基于自然語言處理技術的認知域對抗仿真建模與應用研究

中圖分類號：TP391.1 文獻標志碼：A 文章編號:1003-5168(2025)12-0033-06

DOI:10.19968/j.cnki.hnkj.1003-5168.2025.12.007

A Study on Applying Modeling and Simulation of Cognitive Confrontation Based on Natural Language Processing Technologies

LI Ming (College of International Studies，National Universityof Defense Technology，Nanjing 21oooo，China)

Abstract:[Purposes] To design and construct a cognitive confrontation simulation model by combining natural language processng (NLP) technologies forimproving cognitive confrontation capabilities.[Methods]This research presents an NLP-based cognitive confrontation simulation model.Targeting the characteristicsof modern cognitive confrontation，itfullyutilizes relevant technologies to constructa cognitive confrontation strategy repository.The model simulates the operational outcomes of strategies based on external inputs and provides evaluation metrics for strategy selection and combination.[Findings] The simulation tests show that，compared to traditional manual cognitive confrontation strategies，this modelcan complete strategy combinations within one second and improve the effectiveness of the strategy combinations by 70% . [Conclusions]NLP technologies arenow indispensable for modern cognitiveconfrontation，itis essential tofurtherdevelop NLP technologies specifically designed for cognitive confrontation.

Keywords:cognitive confrontation; natural language processing; cognitive confrontation simulation modeling

0 引言

認知域對抗被認為是實現對抗目標最有效的手段之一，廣泛存在于現代社會具有競爭關系的群體、組織、公司及國家之間。越來越多的群體、組織、公司及國家都將網絡空間對抗深度融入聯合對抗，將認知域對抗作為爭奪網絡空間制權的重要抓手，以實現“像打網絡游戲一樣打網絡對抗”。隨著自然語言處理技術的發展和語言大模型的出現，使用自然語言處理相關技術與語言智能體構建認知域對抗仿真模型成為可能。

在傳統的觀察、判斷、決策、行動所組成的OODA(Observe，Orient，Decide，Act)循環理論中，追求更小、更迅速的決策周期需要對每一個階段中的信息能力進行不斷強化。而面對當下對抗形式的高度復雜化，如何在物理信息中添加人的認知因素成為決定對抗走向最為重要的問題之一。兩千多年前出現的孫子兵法中就對如何左右敵人的認知從而實現“不戰而屈人之兵”做出了詳細論述。可見，古人就已經認識到認知域才是對抗的最終落腳點。

本研究將對認知域對抗、認知域對抗目標及認知域對抗建模仿真方法進行討論，嘗試對現代認知域對抗博弈的面貌進行描述，并基于自然語言處理相關技術提出一個認知域對抗仿真模型。在決策者真正決定使用認知域對抗策略前，使用仿真模型對策略進行仿真演練，有助于決策者獲得不同策略組合作用于不同目標對象的預期效果，從而得到相應的改進建議。

1認知域對抗概述

現階段，網絡對抗和信息對抗已更多地從物理域轉向認知域。認知域是能反應人的情感、知識、意志、信念和態度等認知層面的范圍和領域。隨著認知域對抗的重要性不斷被人們所認識，現代對抗表現出參加組織、人員、對抗界限的高度多樣化、復雜化、抽象化的特點。認知域具有公域性和私域性，不同人的認知會具有自身特點，同時也與社會、民族、國家等組織具有緊密的聯系。

1.1認知域對抗技術

在認知域進行對抗，相關技術可簡單分為兩類。一類是通過利用客觀存在的物理信號，對目標進行直接影響、刺激等方式，從而實現測量甚至干擾目標認知的目的，常見的有認知測量技術、認知干擾技術、認知強化技術；另一類是通過對目標的主觀認知進行建模并施加影響，通過相關技術手段間接影響目標認知的技術，包含認知信息加工技術、認知信息植人技術、認知信息檢測技術。

1.2認知域對抗三層級

人工智能、自然語言處理、語言信息處理等技術在上述兩類認知域對抗技術的實現和應用中都扮演了重要角色。語言信息處理技術可以對信息的主要載體(即語言)進行加工、植入、檢測，甚至是理解、操控、生成，是實現認知域對抗的主要手段。在認知域進行對抗時，需要使用人工智能等技術對不同來源的信息、知識進行復雜的加工整合后，才能被用于認知域對抗。同時，針對復雜多樣化的信息來源，需要進行特定的抽取和分析，才能對對抗各方的認知狀態做出判斷，從而制定相關的對抗策略。總的來說，可以從三個層級對認知域對抗進行理解，分別為信息層、技術層和應用層，具體如圖1所示。

2認知域對抗目標

認知域對抗的目標是要從心理、意識形態層面對對抗方特定對象施加影響，造成對方內部混亂、

決策失效，從內部瓦解對方的對抗能力，實現既定對抗目標。

要實現這樣的認知域對抗目標，需要使用特定的認知域對抗策略，并作用于特定的目標對象，才能產生預期的效果。

2.1 認知域對抗目標對象

認知域對抗策略作用的目標對象人物分為兩類，即關鍵決策者和執行者，而不同對象往往又面臨著不同挑戰。對關鍵決策者來說，他們的信息來源安全性強、多樣化程度高，對他們的認知進行干擾，操控收益高，但難度大。而執行者專業化程度高，對他們進行影響往往需要對物理空間、電磁空間和網絡空間的信息源進行修改、隱藏等處理。同時，要想針對具體不同的決策者進行有針對性的認知對抗，這就需要非常強大的基于語言信息處理技術。通過對自標對象所有可獲取的歷史言論、相關文本、經歷事件、過往決策等數據進行分析，從而推演出目標的態度、性格特點、決策方式、社交關系、弱點等特征，并進行進一步的智能化處理（如嘗試描寫目標對象的畫像），制定出有針對性的認知域對抗方法（如散播黑灰材料、炮制負面新聞、關鍵信息偽造等）。

民眾往往具有從眾、專業性弱等群體屬性明顯的特性。在現代網絡對抗中，隨著多種形式的自媒體、社交媒體的快速發展，以往通過傳統媒體進行宣傳、呼呼、通告、報道等對群體認知進行影響的方式已逐漸被大面積分布式的自媒體、社交媒體所替代。如近年來中西方意識形態的對抗，往往活躍在我國政府早期重視程度不夠的、具有一定規模的社交平臺(如豆瓣、百度貼吧、抖音、知乎等)以及最為知名的自媒體(如論壇、微博等)上。認知域對抗對目標對象人物做出精準的選擇依賴于對目標對象人物的認知層面進行分析和理解，這都需要人工智能及語言信息處理等技術的應用。

2.2 認知域對抗案例

美國作為現階段的世界霸主，非常善于針對不同的特定目標在認知域策劃對抗行動，最終造成其目標國家社會動亂、政府倒臺、革命爆發等后果。如2010年前后突尼斯爆發的茉莉花革命，其導火索就是美國駐突尼斯大使高德斯對突尼斯總統進行譏諷的密文被廣泛傳播1；2014年在香港發生的“占領中環\"（占中）違法活動，就展現了某些敵對勢力常年在認知域對關鍵目標人物進行影響，然后相關人物利用社交媒體、獨立網站、互動論壇、即時通信軟件等平臺進一步擴散其對特定目標群體認知域的影響力，從而導致“占中\"違法活動的爆發[2]；2021年8月，美國在阿富汗的軍事行動在長達近20年后以沒有達到預期目標而結束，其中很大的原因就是美國沒有有效地在阿富汗建立一種符合美國利益的廣泛共同認知。這些都說明了認知域對抗的重要性。

在一些實行選舉制的國家中，政黨之間的認知域對抗非常激烈。如在美國總統大選中，參選兩黨經常利用黑灰材料在社交平臺和新聞媒體進行輿論煽動，從而降低其認知域對抗目標對象的支持度，這也是現代認知域對抗最為重要的應用舞臺之一。由此可見，以美國為首的一些國家和組織非常善于在認知域進行對抗，并且擁有豐富的認知域對抗實戰經驗。相應的，我國除了需要對相關認知域攻擊進行防御之外，更需要積極主動的發展認知域對抗策略。而認知域對抗仿真建模及對抗推演是能夠顯著提高認知域對抗能力的方式之一。

3認知域對抗仿真建模與關鍵技術

3.1 相關工作

認知域對抗的發展依托于全域對抗理論，對其仿真建模常基于網絡對抗和信息對抗的基礎之上。早在1998年，美軍就推出了網絡空間對抗的仿真框架NETWARS[3]，其框架架構如圖2所示。其中，OPNET（Optimized Network Engineering Tools）是網絡工程優化工具，而OPFAC（OperationalFacility）、OE（OprationalElement）、SE（SystemElement)分別是網絡空間對抗的基礎構建模塊、與對抗相關的OPFAC的基本人員和元素組件、與對抗相關的OPFAC的基本通信裝備組件。

Mitola等4則于1999年提出了認知無線電模型，該模型將無線電的工作周期模擬成具有自主認知決策的OODA環狀仿真模型，在無線電所處的電磁環境中加入了認知能力；榮明等5使用網絡科學模型中的動態超網模型對對抗體系結構進行了彈性分析，該模型基于五元組的體系超網模型構建了六類對抗體系結構彈性指標，并進行評估驗證；張陽等基于OODA鏈構建了無人機在集群式電子戰中的對抗模型;鄒立巖等在OODA的基礎上，增加了模型自學習的能力，從而提出了基于OODA-L的仿真模型；張陽等基于EBNI框架對網絡空間對抗模型等進行仿真建模；田云飛等針對航空反潛領域的網絡化體系對抗中的認知域效能進行了建模，并對認知域效能的完整性、準確性和時效性進行了仿真評估。

上述模型在對網絡空間進行對抗進行建模時，不約而同地強調了認知域對抗對網絡空間對抗、決策的重要作用，但國內外專門針對認知域對抗進行單獨建模的研究較為罕見。基于此，本研究提出了專門針對認知域對抗的仿真模型，其需要具有以下方面的能力。

① 對抗對象建模。認知域對抗仿真模型要能夠從各個不同的側面對其對抗的對象進行建模，用于模擬對抗對象的特征、能力等。

② 對抗方法與步驟。認知域對抗模型需要能夠對對抗行動進行演習仿真，從而推演出不同策略組合作用于不同對抗目標所產生的空間和時間上的影響。模型需要提供關鍵戰法、策略與對象的不同組合方法以及與步驟結合的計算方法。

③ 對抗能力評估。認知域對抗模型應該能對對抗策略、對抗對象的能力進行仿真演算，從而評估出其相應的對抗能力，并進行社會計算。同時，還可以對目標對象的網絡社會活動、隸屬社會組織、虛擬社會結構進行計算。

④ 認知學習。認知域對抗模型應該融合外部輸人和自身仿真進行自我學習，對策略組合和目標組合進行不斷優化。

3.2 認知域對抗仿真模型

基于上述的模型目標，提出了認知域對抗仿真模型，如圖3所示。該模型針對多信息來源的全域空間，利用人工智能、語言計算、知識工程、多模態信息處理領域中的關鍵技術對所需信息進行抽取和計算，通過事件抽取、信息抽取、社會計算等方法生成可行的認知對抗策略與關鍵目標畫像，并存儲在相應數據庫中。其中，目標對象畫像一般可從多個角度(如開放程度、道德程度、外向程度、親和程度、情緒穩定程度等)進行建模。

通過維護策略數據庫、目標數據庫及智能選擇和決策方法，為仿真推演提供了不同的策略組合和目標組合。在仿真環境中，對不同的輸入進行不斷的對抗推演、策略對抗及效能評估，最終計算出輸入組合的空間和時間效能，從而提供決策支持和預期效果。仿真環境輸出的結果最終可重新進入策略生成模塊和自標畫像生成模塊，學習并生成新的策略和目標畫像。而策略生成模塊往往需要生成進攻策略和防御策略兩種不同的策略。常見的進攻策略如下。

① 態度說服。通過不同的用戶畫像和社會計算，獲得目標社交圈信息，然后定制說服策略，以說服目標對象而做出相應行為。

② 定向信息產品制作和投放。針對特定目標對象制作信息產品進行投放，并進行熱搜、頭條、推送等傳播引導。在制作信息產品時，根據對抗目的、用戶畫像、投放平臺特征等數據，結合認知域對抗知識圖譜制定具有針對性的信息產品，并選擇合適的平臺進行投放。

③ 飽和式信息覆蓋。通過大量無關、虛假、特定信息覆蓋真實的信息，實現混淆視聽等目的。

④ 黑灰材料挖掘。通過大量數據挖掘，使用信息抽取技術對目標對象黑灰歷史材料進行挖掘并公布。

⑤ 深度信息偽造。通過對圖像、視頻、聲音等信息進行深度偽造，達到以假亂真的目的，實現認知域對抗目標。

⑥ 輿論攻擊。通過抹黑、造謠等手段對目標對象進行低毀，降低其公信力。

常見的防御策略如下。

① 態度判別。通過自然語言處理中的態度識別技術，識別特定言論和特定人員的態度，進行針對性的處理。

② 發言管控。用戶賬號管控：禁止或僅允許特定賬號進行發言，通過批評話語分析技術識別特殊敵對勢力賬號并進行限制。評論管控：禁止或只允許特定人員或言論進行評論，并對評論時間間隔和數量進行限制。言論管控：廣義上對所有相關言論進行禁止或篩選后顯示。社交媒體平臺管控：針對特定社交媒體平臺，要求平臺實行言論篩查、用戶

監控等措施。

③ 虛假信息識別。通過語言信息處理技術中的文本分析、場景分析、述者背景和事件情境分析等手段，對熱點新聞、言論進行真假態度的判斷。

綜上所述，認知域對抗關鍵技術包含傾向性分析、人物畫像、深度偽造、虛假信息識別、批評話語分析、社會計算、知識圖譜。

在對抗推演模塊，仿真環境會模擬進攻策略所產生的信息產品進行制作和投放，并投放到特定目標對象認知域后發生擴散。而在策略對抗模塊，仿真環境會模擬社交媒體平臺管控、虛假信息識別等防御策略手段對相應進攻策略進行影響。結合目標對象的特性，在對抗中對進攻策略和防御策略的效果進行評估，同時也在對抗和推演中進行多種可能性的重組和擇優，最終生成相應的決策建議和預期效果，從而生成新的策略和目標對象畫像。

整個仿真模型在接收一定的外部輸入后，通過動態仿真模擬，為認知域對抗提供決策支持，并維護策略數據庫和目標畫像數據庫，使決策者能快速地針對不同的目標對象制定出合適的進攻和防御策略組合，并對可能的效果進行相應的預期。

4認知域對抗模擬演練

研究基于傳統認知域對抗實戰演練，使用語言智能體進行100個典型的認知域對抗對象建模，并根據不同目標對象的特點設定角色。邀請10名相關專業人士設計認知域對抗策略組合，并與認知域對抗仿真模型進行對比。最終將策略組合應用于建模對象，并由建模對象輸出策略作用結果。結果等級分為1\\~5，分別為未受到影響、輕微受到影響、中度受到影響、強烈受到影響、完全受到影響。認知域對抗模擬演練結果見表1。

從演練結果可以看出，相比于人工的認知域對抗策略，本研究提出的模型大幅縮短了策略組合生成的時間，并提高了 70% 的策略效果。

5結語

認知域對抗能夠在社會群體的心理、意識形態層面和關鍵人物的心理、情感、人格層面進行分析，并施加影響力，提供對目標認知的感知、預測、影響及操控的能力，對于對抗目標的實現具有決定性的作用。對認知域對抗進行仿真建模是現代化對抗訓練、演習、預演、防御及策略生成必不可少的關鍵步驟。

本研究針對認知域，結合人工智能、自然語言理解和處理、語言信息處理、語言大模型等相關技術，提出了認知域對抗仿真模型。模擬演練的結果證明了認知域對抗和人工智能等多個尖端學科進行結合交叉的必要性。本研究所選用的NLP技術大多為通用技術，未來，需進一步追蹤認知域對抗領域國際前沿的應用情況，設計并提出專門面向認知域的自然語言處理技術。

參考文獻：

[1]王在傳．“茉莉花革命”的意識形態研究[D].中國社會科學院研究生院，2017.

[2]閔大洪，劉瑞生.香港“占中”事件中的新媒體運用及思考[J].新聞記者，2015(1)：65-73.

[3]YOUCEFA S.NETWARS:toward thedefinition of a unifiedframeworkformodelingandsimulationofjointcommunication systems[C].Defense，Security，and Sensing， 1998.

[4]MITOLAJI，MAGUIREGQ.Cognitiveradio:making software radios more personal[J].IEEE Pers Commun， 1999，6(4):13-18.

[5]榮明，胡曉峰，楊鏡宇.基于動態超網的作戰體系結構彈性分析評估研究[J].系統仿真學報，2019，31（6）：1055-1061.

[6]張陽，王艷正，司光亞.集群式電子戰無人機的OODA作戰環分析與建模[J].火力與指揮控制，2018，43(8):31-36.

[7]鄒立巖，張明智，柏俊汝.OODA-L模式下的智能無人集群作戰仿真建模框架[J].國防科技大學學報，2021，43(4):163-170.

[8]張陽，司光亞，王艷正.基于EBNI框架的網絡空間作戰建模研究[J].系統仿真學報，2017，29(9)：1886-1894，1906.

[9]田云飛，嚴建鋼.航空反潛網絡化體系認知域效能研究[J].艦船科學技術，2010，32（11)：93-96.