KEN:解放军报刊文:区块链助推军事管理_TOKEN

作者:张家魁曹瑞飞

来源:解放军报

区块链是一种链式结构,是将数据块遵循时间顺序组合并与密码学、共识机制、智能合约等技术结合所形成的一种去中心化的公共账簿技术。区块链技术弥补了传统技术数据容易被篡改盗用和真实性不足等问题,可以说是网络信息技术的又一次进化。因此,区块链技术在管理领域的应用越来越受到重视,将区块链技术运用于军事管理,将进一步驱动军事管理创新发展。

解放军报:区块链赋能军事装备管理:10月16日,解放军报融媒体刊文《区块链赋能军事装备管理》。文章表示,引入区块链技术,能确保军事装备管理数据信息可用、可信、可靠。相较于传统分布式数据库单节点存储数据、多节点备份的存储模式,区块链所有节点共同存储数据,即使多个节点遭敌破坏或渗透,系统也能通过共识算法保持正常运转,并筛选出“问题节点”。如果采用区块链技术,将各级管理者及装备数据信息上链,作为节点通过扁平的拓扑状网络相互连通,不仅能去除层级的约束,还可降低部门之间沟通协调成本。同时,区块链对权限的设定十分严格,各级管理者只能依照职能获取所属武器装备的详细信息,想得到更多信息则需得到链上相关主要节点的许可。[2020/10/16]

促进军事人力管理更加公平有效。在人员信息管理方面,运用区块链技术存储军事人员的个人基本信息、任职培训经历、执行重大任务情况、立功受奖情况等数据,能够实现信息方便分析调用的同时,在技术上保证军事人员数据信息真实可靠,杜绝伪造篡改等失信行为。在人员绩效评价方面,可区分军事训练、专业能力、完成任务等指标内容,建立相应的Token奖励机制。根据人员日常表现奖励或扣除相应Token,并以此生成客观公正的人员评价,达到激发管理活力的目的。

解放军报:应注重运用区块链等新技术提高金融风险预警监管能力:5月5日消息,解放军报融媒体今日刊文称,应注重运用区块链、大数据、云计算、人工智能等新技术来实现对金融风险的识别、量化、监测、预警和防范,建立金融业态风险预警评估模型和指标体系,实现信息采集、量化评估、风险预警的一体化处理,实时监测金融运行压力状况,提高金融风险预警的灵敏度和准确度。[2020/5/5]

促进军事训练管理更加智能透明。区块链本质是分布透明的电子记账系统,能够大幅提高军队训练管理效率和智能化程度。区块链的加持,使军队纯净训风考风有了技术上的保障。例如实弹射击训练,电子报靶器会将射击成绩数据自动录入系统,与参训人员信息、训练时间等数据一同打包“上链”,全过程不仅由系统自动完成,数据也无法变更,从而最大限度提高训练成绩真实性,确保考核公平公正,实现从训练到考核的全程“防伪”。

解放军报:区块链技术或将带领人类进入机器信任时代:《解放军报》今日刊文表示,区块链技术具有不可篡改的特性,从根本上也改变了去中心化的信用创建方式,通过数学原理而不是中心化的信用机构来建立广域公正性信任体系。因此,未来区块链技术或将带领人们从个人信任、制度信任进入到机器信任的时代。在科技兴军大潮汹涌澎湃的今天,区块链这项新技术有待我们深入发掘的地方还有很多。特别是在别人制订“规则”的高科技领域,我们更应放眼长远、继续创新,消化吸收区块链技术的精髓,努力形成具有自主知识产权的核心竞争能力。同时,面对各种诱惑驱使,我们需要时刻小心谨慎,要看到风险、避免损失,切莫让经济利益的浮光,遮挡了对区块链本质和深层价值的认识。[2018/3/30]

促进军队信息管理更加安全可靠。防失泄密是军队信息管理的重要任务和目标。嵌入区块链技术的大数据系统,充分运用区块链可追溯、难复制的特性,实现信息不可复制的分享,相较基于传统网络的管理模式大大提高了数据信息安全程度。再通过建设分层安全技术体系,能够进一步提高数据信息安全防护能力,给军队信息安全保密工作加上“安全链”。

促进军事物流管理更加集约高效。物流管理是目前区块链技术应用的重要领域。IBM公司已研究开发了基于区块链技术的高质物品跟踪系统。2018年4月,三星宣布计划将在物流管理中运用区块链技术,预计可降低成本20%。可见,实施军事物流区块链能够提高军事物流效率,降低装备物资运输投送成本,实现物流过程全程可溯、装备物资全程管理,进而提高管理保障效能。

促进军队日常管理更加便捷顺畅。首先,基于区块链技术去信任化的智能合约功能,军队部门与部门、个人与个人之间的信任将建立在技术信任基础上。军队中不论上下级还是同级之间,不需要熟悉对方就可以放心开展工作。其次,由于去中心化的P2P交互模式,能够减少军队内部依靠上级命令式的资源分配,克服跨部门协作必须依靠上级协调干预才能顺畅进行的弊端,有利于降低沟通协调成本,快速达成工作目标。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

大币网

[0:15ms0-4:410ms