涌现视角下的网络空间安全挑战(3)

1) 自组织性(self-organization).在没有中心控制结构的情况下，系统会自主地形成一定的模式(pattern)，比如鸟群和鱼群的形成.

2) 混沌行为(chaotic behavior).初始条件的微小改变会对系统的行为造成极大的改变，这就会使得人们很难以预料系统最终的走向，比如说多变的天气就是一个很典型的示例.

3) “肥尾”行为(“fat-tailed” behavior).一般意义所认为的小概率事件的发生往往会比我们预想的更为频繁，例如各种经济、政治、生态上的灾难性事件.

4) 适应性交互(adaptive interaction).复杂系统中的元素根据周围环境的改变对自身行为做出适应性改变，例如股市交易中的股民根据股价的变化买进或卖出.

虽然没有出现在复杂系统的上述行为特征列表上，但涌现性是复杂系统中最重要的特征之一.正如复杂系统本身的定义一样，涌现性也没有一个被广为接受的正式定义[58]，复杂性科学研究的不同阶段、不同方向对它有不同的解释.一部分研究者[59]认为，涌现性实质上就是一种“整体大于部分之和”的过程和行为，即系统中各个组件之间的交互使得整个系统产生了不能靠组件的简单加总来得到的特征和行为.根据文献[60]的总结，涌现现象可归结为具有以下特征的微-宏观效应(micro-macro link)现象：系统局部组件之间的交互产生了新的系统全局行为，即由微观效应产生了新的宏观现象.而文献[61-62]则认为涌现性就是那些无法通过系统模型得出和理解的特征和行为.这些定义的出发点不同，理解的角度也不一样，但是却都可以归结到一个点：涌现性是一种全局的、系统的特征，是不能通过简单分析系统单个组件得到.

当然，本文无意参与涌现性定义的学术争论.考虑到各种定义之间也有共通之处，本文综合Simon[59,63]和Holland[44]的看法，即涌现性指的是：1)系统组件的交互使得系统产生了组件的简单加总所无法得到的行为；2)这种行为可以从复杂系统层级结构的角度加以解释，某一层级的聚合成为上一层级的涌现属性的“基础材料”.但是我们同样也发现，使用这种定义作为涌现性的判据还是存在过于粗粒度的问题，仍然需要一些更加细化的判据来判断系统的涌现现象.为此，从上述定义出发，我们采纳文献[27,60,64]等所提出的涌现现象判据，并将其总结为5条判据：

1) 可加性判据.系统的整体涌现特征不是其组件特征的简单加总.

2) 新奇性判据.系统整体涌现特征与其组件具有的特征属于完全不同的种类.

3) 可演绎性判据.无法根据系统单个组件的特征推导和预测出系统的整体涌现特征.

4) 系统出现宏观构型或已有宏观构型发生改变.

5) 当系统网络拓扑的度分布特征满足幂律分布时，认为系统达到自组织临界状态，此时涌现发生.

上述判据中的第5条判据与其他4条判据是有区别的，它涉及到涌现性的一个重要特征，即幂律分布.由此可见，涌现性的一些典型特征可以帮助我们判断涌现现象的发生.我们通过图1总结了涌现性的一些常见特征.为了更加直观地体现网络空间安全的涌现性，我们在图1中提供了这些特征在网络空间安全中的映射.

1.3 涌现性研究的现状与意义

通过1.2节对涌现性概念的分析，我们可以发现，涌现性往往意味着“出乎意料”，即系统产生了计划外的行为，超出了设计、开发、运行和维护人员的控制范围.这就体现了研究涌现性的意义所在，如果能透过现象看本质，了解产生涌现现象的背后机理，就有希望在问题发生时很快找到问题的来源，也能通过预测系统的行为预防问题的产生，还可以控制涌现现象发生的程度，甚至还有可能利用涌现性来“设计”出我们想要的涌现现象.

那么，如何着手研究本就非常复杂的涌现现象呢？文献[61]认为可以从定义、要素、应用和限制4个方面入手，并提供了一些研究指导.首先基于不同的反馈类型和因果关系对已有的涌现现象进行分类，这有助于了解涌现现象发生的背后机理.也可以从这些已有的现象中归纳出涌现性的一些要素，从而对在什么样的情况下会发生涌现现象有一个大致的了解.尽管很难拥有类似物理学中的微积分那样强有力的研究和预测工具，但还是可以基于已有的分类对涌现性进行一定程度的度量，还可以基于涌现性要素对系统将要出现的涌现行为做出大致的判断.这样，就可以试着通过微观、底层、组件的行为“设计”出宏观、高层、整体的涌现行为，也可以着力控制那些负面的涌现现象与行为.当然，涌现性的研究与应用也是有边界的，必须对涌现性研究与应用的适用场景与范围有足够的了解，才能确保在合适的场景使用合适的工具.下面对涌现性的应用作进一步介绍.

文章来源：《系统科学学报》 网址: http://www.xtkxxb.cn/qikandaodu/2021/0730/597.html