情景感知（精选5篇）
情景感知 篇1
计算机科学和通信技术的发展使得计算模式发生了很大变化, 计算的智能化程度也越来越高。
本质上, 计算机不理解我们的语言, 不理解我们的世界如何运作, 无法感知目前形态的信息, 至少不像人那么容易地做到这些。例如, 我们会习惯地对营业员说:“来一份必胜客”, 这对于计算机来说无疑是天书, 因为“必胜客”是一个连锁快餐店的名字, 怎么能“来一份”呢?但是对于人来说, 处于希望就餐的环境, 感知这一情景, 很容易理解, 此话是希望来一份“必胜客”快餐。
那我们是否能改进计算机, 使之能够获取情景, 进一步感知情景, 丰富人机交互通信以提供更好的计算服务呢?答案是肯定的。这就是情景感知与情景感知计算。
情景感知的定义
情景感知的处理对象是环境中的情景信息。用户的情景信息通常是显而易见的, 例如用户所处环境的温度、湿度和当前时间, 但要给情景信息一个通用的定义却相当困难。1994年, B.SCHILIT等使用了context-aware这个词, 并通过枚举的方式将情景信息 (context) 分为3类来定义: (1) 计算情景, 如网络的可用性、连接带宽、附近的设备 (打印机、显示器、PC) 等; (2) 用户情景, 如用户配置、位置、附近的人、姿势行为、社会关系等; (3) 物理情景, 如温度、光线明暗、噪音大小、交通状况等。该定义忽略了历史情景, 即上述情景在时间轴上的变化。目前大家常用的是Dey在其博士论文中给出的定义:情景信息是可以用来描述实体情形的任何信息。所谓实体是指人、位置或其他和用户及应用交互相关的物体, 包括用户和应用本身。
情景感知是获取情景信息并对其进行信息处理的操作。1994年, B.SCHILIT和M.M.Theimer认为情景感知是系统感知情景并作出相应的调整。Dey总结前人的结果, 把情景感知定义为:无论是用桌面计算机还是移动设备, 普适计算环境中使用情景的应用, 都称为情景感知。
通过人机交互或传感器采集的方式可以获得关于人和设备环境等情景信息。而情景感知则是根据这些情景信息, 让计算设备做出相应的反应。情景感知的最终目的是使得计算机能够主动获取情景, 并进一步感知情景, 改进并丰富传统的人机交互方式以提供更好的服务。
情景感知计算研究
鉴于以上描述, 一个情景感知系统必须能够模拟人的能力认识和利用蕴含的环境信息, 以便推动其功能性的操作, 它的一般要求是: (1) 情景生成:通过UI或传感器获取情景信息; (2) 情景处理:将原始数据变换成有意义的信息; (3) 情景使用:使用场景, 作出可能的反应成为输出。这三者有机地构成了一个情境感知系统的三部曲。
(1) 情景生成
情景生成指的是情景被感知, 感知情景就是感知和获取情景信息。情景信息的获取可以分为用户主动输入和通过传感器采集等方式。情景感知的目标是通过普适的计算资源在用户较少参与或者根本不需要用户参与的情况下实现对用户的服务推荐。因此, 情景感知系统需要用户个性化信息, 如生活习惯、日程表等, 来辅助系统做出正确的决策。此外, 系统还需要通过部署在环境中的传感器和其他设备自动获取其他情景信息。例如, 用户的位置信息, 在户外环境下可以通过GPS获取;在室内时, 可采用如下技术获取:基于GPS原理, 采用红外 (ParcTab系统、Active Badge系统) 、射频技术;基于信号传输时间差的Cricket系统;基于信号衰落的PADAR系统以及基于视觉技术的定位系统。温度、湿度、加速度信息可通过相应的传感器获得;时间信息则由系统内部时钟提供;类似于网络带宽的信息可以通过动态监测的手段获得。
信息获取的手段众多, 这里不再一一举例说明。
(2) 情景处理
得到当前环境及用户的情景信息后, 如何有效处理这些信息, 是情景感知系统能否实现的关键。
物联网环境下信息采集为多传感器协同感知, 需要解决的主要问题是信息的预处理。信息预处理面临的问题首先是数据关联, 即建立某一传感器量测与其它传感器量测数据的关系, 以确定它们是否是关于同一个目标的量测的处理过程。选择的结果不仅可以减少信息处理的计算量, 还可以提高信息处理的精确度。其次是信息的去冗余及冲突处理以得到准确的传感器量测。传感器自身故障及网络传输中遇到的错误等都会造成采集到的数据不完整或存在噪声, 而多传感器的存在不可避免会造成数据不一致和数据冗余, 增加网络传输负担。通过数据清理将多个传感器在空间或时间上的冗余及互信息依据某种准则进行组合, 可以获得监测对象的一致性解释和描述。最后是发现隐藏的知识, 这涉及到数据挖掘技术, 即通过存储预处理后的传感器数据得到有关环境信息的海量数据, 从中可以挖掘出有用的知识。
物联网环境中的数据集是海量复杂的, 没有哪个情景处理技术能够在整个数据集上是最优的, 不能简单地否定某项技术, 也不能仅仅依赖单一技术, 往往需要根据特定的应用结合各技术的特点, 选取相应技术或综合利用多种处理技术, 来得到最优输出。
(3) 情景使用
使用过程则是利用情景信息调整与规划系统操作, 给出恰当的输出。BALDAUF等人认为情景感知系统能够让自己的操作适应当前的情景, 无须用户显式干预, 从而借助环境上下文信息提高可用性与有效性。情景感知的最终目标是自主提供用户当前所需的服务。
GWIZDKA把情景的使用分为四类:
(1) 情景作为输入;
(2) 情景修改输入;
(3) 用户-系统反馈环中的情景;
(4) 情景作为触发器。
应用前景
尽管早在上个世纪90年代中期, 情景感知计算就已经被提出, 但是其应用还是在近些年才开始发展。目前较多运用于实时路况信息的提供服务, 然而, 情景感知的应用范围不仅如此而已, 举几个例子来说吧:
1.外出旅游
当我们外出旅游去到一个陌生地方的时候, 具有情景感知计算能力的应用会起到旅行指南的作用。根据用户所在的地理位置和偏好, 将该地点邻近的酒店、景点、特色小吃等与旅行相关的信息提供给用户, 还会结合当地的导航图为用户提供相应的交通指引。
2.购物
购物是生活中最必不可少的部分, 这也正是情景感知计算应用很有潜力的方面, 特别是在零售领域。一方面零售店记录每一位购买者购买频率及偏好等信息, 然后用多个标签及视觉线索定义购物者, 为其推荐有关的产品信息。另一方面, 零售店将物品标注RFID编目, 使得消费者可以直接从终端设备上取得商品信息, 而在购买的过程中, 智能货架系统则可以帮助消费者直接找到事先确定要购买的商品, 最后由智能付款系统完成自动结账。甚至, 商家会为每一位路过的顾客推出不同的商品广告。
3.家庭应用
当情景服务应用在家庭中的时候, 主要起到帮助用户避免危险等作用。例如, 当感知到危险信号的时候, 家中的灯会自动打开, 当洗衣机洗好衣服的时候, 会自动响铃提醒。更多这方面的应用, 对于独自居住的老年人来说是非常合适的。
4.情景广告
在智能手机普及的大潮中, 移动互联广告正在进入精准投放的时代, 企业间的竞争也从技术、渠道竞争上升到了平台的层面。这里, 正孕育着巨大的机会。如何将广告精准地投放到目标用户中?是广告主们最值得关注的问题。3S信息系统类似于谷歌GA, 主要对用户加入地理位置信息分析, 多维度变化解析功能。无论用户身处哪个市区, 都可以通过3S系统, 用交叉对比的方式实现用户分析, 最终实现最有价值的广告精准投放。
例如, 我们可以根据用户移动速度和所使用的网络, 分析出用户是开车在户外还是在家里, 对于开车在外的车主, 我们会推送品牌形象类广告;对于在家休息的用户, 我们会推送APP类下载广告。这就是结合地理位置所做的精准投放, 这就是情景广告。
5.智能移动互联服务
未来的移动互联服务将是智能化的服务, 在依靠移动网络、物联网、云计算等资源的情形下, 普适计算和个性化服务不再遥不可及。
以人为中心的情景计算方式在支撑几乎所有的服务应用场景后, “所想即所得”式用户体验将深刻影响人的生活方式和习惯。从通信服务, 到LBS业务, 搜索服务, SNS, 都将受益于情景感知计算平台利用物联网和网络资源提供的情景支撑。
Google是情景感知计算商业化的先行者。2003年后, Google先后推出了GoogleMap, GMail, iGoogle, Latitude, Android, 都是为建立用户模型, 进而加强搜索和广告业务主业, 并逐渐渗透到所有为满足人的需求的服务当中去而开展的。
除Google外, 中国移动是中国最有资源和条件开展情景感知计算服务的公司。结合上百种增值业务, 物联网和通信网的数据, 情景感知计算一方面能够加强自身业务的用户体验, 支持后向付费, 另一方面可作为一个标准平台向第三方开放, 产生更深远的影响, 从而拉开物联网, 云计算和移动网络融合的大幕。
参考文献
[1].http://en.wikipedia.org/wiki/Context_awareness.
[2].顾君忠.情景感知计算[J].华东师范大学学报 (自然科学版) , 2009 (05) .
情景感知 篇2
关键词：情景感知,频繁序列,关联规则
1 引言
情景感知业务(Context-Awareness Services)是在现有的位置定位服务(Location-Based Services)基础上综合考虑用户所在环境的其他因素,为用户提供更具有针对性的信息服务。用时间、位置和需求三个维度来定义移动用户所处的情景较为完整。该业务可以感应到用户在特定情景下,即在特定时间特定位置下所产生的特定需求,并根据用户的个性特征为用户提供针对性很强的信息服务,以满足该用户的特定需求。该信息服务包括购物信息,房屋租售,娱乐休闲,商业办公,医疗保险等等可以涉及工作生活的方方面面,最大的便利用户在任何时间任何地点的信息搜寻。在这种情况下情景感知业务可以催生大量移动电子商务的应用模式。这里举一个较为简单的例子,当某用户在A位置看完电影时正值就餐时间,该用户当前的需求就是确定一家饭店就餐。情景感知业务可以感应到当前的时间和位置,并根据用户以前的消费行为分析出用户在饮食方面的消费特征,主动或者在用户发出请求后将这一位置的用户最有可能光顾的饭店的信息发送给用户。这些信息可能包括具体位置,价格,饭店特色等用户关心的问题。这样一方面有针对性地满足用户的就餐需求,另一方面提高商家营销活动的精准性。同时,情景感知还具备预测用户下一情景需求的功能,在本例中也就是在发送饭店信息的同时,会同时发送用户就餐后的时间、可能移动的位置和可能的需求所决定的相关信息,对用户的下一行为进行推荐和提醒。这一部分相关信息也正是本文的研究对象。目前情景感知业务的应用还不成熟,但是它极大的便利性和准确性对用户和商家带来很多好处,我们可以预见在不久的将来一定会得到很大的发展。像情景感知这样机器感知人的行为意图和行为趋势的业务一定是建立在大量数据挖掘的基础上,对大量的用户行为特征和行为习惯进行分析,并结合位置、时间和商家的信息才能得出准确性较高的信息。
情景感知使得移动用户可以在任何时间任何位置都能根据个人的特点和需要得到所需的移动业务信息,这也就是情景感知所能为用户提供的便利。移动用户个性化的情景需求是以大量的数据挖掘为前提的。当用户在当前情景主动发出移动信息需求时,相当于用户主动触发了信息推荐系统。用户主动触发需求可以及时获得当前情景下的信息,但是如何在用户主动索取信息后,抓住这一诉求点继续推荐预测性较高的相关信息来引导移动用户当前情景的下一消费以及下一情景的消费是一个十分重要且有意义的问题。
目前一些国际国内的研究团队都在进行移动用户情景感知的数据挖掘工作,但是他们大多侧重于当前位置下的业务需求的挖掘研究。本文是在用户主动提出移动信息需求的前提下,利用挖掘工具为用户提供当前情景以及下一情景所需信息以及相关信息。本文第二部分加入时间因素找到用户移动的频繁序列,从而得到用户可能移动至的下一情景。第三部分找到用户当前消费及相关消费与下一情景的消费之间的关联规则,为用户提供基于情景感知的准确性较高的推荐信息。第四部分是结论。
2 移动用户的移动频繁序列挖掘
在这一部分,我们首先对情景感知中的相关概念进行定义,以数学符号的形式表示出来更加直观易懂。然后利用挖掘工具找到了移动频繁序列,也就是发掘除了具有特定特征的一类移动用户的移动规律。
2.1 基本定义
移动用户的移动位置的变化可能是离散的也可能是连续的,我们可以用时间点或者时间段来表示。为了弄清移动用户的位置变化本文从微观着手从离散的角度进行分析。
定义1: 令undefined, 其中undefined,1≤i≤m。
我们将移动用户的位置l用二维坐标轴x和y来表示,其中lm∈L,是移动用户位置集合的元素。
定义2: 令undefined,其中undefined,1≤j≤n,undefined。
某个区域aj是由移动用户在其中不断移动的位置构成的。而aj∈A,是某个地区的元素,若干个区域a便构成了现实生活中的地区A.
定义3:undefined
VT是指移动用户消费的有效时间,即用户在这一时间点确实发生了消费行为我们就称这一时间点为移动用户消费的有效时间,以与移动用户在消费过程中未发生实际消费行为的时间相区别。如表1 VT一栏中“2007/8/7/13/10”即表示在2007年8月7日13时10分用户发生了实际的消费行为,那么这一时间点也就是用于分析该用户消费特征的一个有效时间。 M为移动用户时间和空间位置的集合,也就是移动用户消费行为发生的时间与空间的相互关系的集合。
定义4: 令undefined
其中undefined,
tj-tj-1≤ 最大的时间间隔, 2≤j≤k,aj∈A
移动用户的移动序列是每一个时间tj和区域aj构成的sk的集合。移动用户消费的时间由t1,t2,...,tj来表示。我们在两个消费行为之间设定最大的时间间隔,也就是说当移动用户相邻两个消费行为之间的时间间隔超过最大时间间隔,我们就认为这两个行为之间没有强关联性,将两个消费行为分别归属于不同的移动序列。这也包括移动用户在同一位置发生的超过最大时间间隔的行为之间的关系—分属于不同的移动序列。假设我们设定的最大间隔时间为20分钟。由此我们可以得到表1中移动用户的移动序列如表2所示。
定义5: 移动频繁序列,在undefined中,si表示移动序列。如果S是S’序列的一部分,也就是S’序列包含S时,S的支持度可以表示为:undefined,当undefined时,则s为一个频繁序列。
2.2 数据挖掘
我们利用Apriori算法找到移动用户的频繁移动序列。Fk是K项频繁移动序列,Ck是k项候选序列。Ck是Fk的超集,即Ck的成员可以是频繁的也可以不是频繁的,但所有的K项频繁序列都包含在Ck中。扫描数据库确定Ck中每个候选序列的计数,从而确定Fk(计数值不小于最小支持度计数的所有候选序列都是频繁序列,从而属于Fk)。利用Apriori算法的性质:任何非频繁序列的K-1项序列都不可能是K项频繁序列的子集。因此如果一个候选K-1项序列的自子集不在Fk-1中,则该K项序列不是频繁序列,从而可以从Ck中删除。下面表3～表7分别显示了寻找K项频繁序列的过程。假设最小支持度计数为2。
undefined
undefined
所以我们得出频繁移动序列就是undefined。
3 相关推荐信息的关联规则挖掘
在上一节挖掘出的频繁移动序列的基础上,寻找可以准确推荐给用户的相关信息的关联规则。
3.1 基本定义
我们以上一节挖掘出的频繁移动序列undefined为例进行进一步的分析。当移动用户U在A位置触发了消费需求点,比如U在A位置主动发送搜索商品P1的请求。这时除了为用户提供P1的信息之外, (通过大量的数据挖掘工作,我们可以发现U所属的特定消费人群在A位置,还有其他频繁消费的商品以及在U即将移动至的B位置频繁消费的商品)。我们还可以提供这些与P1和位置B相关的其他商品的信息来唤醒移动用户潜在的消费想法,最终形成有效消费。
3.2 相关推荐信息关联规则挖掘
假设关于用户U存在以下消费商品的数据库。我们同样利用Apriori算法寻找频繁项集。设定最小支持度计数为3,见表8、表9所示。
U消费商品的数据库既包含了U在A位置可能进行的下一个相关消费,也包含了U在下一位置B可能消费的商品序列。也就是说综合考虑到了单纯位置之间的关系和单纯的商品之间的关系以及综合位置和商品之间关系。
扫描用户U的数据库,找出频繁1项集的集合F1。
undefined
在寻找频繁2项集F2时利用频繁1项集F1,根据Apriori的算法首先剔除那些具有非频繁子集的候选序列得到所有候选序列,开始扫描数据库。对于每个事务找出其中是候选的所有子集,并对每个这样的候选累加计数,最后所有满足最小支持度计数的候选形成频繁项集F2。
undefined
根据Apriori算法我们知道不可能存在3项集的频繁序列,因为P1P5不是频繁项集,所以P1P2P5这个3项集不可能是频繁序列。所以商品的频繁序列为undefined。
分析相关商品频繁序列undefined的关联规则,假设置信度为50%。
P1⇒P2Confidence=4/6=66.67%>50%我们可以发现U在A位置购买P1之后,可能会在20分钟之内到B位置购买P2。
当用户主动发出业务需求时,按照这样的方法综合分析上一节中得到的频繁移动序列
undefined,我们可以得到用户下一刻的可能消费目标消费地点消费时间的所有信息集合。这时服务器可以根据置信度的高低、间隔时间的长短(也就是下一业务需求的急迫性)、距离的远近等标准,从这一集合中挑选出来一些信息主动push给用户,唤起用户的消费记忆,从而形成有效消费。
4 结束语
在本文中,我们利用影响力最大的Apriori算法找到了移动用户在不同情境之间移动的简单规律,随后在这一规律的基础上继续挖掘不同情景之间的商品和服务之间的关联规则。在情景感知的应用中期望达到这样的目的:当移动用户在当前情景下主动发出业务需求后,服务器抓住这一信息触发点,根据该用户的数据库综合分析其个人属性(年龄、性别、收入、消费特征等),情景属性(时间、空间、当前业务需求、下一情境及业务需求)等等,从而为用户提供其当前需要的业务信息的同时,主动推荐相关情景和相关业务的信息,刺激用户唤起其消费的潜在记忆,形成有效消费。
参考文献
[1]Jun Wook Lee,Ok Hyun Paek,Keun Ho Ryu.Temporal moving pattern mining for location-based service.The Journal of Systems and Software,2004.
[2]王丽珍,周丽华,陈红梅.数据仓库与数据挖掘原理及应用.北京:科学出版社,2005.191～194
情景感知 篇3
人们对信息安全的认识随着信息安全形势的发展、信息安全技术的革新而变化,在不同领域的不同时期,解决信息安全问题时的侧重也各有不同。以往人们对于安全防护体系的关注焦点是以防护技术为主的相对静态的安全体系,而技术的进步导致信息安全问题愈发严峻,信息安全防护要求不断提高,其动态性、过程性的发展要求凸显。P2DR(Policy,Protection,Detection and Response)安全模型和IATF信息保障技术框架是信息安全体系发展的重要里程碑,奠定了信息安全体系逐步动态化、过程化的基础。
P2DR模型源于美国ISS公司提出的自适应网络安全模型(Adaptive Network Security Model,ANSM),其在整体安全策略的控制和指导下,综合利用防护工具和检测工具了解、评估系统的安全状态,将系统调整到“最安全”和“风险最低”的状态。在此过程中,防护、检测和响应形成一个完整、动态的安全威胁响应闭环,在安全策略的整体指导下保证信息系统安全[1]。P2DR安全模型如图1 所示。
IATF是美国国家安全局(NSA)组织编写的一个全面描述信息安全保障体系的框架,它提出了信息保障时代信息基础设施的全套安全需求,其创造性在于:首次提出了信息保障依赖于人、操作和技术共同实现组织职能/ 业务运作的思想,人通过技术支持实施操作过程,最终实现信息保障目标;提出稳健的信息保障状态取决于信息保障的各项策略、过程、技术和机制,在整个组织信息基础设施的所有层面上都能得以实施[2]。IATF安全防护框架如图2所示。
网络攻击技术的不断更新使得网络安全问题日益严峻,特别是高级持续威胁(Advanced Persistent Threat,APT)的出现,对网络安全防护提出了新的挑战。相较于其他攻击形式,APT主要体现在攻击者实施攻击前需精确收集攻击对象的业务流程和目标系统信息。而在信息收集过程中,此攻击会主动挖掘攻击目标信息系统和应用的漏洞,并利用这些漏洞组建起攻击者所需的网络,进一步利用0day漏洞进行攻击,从而达到终极攻击目的。针对APT攻击的防护,Enterasys、Cisco等公司产品都体现了主动防御的理念。在安全防护体系方面,P2DR安全模型侧重技术层面,通过更改安全防护策略防护已发现的安全事件,虽具动态性,但仍局限于被动的事后响应;IATF安全模型侧重人、操作与技术一体,强调人的主动性和流程的主动过程。
综上所述,如何在恶意攻击行为发生前主动检测网络中存在的脆弱点,研究并预测攻击者行为,建立起主动型防护体系是信息安全领域中的一个重要课题。本文基于以上2 种思路,结合情景感知思想,构建了新一代主动安全防护体系,在事前进行威胁防御[3]。
1 基于情景感知的新一代主动防御体系
主动防御是一种前瞻性防御,通过针对性地实施一系列安全防御措施,提前发现安全薄弱点或安全攻击行为,并实施安全防护措施。这种防御理念不同于以往滞后于攻击的防御,能够检测未知攻击,预测未来的安全形势。主动防御具有自学习能力,能自动对网络进行监控,对发现的攻击实时响应,通过分析攻击方法和技术,对网络入侵进行取证,对入侵者进行跟踪甚至进行反击等[4]。
情景感知技术源于普适计算的研究,通过传感器获得关于用户所处环境的相关信息,从而进一步了解用户的行为动机等。该技术适用于信息安全主动防御体系,能在特定功能的网络应用中识别主体、客体以及主体对客体的动机。一方面,基于情景感知技术,能及时识别如地点、时间、漏洞状态等当前情景的信息,提升信息安全决策正确性;另一方面,通过构建特定的感知场景进行分析,可降低攻击的误报率,包括分辨传统安全防护机制无法防护的攻击以及确定有意义的偏离正常行为[5]。
本文提出的主动防御模型是在P2DR安全模型的基础上进行延伸,包括情景感知(Aware)、动态防护(Protect)、深度监测(Detect)与研判处置(Response),即APDR模型。基于情景感知的主动防御模型如图3 所示。
图 3 基于情景感知的主动防御模型Fig.3 Active defense model based on context-aware
1.1 事前情景感知
在攻击发生前,主动搜集外部威胁情景和内部情景信息,转换特定的安全策略应用到防护和监测过程中,对内外部威胁提前预警并制定防护策略,另外通过搜集威胁情报与现有资产属性匹配,实时进行风险预警[6,7]。
1)外部情景信息。针对外部攻击,主要通过获取威胁情报,依靠专业的安全分析团队,综合分析之后形成情报的处置决策,并通过网络安全设备或终端上的安全软件来执行决策,实现针对高级攻击的防范,整个过程可以通过设备自动执行。威胁情报一般包括信誉情报(“坏”的URL、IP地址、域名等)、攻击情报(攻击源、攻击工具、利用的漏洞、采取的方式等)等。通常可以从安全服务厂商、CERT、防病毒厂商、政府机构和安全组织机构得到安全预警通告、漏洞通告、威胁通告等,这些都属于典型的安全威胁情报。
2)内部情景信息。主要是指对内部异常行为进行监控,内部异常行为造成的破坏是导致安全事故的主要因素,外部攻击者发起APT攻击,其中的部分环节需要通过“内部行走”才能接触到敏感数据,从而实现盗取或破坏的目的。企业内部的威胁源包括可能准备离职的有恶意的内部人员、内部人员长期慢速的信息泄露等,内部攻击也可能由具备内部访问权限的合作伙伴或者第三方发起。通过制定不同的情景,获取样本,建立正常行为模型,并分析内部网络流量或终端服务器上的行为,可及早发现异常。内部情景主要指“主体”到“客体”的访问行为情景,主体是人或应用,客体是应用或数据。情景包含的因素有5W(Who、When、Where、What、How),常见的异常情景有:登录异常行为,包括异常时间、频繁登录失败等行为;业务违规行为,包括高频业务访问、业务绕行等。
1.2 事中动态防护与监测
对于事中动态防护与监测,一方面根据已知情景进行威胁行为模式匹配,另一方面能基于网络交互上下文动态学习(自学习)和感知网络特定上下文,建立相应的情景模型,对异常行为进行告警和阻断[8]。
1)威胁模式匹配。对于外部威胁情报中的信誉情报防护设备,直接根据安全事件的某个特征进行模式匹配即可,如检测有外向连接到已知的危险实体,或者检测可作为潜在攻击线索的事件和行为特征的序列等[9,10]。对于攻击情报中攻击源、攻击工具、利用的漏洞、该采取的方式等信息进行威胁情报建模,对安全事件进行特征提取,形成特征序列和威胁情报模型进行关联分析。威胁情报标准及其可机读性是关键,为使计算机能自动识别其表达行为,一般采用XML语言自描述。目前成熟的国外威胁情报标准包括网络可观察表达式(Cybo X)、结构化威胁信息表达式(Structured Threat Information e Xpression,STIX)、可信自动交换指标信息(Trusted Automated eXchange of Indicator Information ,TAXII)等。
2)威胁行为学习。威胁行为是指不符合业务逻辑的行为,包括针对性的威胁行为(黑名单)及违反正常行为(白名单),通常表现为基于时间序列或基于统计的行为。威胁行为学习通过分析事件间的关系,利用过滤、关联、聚合等技术,最终由简单事件产生高级事件。行为的学习可以通过业务专家或者安全专家直接建模,但更多是通过机器学习方式辅以人工知识进行建模。机器建模包括训练和验证过程,一般模型的准确率低于专家建模。
1.3 事后溯源和研判
事后溯源和研判是指对攻击行为进行研判和取证,反馈攻击行为给情景感知模型并修订防护策略,在适当时机通过技术或者法律手段对入侵者进行反制。
1)安全事件研判。采用可视化手段对可疑安全事件或预测性安全事件进行分析,确定攻击的准确性以及造成的损失。事件研判需要专业能力强的安全运维人员来进行,除了具备安全知识外,对应用系统的行为也要非常熟悉。交互可视化可以大幅提高事件研判的效率,但定制化因素较多,也可借用成熟的工具进行事件研判,如安全沙箱、网络分析软件等。事件研判的结果应立即进入处置流程,使安全事件闭环,从而进一步完善主动防御体系。
2)攻击溯源取证。溯源是指在网络攻击发生后,通过已发现的攻击路径追寻攻击者的相关信息。溯源相关的事件包括业务事件和网络事件,业务事件的目的是查找使用者,网络事件的目的是查找网络报文的发送者。溯源通过事件或者日志链层层查找,而取证则需要对系统或网络攻击行为进行还原,涉及的技术比较广,也是目前针对企业合规及司法取证的热点。
2 基于情景感知的主动防御体系实践
建立主动防御系统是一项十分复杂的工程,从IATF安全保障体系来看,涉及人、流程、技术等要素的有机结合。在主动防御体系建设方面,为体现主动防御体系的前瞻性、自学习、实时响应,除了组织流程建设外,还需要在威胁感知基础设施方面不断进行完善,并不断完善防护、监测等技术措施,提升主动防御体系的完整性。基于情景感知的主动防御体系如图4 所示。
在组织方面,需要构建内外部威胁情景信息搜集队伍以及可以编写内外部威胁模型、能对安全事件进行精准研判的人员。另外,对于情报的搜集要建立适当的渠道,以确保情报的准确性、权威性。目前国内各大企业侧重于体系建设、技术与产品的实施,对运维能力和组织建设方面的关注不够,导致很多宣称已经实现的主动防御体系仅仅落实在字面上。
图 4 基于情景感知的主动防御体系Fig.4 Active defense system based on context-aware
与组织对应的是流程体系建设,主动防御体系是基于P2DR动态防御体系之上的,需要不断完善流程,应对不断演进的内外部威胁。建立高效的流程体系,可以确保各种技术、管理手段得以落实,从而更好地满足企业政策合规和生产经营需要。
在技术层面,构建主动防御体系需要企业规划有一个总体的清晰线路,各种技术手段相互关联、补充。主动防御具有前瞻性的前提是对网络及应用环境的资产属性及安全属性有全面的掌握,能实时发现系统的弱点、威胁和风险。在基础设施方面,安全基线系统建设最为关键,由于被防护系统会不停变动、新的系统不断被引入、用户账户不停新建或撤销,新的漏洞不断披露,针对新威胁的适应改造也需一直进行。因此,应持续对终端设备、服务器端系统、漏洞和网络交互接口、业务交互行为进行重定基线以及挖掘发现。主动防御体系关键数据模型如图5所示。
在数据模型方面,需要对主动防御体系的内涵进行诠释,确保该体系建设过程中数据流和信息流能够统一和集成。主动防御体系涉及的关键信息模型包括威胁情报模型(需要对不同攻击源进行统一描述)、防护设备策略模型(不同厂商策略的统一便于威胁情报模型在防护设备中得以动态实施)、防护设备告警模型(需要统一或规范各厂商设备告警内容的一致性)、业务情景模型(需要从系统、网络、业务层面构建统一的业务模型),以及监测层面的事件模型(统一安全事件,便于事件的统计分析和风险计算)、态势感知预测模型(对网络流量、业务交互频率、安全事件发生频率等进行建模)等。但这些模型的核心是防护对象的资产模型,包括拓扑属性、安全属性、运行属性等,是上述模型的纽带和计算基础。
3 结语
从国内信息安全主动防御体系建设来看,电信行业起步较早,以传统的安全信息和事件管理(SIEM)为起点,逐渐发展安全管理平台(SMP),实现了终端、网络、应用防护技术的统一,并且承载安全管理、安全合规、安全处置和安全规划等能力,安全建设更加体系化,为主动防护体系实施奠定了基础。在能源行业,电力二次系统从最早的边界防护到一体化调度支撑系统的建设,再到可信计算的应用,实现了终端、网络、应用的层次化纵深防护,也为主动防御体系建设奠定了基础。如何构建更加智能主动的防御体系,还需要结合具体的业务情景进行不断研究。
随着威胁情报标准的制定以及大数据实时流处理、机器学习技术的应用,实时动态感知威胁情报、实时威胁情景学习与预测将使安全防护措施识别攻击的成功率和精准度进一步提升,促进主动防御体系的进一步成熟。
参考文献
[1]JAJODIA S.网络空间态势感知问题与研究[M].余健,游凌,樊龙飞,等译.北京:国防工业出版社,2014.
[2]王慧强,赖积保,朱亮,等.网络态势感知系统研究综述[J].计算机科学,2006,33(10):5-10.WANG Hui-qiang,LAI Ji-bao,ZHU Liang,et al.Survey of network situation awareness system[J].Computer Science,2006,33(10):5-10.
[3]陈秀真,郑庆华,管晓宏,等.网络化系统安全态势评估的研究[J].西安交通大学学报,2004,38(4):404-408.CHEN Xiu-zhen,ZHENG Qing-hua,GUAN Xiao-hong,et al.Study on evaluation for security situation of networked systems[J].Journal of Xi'an Jiaotong University,2004,38(4):404-408.
[4]李蕊,李仁发.上下文感知计算及系统框架综述[J].计算机研究与发展,2007,44(2):269-276.LI Rui,LI Ren-fa.A survey of context-aware computing and its system infrastructure[J].Journal of Computer Research and Development,2007,44(2):269-276.
[5]张屹,张帆,程明凤,等.泛在学习环境下基于情境感知的学习资源检索模型构建[J].中国电化教育,2010(6):104-107.
[6]贾焰,王晓伟,韩伟红,等.YHSSAS:面向大规模网络的安全态势感知系统[J].计算机科学,2011,38(2):4-8.JIA Yan,WANG Xiao-wei,HAN Wei-hong,et al.YHSSAS:Large-scale network oriented security situational awareness system[J].Computer Science,2011,38(2):4-8.
[7]温辉,徐开勇,赵彬,等.网络安全事件关联分析及主动响应机制的研究[J].计算机应用与软件,2010,27(4):60-63.WEN Hui,XU Kai-yong,ZHAO Bin,et al.On network security event correlation analysis and active response mechanism[J].Computer Applications and Software,2010,27(4):60-63.
[8]韦勇,连一峰,冯登国.基于信息融合的网络安全态势评估模型[J].计算机研究与发展,2009,46(3):353-362.WEI Yong,LIAN Yi-feng,FENG Deng-guo.A network security situational awareness model based on information fusion[J].Journal of Computer Research and Development,2009,46(3):353-362.
[9]CHEN S H,JAKEMAN A J,NORTON J P.Artificial intelligence techniques:anintroduction to the iruseformodelling environmental systems[J].Mathematics and Computers in Simulation,2008,78(3):379-400.
情景感知 篇4
Commercial aviation is an ultra-safe system[1,2,3].Commercial aircraft flight decks made emergence of many safety-critical factors,induced by internal operations and external environment.The cockpit provides resources and system user-interfaces for flight management and situation awareness.Environment,flight parameters,ATC requests,time pressure as well as other internal and external factors constantly change during the flight.The only things that do not change during the flight are standards and operational goal-for flight safety,efficiency,and comfort reasons.Therefore,flight crews follow Standard Operating Procedure(SOP)to complete tasks and ensure safety.In abnormal situations,such as system malfunction or extreme weather condition,abnormal procedures are typically used for trouble-shooting and recovery.Operational documentation is regularly improved using experience feedback for normal,abnormal,and emergency situations[4].The onboard documents can be categorized into four kinds of documents:flying documents,which are related to all flight operations;systems documents,which include systems′theory,principles,and controls;navigation documents,which are the charts that pilots use on the flight deck;and performance documents,which provide operational data for all flight phases such as takeoff,landing,and go-around[5].
Pilots are familiar with paper-based manuals,which are easy to use,tag,mark,and retain,but difficult to carry.Nobody can permanently remember all procedures and technical knowledge,particularly,under time pressure.Pilots are well-trained on searching and performing procedures under all kinds of situations,sometimes moving from one manual to another manual.For example,in“RA 1+2Fault”(i.e.,Radio Altimeter 1and 2failed)on A320,the summarized procedures combine information from the navigation chapter and flight control chapter(at landing gear extension,flight controls revert to direct law in pitch,as well as in roll)from Flight Crew Operating Manual Volume 1and Volume 3.For the last two decades,the shift from paper to electronic documentation has been discussed,modeled,and partly operationalized[6].Airbus and Boeing are currently improving onboard information systems,for instance,Onboard Information System(OIS)for A380 and Class III of Electronic Flight Bag(EFB)for B787.Note that current documentation is still context-free.However,pilots have to know and understand how to find the right information in the right part of the right manuals.
We claim that electronic documentation,renamed“onboard information system(OIS)”,contributes to improving the perception and comprehension of the current situation,as well as supporting decision-making and action-taking[7].In this paper,we will not demonstrate the full capacity of context-sensitivity compared to current paper-based operational documentation,but will provide a first contribution to the maturity process toward a safer,more efficient,and comfortable context-sensitive OIS.Furthermore,an OIS is no longer only an additional static repository of knowledge,but a real onboard system in its own right,such as on the A380[8].
1 Context-Sensitivity
The Onboard Context-Sensitive Information System(OCSIS)concept was developed on a tablet wirelessly connected to relevant cockpit parameters.OCSIS enables and requires new information formatting(e.g.,the concept of page is no longer relevant).In addition,OCSIS′s internal information is structured with respect to context.
Dey defined“A system is context-aware if it uses context to provide relevant information and/or services to the user,where relevancy depends on the user′s task”[9].Flight tasks(e.g.,cockpit preparation,takeoff,approach,and landing procedures)depend on flight phases.Each flight phase context can be segmented with respect to space and time,as well as normality,abnormality and emergency.More generally,meaningful context patterns must be understood and developed as indices of related useful,clear,and concise operational information[10].Therefore,the OIS should be re-organized and categorized into three levels[11]:
Level 1:Needed for flying.This is a judgment of the“must know”information covering all aspects of aircraft operation,points that the manufacturer has determined to be safety critical[12].
Level 2:Needed for training or testing.This includes philosophy of system design(i.e.,an explanation of why aparticular design alternative was selected);rationale for performing an action(i.e.,an explanation of why aparticular action alternative was selected).
Level 3:Needed for understanding and troubleshooting.This includes how the system works(i.e.,background for those interested in details not needed in day-to-day operation);diagnosis/troubleshooting(i.e.,details for examining subsystem interactions and finding problems whose symptoms are not readily apparent);and expert knowledge not likely needed in flight.
Pilots usually need Level 1information for operations.If they want to know more explanations of actions and reactions of the aircraft and procedures,they can easily refer to Level 2information.Level 3information is used to understand the working principle of the aircraft.
To structure the context and information,we usea high-level procedural knowledge representation,called“interactive blocks”or iBlocks[10],which includes a set of actions,a situation pattern(triggering conditions+context pattern),and post conditions(i.e.,goal+abnormal situations)(Figure 1).Consequently,iBlocks,representing situated procedures,enable incremental updating(i.e.content-wise)and re-structuring(i.e.context-wise).Take the example of the“Flaps Set”procedure in the approach scenario.Its triggering preconditions consist of“Flaps position”(i.e.,visible on the E/WD screen)and“Flaps handle position”(i.e.,visible on the Flaps lever).When the“Flaps position”on E/WD equals to the value of the“Flaps handle position,”then the goal is reached and the pilot can continue to next procedure;otherwise,apop-up window is displayed on OC-SIS to inform about an abnormal situation,and the“Flaps Locked”procedure needs to be executed.
2 Human-Centered Design Approach
A human-in-the-loop simulation(HITLS)is“a modeling framework that requires human interaction.This approach is typically called participatory design.The emergence of HITLS technologies,therefore,enables researchers and practitioners to investigate the complexity of human-involved interactions from a holistic,systems perspective[13]”.
HITLS can provide meaningful and useful user-centered feedback based on human factors metrics(e.g.,situation awareness,workload and usability indices)and user comments(Figure 2).Today,HITLS can be used early on during the design phase.OCSIS has been humancentered designed through a series of HITLSs and improvements toward an acceptable mature version(i.e.,incremental prototype development,test,and modification)[14].HITLS was developed and used on an A320flight deck simulator.
The model typically represents reality in a simplified way.The design of a system is never finished even though at some point,delivery is required.This is why maturity has to be assessed[16].The more OCSIS is being used and tested,the more new cognitive functions emerge and need to be taken into account either in system redesign,system training,or operations support.
From the early stages of design,it is very important to have professional pilots involved to set up a high-level prototype correctly.They help designers to describe stories applicable to the product being developed and how these historical events may be induced during the product operational phase.This is an important role of participatory design.Professional pilots participated in OCSIS design process from the beginning as well as in all testing sessions(i.e.,formative evaluations),providing experience feedback toward improving designs(Figure 3).
3 OCSIS Prototype
OCSIS was applied with Airbus 320information on the iPad.We adopted three information levels structure already described above.Take the Flaps lever set after engine start as an example.The action in cyan requires the pilot to set Flaps lever,which is the Level 1information that pilots need to know at that time(Figure 4).
Level 2information about this action(i.e.,also called“nice to know”)will be shown in white when the pilot selects the solid triangle icon at the beginning of the line.In this example,the pilot can read that,under certain conditions,flaps cannot be set after Engine Start(Figure 5).
Level 2information provides the pilot with useful explanations on Level 1information.Since Level 3information is deeper system knowledge,it is often required that pilots know it by heart.We did not take into account Level 3in current OCSIS development.
The Dynamic Color System(DCS)is designed toenhance the pilot′s perception and comprehension of the current situation.Different colors stand for different meanings that provide the pilot with a direct and swift status of procedures,which are consistent with Airbus′s philosophy.For examples,“Ready to do”actions are in cyan.Once the action is completed and OCSIS can access the related parameters′status,it automatically becomes“green”.In the current version of OCSIS,this kind of automation is done for only the rudder trim and parking brake parameters,which can be detected(i.e.,colors change automatically).In the future,more parameters will be automated.For all other parameters,the pilot marks them“DONE”manually(i.e.,the action line becomes green).The pilot can also postpone an action by selecting the“WAIT”button,and then the action line becomes amber(Figure 6).
“Initial Approach”and“Final approach”were developed for testing normal procedures.“Fuel Leak”and“Flaps Locked”were developed for testing abnormal procedures.Related malfunctions were generated on the flight deck simulator.In both normal and abnormal situations,flight and systems parameters were exchanged between the aircraft simulator and OCSIS.In an abnormal situation such as“Fuel Leak”,OCSIS will immediately inform the pilot by displaying a pop-up information window(Figure 7).Pilots can become aware of the problem through the pop-up window and start following actions.
They can then decide to perform additional procedures,immediately or later.If they choose to do it later,a reminder line(Figure 8)will be displayed at the bottom of the interface,which directs to additional“Fuel Leak”procedures.Therefore,context-sensitivity enables OCSIS to follow pilot′s action execution and awareness of procedure completion.In particular,OCSIS is able to remind action items that could be omitted by the pilot.
4 Formative Evaluations
OCSIS tests were carried out in three steps:
1)Conducting user-system interaction tests:Check if OCSIS could assist pilots easily and effectively;Conduct usability tests and cognitive walkthrough based on feedback from pilots while involved in flight operations[17].
2)Testing OCSIS′s ability of improving situation perception and comprehension:Evaluate OCSIS′s ability of improving situation perception and comprehension;Use an adaptation of SAGAT[18].
3)Finding the best location for OCSIS:Find the best physical location for OCSIS in the cockpit;Test four options;Have pilots fill in questionnaires.
The first test was carried out in August2014at HCDi′s simulator lab.Four pilots with flight experience were chosen as participants.We ran two sessions where pilots were requested to follow a set of procedures.During the first session,they used paper-based manuals.During the second session,they used OCSIS.Sessions were run a few days apart for each participant.The testing was conducted as indicated in Figure 9.
Pilot participants provided excellent feedback not only on assigned 7actions,but also on OCSIS look and feel,assessing display usability criteria(e.g.,color,buttons).Results showed that all pilots understood how to use OCSIS.They all reported that OCSIS was easy to hold and use.Pilots provided feedback on information icons,color,and size,which was used to improve user interaction with OCSIS.Results showed that all pilots,except one who said that size of the items was not big enough,felt com fortable with OCSIS information display and interaction.
Forboth perception and comprehension level of situation awareness,OCSIS failure triggering and automatic feedback were evaluated by pilots in Testing I.Pilots rated 9.5out of 10on failure triggering and 9.4out of 10on automatic feedback.All pilots understood every action in Testing I.
Based on pilots′feedback,OCSIS was incrementally improved on designs,prototype and integration:some of the icons had been changed;grey color was added to represent not applicable part for current situation;and 4optional positions for iPad in the cockpit were suggested by pilots(Figure 10).
The secondtesting was carried out in January 2015at a flight training center in China.22A320pilots participated in the testing,performing as aircrew in A320 simulators.They were divided into two groups:Group A had 12pilots(i.e.,6captains and 6first officers),they were required to come twice to perform the testing,with an interval of a few days between the two sessions(i.e.,session 1 with paper-based documents and session 2 with OCSIS);and Group B had 10pilots(i.e.,5captains and 5first officers)performed the same tasks only with OCSIS.Captains had 11 800flight hours average,and first officers had 1 450flight hours average.
During the testing,we observed in the“Fuel Leak”scenario,pilots easily established the failure and excluded the irrelevant procedures(e.g.,“Fuel imbalance”procedure).In the“Flaps Locked”scenario,OCSIS reduced the chance of wrong calculation of landing distance and approach speed.The results of user-system interaction questionnaires showed that 86%of the pilots understood how to use OCSIS and were satisfied with OCSIS,while 81%of the pilots were satisfied with all user interaction criteria.
For the comprehension level of situation awareness,25%of the pilots had difficulty understanding every action proposed on the QRH;most of them were First Officers.In addition,27.27%of the pilots had difficulty understanding every action proposed on OCSIS in the“Fuel Leak”scenario and 18.18%of the pilots had difficulty understanding every action proposed in OCSIS in the“Flaps Locked”scenario;most of them had English language limitations.
We made improvements to OCSIS based on testing II pilots′feedback on prototype and integration.We included“Engine Shutdown”and“Engine Relight”procedures in the“Fuel Leak”scenario.64%of the pilots preferred the iPad located close to each side-stick(Position 1in Figure 10).Therefore,a flexible arm was set up to hold the iPad near the side-stick on the right side of the simulator(Position 1).This location was tested in Testing III.
Testing III of OCSIS was held in June 2015with six pilot participants,and three additional pilots took Nielsen′s ten Usability Heuristics survey[19],using the same protocols and timelines as Testing I and Testing II.The results of user-system interaction questionnaires showed that every pilot understood and was satisfied with using OCSIS and with OCSIS′s user interaction,as well as the location of OCSIS in the cockpit.For the comprehension level of situation awareness,50%of the pilots understood every action in“Fuel Leak&ENG 1 Shut Down”while 83%of the pilots understood every action in“Flaps Handle Locked.”All the six pilots satisfied with the location of iPad in the simulator.Testing III led to improvements of OCSIS on checklist icons,quick maneuverability to specific procedures/menus instead of scrolling,the color of caution or warning pop-up message window.
5 Discussion
OCSIS was first designed as a piece of software to be used as a tangible interactive system(TIS)onboarda commercial aircraft.The main issue we had to solve was tangibility.Onboard paper-based documentation has been used from the beginning of aviation history and is tangible for pilots to grasp,handle and use.This is physical tangibility,but figurative tangibility should be tested[20].In this case,figurative tangibility is related to pilot′s situation awareness provided by OCSIS.We conducted testing studies based on a first set of methods and tools to assess figurative tangibility.The first three testing studies that were performed showed that this hypothesis was confirmed on a fully equipped cockpit simulator in realistic flight operations scenarios with professional pilots:①The Dynamic Color System provides dynamic situation awareness that increases flexibility of pilots′actions.Flexibility is an important dimension of tangibility[20].②When using OCSIS,pilots may decide to postpone an abnormal procedure and the system is able to remind them at an appropriate time.③Pilots have direct access to the first layer of operational information as well as to the other layers on demand by using OCSIS;this feature provides significant flexibility.④Global checks after each flight phase are possible,which improve flexibility in a high time-pressure situation.Meanwhile,some of the actions cannot be detected by the system,such as the call-out,double check,communication with ATC,or reading information from an instrument.⑤OCSIS connectivity with flight parameters provides useful affordances.⑥OCSIS knows about pilots′actions on cockpit instruments and provides redundant feedback(i.e.,this feature provides an embedded safety-critical cross-check).
6 Conclusion
The current version of OCSIS is a tabletbased application that integrates information that,if paper-based,is physically distributed in several manuals.OCSIS database is organized into meaningful context-sensitive patterns.Usability advantages and capabilities of the tablet have been operationalized in terms of tangibility,familiarity,and maturity of use.This research and HCD effort are based on both participatory design and agile development(i.e.,at the end of each phase,the system is testable in an HITLS environment).This is now typical for the design and development of tangible interactive objects(Boy,2014),and more generally tangible interactive systems(TISs)[20],where the problem is no longer automation but the search for tangibility.Modeling and simulation are very useful to explore possibilities and drawbacks of these TISs.The quality of both simulation capabilities and pilot participants is crucial[14].If the issues traditionally raised by human factors and ergonomics specialists when engineering work is done are now posed at the beginning of the design phase in a virtual world(i.e.,virtual engineering is part of HCD),new kinds of questions would emerge from this practice,that is,tangibility.Representation of context,identification of relevant contextual information,and actual interaction at the right time with the right information are key issues that needed to be further explored and developed.
Consequently,this research effort is not a classical human-factors experiment-based research based on existing systems,but a creative work based on experience and expertise.The goal was the creation of a human-centered system that would be useful and usable by professional pilots on a commercial aircraft flight deck for handling operations safely,efficiently,and comfortably.While this work needs more improvement and maturity,it provides a first account that should be further developed and tested in the near future.
摘要：飞行员使用纸质文件和机载电子设备辅助来执行程序以确保飞行的安全性、有效性和舒适性。机载情景感知信息系统设计用以在正常、非正常以及紧急情况下提供飞行、系统、性能和导航4个方面的操作信息。系统内容是由3层信息结构超链接组织的:必须知道的信息或涉及安全的关键信息(级别1);次要信息(级别2);以及需要理解的信息(级别3)。提出不管是自动显示还是人工选择显示的随情景感知的信息,都应使飞行员更容易在正确的时机获得适当的操作内容。机载情景感知信息系统采用“人在环路(HITL)”模拟,并有多名专业飞行员在模拟机上对该系统进行了测试。第一批的数据结果表明,机载情景感知信息系统的操作信息访问是可用且有用的,并且具有纸质文件所没有的特性。
情景感知 篇5
随着计算机、通信、数据库与数据挖掘以及相关技术的发展,运营商对用户信息的捕获、存储、挖掘的能力越来越强,从而使得情景感知业务的开展成为可能。所谓情景(Context)是指移动设备的使用者所处的环境,例如用户的地理位置、周围设施、周遭的噪音级别、明亮程度,以及用户自身的个人习惯、行为特征等等。网络通过感知用户的各种情景信息,进行数据处理、挖掘及预测等处理,提供给用户具有针对性、个性化的信息服务。情景感知服务的产生使得整个通信产业链上的各个利益群体都看到了移动电子商务巨大的发展空间。
情景感知服务的产业链应当与目前手机位置定位服务的产业链结构比较类似,其产业链包括电子地图提供商、软件与SP开发商、芯片技术提供商、终端设备制造商、运营商,以及分别处于运营商前后向的商家与最终消费者两个庞大的用户群体。目前这条产业链尚未成熟,各个环节利益群体间都存在着大量的博弈关系,因此该产业链的合作协调与收益分配机制是其健康发展的关键。本文先分析情景感知产业链的构成,然后基于多人对策模型,对产业链中的收益分配机制进行一些探讨。
2 情景感知产业链分析
用户A正在某电影院看电影,在此之前他为手机订阅了运营商提供的情景感知服务,并且该服务正处于开启状态(该状态表示他同意接受网络为他主动推送的服务信息)。因此,此时运营商的服务器可以通过以下一系列的操作为用户提供针对性的情景感知服务:
(1)通过位置定位功能获取到用户所在的位置信息(例如:地理位置、周边商家等);
(2)通过对数据库中用户消费行为记录信息的数据挖掘,分析出用户看完电影后可能产生的行动(假设分析结果是用户有较大可能去用餐);
(3)通过调取用户之前主动填写的个人信息(例如:年龄、籍贯、个人偏好等),判断出用户最终可能选择的行动结果(例如用户如果是四川或湖南人,则去川菜和湘菜餐厅的概率要大一些);
(4)最后,将结果通过短信或WAP网页的形式推送到用户的终端设备上去。
以上就是一个典型的情景感知服务应用实例,而具体的实现过程则可以参照如下图1的流程:
我们可以从图1观察到整个情景感知服务的基本流程:从用户启动情景感知服务开始,到情景感知服务器将用户潜在需求进行分解,经过定位、用户信息数据挖掘、搜索商家信息等过程,最后将最符合用户需求的信息主动推送到用户终端上。
在实际应用中,情景感知服务的实现需要一条完善的产业链中各个环节厂商的协调配合才能完成。虽然现在情景感知服务还没有正式进入商用阶段,但由于它是在现有的位置定位服务基础上发展而来的,因此通过考察目前手机位置定位服务的产业链体系,可以为我们的情景感知产业链的研究工作起到基础性、启发性的作用。
如图2所示,在情景感知业务的产业链中有三个主要服务角色:内容提供角色、网络提供角色和支付结算角色。其中,除了网络提供角色在产业链中完全有运营商所独占以外,其他两个角色都可以由其上下游的其他成员完成。例如,情景感知业务中所需要的地理信息、用户信息以及商家信息既可以由运营商自己建立数据库去管理,也可以外包给上游的各种大小SP去完成。而支付结算功能主要出现在由情景感知产生的移动支付业务当中,同样,运营商既可以通过扣除话费来完成支付过程,也可以联合银行系统或第三方支付平台来完成支付过程。
因为有谁来承担这些角色直接关系到产业链中每个环节商家的利益,因此在该产业链中存在着大量的博弈行为。根据博弈方的不同,大致可分为四个部分:
(1)运营商与上游SP开发商之间的博弈。
(2)参与情景感知的商家之间的博弈。
(3)运营商与商家之间的博弈。
(4)消费者与运营商就隐私保护所展开的博弈。
而本文旨在研究在整个产业链中各个利益方如何合理分配收入。在本文中,我们将基于多人合作对策理论,对情景感知产业链中的利益分配问题做一些探讨。
3 多人合作对策模型的建立
假设情景感知产业链的参与局中人个数为N个,对于某一局中人i (iN)而言,其独立运营的收益为xi,情景感知产业链S的所得收益为C(s)。其中,xi可视为情景感知产业链中各个服务提供方的收入(不包括最终消费者)。当1
对所有的产业链S都算出S(s),就得到情景感知产业链中一个n人合作对策(N,C)。通过对策(N,C)的解,即可将情景感知产业链获得的总利润,分配给各局中人,合理分配情景感知产业链收益。合作对策存在,应满足以下三个基本条件:
(1)个体合理性条件
若某一局中人从产业链中分配所得的收益,小于其独立运营时得到收益,该局中人从自身的利益出发,将不会接受这样的产业链收益分配方案。因此,一个合理的收益分配方案必须满足:
ui≥xi,∀i∈N
其中ui,xi,分别为局中人的分配收益和独立运营时得到收益。
(2) 整体合理性条件
各局中人的分配收益之和应等于总收益C(N),
即:undefined
(3) 产业链合理性条件
任何产业链在这种分配方式下的收益所得,都应大于他独立出来时的收益所得,
即:undefined且|s|>1
由此得到基于n人合作对策的情景感知产业链的收益分配模型:
St.undefined
4 多人合作对策模型的求解
多人人合作对策模型的情景感知产业链收益分配的解法有多种,如Shapley值法、核心法(Nucleolus法)和简化的MCRS(Minimum Costs-Remaining Savings)法等。
4.1 Shapley值法
在用shapley值求解时,首先应满足如下公理:
(1) 对称性公理:若对策中的两个局中人相互替代(当联盟总财富不发生改变时,由一个人替代另一个人),那么它们的值相等。此条公理意味着局中人的平等关系。
(2) 有效性公理:所有局中人的赢得(或价值)之和等于,是所有局中人总联盟的财富。
(3) 聚合性公理:两个对策之和的值等于两个对策值之和。
理论上可以证明,这些公理惟一确定了每一博弈的一个赢得(支付)向量,即合作博弈联盟中的一种分配形式。下面给出一个具体的shapley值。在所有n人合作博弈中的集合(N,V)之上,存在惟一的一个向量函数满足上述公理,它的第i个分量为:
undefined
4.2 核心法
核心法从满足整体合理性和个人合理性的合理分配,集中选择一组合理分配,它们对任何联盟S来说都不被其他合理分配所支配,即是将合作对策(N,C) 的核心作为收益分配方案。考虑到核心有可能是空集,解决这个问题的方法是,给多人合作对策模型中的价值链,合理性条件加一松驰变量。按照给联盟S(1<|S|
在最小核心法中,给所有情景感知产业链S(1
minε
undefined
在弱最小核心法中,给情景感知产业链中的S(1<|s|
minε
undefined
在比例最小核心法中,给情景感知产业链中S(1<|S|
minε
undefined
4.3 简化的MGRS法
MCRS(Minimum Costs-Remaining Savings)法计算情景感知产业链收益分配的公式为:
undefined
其中,各个局中人的理想收益所得和应该的收益所得,分别作为其最高和最低的收益分配所得,即简化的MCRS法:
uimax=C(N)-C(N-I),∀i∈N
uimax=C(N)(i)=xi
5 情景感知产业链的计算机仿真实验
本文利用JAVA程序完成对以上仿真计算的实现,以Shapley值法为例,设置一个四维数组P来存储各种类型产业链的收益值。利用布尔类型的参数区分各种类型的产业链,例如P[1][0][1][1]=X表示当产业链由A、C、D组成时总收益为X。因此,当V(S)用P[A][B][C][D]表示时,则V(SB})可用P[A][0][C][D]表示。其他几种算法处理与Shapley值法类似,通过处理我们可以得到每种算法的收益贡献值。
以下是具体计算机仿真计算:
假设情景感知产业链由运营商、电子地图提供商、终端设备制造商、软件与SP开发商4个参与人组成,分别以A、B、C、D表示。
N= {A ,B,C,D}
P (N )={{A},{B},{C},{D},{A,B},{A,C},{A,D},{B,C},{B,D},{C,D},{A,B,C},
{A,B,D},{A,C,D},{B,C,D}, {A,B,C,D}}
根据对某运营商地级市现有位置定位服务的调查,以及对情景感知产业链的预测分析,对所有产业链S∈P(N)的收益有如表1所示:
各种基于多人合作对策的情景感知产业链的收益分配的计算结果如表2所示:
6 结束语
根据上面图表可知,几种多人对策合作模型的计算结果较为接近,说明这些方法具有一直性和合理性。从结果来看,每个合作方在多人合作下的收入情况与其贡献程度成正相关。在实际情况中,情景感知产业链处于产业链核心地位的运营商拥有最大的资源优势,对产业链的贡献程度也就最大。另外,处于产业链上游的电子地图提供商拥有大量的地图数据,因此它们的议价能力也非常高,对其他环节的利益方的潜在进入造成较高的进入壁垒。
就目前相当于情景感知初步发展阶段的位置定位服务而言,其产业链尚未完全成熟,原因主要有三:
(1)产业链仍缺乏开发大量用户资源的商业模式;
(2)除运营商这个环节外,其他环节没有产生强有力的领导者,各种大小厂商水平参差不齐;
(3)每个环节的利益群体都尝试着整合资源、进入产业链的上下游,以分得更多收益。
面对产业链的现状,开发有效的商业模式、引导整个产业链将“蛋糕”做大、强调合作协调、制定合理的分配机制是目前各个利益方,尤其是处于核心地位的运营商的当务之急。下一步我们的研究重点主要在分析产业链中各个利益方之间的博弈关系,为情景感知产业链的发展提供更多的理论支持。
参考文献
[1]Stathis Panis,Neophytos Morphis,Elisabeth Felt,Britta Reufenheuser,Andreas B-hm,Janka Nitz,Petri Saarlo.Service Scenar-ios and Business Models for Mobile Commerce.
[2]Balabko.Context Based Reasoning in Business Process Models.Las Vegas,USA.IEEE IRI(2003)
[3]Juha Kolari,Timo Laakko,Tapio Hiltunen,Veikko Ikonen.Context-Aware Services for Mobile Users.Espoo2004VTT PUBLI-CATIONS539.
[4]马士华,王鹏.基于Shapley值法的供应链合作伙伴间收益分配机制.工业工程与管理,2006,(4):
[5]王岳峰,刘伟.考虑权重的Shapley值法虚拟企业伙伴利益分配策略的改进.上海海事大学学报,2005.
[6]陈天娇,青正川.情景感知服务的用户接受模型研究.信息系统协会中国分会第一届学术年会,2007.