面向网络空间认知战的大语言模型：技术与挑战

摘 要 随着大语言模型技术的快速发展，其在网络空间认知域作战中的应用展现出巨大潜力。基于大语言模型的发展历程和独 特优势，聚焦于网络空间认知战领域，从态势感知、态势认知、鉴定识别和信息作战4个方面梳理了大语言模型关键技术路线，并 详细分析了将其应用在网络空间认知战中的具体方案及未来挑战，为我国在该新兴领域取得新质战斗力提供理论和技术支持。 关键词 大语言模型，网络空间，认知战，技术与挑战 《孙子兵法》云：“不战而屈人之兵”，从作战效率 和作战效果而言，这是一种费效比极佳、“善之善 者”的作战方案。在现代战争中，网络空间认知域作 战构成了一个多维度战略框架，通过融合物理领域 的行动、信息领域的利用和认知领域的防御与攻击， 旨在在网络空间夺取敌人的意志、信念、心理和思 维主导权。网络空间认知域作战方式融合了传统的 舆论战、心理战、法律战，以及政治战、经济战、文 化战等多种战术手段，形成了一个综合性的作战体 系，具有“全天候、不宣而战”的特点，极大程度上助 力实现“不战而胜”的战略目标，对我军新型战斗力 的塑造起到了关键作用。 网络空间的认知战是利用先进的网络信息技术 和传播媒介，在现实物理战场之外构建的思想认识、 公共舆论和意识形态的斗争领域。这种战斗形式通 过主导和影响公众的情感认同和认知，争取主导权 和话语权，目的是引导事件的发展至有利于本国利 益的方向。在网络空间认知战中，一方面充分利用 算法和数字智能的优势，以实现对公众认知的操纵； 另一方面，基于分布式协同控制技术进行智能技术 赋能，通过网络实现作战资源的协调、战场态势的 感知和上下级指令共享，进而达成分布式的智能化 作战，实现自主决策和协同行动。各个国家对于未 来战争作战力量的部署都向着动态/分布式作战体系 发展[1] 。在认知战领域，随着大语言模型（large lan⁃ guage models，LLMs）的进步，特别是通过内容创建和 虚假信息活动执行过程的自动化，可以实现在态势 感知和态势认知的基础上，由识别虚假信息和生成 虚假信息两方面协同控制战场局势，实现分布式体 系部署，为网络空间认知战的发展提供了更多的可能性，使整个网络空间认知战的作战方式更加灵活。 LLMs基于机器学习技术，借助其强大的生成能 力和理解能力，能够被用来为认知层面的攻击提供 支持[2] ，也使得生成面向特定语境的高复杂度的信息 成为可能。这些信息能够更深刻地触动目标群体， 同时使得影响活动更不易被察觉和消除。不仅为更 多不同类型的行为者发起虚假信息宣传活动打开了 大门，也为覆盖大量受众的高度可扩展的宣传活动 创造了潜力。