李奀林

摘   要：定密是保密工作的前提和基础，工作量大、定密不准是当前定密工作中存在的主要困难。文章将自然语言理解、数据挖掘、模式识别等人工智能新技术引入到定密工作中，重点研究基于信息抽取的关键词检索、基于人工神经网络的定密规则推导和基于不确定推理的辅助定密技术，设计计算机辅助定密系统对电子文件涉密密级、知悉范围和保密期限进行确定，为定密责任人开展各项工作提供计算机辅助决策手段。

关键词：IDSS;辅助定密

中图分类号：TN918          文献标识码：A

Abstract： Determination of confidentiality is the premise and basis of the work of confidentiality. In this paper， the natural language understanding， data mining， pattern recognition and artificial intelligence， new technology is introduced into the secret work. The key research is focused on information extraction based keyword retrieval， artificial neural network based inference of secret determination rules and uncertain reasoning based auxiliary secret determination technology. The computer aided secret determination system is designed to determine the confidentiality level， scope of knowledge and confidentiality period of electronic documents， so as to provide computer-aided decision-making means for the persons responsible for secret determination to carry out various work.

Key words： IDSS; aided secret determination

1 引言

如何完成對涉及秘密文档的定密工作是现阶段安全保密事业中迫切需要解决的问题。长期的实践证明，密级确定工作做不好，不明确保密工作的对象，所谓的保密就只是一纸空谈。当前，定密工作主要依靠定密人员的学识和工作经验进行人工定密，难免存在“密与非密界定不清”“密级定位过高或过低”“定密期限把握不准”“知悉范围不明确”等定密不准的现象，而且由于定密人员需要阅读的涉密文档多、文字量大，使得定密周期长，进而影响到定密工作效率。

决策支持系统(Decision Support System，DSS)是通过利用大量数据，有机结合多种形式模型(数学模型与数据处理模型等)，通过相关的计算机交互手段来完成对各级决策者的辅助，并实现科学决策的系统。20世纪80年代，人工智能领域中的许多先进技术，如机器学习、知识表示、人工神经网络、自然语言理解等集成于DSS中，出现了智能决策支持系统(Intelligent Decision Support System，IDSS)。IDSS是人工智能识别技术与决策支持系统相结合的产物，它不光能充分发挥智能识别中知识及处理信息的特长，还可以发挥过去传统的决策支持系统当中数值分析的优势，既可以进行定量分析，又可以进行定性分析，能有效地解决半结构化的问题。特别是在20世纪90年代之后又集成了数据挖掘技术，可以利用计算机从数据中自动挖掘出人类难以发现的知识或规则，极大地丰富了专家系统的知识库，进一步提高了IDSS的应用领域和范围。

定密工作是一类典型的半结构化问题，其决策因素明确(主要包括载体形式、涉密内容和泄密后果)，决策方法有一定规律可循(主要指《中华人民共和国保守国家秘密法》和有关保密规定)，但又不能完全确定，决策相关结果通常根据当前相关情况和当前数据做出临时判决。借助IDSS技术完成定密及决策的辅助，利用计算机信息存储能力强、数据处理效率高的优势，可有效地缩短定密时间，减轻定密人员工作量，提高定密准确性。

2 辅助定密原理及关键技术

定密有关工作引入IDSS技术，建立涉密信息关键词数据库、定密规则和模型库，采用信息抽取技术分析处理涉密文档，自动检索涉密关键词，利用人工神经网络检查并丰富定密规则库，最后采用不确定推理技术辅助定密。

2.1 基于信息抽取的关键词检索

采用信息抽取技术对涉密文档进行分词、消岐、纠错和结构化描述，从中自动检索出涉密关键词，以此作为下一步定密的决策要素，并将最新的涉密词汇存入数据库中，丰富涉密关键词数据库。

2.2 基于人工神经网络的定密规则推导

计算机定密辅助系统采用统一的定密规则，各项准则及其规定由两部分组成，即相关规则的具体描述和规则置信度。规则库也由两部分组成：一部分是确定性规则库，利用定密专家的知识建立规则，规则可信度为1;另一部分为不确定规则库，采用人工神经网络技术对载体形式、涉密关键词和泄密后果等决策要素进行综合分析处理，推导出定密规则，规则可信度为(0，1]区间值。在经过多次使用实践后，规则的可信度可自适应调节。在满足一定条件时，两库的规则可以相互转化。

2.3 基于不确定推理的辅助定密

不确定推理是E.H.Shortliffe等人在确定性理论的基础上提出的一种不确定推理方法，是解决传统专家系统规则库的脆弱性和推理单调性的一个重要手段。通过不确定推理可以将涉密文档的参考密级和密级概率提供给定密人员，从而为定密工作提供建议和参考，实现辅助定密。

3 基于IDSS的计算机辅助定密系统设计

定密辅助计算机系统在IDSS的基础上，开发成分布式决策支持系统，支持分布式访问。系统硬件架构由客户咨询终端、决策服务器和资源服务器组成。客户咨询终端、决策服务器、资源服务器可分布于各自不同的空间位置。终端与决策服务器、决策服务器与资源服务器之间，通过与外界物理隔绝的有线局域网连接，如图1所示。

客户咨询终端由个人PC和定密咨询客户端组成，各终端相互独立。定密人在咨询终端进行简单的人机交互后，通过有线局域网络将需要处理的文档资料传输至决策服务器进行辅助决策处理，并负责接收和显示辅助决策建议。

决策服务器以后台服务的形式响应客户咨询终端的决策请求，调动决策资源进行輔助决策运算，传输决策建议至客户咨询终端供定密人参考，一旦定密人采纳建议，则将新的决策规则和资源传输至资源服务器存储。

资源服务器主要负责涉密关键词、推理规则和模型等数据和知识的存储。

系统软件体系可以分为三个层次：人机交互层、决策支持层和资源层，如图2所示。

3.1 人机交互层

人机交互层包括若干个人机交互界面。由于定密问题通常很难用数学公式和准确的数据进行描述，是半结构化问题，因此不能完全由计算机自动求解，需要人类决策者的经验和计算机的自动处理同时发挥各自的优点，才能真正为决策活动提供有效的支持。人机交互界面可充当定密人和计算机信息沟通的桥梁，形成一种人机互相激发、优势互补、共同寻求问题求解的有效途径。人机交互层具有四项功能。

(1) 在特定领域内理解定密人的问题和要求。

(2) 给定密人某些必要的提示，启发定密人顺利地利用IDSS为自己的决策服务。

(3) 给定密人提供一个对话的环境，使定密人能充分了解系统的运算结果和推理结论，并结合定密人自己的经验分析、判断，作出决策。

(4) 需要时可以按定密人的要求，输出图形、表格、运算结果、推理结论以及依据等。

3.2 决策支持层

决策支持层完成具体的定密决策工作，是本系统的核心部分。决策支持层对于定密人而言并不可见，是以后台服务的方式运行，通过不间断地侦听特定端口的信号来响应人机交互层的请求，根据处理任务的需求调动资源层的各种资源(如涉密关键词、定密规则、决策模型等)，完成涉密关键词检索、人工神经网络规则推导和推理定密等多种任务。同时，还可以定期自动执行计划任务，如数据库、人工神经网络训练、知识库中的规则更新等。

3.3 资源层

资源层为决策支持层提供数据库、知识库、模型库等多种资源。数据库的主要任务是对涉密关键词等数据进行必要的存储和管理。知识库是智能决策支持系统的关键部件，只有当知识和推理技术被娴熟地用于IDSS时，才能真正实现辅助决策。开发知识库的关键技术是：知识的获取和解释、知识的表示、知识推理以及知识库的管理和维护。模型库有一些具有支持不同层次的决策活动的基本模型，其中有一些为支持频繁操作的单一模型;还有一些用于生成新模型的基本模块和基本要素。这样的模型库就是一个“产生”模型的基地，而不是预先建立的模型集合，通过模块的组合，可以使模型灵活地变更。

4 结束语

基于IDSS计算机辅助定密系统各层之间相对独立，任一客户咨询终端的损坏，不会影响到系统整体的运行，系统的核心数据用户无法直接操作、访问，具有较好的健壮性和安全保密性;同时，随着规则库的不断丰富，人工神经网络训练的正确案例增多，会明显地增加系统决策的正确性。相信这套系统的实现与应用，对于科学、高效地定密具有一定的促进作用。

参考文献

[1] 梁元.智能决策支持系统[D].成都：成都理工大学，2004.

[2] 易军，许忠保，刘小鹏.人工神经网络技术的工程应用与展望[C].湖北省机械工程学会机械设计与传动专业委员会第十五届学术年会论文集(一).2007.

[3] 陆汝钤.自然语言理解和机器智能[J].语言战略研究，2018，v.3;No.15(03)：9-10.

[4] 吉根林，孙志挥.数据挖掘技术[J].中国图象图形学报，2018，6(8)：715-721.

[5] 孟祥旭，李学庆.人机交互技术：原理与应用[M].北京：清华大学出版社，2004.