sa

定义

sa 所指的态势感知，是一种关于动态环境的知识状态，而不是获得该状态的过程。按照通行的界定，它是在一定时间和空间范围内对环境要素的感知、对这些要素含义的理解，以及对它们近期状态的预测^[1]。与之相区别，形成、维持这种状态所用的过程被称为态势评估（Situation Assessment）^[2]。中文文献中也有将其表述为在特定时空下对动态环境中各元素或对象的觉察、理解与未来状态预测的说法^[3]。

在中文语境里，该缩写同时对应 2 种写法：Situational Awareness 与 Situation Awareness。网络安全领域已审定公布的名词「网络安全态势感知」对应的英文为 network security situation awareness，指在大规模网络环境中对引起网络态势变化的要素进行获取、理解、展示及发展趋势预测。

原理

恩兹利在 1995 年发表的动态决策态势感知模型中，把态势感知分为 3 个逐层递进的层次：第 1 层是觉察，即感知环境中相关要素的状态、属性与动态；第 2 层是理解，即通过模式识别、解释与评价，把零散感知综合为对当前局面的把握；第 3 层是预测，即推断这些要素在近期的走向^[4]。3 个层次之间具有层级依赖关系，较低层次的质量会影响较高层次的形成^[5]。

在该模型中，目标与预期会引导注意力的分配，并参与解释所感知信息的意义；长期记忆中的经验、训练水平和先天能力则构成过滤与理解环境的背景^[2]。因此，态势感知被置于决策过程的行动之前一环，受环境因素与个体因素共同影响^[2]。

在工程实现层面，态势感知系统通常按「感知—理解—预测」的链路组织：底层完成数据采集、清洗与多源数据关联，中层对态势作动态推理与评估，上层进行知识转化、预测可能发生的事件并给出威胁程度判断，另设查询与反馈单元跟踪整体运行^[6]。网络安全领域的实现以全流量分析为核心，结合威胁情报与大数据关联分析，形成监测、分析、处置的闭环流程。

flowchart TD

A[环境中的要素] --> B[第1层 觉察 perception]

B --> C[第2层 理解 comprehension]

C --> D[第3层 预测 projection]

D --> E[决策与行动]

F[目标 预期 经验 训练] --> B

F --> C

F --> D

发展历程

这一概念最早形成于 20 世纪 80 年代的美国空军。当时的研究目标是分析空战环境信息，据此快速判断当前与未来形势并作出反应，信息向态势的转换困难正是相关研究兴起的背景^[3]。1988 年，米卡·恩兹利正式提出态势感知概念及其界定^[7]，她同年发表的会议论文被视为该领域的奠基性文献^[8]。

20 世纪 90 年代，态势感知进入人因（Human Factors）研究领域并成为热点，随后扩展到军事、航空、工业生产与安全防控等场景^[3]。1999 年，蒂姆·巴斯（Tim Bass）把这一思路引入网络空间，提出网络态势感知（cyberspace situational awareness，CSA）概念，主张以多传感器数据融合支撑下一代入侵检测系统^[9]。巴斯在其框架中提出闭环思路，认为评估、预测、可视化与联动 4 个环节缺一不可^[10]。

在中国，相关能力建设与政策要求相互衔接。2015 年起，公安部推动网络与信息安全通报机制和态势感知监测通报平台建设。2016 年 12 月，国务院印发的《「十三五」国家信息化规划》提出全天候全方位感知网络安全态势，要求加强态势感知、监测预警和应急处置能力建设，并部署建立国家网络安全态势感知平台^[11]。2017 年 6 月 1 日起施行的《中华人民共和国网络安全法》规定国家建立网络安全监测预警和信息通报制度^[12]。

应用

在人机系统领域，态势感知被用于评价座舱显示、告警界面与自动化设计的优劣。空中交通管制研究中，管制员对空域内航空器位置、参数及相互关系的即时把握常被称为「图景」，是各项决策的基础^[5]。相关研究也用于核电站控制室、船舶导航、无人机遥控等场景，评估操作者在高负荷或自动化条件下的状态保持情况^[13]。

测量方面，常用的客观方法有恩兹利提出的态势感知全局评估技术（SAGAT），其做法是在仿真运行中冻结场景，要求被试回答与当时态势有关的问题^[14]。另有以回答时延为指标的实时探测方法 SPAM，以及要求操作者自评的态势感知评定量表 SART。一项涵盖 243 项研究的元分析显示，SAGAT 与 SPAM 对绩效的预测力相当，而 SAGAT 的敏感度约为 94%，高于 SPAM 的 64%。

在网络与信息安全领域，态势感知被用于汇聚全网流量与安全设备日志，经大数据分析后检测威胁告警，并以可视化方式呈现全网攻击态势，为处置决策提供依据^[15]。公有云服务商也以该缩写命名相关的云安全管理与态势分析平台，用于统计和综合展示云上安全风险与攻击情况^[16]。

局限

态势感知是决策的前置环节，但它本身不等于决策质量或任务绩效，二者之间的关系受任务类型、时间压力与操作者经验等因素影响。测量上也存在固有难点：SAGAT 需要在运行中冻结场景提问，这种中断可能干扰操作并改变被试此后的注意分配^[14]；同一被试反复接受测试还会因熟悉题目而出现偏高估计^[13]。

主观自评方法的效度限制更为明显。操作者可能并未察觉自身理解有误，仍给出较高评分，此类量表在某种程度上反映的是操作者对自身状态的信心。研究还指出，SART 对绩效的预测力有限，有综述据此建议以直接的客观测量取代自评。

自动化程度提高会带来另一类问题。当人的职责退化为监视系统运行时，容易出现脱离回路状态，在需要介入时反应迟缓、需要重新判断系统状态；一项航海模拟实验发现，高工作负荷与自动导航对态势感知的不利影响可叠加，且下降最明显的是第 3 层预测能力^[13]。针对网络态势感知系统的评述也指出，已有系统仍存在数据源单一、难以落地实现等不足。

参见

• 人因工程学 —— 态势感知自 20 世纪 90 年代起成为该学科的研究热点。

• 数据融合 —— 多源数据融合是实现态势感知的技术基础之一。

• 网络安全 —— 态势感知在信息技术领域最主要的应用方向。

• 空中交通管制 —— 管制员的工作图景是态势感知研究的典型对象。

• 自动化 —— 自动化水平与操作者态势感知之间的关系是相关研究的核心议题。