基于知識庫的應急領域脆弱性指標體系研究

蕭海東，陳 寧

（1.中國科學院上海高等研究院，上海201210；2.上海交通大學中美物流研究院，上海200030；3.華東理工大學信息科學與工程學院，上海200237）

基于知識庫的應急領域脆弱性指標體系研究

蕭海東1，2，陳 寧3

（1.中國科學院上海高等研究院，上海201210；2.上海交通大學中美物流研究院，上海200030；3.華東理工大學信息科學與工程學院，上海200237）

應急事件的演化和應急領域的脆弱性指標變化有著密切關(guān)系。大型運作系統(tǒng)核心能力受損后的應急期間，管理者非常關(guān)心如何根據(jù)動態(tài)變化的受損情況把握關(guān)鍵指標因素進行恢復，從而降低應急管理成本。本文基于知識庫對應急領域知識結(jié)構(gòu)進行分析，并將層級時序記憶方法引入應急脆弱性指標知識挖掘體系，通過脆弱性態(tài)勢感知解決了指標約簡問題，最后給出了構(gòu)建知識庫的推理機設計和推理算法。本文得到有助于應急管理的結(jié)論：基于知識庫的脆弱性指標體系可動態(tài)分析突發(fā)事件和應急管理中蘊涵的知識，有助于對應急事件演化機理準確把握，提高應對效率。

知識庫；脆弱性；層級時序記憶；應急管理

1 引言

由異常不確定性引發(fā)的突發(fā)事件，具有發(fā)生概率低，難以預測的特點，如果事前沒有做任何防范措施，這類事件一旦爆發(fā)，會給企業(yè)和社會造成巨大的損失，影響整個供應鏈的運行。根據(jù)華爾街報道［1］，2000年3月的飛利浦半導體火災，給愛立信造成4億美元的損失；還有2000年美國新墨西哥州雷電事件，2008年的汶川大地震等，最近2011年日本大地震和海嘯造成日本工業(yè)生產(chǎn)中斷，引發(fā)全球供應鏈動蕩，世界上許多工廠被迫停產(chǎn)。到2011年3月末，這種供應鏈中斷影響已經(jīng)導致全球汽車產(chǎn)量降低60萬輛。上述幾個案例給我們帶來的深刻啟示是，突發(fā)事件的有效處置迫切需要掌握復雜環(huán)境下突發(fā)事件演化機理的內(nèi)在規(guī)律，分析應急領域脆弱性指標。脆弱性體系的研究是應急管理領域的一個熱點問題：

Kannan［2］等從計算機系統(tǒng)脆弱性體系角度研究了軟件脆弱性和計算機應急響應決策對應的內(nèi)在機理；Benth［3］等從系統(tǒng)能力的角度研究了脆弱性體系，其建模適用于計算機系統(tǒng)和企業(yè)組織系統(tǒng)，并明確把脆弱性對系統(tǒng)的影響納入評估系統(tǒng)能力的成本；張靈［4］等以防洪系統(tǒng)應急決策為例，用脆弱性描述了承災階段中系統(tǒng)面臨洪災時應對、抵御洪水的能力，構(gòu)建了系統(tǒng)脆弱性診斷指標體系，結(jié)合GIS技術(shù)建立了基于極大熵原理的模糊診斷模型；文鳳華［5］等從金融脆弱性角度研究了房地產(chǎn)價格波動對金融的沖擊，通過選取宏觀經(jīng)濟面和微觀金融兩個層次的六個指標編制脆弱性指數(shù)，并建立向量自回歸模型對金融脆弱性進行定量分析；王守全［6］研究了脆弱性分析框架，從脆弱性的度量和脆弱因素的識別等方面進行分析。事實上，由于管理者對突發(fā)事件的發(fā)生概率不敏感或不理解，使得他們很難做出啟動應急方案的決策；又由于缺少數(shù)據(jù)和合適評價應急領域脆弱性的指標，現(xiàn)有的脆弱性體系缺乏從脆弱性知識的角度分析，難以用計算機表述并用計算機理解。企業(yè)界很難相信輔助決策應急方案的有效性，也很少有企業(yè)為應對突發(fā)事件而積極投資于應急方案，因為沒有人會為不一定發(fā)生的事情去投資買單［7-8］。在這個背景下，我們展開對突發(fā)事件擴散的內(nèi)因發(fā)現(xiàn)及脆弱性指標知識庫的構(gòu)建研究。通過對關(guān)鍵影響因素如突發(fā)事件性質(zhì)機理、演化過程的分析挖掘突發(fā)事件中蘊涵的顯性知識；并通過對管理體制、應急機制的分析尋找應急管理中蘊涵的隱性知識，構(gòu)建應急領域脆弱性知識結(jié)構(gòu)模型和脆弱性指標評價體系，讓計算機能夠表述并理解這些脆弱性知識，會非常有助于應急現(xiàn)狀的解決。

2 脆弱性指標體系分析

2.1 應急環(huán)境脆弱性感知

針對應急領域脆弱性分析，陳興，姜艷萍，唐承沛等分別從決策模型、動態(tài)決策方案以及系統(tǒng)體系層面做了論述，闡述了脆弱性是指承災體對破壞和傷害的敏感性，是應急管理里的重要影響因素［9-11］。同時，國外也對應急領域脆弱性做著積極研究，如：澳大利亞緊急事務管理部（Emergency Management Australia）定義脆弱性為系統(tǒng)應對人群、環(huán)境等各類危險的易感染性和恢復力；美國國家農(nóng)村水協(xié)會（National Rural Water Association）定義脆弱性分析為：應對影響服務能力的威脅，系統(tǒng)安全薄弱環(huán)節(jié)的確定。美國國家海洋與氣象部（National Oceanic and Administration）定義脆弱性為：資源對于來自于負面危害事件的易感染性。美國Sandia國家實驗室（Sandia National Laboratories）定義脆弱性為：可攻擊的設施安全薄弱環(huán)節(jié)。Gheorghe和Vamanu定義脆弱性為：集體或系統(tǒng)應對危害環(huán)境的易感染性、恢復力和存活性。Timmerman認為，脆弱性是一種度，即系統(tǒng)在災害事件發(fā)生時產(chǎn)生不利響應的程度。系統(tǒng)不利響應的質(zhì)和量受控于系統(tǒng)的彈性，該彈性標志著系統(tǒng)承受災害事件并從中恢復的能力。Eichner［12］研究了脆弱性的動態(tài)變化和波動，指出動態(tài)脆弱性研究新的方向。目前，如何讓計算機能夠表述并理解這些脆弱性知識，從而讓計算機輔助生成初步的突發(fā)事件處置方案是應急管理研究的一個熱點。基于知識庫，國外學者William R.Swartout、David Wilkins指出應急管理的知識有領域事實、領域本體、問題求解知識三類。國外一些機構(gòu)如Co AKTing受英國e.Science網(wǎng)格研究計劃資助，集成和采用AKT項目中關(guān)于知識匯聚的概念和技術(shù)，使目前英國的網(wǎng)格研究向語義網(wǎng)格研究過渡和發(fā)展。Austin Tate教授等開發(fā)了多agent協(xié)作系統(tǒng)，用于輔助應急響應中不同場所人員的協(xié)作，以提高應急響應的效率。這些研究定義了有關(guān)方案（Plan）與行為（Activity）的本體，成功地將AI規(guī)劃與行為管理技術(shù)運用于應急響應。

應急領域的脆弱性和應急事件本身的演化過程和應急救援恢復有密切動態(tài)的聯(lián)系。例如當供應鏈受到應急事件沖擊時，其脆弱性會隨著時間演化逐步增加，直到運營體系崩潰；而應急事件恢復過程中，由于供應鏈能力有了部分修復，其脆弱性較之前會降低。影響這種動態(tài)變化的內(nèi)在原因是脆弱性形成的指標及指標關(guān)聯(lián)知識。目前，大多數(shù)應急領域的脆弱性研究是從系統(tǒng)風險上思考問題，從知識層面的研究還較少，針對供應鏈所面臨的脆弱性風險的研究大多采用與企業(yè)運營風險幾乎相同的方法，從時間、空間和成本三個維度對脆弱性的危害程度建立測量指標體系，在提取特征時沒有把脆弱性和其他運營要素區(qū)別對待，在發(fā)生應急事件時生成的匯聚指標不魯棒，而且沒有考慮到供應鏈網(wǎng)絡信息空間數(shù)據(jù)本身的不對稱、分布性等特性，因此使整體輔助決策系統(tǒng)的性能和效率降低。由于牛鞭效應等影響，使得這一問題在多級供應鏈網(wǎng)絡環(huán)境下變得更嚴重。因此，如何針對供應鏈所面臨的問題，研究適合應急環(huán)境下供應鏈脆弱性指標提取和魯棒高效的處理方法，是我們的突破口。下圖即為脆弱性感知框架，該框架構(gòu)建在對供應鏈應急情景中多層次異構(gòu)多維脆弱性數(shù)據(jù)的基礎上，從感知的層次上由低向高劃分為指標提取、特征評估、態(tài)勢匯聚三個部分。

圖1 應急環(huán)境脆弱性感知體系

其基本原理如下：

（1）首先對應急環(huán)境中脆弱性數(shù)據(jù)利用現(xiàn)有技術(shù)進行采集，得到脆弱性相關(guān)的突發(fā)事件性質(zhì)和應急管理層面數(shù)據(jù)，作為后面處理的對象；其中突發(fā)事件性質(zhì)數(shù)據(jù)將包括破壞范圍，持續(xù)時間等，應急管理層面數(shù)據(jù)將包括供應鏈信息，資產(chǎn)價值信息，供應鏈受到?jīng)_擊后的恢復時間，成本因素等，企業(yè)應急預案數(shù)據(jù)也納入到這一部分；對于涉及外部環(huán)境影響數(shù)據(jù)可以通過應急響應的人、物、管理等幾個維度獲得，外部環(huán)境包括供應鏈運營環(huán)境、政策環(huán)境、制度環(huán)境等；脆弱性因子數(shù)據(jù)主要涉及到資產(chǎn)、服務對業(yè)務節(jié)點的影響，可參考應急預案獲得；

（2）對于每個層面的脆弱性信息，結(jié)合應急事件發(fā)展過程，觀察脆弱性數(shù)據(jù)變化情況，引入演化時間軸，提取時空關(guān)聯(lián)特征，得到多層面的局部時空對象的特征表述；

（3）然后對這些特征信息進行評估篩選，摒棄權(quán)重弱化的特征，保留抗數(shù)據(jù)污染強的魯棒特征。在特征評估篩選過程中，對特征樣本進行預設定的攻擊，得到特征集和應急環(huán)境風險反饋數(shù)據(jù)集，一并作為后面層級時序記憶（HTM）方法的樣本數(shù)據(jù)；

（4）利用基于HTM的魯棒態(tài)勢匯聚方法，確定HTM網(wǎng)絡的分層結(jié)構(gòu)，將樣本數(shù)據(jù)轉(zhuǎn)化為分層結(jié)構(gòu)感知數(shù)據(jù)，并訓練它。結(jié)合應急領域多層面脆弱性特征表達的互補優(yōu)勢，利用基于半監(jiān)督學習的HTM魯棒態(tài)勢匯聚器，完成樣本數(shù)據(jù)在空間階段和時間階段的學習，同時得到HTM量化中心數(shù)據(jù)描述集，存儲到脆弱性態(tài)勢知識庫并構(gòu)建推理索引；

（5）對于態(tài)勢感知結(jié)果，根據(jù)指定時間節(jié)點或一段時間段進行基于時空檢驗矩陣運算，對錯誤的系統(tǒng)脆弱性虛警匹配刪除，精練后的結(jié)果將被可視化展現(xiàn)；

（6）同時態(tài)勢感知的時空檢驗矩陣參數(shù)可作為學習訓練各級信息處理層的負反饋輸入，一方面保證態(tài)勢感知體系在受到突發(fā)事件重創(chuàng)時能自行修復，恢復態(tài)勢數(shù)據(jù)的上行通暢，增加系統(tǒng)整體魯棒性，另一方面，給HTM網(wǎng)絡提供更多的學習數(shù)據(jù)，使HTM量化中心數(shù)據(jù)集更加貼近實際［13］。

該體系有以下特點：①對于數(shù)據(jù)信息的處理可以在線也可以離線，雖然在特征提取時會涉及到一些計算量較大的操作，但兼容離線方式，使得系統(tǒng)響應并不受學習影響；②數(shù)據(jù)在感知層次上逐級提煉，在保留脆弱因素特征同時并不形成數(shù)據(jù)的爆炸，極適應不斷增長的大規(guī)模數(shù)據(jù)集的需求。③在數(shù)據(jù)信息、特征信息、態(tài)勢信息、特征篩選、可視化處理等方面，都強調(diào)數(shù)據(jù)的時空關(guān)系，有助于形成脆弱性態(tài)勢推演，理解應急事件風險演化，有別于已有的脆弱性感知框架。

從區(qū)域地質(zhì)構(gòu)造環(huán)境分析，此區(qū)具有類似大型礦集區(qū)產(chǎn)布的成礦地質(zhì)環(huán)境、各種成礦因素耦合關(guān)系顯著性和礦種多、類型復雜等特征，有較大的礦產(chǎn)資源潛力，有望找到規(guī)模大的金、銅礦床。

該框架涉及到的關(guān)鍵技術(shù)有：基于層級時序記憶（HTM）的脆弱性指標匯聚、脆弱性指標知識庫構(gòu)建等，下面對這些技術(shù)和方法進一步說明。

2.2 基于層級時序記憶（HTM）的脆弱性態(tài)勢指標匯聚

HTM（Hierarchical Temporal Memory）是一項對大腦新皮層進行建模的技術(shù)［14］。大腦新皮層占了大約75%的人腦的容量，負責所有高層次的理解，包括視覺、聽覺、語言、觸覺等。因為HTM是從生物學中得到的，所以它適合那些對于人類非常容易而對計算機非常困難的工作，例如物體的識別、做出預測、理解語言、在復雜的數(shù)據(jù)中發(fā)現(xiàn)模式等。HTM是一個記憶系統(tǒng)，隨著時間變化，它通過給它的感知數(shù)據(jù)來學習它的世界，并從數(shù)據(jù)中抽象出高層的概念。抽象允許HTM網(wǎng)絡來進行一般化，并對于傳統(tǒng)計算機編程處理的嚴格規(guī)則提供靈活性和提高效率。例如，在不完整或是模糊不清的數(shù)據(jù)呈現(xiàn)中，模式能夠被學習并可以被識別出來并儲存。通過組合模式的學習、記憶以及當前的輸入，HTM網(wǎng)絡能夠預測下一步可能發(fā)生什么。

HTM網(wǎng)絡的設計首先確定了分層結(jié)構(gòu)的大小與架構(gòu)，其次為分層結(jié)構(gòu)提供感知數(shù)據(jù)并訓練它。感知數(shù)據(jù)來自應急響應場景中的歷史數(shù)據(jù)。重要的是在分層中，有許多數(shù)據(jù)用來訓練，而且數(shù)據(jù)是具有時間這一基本元素。在應急環(huán)境脆弱性動態(tài)分析中，為了進行有效的學習，都需要通過感知數(shù)據(jù)在一段時間流逝中來觀察一組模式的學習過程和學習質(zhì)量。

圖2 基于層級時序記憶（HTM）的脆弱性態(tài)勢感知指標匯聚網(wǎng)絡結(jié)構(gòu)

對于一個脆弱性信息處理節(jié)點，不管它在HTM分層結(jié)構(gòu)中的位置如何，它的輸入都是一組模式構(gòu)成的時間序列。如：歸一化處理后：報警系統(tǒng)為3，應急物資為1，應急分工及指揮為1，空間矩陣化為［3，1，1］，圖示為：，在下圖中標識為（a）的第一層節(jié)點，它的輸入對應著一個“拐角形”特征描述，如果空間矩陣向右移動一幀，也就是在下一個時刻，它的輸入對應的是一個變化的“拐角形”。這些輸入對于這個節(jié)點來說，就是一組由模式數(shù)據(jù)構(gòu)成的時間序列。

這個結(jié)構(gòu)由3層構(gòu)成，數(shù)據(jù)的輸入在最低層，節(jié)點在每個網(wǎng)格里表示，頂層節(jié)點用來實現(xiàn)最終的脆弱性態(tài)勢匯聚。中間分層節(jié)點數(shù)指數(shù)級擴展，可以有效實現(xiàn)大規(guī)模脆弱性信息流的態(tài)勢匯聚。圖中輸入的特征矩陣大小為3×3大小，每4個下層特征描述區(qū)域與上層一個節(jié)點對應，如對于第1層的a和b節(jié)點，下層被標記為A和B的特征區(qū)域和之對應，同樣的道理，第2層的c和d節(jié)點與最下層的C和D特征區(qū)域?qū)?/p>

不同脆弱性信息描述在經(jīng)過這個節(jié)點的可接受區(qū)域時觀察得到的一些模式。這個節(jié)點的目的是把這些模式進行分組，那些屬于同一事物變體的模式屬于同一組。變體的來源之一就是脆弱性特征與脆弱性觀測標準的相對偏離，另外一個就是隨機噪聲。如果加入的節(jié)點能夠?qū)谕粋€源的變體模式分在同一組，那么這個組就是這個變體的恒定體。就被認為是同一個脆弱特征的匯聚。一旦形成分組，節(jié)點就可以產(chǎn)生輸出。

2.3 脆弱性指標知識庫構(gòu)建

對于左側(cè)基于應急情景風險和案例的研究［15-16］，領域內(nèi)也是一個熱點，涉及范圍也比較大，本文不會重點深入，我們重點探討右側(cè)在應急管理領域的知識聚融，包括如何給動態(tài)評估提供科學的決策推理數(shù)據(jù)，以及推理機設計等。

應急領域信息環(huán)境復雜，容易發(fā)生中斷和信息缺失。針對這種需求，我們需要設計一個結(jié)構(gòu)靈活，易于擴充和能夠動態(tài)控制推理策略的推理機系統(tǒng)。

不同于傳統(tǒng)的設計，它不是預先將各個屬性的規(guī)則庫以某種格式（如一階邏輯格式）存入知識庫中，而是在需要支持這個屬性的時候?qū)⒃搶傩缘耐评頇C注冊到推理協(xié)控中心。如對于應急情景下事件的特征屬性，按照傳統(tǒng)專家系統(tǒng)的習慣，首先要將規(guī)則轉(zhuǎn)換為內(nèi)部格式，然后導入知識庫，而在本系統(tǒng)中，這些規(guī)則被封裝在推理機內(nèi)部，該推理機對目標知識庫施加特征屬性蘊涵的語義操作。

推理機系統(tǒng)設計如圖所示：

圖3 應急響應策略和應急領域脆弱性指標知識庫設計

圖4 結(jié)構(gòu)靈活，易于擴充和能夠動態(tài)控制推理策略的推理機

系統(tǒng)分為三個層次，包括下層推理機引擎，中間層的各個規(guī)則解析器，最上層的外部知識庫接口，比如是某一描述應急情景的邏輯語言知識庫。這樣的結(jié)構(gòu)設計簡化了系統(tǒng)的開發(fā)難度，提高了模塊化程度。系統(tǒng)通過規(guī)則解析把脆弱性感知知識轉(zhuǎn)化為內(nèi)部格式（使用XML技術(shù)來異構(gòu)表征映射）［17］，然后內(nèi)部格式的信息通過各種推理機進行處理，這些處理可以是插入、查詢或者是一致性檢查。

我們設計關(guān)鍵決策點脆弱性特征屬性都對應一個獨立的推理機，這樣，當這個推理系統(tǒng)要針對某一個具體的應急情景進行推理工作的時候，它只要把該類型異常事件涉及語義推理工作的關(guān)鍵詞屬性對應的推理機注冊到動態(tài)推理機即可。同時，在推理過程中，如果要動態(tài)控制推理工作中是否考慮某個特定的規(guī)則（比如傳遞性），通過在動態(tài)推理機部分添加或者刪除這個推理機即能實現(xiàn)。

同時設計動態(tài)推理機部分中的每個推理機接口滿足系統(tǒng)平臺內(nèi)部知識庫表示格式，在推理機內(nèi)部可以使用自己的內(nèi)部獨立的知識表示形式來表示知識和進行推理，雖然這會增加額外的開銷，同時需要推理機在返回結(jié)果的時候把答案表示格式轉(zhuǎn)換為系統(tǒng)內(nèi)部統(tǒng)一的格式，但它提供了極強的推理能力擴充的性能。

對于推理算法設計，首先要完成魯棒特征篩選，形成有效的脆弱性特征感知數(shù)據(jù)源。當量化中心處理過程完成后，推理機切換會到推理模式。在這個模式下，推理機能夠針對每個新的輸入來產(chǎn)生輸出。使用n來表示量化中心的個數(shù)，C1，C2…Cn表示每個量化中心，輸出則是一個長度為n的向量，比如［x1，x2，x3，…xn］。比如來一個輸入模式，如果它與哪個量化中心相似，其在對應的位就為1，其它位為0。比如輸入模式與C3最相似，則輸出時［0，0，1，0，…0］。但實際上，這個輸出的向量不是非0即1的表示，而是在量化中心的空間上的一個概率分布，說明輸入模式與對應的量化中心的一個匹配程度。計算步驟如下：

（1）計算輸入的模式和已存在的每個量化中心的歐幾里得（Euclidean）距離D，用Di來表示與第i個量化中心的距離。Di越大，說明匹配程度就越??；

（2）一個輸入模式屬于量化中心i的概率正比于符合規(guī)則知識表達公式的值，這里面就用到了上一步的Di，這個是假設下成立。假設是一個輸入模式屬于（或是說匹配）每個量化中心的概率符合歐幾里得的高斯函數(shù)分布；

（3）這樣，就向上一層的（應急情景特征接口）提供了輸出，為一個向量，其分量的值是上面提到的輸入模式與每個量化中心匹配的概率值，方便快速找出與相應應急情景最優(yōu)匹配的輸入模式。

推理機引擎完成了脆弱性信息感知到動態(tài)評估決策的聯(lián)動，最終形成應急領域的脆弱性指標知識庫。結(jié)合前面基于層級時序記憶（HTM）的脆弱性匯聚算法，這種體系可以完成從應急環(huán)境脆弱性分析到支撐應急響應決策知識庫整體信息聚融過程，尤其針對大規(guī)模動態(tài)數(shù)據(jù)，可以從多個層面（多維）綜合分析。

3 結(jié)語

大型運作系統(tǒng)核心能力受損后的應急期間，脆弱性指標呈現(xiàn)多維異構(gòu)而且動態(tài)變化。本文提出基于知識庫構(gòu)建應急領域脆弱性指標體系的基本思想，通過層級時序記憶方法的引入來解決應急脆弱性指標知識挖掘問題，建立了可動態(tài)推理的推理機引擎，給出了推理算法設計原理。

在脆弱性指標匯聚算法中引入層級時序記憶方法，可拓展脆弱性指標分析到多維，可完成突發(fā)事件中蘊涵的顯性知識（其性質(zhì)機理蘊涵事實知識，演化過程蘊涵原理知識）與應急管理中蘊涵的隱性知識（管理體制蘊涵人力知識，應急機制蘊涵技能知識）的綜合分析，并將結(jié)果輸出到動態(tài)推理機引擎。這種基于知識的匹配，利于計算機表述和理解應急環(huán)境脆弱性，是提高決策預案在查準率和查全率上的保證，對應急管理體系有更好的支撐。

［1］于輝，陳劍，于剛.協(xié)調(diào)供應鏈如何應對突發(fā)事件［J］.系統(tǒng)工程理論與實踐，2005，（07）：9-16.

［2］Kannan K，Telang R.Market for software vulnerabilities？Think again［J］.Management Science，2005，51：726-740.

［3］Benth F E，Dahl G，Mannino C.Computing optimal recovery policies for financial markets［J］.Operations Research，2012，60：1373-1388.

［4］張靈，陳曉宏，王兆禮.防洪系統(tǒng)脆弱性的模糊極大熵診斷［J］.系統(tǒng)工程理論與實踐，2011，31（8）：1600-1607.

［5］文鳳華，張阿蘭，戴志鋒，等.房地產(chǎn)價格波動與金融脆弱性：——基于中國的實證研究［J］.中國管理科學，2012，20（2）：1-10.

［6］王守全.基于復合極值理論與故障樹技術(shù)的脆弱性分析［D］.上海：上海交通大學，2010.

［7］于輝，陳劍.突發(fā)事件下何時啟動應急預案［J］.系統(tǒng)工程理論與實踐，2007，（08）：27-32.

［8］Chopra S，Sodhi M S.Managing risk to avoid supplychain breakdown［J］.MIT Sloan Management Review，2004，46（1）：53-61.

［9］陳興，王勇，吳凌云，等.多階段多目標多部門應急決策模型［J］.系統(tǒng)工程理論與實踐，2010，20（11）：1977-1985.

［10］姜艷萍，樊治平，蘇明明.應急決策方案的動態(tài)調(diào)整方法研究［J］.中國管理科學，2011，19（5）：104-108.

［11］唐承沛.中小城市突發(fā)公共事件應急管理體系與方法［D］.上海：同濟大學，2007.

［12］Eichner T.Mean variance vulnerability［J］.Management Science，2008，54：586-593.

［13］Starzyk J A.Spatio-temporal memories for machine learning：A long-term memory organization［J］.IEEE Transactions on Neural Networks，2009，20（5）：768-780.

［14］Hawkins J.Why can′t a computer be more like a brain？［J］.Spectrum，IEEE，2007，44（4）：21-26.

［15］Carrillo J E，Gaimon C.Managing knowledge-based resource capabilities under uncertainty［J］.Management Science，2004，50：1504-1518.

［16］Tomlin B.On the value of mitigation and contingency strategies for managing supply chain disruption risks［J］.Management Science，2006，52（5）：639-657.

［17］Rakes T R，Deane J K，Rees L P.IT security planning under uncertainty for high-impact events［J］.Omega，2012，40（1）：79-88.

Research on Disruption Area Vulnerability Index Infrastructure based on Knowledge base

XIAO Hai-dong1，2，CHEN Ning3
（1.Shanghai Advanced Research Institute，Chinese Academy of Science，Shanghai 201210，China；2.Sino-Us Globe Logistics Institute，Shanghai Jiaotong University，Shanghai 200030，China；3.School of Information Science and Engineering East China University of Science and Technology，Shanghai 200237，China）

In this paper，vulnerability index infrastructure of disruption area is constructed based on knowledge base theory，to solve the problem that vulnerability of disruption is difficult to be described or understood by computer.Firstly，vulnerability index infrastructure is analyzed based on knowledge base，and vulnerability perception structure is constructed under disruption environment，multiple dimensions vulnerability data source are from multiple levels of supply chain in scene of disruption scenarios，the whole construction processing cover 3 parts：index extraction，features evaluation and situational awareness. Then，vulnerability index knowledge is mined with HTM（Hierarchical Temporal memory）method，which contributes to simplify index description with vulnerability situational awareness.Finally，inference machine design and inference algorithm are given to construct the knowledge base.The research shows that there is close relationship between evolution of disruption events and changes of disruption area vulnerability index infrastructure，with this vulnerability index infrastructure，explicit knowledge contained in disruption events and tacit knowledge contained in disruption management can be dynamically analyzed based on knowledge base.It contributes to manager's decision in recovering disruption with key factors accurately and dynamically，and reducing cost of disruption management，improve response efficiency.

knowledge base；vulnerability；HTM；disruption management

F272.3

A

1003-207（2014）07-0076-06

2012-02-10；

2012-12-30

上海市科學技術(shù)委員會資助課題（12ZR1415200）；教育部人文社會科學研究項目青年基金資助項目（10YJCZH180）；國家自然科學基金資助項目（60903186，70732003）；上海市信息安全綜合管理技術(shù)研究重點實驗室開放課題（AGK2012008）

蕭海東（1975-），男（漢族），甘肅臨洮人，中科院上海高等研究院，博士，副研究員，研究方向：應急決策、復雜系統(tǒng)態(tài)勢分析.