基于大數據的海洋安全治理論析

陳 菲 王 蓉

（1.華中師范大學，湖北 武漢430079）

中國幅員遼闊，海陸兼備，擁有廣泛的海洋戰略利益。黨的十八大報告中首次提出“建設海洋強國”的戰略目標，報告中明確強調：“提高海洋資源開發能力，發展海洋經濟，保護海洋生態環境，堅決維護國家海洋權益，建設海洋強國”。①“胡錦濤在中國共產黨第十八次全國代表大會上的報告”，人民網，2012年11月8日，http：／／cpc.people.com.cn／n／2012／1118／c64094-19612151-1.html。黨的十九大則進一步提出“堅持陸海統籌，加快建設海洋強國”。“陸海統籌”這一新的海洋管理理念和“加快”二字體現出了新時代海洋事業發展的新要求。②孫悅民、張明、張慧鑫著：《中國南海海島行政價值觀的歷史演進與現實選擇研究》，中國經濟出版社，2019年版，第185頁。十九屆五中全會審議通過的《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》再次提到“堅持陸海統籌，發展海洋經濟，建設海洋強國”，凸顯了海洋在新時代中國特色社會主義事業發展全局中的突出地位和作用。③“中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議”，《人民日報》，2020年11月4日。

2019年4月23日，習近平總書記在會見應邀出席中國人民解放軍海軍成立70周年多國海軍活動的外方代表團團長時指出：“我們人類居住的這個藍色星球，不是被海洋分割成了各個孤島，而是被海洋連結成了命運共同體”，海洋命運共同體的概念被首次提出。習近平總書記還指出“各國人民安危與共。海洋的和平安寧關乎世界各國安危和利益，需要共同維護，倍加珍惜”。①李學勇、李宣良、梅世雄：“習近平集體會見出席海軍成立70周年多國海軍活動外方代表團團長“，人民網，2019年4月23日，http：／／politics.people.com.cn／n1／2019／0423／c1024-31045279.html。作為國際交往的大通道和人類可持續發展的戰略資源寶庫，海洋在當今世界經濟、政治、社會等領域的地位與作用越來越突出，海洋安全也有了更加深刻的含義。作為國家安全的重要組成部分，同時也作為世界安全的重要一環，海洋安全不僅對國家總體安全目標的實現具有重要意義，而且對維護世界和平與發展也有著舉足輕重的作用。然而，海上安全態勢日趨復雜，傳統安全與非傳統安全問題相互交織，使中國的海洋安全治理面臨巨大挑戰。在大數據時代背景下，充分挖掘并發揮海洋大數據的巨大價值，利用海洋大數據助力海洋安全治理，為維護海洋權益、發展海洋經濟、保護海洋生態提供優質的信息服務和決策支持，是建設海洋強國、構建“海洋命運共同體”、堅持陸海統籌的必經之路。

一、大數據與國家安全治理

在過去的十幾年中，“大數據”已經成為學術界、專業界和媒體中無處不在的流行語，所謂的大數據是指：“無法用常規軟件在規定時間內進行收集、操作、處理和加工的數據集，”②“Big Data，”Wikipedia，https：／／en.wikipedia.org／wiki／Big_data，訪問時間：2021年3月3日。“是海量、高速和多樣化的信息資產，它需要新型的處理方式去促成更強的決策力、洞察力和流程優化能力”。③“Big Data，”Gartner Glossary，http：／／www.gartner.com／itglossary／big-data／，訪問時間：2021年3月3日。易卜拉欣·阿巴克·塔吉奧·哈什姆（Ibrahim Abaker Targio Hashem）等人則認為大數據是一系列技術，以新的整合形式從多樣化、復雜和大規模的大型數據集中發現巨大的隱藏價值。④Ibrahim Abaker Targio Hashem，Ibrar Yaqoob，Nor Badrul Anuar，“The Rise of‘Big Data’on Cloud Computing：Review and Open Research Issues，Information Systems，Vol.47，2015，pp.98-115.因此可以從兩個層面對大數據加以理解，即狹義和廣義。狹義的大數據可以理解為“體量異常龐大、結構復雜，以至于傳統數據處理技術難以應對的數據集”；廣義的大數據則可以將獲取、傳輸、存儲、處理、分析和應用狹義的大數據的方法、技術和模式也包含在內。⑤吳江、張小勁：“大數據國際政治研究的回顧與展望”，《華中師范大學學報（人文社會科學版）》，2016年第4期，第1-10頁。大數據的特征通常被概括為“5V”，即Volume（海 量）、Variety（多 樣）、Velocity（高 速）、Veracity（真實）及Value（價值）。⑥Samuel Fosso Wamba，Shahriar Akter，Andrew Edwards，“How‘Big Data’Can Make Big Impact：Findings from a Systematic Review and a Longitudinal Case Study，”International Journal of Production Economics，Vol.165，2015，pp.234-246.

維克多·邁爾·舍恩伯格（Victor Mayer-Schonberger）指出，大數據正在改變我們的生活以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄勢待發。⑦［英］維克托·邁爾·舍恩伯格，［英］肯尼思·庫克耶著，盛楊燕、周濤譯：《大數據時代生活、工作與思維的大變革》，浙江人民出版社，2013年版，第1頁。其與肯尼思·庫克耶（Kenneth Cukier）在《外交事務》雜志2013年5月／6月號上發表的《大數據的崛起》一文被視為國際關系學界對大數據予以重視的標志。⑧陳菲：“大數據時代背景下的國家安全治理”，《國際觀察》，2016年第3期，第42-52頁。2014年，大衛·魯賓（David Rubin）等人發表了“利用大數據保障國家安全”一文，文章認為大數據及其分析可以幫助政府和相關組織更好地解決公共衛生問題，提前洞察社會、政治、經濟變化以確保經濟、政治、網絡安全，從而，加強國家安全，從此大數據在國家安全中的應用受到學術界的廣泛關注。⑨David Rubin，Kim Lynch，Jason Escaravage，“Harnessing Data for National Security，”SAIS Review of International Affairs，Vol.34，No.1，2014，pp.121-128.

在全球大數據急速增長的同時，海洋大數據也實現了爆炸式增長，這標志著海洋也已進入大數據時代。海洋大數據是大數據技術在海洋領域的科學實踐，是在大數據的理論指導和技術支撐下的價值實現。①侯雪燕、洪陽、張建民等：“海洋大數據：內涵、應用及平臺建設”，《海洋通報》，2017年第4期，第361-369頁。海洋大數據兼具大數據的普遍特征與自身特點，當前各類海洋觀測計劃覆蓋全球幾乎所有大洋，進行著各類周期性、實時性的數據采集，海洋大數據體量不斷增長，目前其總體量已達到EB級。②Jonathan T.Overpeck，Gerald A.Meehl，Sandrine Bony，“Climate Data Challenges in the 21st Century，”Science，Vol.331，No.6018，2011，pp.700-702.海洋大數據囊括了海洋水文、海洋化學、海洋地質、海洋氣象和海洋生物等類數據，類型豐富多樣，蘊含著巨大的價值，可以轉化為豐富的信息，供人們學習、開發和保護海洋。但由于海洋系統十分龐雜且呈非線性特征，時空尺度差異大，因此海洋大數據除了擁有大數據的一些基本特征以外，還呈現出時空性、異構性、敏感性等特點。時空性是指海洋現象不僅存在于一定的空間范圍內，還在時間上具有一定的持續性，絕大部分區域相近的空間位置及時間點都具有相同或相近的物理屬性，這也將導致海洋大數據存在一定的冗余性。異構性源于海洋大數據的多源采集與應用目的的不同，主要表現為系統異構，即數據生產所依賴的觀測系統存在顯著差異；模式異構，即數據的邏輯結構或組織方式不同。敏感性是指海洋數據中包含大量機密敏感數據，如大比例尺的海島暗礁、近海岸線數據等，需要采取數據安全保障措施。③劉帥、陳戈、劉穎潔等：“海洋大數據應用技術分析與趨勢研究”，《中國海洋大學學報（自然科學版）》，2020年第1期，第154-164頁；黃冬梅，鄒國良等編著：《大數據技術與應用：海洋大數據》，上海科學技術出版社，2016年版，第82頁。以上特點使得海洋大數據在具有充分挖掘價值的同時面臨著處理、分析與共享的困難。作為建設智慧海洋、海洋強國與構建“海洋命運共同體”的基本技術依托，海洋大數據毋庸置疑地成為經略海洋的必然選擇，充分發揮海洋大數據在海洋安全治理中的重要作用機遇與挑戰并存，需要明確現狀、冷靜應對、迅速行動、突破關鍵技術。

二、大數據在海洋安全治理中的應用

當前，海洋安全已經發展成為一個集水上、水下、海底等多維的立體概念，作為一個瀕海國家，中國大陸海岸線總長18 000多千米，島嶼岸線14 000多千米，面積在500平方米以上的沿海島嶼6961個。④國家海洋局海洋發展戰略研究所課題組編：《中國海洋發展報告》，海洋出版社，2007年版，第15頁。中國海上鄰國眾多，且除渤海外，中國與其他國家在黃海、東海、南海海域均有島嶼主權爭端或海洋劃界紛爭。此外，海上恐怖主義、海洋氣象災害等海上非傳統安全也日趨嚴峻。無論是島嶼歸屬、海域劃界、軍事威脅、航道安全還是海洋生態等問題，都會給中國的海洋安全帶來巨大威脅。而大數據時代的到來，或將為以上安全威脅的治理帶來新的機遇。

2.1 大數據在海洋傳統安全治理中的應用

在傳統的軍事和政治安全治理方面，海洋大數據正得到廣泛應用。輔之以其他智能技術手段，海洋大數據正推動傳統海戰模式向智能化轉變，這不僅能極大地提升海上作戰與防御能力，還能為中國與周邊海上鄰國的海區劃界談判工作提供詳實的海區地理資料，助力維護中國海洋權益。

首先，可以更全面、及時地收集與分析海洋軍事情報。大數據時代的海上作戰將需要通過獲取信息優勢來獲得作戰優勢。早在2014年，美國海軍研究辦公室（ONR）就發布了《海軍作戰計劃及其實施的先進分析方法和數據科學》白皮書，旨在發展和完善一個全新且強大的海軍大數據生態系統，識別、獲取和索引與海軍作戰任務相關的數據源，通過新的方式利用數據來獲取潛在價值。⑤“Advanced Analytics and Data Science for Naval Warfare Planning and Execution，”Office of Naval Research，Department of the US Navy，ONRBAA 14-009，http：／／www.onr.navy.mil／～／media／Files／Funding-Announcements／BAA／2014／14-009.ashx，訪問時間：2021年3月3日。在眾多的海軍作戰數據源中，情報數據至關重要。正如薩那坦·庫什雷斯塔（Sanatan Kulshrestha）所言：“信息和情報對軍隊的重要性來自這樣一個事實，即它是和平或戰爭中任何軍事行動的基礎。”⑥Sanatan Kulshrestha，“Big Data in Military Information＆Intelligence，”Social Science Electronic Publishing（2016）.大數據的出現使得海洋軍事情報的收集呈現“數據驅動”特征，傳統的情報收集一般由政策制定者向情報管理者表達情報需求后，再進行有針對性地情報收集工作。大數據分析則通過異常檢測和關聯算法在龐大的數據集中辨別一般趨勢和異常，從而發掘潛在情報，推動情報需求。與此同時，無所不在的數據也使得情報獲取的來源更廣，極大地擴充了海洋軍事情報挖掘的內容，也豐富了海洋軍事情報的分析手段。例如，吳少飛、劉軍等人將數據挖掘技術引入網絡軍事情報分析，構建基于數據挖掘的軍事情報分析模型，使軍事情報分析系統能夠自動分析網絡上的數據和信息，并提取潛在的有價值的綜合情報知識，①Shaofei Wu，Jun Liu＆Lizhi Liu，“Modeling Method of Internet Public Information Data Mining Based on Probabilistic Topic Model，”The Journal of Supercomputing，Vol.75，No.9，2019，pp.5882-5897.從而提高開放網絡環境下軍事情報分析的效率，極大地豐富并發展了軍事情報分析方法。

其次，能有效提升海上作戰任務的完成率。一方面，大數據技術和分析方法在一定程度上會推動傳統的海戰模式向“智能化”轉變。傳統的海上作戰環境嚴酷，戰場遠離陸地，后方補給、支援路途遙遠，且需要防范來自水下、水面、空中的各種威脅，作戰難度大。依托大數據技術和智能化裝備，形成自主或半自主的作戰模式，能減少參戰人員，提高指揮控制敏捷度，也能更大程度保存作戰實力。②張海、陳小龍、張財生等：“人工智能時代智能化海戰模式”，《科技導報》，2019年第12期，第86-91頁。另一方面，能有效預防并減少海戰場環境因素帶來的不利影響。海戰場環境是影響海上作戰能力的重要因素。就現代海戰而言，掌控海洋環境參數與掌握敵情態勢同等重要，通過收集大量的海洋大數據進行海戰仿真系統建模，能不斷增強軍事裝備及作戰人員應對復雜多變的海戰場環境的能力，從而提升作戰能力。

最后，能為海區劃界談判提供地理資料支持。如前所述，中國作為一個瀕海國家，與韓國、日本、馬來西亞、菲律賓、文萊、越南和印度尼西亞等7個國家都存在著劃分專屬經濟區和大陸架邊界的紛爭。海域劃界一直是一個十分敏感的問題，因為涉及永久性的國家主權和海洋利益，各國歷來也高度重視，并圍繞海域劃界產生過沖突。因此，為避免與上述國家在解決海域邊界問題時因疏漏和差錯產生不必要的沖突，維護海上作業環境穩定，對海域劃界技術和方法的研究與改進變得非常重要。

傳統的海域劃界技術主要依賴手工地圖量算工具，進入大數據時代后，海域劃界主要采用地理信息系統（以下簡稱GIS）技術，GIS的空間數據管理功能可以對劃界方案等各種數據進行可視化處理；基于GIS軟件平臺可以較為容易地實現點對點、點對岸線、點對基線的距離測量。這不僅能減少人工測量的誤差，還能有效節省勞動力，提高工作效率。利用新技術、新裝備對中國中近海區，特別是近鄰周邊國家的海區進行精確測量，積累大量數據，也能在一定程度上為中國的海區劃界談判工作提供詳細、可靠的海區地理資料。

2.2 大數據在海洋非傳統安全治理中的應用

（1）防范應對海上恐怖主義

恐怖主義一直都是人類發展面臨的全球性安全威脅之一，根據《2020全球恐怖主義指數報告》（Global Terrorism Index 2020，GTI），2019年因恐怖襲擊而死亡的人數仍是2001年的近兩倍。③“Global Terrorism Index 2020，”Institute for Economics＆Peace，November 2020，http：／／visionofhumanity.org／reports，訪問時間：2021年3月3日。同樣，海上恐怖主義活動也一直是海洋安全的一項重大威脅。國際商會國際海事局（ICC-IMB）發布的《2020年海盜和武裝搶劫年度報告》（《2020 World-Wide Incidents of Piracy and Armed Robbery Against Ships》）顯示，2020年全球共發生195起海上襲擊和持槍搶劫事件，較2019年發生的162起有所增加。④“ICC-IMB Annual Report：2020 World-Wide Incidents of Piracy and Armed Robbery Against Ships，”Maritimecyprus，January 17，2021，https：／／www.maritimecyprus.com／2021／01／17／icc-imbannual-report-2020-world-wide-incidents-of-piracy-and-armedrobbery-against-ships／.在這195起襲擊事件中有97起發生在亞洲海域，占比近50%，且多分布在中國主要遠洋航線上。①“Piracy and Armed Robbery Against Ships in Asia Annual Report January-December 2020，”Information Sharing Centre，https：／／www.recaap.org／resources／ck／files／reports／annual／ReCAAP%20ISC%20Annual%20Report%202020%20v1（1）.pdf.作為恐怖主義的一個分支，海上恐怖主義正與海盜行為逐漸融合，變得日益嚴峻與復雜。

一方面，如上所述，利用大數據挖掘和大數據可視化等技術可對發生在全球范圍內的恐怖襲擊事件進行統計，并將其分布與發展趨勢直觀地展現出來。陳沖和龐珣就利用大量事件數據和GIS技術，以0.5×0.5經緯度作為分辨率對恐怖襲擊的時空規律進行把握，并把恐怖襲擊的地理定位“疊加”（Overlay）在時空網格上，以便精準觀察恐怖襲擊的時空規律。②陳沖、龐珣：“非洲恐怖襲擊時空規律的大數據分析——基于GIS技術和分離總體持續期模型”，《外交評論（外交學院學報）》，2020年第2期，第121-154頁。這有利于掌握恐怖襲擊發生的實時態勢、時空分布，從而在恐怖襲擊高發區加大管控，投入更多的兵力、警力加以防范。另一方面，恐怖主義組織的人員招募、資金籌集等活動都必須利用互聯網來完成，這也會在互聯網平臺上留存很多元數據，通過收集大量的交通出行或財務記錄等數據，研究人員可以將這些點聯系起來，從而甄別出可疑人員。③Yasmin Tadjdeh，“Big Data Helping to Pinpoint Terrorist Activities，Attacks”（UPDATED），April 1，2015，https：／／www.nationaldefensemagazine.org／articles／2015／4／1／2015april-big-datahelping-to-pinpoint-terrorist-activities-attacks-updated.米歇爾·法爾（Michel Farr）等人就使用結構鏈路預測方法（Structural Link Prediction）檢測在特定社會網絡中的潛在社會關系，從而協助識別隱藏在社交網絡中的恐怖分子。④漆海霞：“大數據與國際關系研究創新”，《中國社會科學》，2018年第6期，第163頁。此外，不少學者正在致力于研究和開發預測恐怖襲擊活動的大數據模型，弗賴肯·阿齊茲（Furqan Aziz）、馬爾萬·馬哈穆德（Marwan Mahmoud）等人利用全球恐怖主義數據庫（the Global Terrorism Database，下文簡稱GTD）數據，基于神經網絡（Neural Network，簡稱NN）和深度神經網絡（Deep Neural Network，簡稱DNN）建立了五個不同的模型來理解和預測恐怖活動，實驗結果表明，基于DNN的模型的預測精準度超過了95%，充分證明DNN是一個適合用來預測恐怖活動行為的模型。⑤M.Irfan Uddin，Nazir Zada，Furqan Aziz，Yousaf Saeed，Asim Zeb，Syed Atif Ali Shah，Mahmoud Ahmad Al-Khasawneh and Marwan Mahmoud，“Prediction of Future Terrorist Activities Using Deep Neural Networks，”Complexity，Vol.2020，2020，pp.1-16.這使得政府和執法機構能夠更好地了解恐怖主義的因素，并在恐怖活動實際發生之前設計應對恐怖活動的策略。

盡管海上恐怖主義活動的暴發頻次遠遠比不上陸上恐怖主義活動，且目前大多數研究仍聚焦于防范和應對陸上恐怖主義。但是已有的利用大數據技術和分析方法進行暴恐分子甄別、恐怖襲擊預測等研究能為海上反恐提供良好借鑒。當前，海上恐怖主義正呈現出與海盜活動等海上非法行為的融合趨勢，這更需要充分挖掘海洋大數據在應對海上恐怖主義活動中的潛在價值，借助大數據技術和分析方法提升海上反恐能力，提升海洋安全系數。

（2）保障遠海航行

在經濟全球化的今天，全球90%的貿易運輸都經過海洋。⑥鄭海琦、胡波：“科技變革對全球海洋治理的影響”，《太平洋學報》，2018年第4期，第37頁。越來越多的船只開始進入遠離人類大陸、環境惡劣的遠洋航行，航行海船船員的規模也在不斷擴大。僅2019年，中國新增注冊國際航行海船船員就有29 946人，同比增長5.5%。⑦“2019年國際航行海船船員隊伍規模與結構”，中華人民共和國海事局，2020年6月25日，https：／／www.msa.gov.cn／html／xxgk／tjsj／cysj／20200625／BCEC8F00-BD6F-40AE-9C4A-7026132 E7B75.html。因此，加大遠洋航行船只、船員的安全保障十分重要，海洋大數據的出現，使得人類進入遠洋航行的安全系數得以提升。

船舶碰撞事故因其多發性和災害性而一直是安全航行研究的重點，在這方面自動識別系統（下文簡稱AIS）數據發揮了很大作用。例如，李連博等人根據AIS信息中提取和分析的相關數據，通過高風險海域多目標、多層次、模糊優化模型的仿真計算，構建了一個包含船舶交通量、船舶密度及其分布、船速及其分布、船舶間距、船舶航跡、遭遇率等參數在內的決策模型（多目標、多層次、模糊優化模型），能預估出船舶碰撞風險，同時也為船舶定線系統設計、搜救地點布置、救援力量配置和航行安全管理提供決策參考。①Lianbo Li，Wenyu Lu＆Jiawei Niu，“AIS Data-Based Decision Model for Navigation Risk in Sea Areas，”Journal of Navigation，Vol.71，No.3，2018，pp.664-678.日本學者福田（Fukuda）等人利用1年的AIS海嘯監測數據，采用基于氣體模型（Gas）和障礙區目標（OZT）對海上交通狀況進行了分析，可用來識別和評估船舶碰撞的高風險區域。②Fukuda G.＆Shoji R.，“Development of Analytical Method for Finding the High Risk Collision Areas，”TransNav：International Journal on Marine Navigation and Safety of Sea Transportation，Vol.11，2017，pp.531-536.通過大數據技術對航道進行規劃也能在很大程度上降低船舶碰撞的風險。路線規劃中最常用的方法是啟發式算法（如進化算法和蟻群優化）。劉釗等人認為遺傳算法和粒子群算法這兩種基于啟發式的優化技術在路線規劃中有其特有的優勢，為了提高受限水域航運路徑規劃的準確性，他們提出了一種融合遺傳算法和粒子群算法的混合啟發式算法，實驗結果表明這種混合啟發式算法使路線規劃的精確度大大增加。③Zhao Liu，Jingxian Liu＆Feng Zhou，“A Robust GA／PSOHybrid Algorithm in Intelligent Shipping Route Planning Systems for Maritime Traffic Networks，”Journal of Internet Technology，Vol.19，No.6，2018，pp.1635-1644.在多船相遇的情況下，為避免船只碰撞，一般會采取分布式局部搜索算法（DLSA）和分布式禁忌搜索算法（DTSA），這兩種算法的缺陷是船只相遇避碰需要收集大量信息，在緊急情況下仍然無法快速應對。金東云（Donggyun Kim）等人則引入了分布式隨機搜索算法（DSSA），由此使得每艘船在收到目標船的所有意圖后，可以立即改變航道。④Donggyun Kim，Katsutoshi Hirayama＆Tenda Okimoto，“Distributed Stochastic Search Algorithm for Multi-ship Encounter Situations，”Journal of Navigation，Vol.70，No.4，2017，pp.699-718.

在極地航行中，大數據也發揮著重要作用。例如，2014年1月中國“雪龍號”極地考察船（簡稱“雪龍”號）在南極冰海救援被困的俄羅斯“紹卡利斯基院士”號時，由于氣象條件突變導致海冰快速聚集使得其自身被困。在國內業務部門和有關科研單位等多部門的協同努力下，通過綜合快速地分析衛星遙感數據、氣象海洋數據等，最終指導“雪龍”號成功脫困，成為海洋大數據指導極地航行船只脫困的典型案例。⑤侯雪燕、洪陽、張建民等：“海洋大數據：內涵、應用及平臺建設”，《海洋通報》，2017年第4期，第361-369頁。隨著極地生態環境和自然情況的變化，海洋生態環境與生態系統也發生了巨大改變，從而產生系列連鎖反應，對林業、農業、海洋漁業等產生不利影響。⑥“《中國的北極政策》白皮書（全文）”，中華人民共和國國務院新 聞辦公室，2018年1月26日，http：／／www.scio.gov.cn／zfbps／32832／Document／1618203／1618203.htm。極地地區無疑將具有越來越重要的戰略意義，俄羅斯、加拿大、美國和芬蘭等國家都十分重視北極冰域船舶航行的安全，如加拿大學者費薩爾·汗（Faisal Khan）等人就利用貝葉斯網絡數據挖掘算法構建了一個北極水域運輸事故風險評估模型。⑦Bushra Khan，Faisal Khan，BrianVeitch＆MingYangab，“An Operational Risk Analysis Tool to Analyze Marine Transportation in Arctic Waters，”Reliability Engineering＆System Safety，Vol.169，2018，pp.485-502.作為一個“近北極國家”，無論是在極地考察與極地治理，還是在北極水域運輸方面，大數據及其技術對于中國來說都不可或缺。

除此之外，極端天氣也是影響船舶航行安全的重要因素。王冬梅、盧峰等人則通過船舶行為與異常天氣的回放來構建極端天氣條件與船舶密度變化的算法預測模型，根據對大量樣本的學習、預報和檢驗，得到災害天氣情況下的船舶行為預測，為海上防災預警、港口泊位管理與指揮調度等應用提供信息支撐。⑧王冬海、盧峰、方曉蓉等：“海洋大數據關鍵技術及在災害天氣下船舶行為預測上的應用”，《大數據》，2017年第4期，第81-90頁。

（3）加強海洋漁業安全風險防控

海洋漁業作為海洋經濟的支柱產業之一，在海洋經濟中占有較大份額。但海洋漁業的發展仍面臨著海洋災害、非法捕撈等問題，對漁民人身安全及漁業的可持續發展造成一定威脅。

2018年12月，上海海洋大學“數字海洋”團隊緊跟大數據的關鍵前沿技術，通過對多形態、高維度、強時空關聯等復雜海洋大數據的有效挖掘，研發了涵蓋海洋災害數據全生命周期、海洋環境態勢監測、專項服務與公眾服務一體化的智能服務平臺，實現海洋災害的快速準確預警預報和輔助決策。該服務平臺采用新的信息獲取技術——基于時空序列模式挖掘和機器學習的海洋災害信息獲取技術，實現了數值預報方案人機交互式編制與多套預報方案的優化遴選，將海洋預報作業周期由數小時提高到準實時級，為解決海洋災害預見期前信息獲取難的問題提供了新方法。①郜陽：“上海海洋大學‘數字海洋’團隊研發智能服務平臺駕馭大數據準實時預警海洋災害“，新民網，2018年12月24日，http：／／newsxmwb.xinmin.cn／kechuang／2018／12／24／31469282.html。過度捕撈會對海洋生態系統安全帶來巨大威脅，因此，一些研究探討了利用AIS數據監測非法、未報告和無管制捕撈活動的潛力。盛凱等人采用邏輯回歸模型，利用從船舶軌跡中提取的特征來構造船舶分類器，給出了基于真實AIS數據建立漁船和貨船分類模型的實例②Kai Sheng，Zhong Liu＆Dechao Zhou，“Research on Ship Classification Based on Trajectory Features，”Journal of Navigation，Vol.71，No.1，2018，pp.100-116.，可以很好地解決漁船和貨船在沿海地區的分類問題，在分類的基礎上對漁船的活動進行密切監測。米歇爾·維塞（Michele Vespe）等人則提出了一種方法，通過從AIS數據中提取捕魚活動，繪制歐盟的捕魚足跡（即捕魚面積和強度）。③Michele Vespe，Maurizio Gibin，Alfredo Alessandrini，Fabrizio Natale，Fabio Mazzarella＆Giacomo C.Osio，“Mapping EU Fishing Activities Using Ship Tracking Data，”Journal of maps，Vol.12，No.sup1，2016，pp.520-525.

此外，大數據技術和分析方法還能在漁情漁場的預報方面發揮作用，如預報漁期、漁場、魚群數量和質量以及可能達到的捕獲量等。這類研究主要通過對海洋水溫、海洋葉綠素濃度等影響魚類分布的海洋環境要素進行監測和分析，從而判斷魚類的分布密度。④侯雪燕、洪陽、張建民等：“海洋大數據：內涵、應用及平臺建設”，《海洋通報》，2017年第4期，第361-369頁。這能有效縮短漁民出海時間，提高捕魚效率，實現精準作業，因而在一定程度上降低安全事故的發生概率。

（4）助力海洋環境治理

“海洋是人類社會發展的重要自然領域，是世界各國利益交匯的社會空間。”⑤Jie Zheng，Ruifeng Luo，“The Path Research of Improving Ocean Discourse Power，”Design Engineering，Vol 2020：Issue 9，p.335.隨著人類生存空間和活動范圍不斷向海洋拓展，海洋生態環境也面臨著前所未有的挑戰。現階段，塑料造成的海洋污染是一個日益嚴峻的全球性問題。約有一半的塑料碎片密度低于海水，因此這種漂浮的污染物要么聚集在亞熱帶環流的中心，要么被沖上海岸和海灘。數據顯示，全球192個沿海國家每年向海洋輸入的海洋垃圾大約在500萬～1200萬噸。如果不及時采取減少塑料污染的策略和方法，到2040年塑料污染將增加兩倍。⑥Fanny Chenillat，Thierry Huck，Christophe Maes，Nicolas Grima，Bruno Blanke，“Fate of Floating Plastic Debris Released along the Coasts in a Global Ocean Model，”Marine Pollution Bulletin，Vol.165，April 2021，p.1.據估計，按當前海洋垃圾的傾倒速度，到2050年，全球海洋垃圾的總重量甚至會超過海洋魚類的總重量。⑦Nitin Agarwala，“Managing Marine Environmental Pollution Using Artificial Intelligence，”Maritime Technology and Research，Vol.3，No.2，2020，p.121.海洋將成為一個“塑料世界”。此外，海洋溢油事故、海水富營養化、海水酸化等都給海洋環境和生物安全造成了嚴重威脅，海洋環境的治理與保護已刻不容緩。

在處理海洋塑料垃圾方面，西方已經有不少國家致力于利用人工智能和大數據技術進行海洋廢棄物識別。2020年4月，英國人工智能團隊報告了一種能檢測海洋環境中大塑料（大于5毫米）漂浮垃圾帶的新方法。研究人員利用歐洲空間局“哨兵2”號衛星數據，訓練機器學習算法將塑料從其他材料中區分出來，平均準確率達86%，局部區域最高達到了100%。⑧張夢然：“新AI算法能監測全球海洋塑料垃圾”，中華人民共和國國家互聯網信息辦公室，2020年4月23日，http：／／www.cac.gov.cn／2020-04／24／c_1589274584553968.htm。同時，也有許多國家開發出用以識別和上報海洋廢棄物的應用程序，比如美國研發的Marine Debris Tracker、歐洲環境署研發的Marine Litter Watch，以及加拿大研發的Coastbuster等程序。這些程序可供大眾下載、上傳和報告具有潛在危險性的海洋垃圾，通過信息共享和數據分析，從而對海洋垃圾進行分類識別和處理。①Nitin Agarwala，“Managing Marine Environmental Pollution using Artificial Intelligence，”Maritime Technology and Research，Vol.3，No.2，2020，p.128.2017年5月，中國船舶重工集團公司第七〇五研究所聯合國家海洋局，共同開發的國內首款海洋環境大數據系統——“西西海洋”海洋環境預報及儀器共享平臺也正式上線運行。該系統可以對海洋近岸海水環境進行預報，對海水污染進行實時監控預報，滿足公眾對海洋健康產業關注。同時整合了國內主要海洋企業的環境試驗能力，可以實時為海洋裝備研發企業提供產品測試環境、技術指導、試驗配套等方面的服務。②沈謙、杜興民：“七〇五所開發國內首款海洋環境大數據系統成功上線”，中國青年網，2017年5月21日，http：／／news.youth.cn／jsxw／201705／t20170521_9829287.htm。識別海洋垃圾后，就是對其進行清除。在海洋垃圾的清除工作中，人工智能與大數據技術同樣也發揮著重要作用。例如，荷蘭非營利組織凈洋衛士（The Ocean Cleanup）研發推出了一個海洋清潔系統，該系統使用算法來幫助識別移除系統的最佳部署位置，同時會自動在指定區域中收集垃圾，采集器的運行和功能將通過實時遙測技術監控。該系統的規模和數量可以擴大，幾經修改換代，該系統已距清除海洋中高達90%的塑料碎片的目標越來越近。③Rachael Meyer，“The Ocean Cleanup Successfully Collects Ocean Plastic，Aims to Scale Design，”MONGABAY，October 28，2019，https：／／news.mongabay.com／2019／10／the-ocean-cleanupsuccessfully-collects-ocean-plastic-aims-to-scale-design／.

對于監測海洋溢油與海水水質變化等問題，也有不少學者探索了基于大數據的識別模型。在過去的二十年里，已經開發了許多基于傳統機器學習（ML）的合成孔徑雷達溢油檢測分類算法，如線性模型、人工神經網絡、貝葉斯分類器等。④Kan Zeng and Yixiao Wang，“A Deep Convolutional Neural Network for Oil Spill Detection from Spaceborne SAR Images，”Remote Sensing，Vol.12，No.6，2020，p.1015.溢油事故經常發生在海洋環境復雜的區域，往往難以及時進入污染區監測和清潔，需要持續觀察數日甚至是數月才能研究其擴散情況以及評估其對環境安全的具體影響。由于合成孔徑雷達是基于衛星的，對偏遠地區的監測也可以在沒有人為干預的情況下進行，實現了遠程識別溢油，在有效處理溢油方面領先一步，從而盡量降低溢油對人類和海洋生物的危害。同時，這類系統也可以在一定程度上輔助監測造成海洋污染的非法傾倒行為。此外，海水富營養化、海水酸化等問題日益嚴重，并引發連鎖反應，直接威脅到生態平衡與全球氣候變化。阿迪爾·哈米德（Aadil Hamid）等人通過層次聚類方法分析監測數據的時空變化，驗證了水質監測和聚類分析在水質預測中的效果。⑤Aadil Hamid，Salim Aijaz Bhat，Sami Ullah Bhat＆Arshid Jehangir，“Environmetric Techniques in Water Quality Assessment and Monitoring：A Case Study，”Environmental Earth Sciences，Vol.75，No.4，2016，p.321.雅妮絲·德爾普拉（Ianis Delpla）等人則利用數據挖掘技術設計了飲用水源監測預警系統，通過基于時間序列的濁度趨勢分析建立了人工神經網絡模型，驗證了該模型在調查流域平均濁度預測中的有效性。⑥Ianis Delpla，Mihai Florea＆Manuel J.Rodriguez，“Drinking Water Source Monitoring Using Early Warning Systems Based on Data Mining Techniques，”Water Resources Management，Vol.33，No.1，2019，pp.129-140.林海夏等人則利用數據挖掘中的K-means聚類技術快速識別水污染類型，提出了分類精度更高的“判別”概念。結果表明，在基于判別的K均值聚類分析下，重金屬污染物和苯酚苯胺污染物的檢測率分別為94.7%和97.8%，海水污染物的總分類準確率達到96.3%。⑦Haixia Lin，Jianhong Cui＆Xiangwei Bai，“Feature Extraction of Marine Water Pollution Based on Data Mining，”Symmetry，Vol.13，No.2，2021，p.355.

人工智能與大數據技術可以科學、準確地對各類海洋環境進行監測并進行數據收集，迅速發現海洋環境問題，有利于提升海洋環境治理的效率，加速海洋環境問題的解決進程。在重視利用人工智能與大數據技術的同時，必須意識到海洋的和平安寧關乎世界各國安危和利益，需要各國共同維護。這也意味著，海洋治理的國際合作必不可少，海洋大數據的國際共享也是大勢所趨。

三、局限與挑戰

在海洋安全治理邁向數據時代的同時，也必須認識到，當前仍然面臨著大數據存儲、分析、質量控制、大數據安全及共享等方面的挑戰。

3.1 海洋大數據的存儲、分析及質量控制尚存技術瓶頸

大數據的指數級增長的確意味著大數據的規模更加龐大，但這并不完全意味著可用的大數據也在隨之增加。相反，大數據的急劇增長會給數據存儲和分析帶來巨大挑戰，這是普遍面臨著的現實困境。據估計，研究者們用來收集和轉換數據的時間占了80%，而只剩下20%的時間用來做數據的分析與處理。①James G.Kallimani，“The Challenges of Digitisation and Data Analysis in the Maritime Domain，”Maritime Affairs（New Delhi，India），Vol.14，No.1，2018，pp.36-50.而且海洋數據所具有的復雜化、碎片化、異構性、敏感性等特征也給其存儲和分析增加了難度，它對存儲空間的可擴展性、存儲系統與模型的多樣性都提出了更高的要求。同時多源異構的海洋數據數量龐大、格式不一、質量不高，這便需要其分析技術更快速，才能滿足海洋數據的實時性要求，這對機器的硬件條件以及算法模型的改進都提出了挑戰。②黃冬梅、趙丹楓、魏立斐等：“大數據背景下海洋數據管理的挑戰與對策”，《計算機科學》，2016年第6期，第17-23頁。當前，中國在數據存儲管理及挖掘方面仍處于跟跑階段。

此外，大數據的質量也極其重要。從數據的獲取、存儲，一直到數據共享、維護、應用、消亡的整個過程中，大數據都可能被污染，從而導致研究結果出現誤差。海洋大數據多元異構，因此，在數據的獲取階段其完整性、可靠性也無法完全保證，相同或不同的數據源之間都可能存在矛盾或沖突。而且由于規模較大，其存儲、傳輸和計算都可能會出現錯誤。因此，如何制定適用于海洋時空大數據的質量檢驗方案也是不得不面臨的問題。

3.2 海洋大數據面臨諸多安全挑戰

海洋大數據的安全問題包括存儲安全、訪問安全、共享安全和監管安全等。來自不同海洋業務系統的海量數據匯集存儲到海洋大數據平臺，并采用基于HBase的NoSQL存儲技術完成對大數據的抓取、管理和處理。由于業務敏感程度不同，所依托的HBase的認證、訪問控制和數據安全管理機制尚不滿足分級數據保護的要求，海量分布式數據存儲，增加了數據訪問失控的風險。③董貴山、王正、劉振鈞：“基于大數據的數字海洋系統及安全需求分析”，《通信技術》，2015年第5期，第573-578頁。在數據的流通共享過程中，數據容易受到黑客攻擊，遭到竊取、偽造和篡改，還有可能在未授權的情況下數據被讀取，從而造成情報和重要信息的泄露，極易泄露隱私信息。因此，對海洋數據的嚴格監管顯得尤為重要。大數據監管主要包括攔截與刪除違法信息，減少和降低冗余開銷，檢驗存儲內容完整性，驗證計算結果的正確性等，而這一系列操作也需要相應的技術手段與專業人員。但是，目前中國的大數據監管技術尚未發展到領先水平，且同時面臨著大數據技術人才緊缺的問題，目前中國大數據人才缺口達到150多萬，到2025年或將達到200多萬，④“新職業——智能制造工程技術人員就業景氣現狀分析報告”，中 國 政 府 網，2020年8月26日，http：／／www.gov.cn／xinwen／2020-08／26／content_5537486.htm。大數據平臺運維與開發、數據分析、數據安全等專業人才供求矛盾十分突出，這也給大數據的安全保障帶來挑戰。

3.3 數據共享阻礙重重

數據更大價值的發揮離不開數據的共享，這既包括數據的境內流動，也涉及數據的跨境流動。海洋強國建設必然要求海洋大數據實現境內的自由流通，而海洋命運共同體的建設自然也離不開國際社會，特別是沿海各國的通力合作，實現數據資源共享。然而，當前聯合國領導下的全球海洋治理體系“碎片化”現象明顯，各國之間協同不夠，甚至充滿相互競爭和沖突。各種海洋行動體，包括國家、國際組織和非政府組織，存在著觀念與利益分歧，區域性海洋組織也具有一定排他性，所以現實中，多樣的、碎片化的全球海洋治理尚未形成真正意義上的全球海洋治理體系。①龐中英：“在全球層次治理海洋問題——關于全球海洋治理的理論與實踐”，《社會科學》，2018年第9期，第3-11頁。針對更為具體的全球海洋安全治理，各主權國家所面臨的海洋安全環境不同，海洋安全治理能力有異，海洋安全治理意愿有別，所以主權國家間的不平衡性與差異性日漸凸顯。②張景全、吳昊：“全球海洋安全治理：機遇、挑戰與行動”，《東亞評論》，2020第2期，第83-107頁。破解當前治理困境的關鍵就是要形成全球海洋治理的價值共識。在此背景下，“海洋命運共同體”新理念應運而生，以海洋命運共同體理念聚合全球海洋治理共識，促進國際社會共同應對全球海洋安全威脅、完善全球海洋治理體系，具有重要的理論價值和現實意義。③馬金星：“全球海洋治理視域下構建‘海洋命運共同體’的意涵及路徑”，《太平洋學報》，2020年第9期，第1-15頁。但在全球海洋治理體系新舊交替之際，傳統海洋治理范式的內在矛盾與沖突也極大地限制了海洋大數據的共享，主要表現在國家和國際兩個層面。

在國家層面上，歐美一些國家對海洋數據的共享較早做出了規劃。例如20世紀90年代初，美國就頒布實施了“全球變化研究數據管理政策”，確立了以“完全與開放”為基調的科學數據共享政策。④Bromley，Allan，“Policy Statements on Data Management for Global Change Research，”University of North Texas Libraries，July 2，1991，https：／／digital.library.unt.edu／ark：／67531／metadc11862／.到1998年，美國國家海洋數據中心建立了可與用戶共享海洋信息的交互式數據查詢檢索系統，包括溫度、鹽分信息、站點實時洋流信息、海洋浮標信息、衛星檢索的海溫信息等。⑤Qian Deng，Xiaolu Yan，“Information-Sharing Mechanism of Marine Environmental Management in China，”Journal of Coastal Research，Volume 106，Issue SI Summer 2020，p.544.英國在2013年頒布的《把握數據帶來的機遇：英國數據能力戰略》（Seizing the Data Opportunity：A Strategy for UK Data Capability）也對確保數據安全與共享做出戰略部署。⑥“Seizing the Data Opportunity：A Strategy for UK Data Capability，”Department for Business，Innovation＆Skills，October 31，2013，https：／／www.gov.uk／government／publications／uk-data-capability-strategy.受限于海洋數據安全保密規定以及海洋信息管理機制不健全等原因，中國在海洋數據共享方面仍存在一定程度的“數據孤島”現象，共享意識、共享技術及共享機制與歐美發達國家存在一定差距。

一方面，海洋大數據的共享存在較大的安全風險。利用傳統的中心化數據共享模式進行數據共享，數據被篡改和違規拷貝利用的風險較大。目前，探索相對安全的數據共享模式，仍將是長期面臨的挑戰。另一方面，海洋大數據的分散獨立保存、統一的信息化建設標準缺乏，以及海洋數據處理的信息技術部門無法及時滿足所有業務部門的實際需求等都是造成“數據孤島”的重要原因。共享技術的不成熟和共享機制的不完善是大多數國家面臨的共同問題，也是限制海洋數據國內流通的最重要因素。

在國際層面上，各國數據主權交鋒日益激烈，具體體現為各國對跨境數據流動的管制不同。主要分為“本地化”與“全球化”兩大派。一是以歐盟和俄羅斯為代表的“本地化”派。歐盟在2018年與2019年分別實施了《通用數據保護條例》（General Data Protection Regulation，簡稱GDPR）和《非個人數據自由流動條例》（Regulation on the Free Flow of Non-personal Data，FFD），共同推動了數據在歐盟境內的自由流動和廣泛使用。然而，兩項條例建立起來的數據自由流動僅限于歐盟境內，并不包括第三方國家。⑦張娟、張志強、阮偉南等：“科技強國最新數據戰略及其實施態勢分析”，《世界科技研究與發展》，2021年，第1-12頁。俄羅斯以及印度、巴西、越南等發展中國家，出于維護網絡和數據安全的考慮，都要求一定程度的數據本地化存儲或限制數據跨境流動。⑧茶洪旺、付偉、鄭婷婷：“數據跨境流動政策的國際比較與反思”，《電子政務》，2019第5期，第123-129頁。二是以美國為代表的“全球化”派。一直以來，美國主張“淡化國境概念，在合法公共政策目標得到保障的前提下、強調數據實現全球自由流動”，但近幾年呈現出“正常流動＋合理限制”的數據管制趨勢，“合理限制”則意味著出于自身安全和利益的考慮，美國將關鍵和重要的數據截留在國內，確保全球數據源源不斷地流向美國的同時，卻又限制數據流出。①石中金、單寅，“主要國家和商業社群跨境數據流動主張”，《人民郵電》，2017年8月23日。由此可見，對于數據跨境流動的不同規制不僅體現出各國已經把數據作為攫取競爭優勢的重要資源，也體現了各國間的數字權益沖突，這無疑為全球海洋數據的共享帶來了極大的困難。

四、結 語

“誰掌握了大數據誰就掌握了主動權”，作為“21世紀的新石油”“世界上最有價值的資源”，②Damien Van Puyvelde，Stephen Coulthart＆M.Shahriar Hossain，“Beyond the Buzzword：Big Data and National Security Decision-Making，”International Affairs，Vol.93，No.6，2017，pp.1397-1416.大數據的管理和分析變得越來越重要，并廣泛地對行業產生更大的影響。海洋大數據平臺建設與應用是建設“海洋強國”和“海洋命運共同體”，實現海洋“數字化”和“智慧化”的必然趨勢，為海洋安全治理、海洋經濟發展和海洋生態保護提供了新的決策支撐工具。然而，海洋大數據應用的行業落地過程也有不少問題需要解決，要真正實現海洋數據從“數據大”困境到“大數據”時代的戰略性轉變需要做出更多的努力。

技術發展與人才培養是首先需要解決的問題。無論是海洋大數據的存儲與分析，還是其面臨的多種安全挑戰，都與相關技術尚不成熟有很大關系，加快突破技術瓶頸一方面需要國家的財政支持，另一方面也需要專業知識過硬的人才隊伍，應創新人才培養模式，加快建立健全多層次、多類型的大數據人才培養體系；此外，海洋大數據管理及共享安全需要制定和完善相關標準或法規制度，通過符合時代要求的新標準或新法規來規范、降低各種安全隱患的發生。③錢程程、陳戈：“海洋大數據科學發展現狀與展望”，《中國科學院院刊》，2018年第8期，第884-891頁。同時應明確經濟社會發展對海洋科學各領域的具體需求，伴隨著網絡信息平臺的多樣化，公眾參與海洋信息的管理成為可能，給予公眾更多的監督權和選擇權，使其通過聽證會和信息共享應用程序等渠道向有關部門表達訴求和建議將是可行的選擇。④Qian Deng，Xiaolu Yan，“Information-Sharing Mechanism of Marine Environmental Management in China，”Journal of Coastal Research，Vol.106，Issue SI Summer 2020，p.547.關于海洋大數據的國際合作與共享，各國對跨境數據流動的管制尚存差異，全球性的共享機制和數據保護法規還未形成。因此，各國不僅要在現有基礎上不斷健全和完善有關國內數據保護和共享的法律法規，還要通過國際交流、對話和談判等方式加快建立海洋數據的公開性服務機制與管理辦法，按照“合理公開、增量先行”的原則對數據開放邊界、方式和時效達成一定共識，建立數據開放效果的評估、考核和安全審查制度；⑤蔡翠紅、王遠志：“全球數據治理：挑戰與應對”，《國際問題研究》，2020年第6期，第38-56頁；楊錦坤、韓春花：“大數據新時代背景下的海洋數據資源管理策略”，《海洋信息》，2018年第3期，第1-5頁。遵循“循序漸進、先易后難”的原則，選擇低敏感、淺層次的領域展開初步合作與交流。海洋漁業、海洋災害、海洋氣象、海洋生態、海洋環保等關乎全人類切身利益與共同安全，是推進海洋大數據跨國交流與共享的突破口。就中國而言，中國與東盟國家在低敏感海洋領域的合作已取得豐碩成果，與相關海洋管理部門、科研機構建立了廣泛的海洋合作伙伴關系，當前雙邊的海洋合作正在向關鍵敏感領域縱深邁進，⑥“吳士存等：中國—東盟南海合作的新進展與新特點”，中國海洋發展研究中心，2020年12月3日，http：／／aoc.ouc.edu.cn／2020／1202／c9821a308466／page.htm。“循序漸進、先易后難”模式是值得借鑒的成功經驗。在推動海洋大數據國際合作的進程中，中國可繼續借力“一帶一路”倡議推動實施中國—東盟、中國—歐盟、金磚國家、中日韓、中俄等雙多邊海洋大數據應用技術合作研發，分類開展海洋數據國際共享與交換，牽頭打造互利共贏的海洋大數據共享平臺，這也將是踐行海洋命運共同體理念的重要舉措。