常不確定性引發的突發事件，具有發生概率低，難以預測的特點，如果事前沒有做任何防范措施，這類事件一旦爆發，會給企業和社會造成巨大的損失，影響整個供應鏈的運行。根據華爾街報道［1］，2000年3月的飛利浦半導體火災，給愛立信造成4億美元的損失；還有2000年美國新墨西哥州雷電事件，2008年的汶川大地震等，最近2011年日本大地震和海嘯造成日本工業生產中斷，引發全球供應鏈動蕩，世界上許多工廠被迫停產。到2011年3月末，這種供應鏈中斷影響已經導致全球汽車產量降低60萬輛。上述幾個案例給我們帶來的深刻啟示是，突發事件的有效處置迫切需要掌握復雜環境下突發事件演化機理的內在規律，分析應急領域脆弱性指標。脆弱性體系的研究是應急管理領域的一個熱點問題：

Kannan［2］等從計算機系統脆弱性體系角度研究了軟件脆弱性和計算機應急響應決策對應的內在機理；Benth［3］等從系統能力的角度研究了脆弱性體系，其建模適用于計算機系統和企業組織系統，并明確把脆弱性對系統的影響納入評估系統能力的成本；張靈［4］等以防洪系統應急決策為例，用脆弱性描述了承災階段中系統面臨洪災時應對、抵御洪水的能力，構建了系統脆弱性診斷指標體系，結合GIS技術建立了基于極大熵原理的模糊診斷模型；文鳳華［5］等從金融脆弱性角度研究了房地產價格波動對金融的沖擊，通過選取宏觀經濟面和微觀金融兩個層次的六個指標編制脆弱性指數，并建立向量自回歸模型對金融脆弱性進行定量分析；王守全［6］研究了脆弱性分析框架，從脆弱性的度量和脆弱因素的識別等方面進行分析。事實上，由于管理者對突發事件的發生概率不敏感或不理解，使得他們很難做出啟動應急方案的決策；又由于缺少數據和合適評價應急領域脆弱性的指標，現有的脆弱性體系缺乏從脆弱性知識的角度分析，難以用計算機表述并用計算機理解。企業界很難相信輔助決策應急方案的有效性，也很少有企業為應對突發事件而積極投資于應急方案，因為沒有人會為不一定發生的事情去投資買單［7-8］。在這個背景下，我們展開對突發事件擴散的內因發現及脆弱性指標知識庫的構建研究。通過對關鍵影響因素如突發事件性質機理、演化過程的分析挖掘突發事件中蘊涵的顯性知識；并通過對管理體制、應急機制的分析尋找應急管理中蘊涵的隱性知識，構建應急領域脆弱性知識結構模型和脆弱性指標評價體系，讓計算機能夠表述并理解這些脆弱性知識，會非常有助于應急現狀的解決。

2 脆弱性指標體系分析

2.1 應急環境脆弱性感知

針對應急領域脆弱性分析，陳興，姜艷萍，唐承沛等分別從決策模型、動態決策方案以及系統體系層面做了論述，闡述了脆弱性是指承災體對破壞和傷害的敏感性，是應急管理里的重要影響因素［9-11］。同時，國外也對應急領域脆弱性做著積極研究，如：澳大利亞緊急事務管理部（Emergency Management Australia）定義脆弱性為系統應對人群、環境等各類危險的易感染性和恢復力；美國國家農村水協會（National Rural Water Association）定義脆弱性分析為：應對影響服務能力的威脅，系統安全薄弱環節的確定。美國國家海洋與氣象部（National Oceanic and Administration）定義脆弱性為：資源對于來自于負面危害事件的易感染性。美國Sandia國家實驗室（Sandia National Laboratories）定義脆弱性為：可攻擊的設施安全薄弱環節。Gheorghe和Vamanu定義脆弱性為：集體或系統應對危害環境的易感染性、恢復力和存活性。Timmerman認為，脆弱性是一種度，即系統在災害事件發生時產生不利響應的程度。系統不利響應的質和量受控于系統的彈性，該彈性標志著系統承受災害事件并從中恢復的能力。Eichner［12］研究了脆弱性的動態變化和波動，指出動態脆弱性研究新的方向。目前，如何讓計算機能夠表述并理解這些脆弱性知識，從而讓計算機輔助生成初步的突發事件處置方案是應急管理研究的一個熱點。基于知識庫，國外學者William R.Swartout、David Wilkins指出應急管理的知識有領域事實、領域本體、問題求解知識三類。國外一些機構如Co AKTing受英國e.Science網格研究計劃資助，集成和采用AKT項目中關于知識匯聚的概念和技術，使目前英國的網格研究向語義網格研究過渡和發展。Austin Tate教授等開發了多agent協作系統，用于輔助應急響應中不同場所人員的協作，以提高應急響應的效率。這些研究定義了有關方案（Plan）與行為（Activity）的本體，成功地將AI規劃與行為管理技術運用于應急響應。

應急領域的脆弱性和應急事件本身的演化過程和應急救援恢復有密切動態的聯系。例如當供應鏈受到應急事件沖擊時，其脆弱性會隨著時間演化逐步增加，直到運營體系崩潰；而應急事件恢復過程中，由于供應鏈能力有了部分修復，其脆弱性較之前會降低。影響這種動態變化的內在原因是脆弱性形成的指標及指標關聯知識。目前，大多數應急領域的脆弱性研究是從系統風險上思考問題，從知識層面的研究還較少，針對供應鏈所面臨的脆弱性風險的研究大多采用與企業運營風險幾乎相同的方法，從時間、空間和成本三個維度對脆弱性的危害程度建立測量指標體系，在提取特征時沒有把脆弱性和其他運營要素區別對待，在發生應急事件時生成的匯聚指標不魯棒，而且沒有考慮到供應鏈網絡信息空間數據本身的不對稱、分布性等特性，因此使整體輔助決策系統的性能和效率降低。由于牛鞭效應等影響，使得這一問題在多級供應鏈網絡環境下變得更嚴重。因此，如何針對供應鏈所面臨的問題，研究適合應急環境下供應鏈脆弱性指標提取和魯棒高效的處理方法，是我們的突破口。下圖即為脆弱性感知框架，該框架構建在對供應鏈應急情景中多層次異構多維脆弱性數據的基礎上，從感知的層次上由低向高劃分為指標提取、特征評估、態勢匯聚三個部分。

圖1 應急環境脆弱性感知體系

其基本原理如下：

（1）首先對應急環境中脆弱性數據利用現有技術進行采集，得到脆弱性相關的突發事件性質和應急管理層面數據，作為后面處理的對象；其中突發事件性質數據將包括破壞范圍，持續時間等，應急管理層面數據將包括供應鏈信息，資產價值信息，供應鏈受到沖擊后的恢復時間，成本因素等，企業應急預案數據也納入到這一部分；對于涉及外部環境影響數據可以通過應急響應的人、物、管理等幾個維度獲得，外部環境包括供應鏈運營環境、政策環境、制度環境等；脆弱性因子數據主要涉及到資產、服務對業務節點的影響，可參考應急預案獲得；

（2）對于每個層面的脆弱性信息，結合應急事件發展過程，觀察脆弱性數據變化情況，引入演化時間軸，提取時空關聯特征，得到多層面的局部時空對象的特征表述；

（3）然后對這些特征信息進行評估篩選，摒棄權重弱化的特征，保留抗數據污染強的魯棒特征。在特征評估篩選過程中，對特征樣本進行預設定的攻擊，得到特征集和應急環境風險反饋數據集，一并作為后面層級時序記憶（HTM）方法的樣本數據；

（4）利用基于HTM的魯棒態勢匯聚方法，確定HTM網絡的分層結構，將樣本數據轉化為分層結構感知數據，并訓練它。結合應急領域多層面脆弱性特征表達的互補優勢，利用基于半監督學習的HTM魯棒態勢匯聚器，完成樣本數據在空間階段和時間階段的學習，同時得到HTM量化中心數據描述集，存儲到脆弱性態勢知識庫并構建推理索引；

（5）對于態勢感知結果，根據指定時間節點或一段時間段進行基于時空檢驗矩陣運算，對錯誤的系統脆弱性虛警匹配刪除，精練后的結果將被可視化展現；

（6）同時態勢感知的時空檢驗矩陣參數可作為學習訓練各級信息處理層的負反饋輸入，一方面保證態勢感知體系在受到突發事件重創時能自行修復，恢復態勢數據的上行通暢，增加系統整體魯棒性，另一方面，給HTM網絡提供更多的學習數據，使HTM量化中心數據集更加貼近實際［13］。

該體系有以下特點：①對于數據信息的處理可以在線也可以離線，雖然在特征提取時會涉及到一些計算量較大的操作，但兼容離線方式，使得系統響應并不受學習影響；②數據在感知層次上逐級提煉，在保留脆弱因素特征同時并不形成數據的爆炸，極適應不斷增長的大規模數據集的需求。③在數據信息、特征信息、態勢信息、特征篩選、可視化處理等方面，都強調數據的時空關系，有助于形成脆弱性態勢推演，理解應急事件風險演化，有別于已有的脆弱性感知框架。

從區域地質構造環境分析，此區具有類似大型礦集區產布的成礦地質環境、各種成礦因素耦合關系顯著性和礦種多、類型復雜等特征，有較大的礦產資源潛力，有望找到規模大的金、銅礦床。

該框架涉及到的關鍵技術有：基于層級時序記憶（HTM）的脆弱性指標匯聚、脆弱性指標知識庫構建等，下面對這些技術和方法進一步說明。

2.2 基于層級時序記憶（HTM）的脆弱性態勢指標匯聚

HTM（Hierarchical Temporal Memory）是一項對大腦新皮層進行建模的技術［14］。大腦新皮層占了大約75%的人腦的容量，負責所有高層次的理解，包括視覺、聽覺、語言、觸覺等。因為HTM是從生物學中得到的，所以它適合那些對于人類非常容易而對計算機非常困難的工作，例如物體的識別、做出預測、理解語言、在復雜的數據中發現模式等。HTM是一個記憶系統，隨著時間變化，它通過給它的感知數據來學習它的世界，并從數據中抽象出高層的概念。抽象允許HTM網絡來進行一般化，并對于傳統計算機編程處理的嚴格規則提供靈活性和提高效率。例如，在不完整或是模糊不清的數據呈現中，模式能夠被學習并可以被識別出來并儲存。通過組合模式的學習、記憶以及當前的輸入，HTM網絡能夠預測下一步可能發生什么。

HTM網絡的設計首先確定了分層結構的大小與架構，其次為分層結構提供感知數據并訓練它。感知數據來自應急響應場景中的歷史數據。重要的是在分層中，有許多數據用來訓練，而且數據是具有時間這一基本元素。在應急環境脆弱性動態分析中，為了進行有效的學習，都需要通過感知數據在一段時間流逝中來觀察一組模式的學習過程和學習質量。

圖2 基于層級時序記憶（HTM）的脆弱性態勢感知指標匯聚網絡結構

對于一個脆弱性信息處理節點，不管它在HTM分層結構中的位置如何，它的輸入都是一組模式構成的時間序列。如：歸一化處理后：報警系統為3，應急物資為1，應急分工及指揮為1，空間矩陣化為［3，1，1］，圖示為：，在下圖中標識為（a）的第一層節點，它的輸入對應著一個“拐角形”特征描述，如果空間矩陣向右移動一幀，也就是在下一個時刻，它的輸入對應的是一個變化的“拐角形”。這些輸入對于這個節點來說，就是一組由模式數據構成的時間序列。

這個結構由3層構成，數據的輸入在最低層，節點在每個網格里表示，頂層節點用來實現最終的脆弱性態勢匯聚。中間分層節點數指數級擴展，可以有效實現大規模脆弱性信息流的態勢匯聚。圖中輸入的特征矩陣大小為3×3大小，每4個下層特征描述區域與上層一個節點對應，如對于第1層的a和b節點，下層被標記為A和B的特征區域和之對應，同樣的道理，第2層的c和d節點與最下層的C和D特征區域對應。

不同脆弱性信息描述在經過這個節點的可接受區域時觀察得到的一些模式。這個節點的目的是把這些模式進行分組，那些屬于同一事物變體的模式屬于同一組。變體的來源之一就是脆弱性特征與脆弱性觀測標準的相對偏離，另外一個就是隨機噪聲。如果加入的節點能夠將對應于同一個源的變體模式分在同一組，那么這個組就是這個變體的恒定體。就被認為是同一個脆弱特征的匯聚。一旦形成分組，節點就可以產生輸出。

2.3 脆弱性指標知識庫構建

對于左側基于應急情景風險和案例的研究［15-16］，領域內也是一個熱點，涉及范圍也比較大，本文不會重點深入，我們重點探討右側在應急管理領域的知識聚融，包括如何給動態評估提供科學的決策推理數據，以及推理機設計等。

應急領域信息環境復雜，容易發生中斷和信息缺失。針對這種需求，我們需要設計一個結構靈活，易于擴充和能夠動態控制推理策略的推理機系統。

不同于傳統的設計，它不是預先將各個屬性的規則庫以某種格式（如一階邏輯格式）存入知識庫中，而是在需要支持這個屬性的時候將該屬性的推理機注冊到推理協控中心。如對于應急情景下事件的特征屬性，按照傳統專家系統的習慣，首先要將規則轉換為內部格式，然后導入知識庫，而在本系統中，這些規則被封裝在推理機內部，該推理機對目標知識庫施加特征屬性蘊涵的語義操作。

推理機系統設計如圖所示：

圖3 應急響應策略和應急領域脆弱性指標知識庫設計

圖4 結構靈活，易于擴充和能夠動態控制推理策略的推理機

系統分為三個層次，包括下層推理機引擎，中間層的各個規則解析器，最上層的外部知識庫接口，比如是某一描述應急情景的邏輯語言知識庫。這樣的結構設計簡化了系統的開發難度，提高了模塊化程度。系統通過規則解析把脆弱性感知知識轉化為內部格式（使用XML技術來異構表征映射）［17］，然后內部格式的信息通過各種推理機進行處理，這些處理可以是插入、查詢或者是一致性檢查。

我們設計關鍵決策點脆弱性特征屬性都對應一個獨立的推理機，這樣，當這個推理系統要針對某一個具體的應急情景進行推理工作的時候，它只要把該類型異常事件涉及語義推理工作的關鍵詞屬性對應的推理機注冊到動態推理機即可。同時，在推理過程中，如果要動態控制推理工作中是否考慮某個特定的規則（比如傳遞性），通過在動態推理機部分添加或者刪除這個推理機即能實現。

同時設計動態推理機部分中的每個推理機接口滿足系統平臺內部知識庫表示格式，在推理機內部可以使用自己的內部獨立的知識表示形式來表示知識和進行推理，雖然這會增加額外的開銷，同時需要推理機在返回結果的時候把答案表示格式轉換為系統內部統一的格式，但它提供了極強的推理能力擴充的性能。

對于推理算法設計，首先要完成魯棒特征篩選，形成有效的脆弱性特征感知數據源。當量化中心處理過程完成后，推理機切換會到推理模式。在這個模式下，推理機能夠針對每個新的輸入來產生輸出。使用n來表示量化中心的個數，C1，C2…Cn表示每個量化中心，輸出則是一個長度為n的向量，比如［x1，x2，x3，…xn］。比如來一個輸入模式，如果它與哪個量化中心相似，其在對應的位就為1，其它位為0。比如輸入模式與C3最相似，則輸出時［0，0，1，0，…0］。但實際上，這個輸出的向量不是非0即1的表示，而是在量化中心的空間上的一個概率分布，說明輸入模式與對應的量化中心的一個匹配程度。計算步驟如下：

（1）計算輸入的模式和已存在的每個量化中心的歐幾里得（Euclidean）距離D，用Di來表示與第i個量化中心的距離。Di越大，說明匹配程度就越小；

（2）一個輸入模式屬于量化中心i的概率正比于符合規則知識表達公式的值，這里面就用到了上一步的Di，這個是假設下成立。假設是一個輸入模式屬于（或是說匹配）每個量化中心的概率符合歐幾里得的高斯函數分布；

（3）這樣，就向上一層的（應急情景特征接口）提供了輸出，為一個向量，其分量的值是上面提到的輸入模式與每個量化中心匹配的概率值，方便快速找出與相應應急情景最優匹配的輸入模式。

推理機引擎完成了脆弱性信息感知到動態評估決策的聯動，最終形成應急領域的脆弱性指標知識庫。結合前面基于層級時序記憶（HTM）的脆弱性匯聚算法，這種體系可以完成從應急環境脆弱性分析到支撐應急響應決策知識庫整體信息聚融過程，尤其針對大規模動態數據，可以從多個層面（多維）綜合分析。

3 結語

大型運作系統核心能力受損后的應急期間，脆弱性指標呈現多維異構而且動態變化。本文提出基于知識庫構建應急領域脆弱性指標體系的基本思想，通過層級時序記憶方法的引入來解決應急脆弱性指標知識挖掘問題，建立了可動態推理的推理機引擎，給出了推理算法設計原理。

在脆弱性指標匯聚算法中引入層級時序記憶方法，可拓展脆弱性指標分析到多維，可完成突發事件中蘊涵的顯性知識（其性質機理蘊涵事實知識，演化過程蘊涵原理知識）與應急管理中蘊涵的隱性知識（管理體制蘊涵人力知識，應急機制蘊涵技能知識）的綜合分析，并將結果輸出到動態推理機引擎。這種基于知識的匹配，利于計算機表述和理解應急環境脆弱性，是提高決策預案在查準率和查全率上的保證，對應急管理體系有更好的支撐。

［1］于輝，陳劍，于剛.協調供應鏈如何應對突發事件［J］.系統工程理論與實踐，2005，（07）：9-16.

［2］Kannan K，Telang R.Market for software vulnerabilities？Think again［J］.Management Science，2005，51：726-740.

［3］Benth F E，Dahl G，Mannino C.Computing optimal recovery policies for financial markets［J］.Operations Research，2012，60：1373-1388.

［4］張靈，陳曉宏，王兆禮.防洪系統脆弱性的模糊極大熵診斷［J］.系統工程理論與實踐，2011，31（8）：1600-1607.

［5］文鳳華，張阿蘭，戴志鋒，等.房地產價格波動與金融脆弱性：——基于中國的實證研究［J］.中國管理科學，2012，20（2）：1-10.

［6］王守全.基于復合極值理論與故障樹技術的脆弱性分析［D］.上海：上海交通大學，2010.

［7］于輝，陳劍.突發事件下何時啟動應急預案［J］.系統工程理論與實踐，2007，（08）：27-32.

［8］Chopra S，Sodhi M S.Managing risk to avoid supplychain breakdown［J］.MIT Sloan Management Review，2004，46（1）：53-61.

［9］陳興，王勇，吳凌云，等.多階段多目標多部門應急決策模型［J］.系統工程理論與實踐，2010，20（11）：1977-1985.

［10］姜艷萍，樊治平，蘇明明.應急決策方案的動態調整方法研究［J］.中國管理科學，2011，19（5）：104-108.

［11］唐承沛.中小城市突發公共事件應急管理體系與方法［D］.上海：同濟大學，2007.

［12］Eichner T.Mean variance vulnerability［J］.Management Science，2008，54：586-593.

［13］Starzyk J A.Spatio-temporal memories for machine learning：A long-term memory organization［J］.IEEE Transactions on Neural Networks，2009，20（5）：768-780.

［14］Hawkins J.Why can′t a computer be more like a brain？［J］.Spectrum，IEEE，2007，44（4）：21-26.

［15］Carrillo J E，Gaimon C.Managing knowledge-based resource capabilities under uncertainty［J］.Management Science，2004，50：1504-1518.

［16］Tomlin B.On the value of mitigation and contingency strategies for managing supply chain disruption risks［J］.Management Science，2006，52（5）：639-657.

［17］Rakes T R，Deane J K，Rees L P.IT security planning under uncertainty for high-impact events［J］.Omega，2012，40（1）：79-88.

Research on Disruption Area Vulnerability Index Infrastructure based on Knowledge base

XIAO Hai-dong1，2，CHEN Ning3
（1.Shanghai Advanced Research Institute，Chinese Academy of Science，Shanghai 201210，China；2.Sino-Us Globe Logistics Institute，Shanghai Jiaotong University，Shanghai 200030，China；3.School of Information Science and Engineering East China University of Science and Technology，Shanghai 200237，China）

In this paper，vulnerability index infrastructure of disruption area is constructed based on knowledge base theory，to solve the problem that vulnerability of disruption is difficult to be described or understood by computer.Firstly，vulnerability index infrastructure is analyzed based on knowledge base，and vulnerability perception structure is constructed under disruption environment，multiple dimensions vulnerability data source are from multiple levels of supply chain in scene of disruption scenarios，the whole construction processing cover 3 parts：index extraction，features evaluation and situational awareness. Then，vulnerability index knowledge is mined with HTM（Hierarchical Temporal memory）method，which contributes to simplify index description with vulnerability situational awareness.Finally，inference machine design and inference algorithm are given to construct the knowledge base.The research shows that there is close relationship between evolution of disruption events and changes of disruption area vulnerability index infrastructure，with this vulnerability index infrastructure，explicit knowledge contained in disruption events and tacit knowledge contained in disruption management can be dynamically analyzed based on knowledge base.It contributes to manager's decision in recovering disruption with key factors accurately and dynamically，and reducing cost of disruption management，improve response efficiency.

knowledge base；vulnerability；HTM；disruption management

F272.3

A

1003-207（2014）07-0076-06

2012-02-10；

2012-12-30

上海市科學技術委員會資助課題（12ZR1415200）；教育部人文社會科學研究項目青年基金資助項目（10YJCZH180）；國家自然科學基金資助項目（60903186，70732003）；上海市信息安全綜合管理技術研究重點實驗室開放課題（AGK2012008）

蕭海東（1975-），男（漢族），甘肅臨洮人，中科院上海高等研究院，博士，副研究員，研究方向：應急決策、復雜系統態勢分析.