文章总结： 本文分析数智化时代认知战的技术应用及治理路径，将作战流程归纳为目标锚定、信息选择、信息操纵、诱发反应与对抗、群体极化五环节，剖析各环节技术应用，指出认知操纵通过制造信息茧房、聚类错觉及情感启发等方式实现层层递进式认知操纵，并提出以技术反制为主、辟谣为辅、平台责任为补的治理路径。
综合评分： 85
文章分类： 威胁情报,安全运营,网络安全
数智化时代的认知战：技术如何从“争夺信息”走向“重塑认知”
原创
Cismag
Cismag
信息安全与通信保密杂志社
2026年9月23日 19:06
四川
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
编者荐语
Editor’s Recommendation
从俄乌冲突到美伊博弈，认知战已成为大国博弈的“第二战场”。技术不再只是辅助手段，而是深度嵌入认知操纵全流程。认知战正从“争夺信息”升级为“重塑认知”，其隐蔽性、精准性与规模化远超传统舆论战。本文拆解认知战五大环节的技术应用，提出以技术反制为主、辟谣为辅、平台责任为补的治理路径，为守护认知域安全提供系统框架。
文献引用
王佳纯 , 孙思宇 , 熊心磊 . 数智化时代下认知战的技术应用及治理路径[J]. 信息安全与通信保密 , 2026(8): 12-21.
文章摘要
随着信息技术尤其是人工智能技术的迭代更新，认知作战手段日趋复杂，从俄乌冲突到美伊博弈，技术手段已成为认知战的核心支撑。为防范数智化时代认知作战引发的安全风险，通过解构作战逻辑，探索对应的治理路径。首先将作战流程归纳为目标锚定、信息选择、信息操纵、诱发反应与对抗、群体极化5个环节，其次深度剖析各环节对应的技术应用。研究发现，认知操纵技术通过制造信息茧房、聚类错觉及情感启发等方式，实现从个体认知偏差到社会网络舆情分裂的层层递进式认知操纵。基于此，提出以研发和使用反制技术为主，完善辟谣处置措施为辅，强化平台责任和自主监管为补的综合治理路径，以提升我国的认知防护能力。
0
引 言
从俄乌冲突到美伊博弈，全球网络空间出现了“第二战场”——认知战。认知战本质上是政治的延续，是战争行为渗透到认知领域的一种交战形式，已成为大国博弈的关键。认知战的实施并非依赖单一行为或孤立手段，而是由一系列相互关联、协调一致的行动所构成。这些行动通常融合了传统的心理战策略与现代前沿技术，旨在通过信息传播、舆论引导、情绪动员及价值观念渗透等方式，系统性地影响目标群体的认知框架与决策机制，促使目标群体按照特定方向形成相应的观念或行为，从而影响物理域，产生显性结果。认知域和物理域之间需特定的技术装置作为桥梁，因此认知战的实现离不开技术域的加持。
首先，技术发展促使网络空间成为认知战的主要战场。在数智化时代，信息量呈爆发式增长态势，网络空间中的成员均是信息传播者。信息在各种观点的争议、引导下变得模糊，部分传播者甚至故意投放虚假信息，致使人们置身良莠不齐的信息潮流中。然而，人类对信息的加工处理能力有限，信息过载会影响其判断与决策，因此掌握信息支配权，能抢占用户注意力，进而引导、改变、重塑其认知行为。现有社交平台利用算法技术从海量的信息中筛选数据，为用户提供个性化服务，信息支配权也随之面临垄断风险。
其次，技术发展扩大了认知影响的规模、范围，增强了认知渗透的隐蔽性和影响力。随着技术发展，人们对事物的认知、行为在不知不觉中被塑造、被操纵、被改变，甚至引起“认知域武器化”的变革。例如，智能推送结合用户画像技术针对性投放信息，依据用户的思维习惯进行认知引导；而人工智能技术一方面可能创造虚假信息影响用户，另一方面可能通过智能体对话聊天形式进行认知渗透。
因此，认知战不仅体现为战术层面上的综合行动体系，更反映了技术赋能下的认知能力演进，是战略意图、认知操作与技术创新三者深度融合的产物。为了深入理解认知战的运作逻辑，并构建有效的防范体系，本文基于过往相关文献，提炼认知技术的分析框架，并结合美国大选、俄乌冲突、新冠疫情等认知战案例，拆解认知域的作战过程，分析认知战各环节中的技术应用。本文还基于中国社会和技术现状，提出治理路径，旨在防范认知风险，净化网络空间，维护国家安全与社会稳定。
1
认知域作战流程中的技术应用
数智化时代的新闻媒体、社交平台及搭载其上的算法工具，不仅能影响网络信息的分布，还能操纵网民认知。认知战作用于人类的认知机制，以技术为依托，隐蔽地影响物理域。有研究认为认知战的发动方旨在夺取“OODA”优势，即试图在观察（observe）、判断（orient）、决策（decide）、行动（act）4个环节取得优势。认知战发动方在选定目标后，通过信息获取与信息处理两大过程诱导认知偏差，影响目标的判断与行为。有学者则提出，认知域作战流程主要包括吸引注意、暗示参考、诱导反应、适时干预、监督满足五大步骤。
综合以上研究，本文结合认知域的作战受众、作战路径与作战目标，如图1所示，将认知战的流程分为目标锚定、信息选择、信息操纵、诱发反应与对抗、群体极化五大环节。在目标锚定阶段，作战方需明确其意图影响的认知对象，包括特定个体、群体或社会阶层，并对其心理结构、价值观、信息获取渠道及认知偏见等进行深度分析和建模，以确保后续行动的精准性与有效性。信息选择阶段关注作战内容的采集与筛选，强调在海量信息中提取具有高传播力、情感共鸣和认知冲击力的信息素材，并对原始信息进行加工处理，以增强其误导性、煽动性或诱导性。信息操纵阶段则通过算法推荐、信息过滤机制等手段，对信息的传播路径和触达方式进行干预，以增强其影响力和渗透力。在诱发反应与对抗阶段，作战方通过实际行动投放信息，引导受众产生情绪反应、立场转变或行为响应，并与对方的反制力量进行对抗，以争夺话语权。在群体极化阶段，认知战的效果逐渐显现，原本意见相近的个体在持续的信息刺激下形成更为极端的观点，进而导致社会共识瓦解、舆论场分裂及决策系统混乱。在这5大环节中，各阶段均可依托相应的技术手段进行应用与实施，以有效提升认知战的整体效能。
图1 认知战流程
1.1 目标锚定
实施具体的认知域作战前需选定作战目标。不同于宣传战、舆论战等传统心智争夺战争的无差别泛化攻击，认知战依托算法技术可以实现不同作战目标的个性化攻击。其中，用户画像技术可针对个人及群体，明晰攻击对象的特征，进而定制针对性的打击战略。用户画像技术又称标签工程，包括个人用户画像和群体用户画像，指通过标签对用户的社会属性、心理状态、消费习惯、偏好特征等维度进行刻画。个人用户画像使用网络爬虫、数据挖掘等技术，获取目标对象的身份数据、社交数据、金融数据、通信数据、偏好数据等，并在此基础上深度挖掘分析，刻画目标对象的社会属性、心理状态、消费习惯、偏好特征等，构建其价值体系。群体用户画像则是依托分类算法和聚类算法将群体分割，借助关联性挖掘算法等，实现社会意识形态分布、社会心理倾向与社会心理结构等维度的绘制。
剑桥分析通过大数据分析算法发现：根据10个点赞数据，算法对用户的了解超过其同事；根据150个点赞数据，算法对用户的了解超过其父母；根据300个点赞数据，算法对用户的了解超过其配偶。基于用户画像技术，认知战作战方可分析出攻击对象的基本特征，再依据其偏好习惯、心理状态等定制化作战方案，可大幅提升认知域作战的成功概率。
1.2 信息选择
基于对作战目标的了解，认知战作战方设置作战议题并选择作战内容，生产具体作战信息。根据认知战作战内容的真伪，可将认知战的信息选择方式分为“基于现有事实的再定义”和“基于大模型的信息生成”。前者从已有的信息中，运用监测技术，筛选有价值的议题，再按照特定角度重构信息，挑起民众情绪。后者则制造虚假信息，引发受众恐慌、愤怒等情绪，进而诱导其产生特定行为。
1.2.1 基于现有事实的再定义
数智化时代信息以几何级数快速增长，人们被海量的信息包围。受个人认知能力的局限，难以实现信息的有效筛选和处理。因此，认知战作战方需要从海量信息中筛选有价值的信息作为议题，并投入资源让其能够吸引公众广泛关注，进而实施认知作战的后续流程。而高效的算法处理技术可以先于对手从海量数据中筛选出作战议题，抢占先机和主动权，并呈现利己的信息子集，为议题提供基本的解释框架，引导受众从特定角度分析议题，操纵受众的认知。
例如，西方国家结合数据挖掘、机器学习等算法技术追踪其他国家舆情，从中捕捉可能产生争议的信息点，再通过针对性报道形成社会热点与矛盾问题。
现有的作战信息多为基于现有事实的再定义信息，此类信息是真实信息的全集或子集，仅被框定了特定解释框架。当民众遵循既定的解释框架，从特定角度分析议题后，难以接受或调整新的解释框架，进而造成更持久、更深远的影响。
1.2.2 基于大模型的信息生成
不同于基于现有事实的再定义，大模型技术，尤其是生成式人工智能技术被广泛应用于虚假、误导信息的生成。一方面，认知战作战方利用大模型技术生成虚假信息并传播，影响用户的认知行为，危害认知域安全；另一方面，内置于搜索引擎或聊天机器人的信息生成技术，会在信息输出过程中隐性引导用户的认知行为。
认知战作战方利用生成式人工智能等大模型技术，可高效生成符合目标议题的信息，继而在社交平台传播这些虚假信息、误导性信息、政治宣传意味信息，并在社交平台上曝光，实现对目标群体的认知操纵，影响敌方的决策判断。生成式人工智能技术信息输出的效率较高，可生成文本、图片、音频等多种类型的信息，一定程度上降低了认知战的实施成本和技术门槛。例如，2023年AI合成的“五角大楼附近发生爆炸”照片在社交平台X（原推特）上流传，被多家大型权威媒体转载，并在短期内引发股价波动。
大模型还被运用于隐性的认知倾向引导，通过利用搜索引擎或聊天机器人的信息技术，在生成文本中掺杂政治倾向，借助潜移默化、长期浸染的方式，对智能工具的使用者实施认知渗透。以生成式人工智能工具ChatGPT为例，现有研究结果表明该大语言模型表现出种族、性别、宗教和政治方面的倾向。当学者依据“政治罗盘”模型对ChatGPT进行中性提问时，发现其回复接近美国民主党、英国工党和巴西劳工党的观点。
尽管虚假信息在经大众的查验后无法长期留存，但当网络空间中掺杂过多虚假信息时，用户需要耗费更多精力成本用于信息辨别，提升信息处理成本，加大认知压力。长期处于虚假信息环境，会降低公众事实核查的动力，进而扩大虚假信息的影响范围。此外，智能搜索引擎工具对认知的影响方式非常隐蔽，通过长期对话过程中的信息输出传递特定价值观，进而改变认知行为。
1.3 信息操纵
互联网高度渗透社会生活，社交平台用户急速增长，大型社交平台呈垄断趋势。社交平台对信息享有高度支配权，可以通过优先排序、自动推荐、信息过滤等算法技术，精准地将定制化的信息内容呈现给目标用户，实现认知战的精准攻击。认知战作战方利用社交平台的个性化推荐算法技术实现信息操纵，影响、塑造并改变用户的认知行为，以满足其特定的价值需求。
应用于认知域作战的推荐算法技术主要有两大作用机制。一是能够实现信息的点对点传输，提升认知传播的精准性，在信息泛滥的网络环境中，抢夺用户注意力这一稀缺资源。剑桥分析公司曾制作脸书用户的特征画像，在2016年美国大选期间，根据用户评论分析用户支持倾向，再向民众推送定制化竞选广告，改变民众的心理认知，进而左右民众投票结果。二是用于制造信息茧房，实现回音室效应。在目标群体只能接收到特定主题的信息的情况下，通过使其反复接触相似信息，强化已有认知，最终将用户禁锢于同温层中。
1.4 诱发反应与对抗
宣传战和信息战等传统战争方式仅控制信息流动，认知战则会介入受众对信息的解读和反应过程，并加以干预引导。具体而言，如图2所示，认知战作战方发动认知域作战行为后，会通过重复曝光、聚类错觉、情感启发等方式诱导受众产生反应，引导受众产生预期的认知行为；再通过话语权控制实现监测干预，对抗敌方反制行为，减少认知博弈中的阻碍。
图2 诱发反应与对抗具体实施路径
1.4.1 重复曝光
根据重复曝光效应，在互联网中，将某个论点重复输出，能够强化民众对该观点的认同程度。认知战操纵方利用社交平台或新闻媒体完成信息支配，加大信息推送力度，形成认知标签，进而达成认知共识。
1.4.2 聚类错觉
人的认知易受身边人的影响，当群体都认同某事件某信息时，个人也会提升认同度，即“随大流”。认知战作战方常通过社交机器人技术营造聚类错觉，制造群体认知一致的假象。
聚类错觉主要通过两种路径发挥作用：
一是通过规模效应制造强势舆论场，即操纵虚拟社交机器人实现大量自动转发，直接制造大规模的舆论进攻，营造虚假态势。有学者通过研究机器人在舆论传播中如何影响舆论方向发现，社交机器人只需在讨论者中占比5%~10%就能改变公众意见。而X（原推特）平台中涉华推文超20%疑似由机器人发布，涉中国政体、人权状况的讨论已被机器人操纵形成意见气候。
二是通过回声室效应强化内部认同并排斥异见，包括营造虚假共识，固化群体意识，加深群体对立。当虚拟社交机器人被应用于对立议题的讨论时，会造成对立群体双方均感觉观点被多数人支持，产生自己与多数人达成共识的虚假感知。这种虚假共识又将进一步固化群体内成员认知，加剧群体分化与对立矛盾。
1.4.3 情感启发
在情绪先行的后真相社会，客观事实在塑造公众舆论中的影响力远小于诉诸情感和个人信仰的内容。情绪会限制人的认知行为，尤其是在数智化时代，公众获取信息和发表意见的渠道趋于多元，在情绪化条件下主观加工、构建事实的行为显著加剧。
现有算法技术能分析用户情感动向，通过在社交平台持续发送特定信息刺激个体情感，促使部分群体成员将情感外化为非理性行为。而个体理性在群体共振中逐渐丧失，负面情绪加速蔓延，引发群体矛盾与社会动荡。此外，认知战发动方可能利用计算宣传技术构建心理共同体，瓦解和攻击对手，诱导网络空间中的价值倾向趋于利己。新冠疫情期间，西方国家利用社交机器人在推特平台发布负面、诋毁内容，试图激发用户的负面情绪，助推群体极化和价值分裂，不利于全球协同抗疫。
1.4.4 话语权控制
认知域作战发动后，作战双方对话语权的控制将直接影响博弈走向。当敌方捕捉到认知战作战方的主导议题与作战行为后，会通过信息澄清、议题转移、技术反制等手段实现认知对抗，由此造成网络空间中的信息量急剧膨胀，呈现复杂化、多元化态势，使得民众信息过载。此时，掌握话语权，就拥有事件的定义权和解释权，便可在对抗行为中占据优势地位，取得更多民众的认可与支持。
当作战方拥有社交平台的主权优势时，常采用强制性技术手段，如限流、封号等措施削弱、剥夺敌方话语权，进而减少认知博弈的难度。例如，在俄乌冲突中，优兔（YouTube）等平台限制“今日俄罗斯”和“俄罗斯卫星通讯社”发布内容，允许反俄叙事自由传播，强制剥夺俄方叙事权。
1.5 群体极化
社会共识是社会整体维系的关键，但算法中的“标签”会聚合具有相似认知的群体，产生自我群体，形成认知茧房。推荐算法、协同过滤算法等技术将社交平台中具有相同认知观点的用户聚类，并持续向其推送同类内容，最终形成多个封闭群体。小团体中的成员更容易获得归属感与满足感，成员间不断强化既有观念，与其他认知偏好群体形成分歧乃至对立，难以接纳不符合其观念的信息。认知战作战方通过算法技术监测小团体的演变进度，并推送特定信息，诱导团体向极端化方向发展。
2
认知战的技术治理路径
近年来，我国对认知域安全防御工作日益重视，制定了相关法律法规，建立了“中国互联网联合辟谣平台”，但尚未形成系统性、整体性的发展布局。基于上述对认知域作战过程及其技术应用的分析，本文提出具体治理路径：以研发和使用反制技术为主要手段，以改进和完善辟谣措施为重要辅助手段，以强化平台责任和自主监管为补充机制，全面提升认知防护能力，守护我国的认知域安全。
2.1 研发和使用反制技术
从战略进攻角度，技术发展提升了信息生成、传播的效果，扩大了认知战影响的规模、范围，提升了认知域的作战手段。从战略防守角度，技术发展提升了虚假内容识别校正、渗透内容排查清除、异常账号治理等认知防护手段的准度和效率，为应对复杂网络环境下守护网络空间中的认知安全提供了技术支撑。需要利用大数据、人工智能、深度学习、云计算等技术工具，搭建网络空间认知战安全体系的系统化布局，在认知战的信息来源、信息传播、信息处理过程中实现反制，掌握主动权和优势地位。技术反制手段主要包括虚假信息监测与过滤、异常账号识别与清除。
2.1.1 虚假信息监测与过滤
需要发展内容分析与监测技术，用于监测和分析当前认知空间的舆论和情感动向，进而预测和化解认知风险。在虚假信息监测与处理方面：第一，升级信息检索、分类及抽取技术，监测国内社交平台中认知战可能依附的事件，尤其是挑起阶级矛盾、群众对立、煽动情绪的事件，及时发现和删除虚假信息；第二，利用基于人工智能的图像识别技术、自然语言处理技术等监测和识别AI生成的文本、图像等内容，遏制虚假信息恶性传播。
在舆情监管与认知风险防范方面：一是利用大数据技术对网络热点事件的观点分类分析，建立预警响应机制，落实应对措施；二是扩充、完善监测指标体系，利用机器学习、深度学习等技术，及时感知网络空间的认知操纵行为并予以反制。
2.1.2 异常账号识别与清除
清除虚假机器人账号，净化网络空间生态环境。一方面，建立屏蔽体系，阻拦异常账号活跃于网络空间。例如，印第安纳大学开发BotOrNot工具，用于检测社交媒体X（原推特）上的机器人账号。国内近年来也加强了对恶意社交机器人的管制。例如，2024年以来，网信部门持续加大对网络水军打击力度，严肃查处网络水军组织招募、推广引流、刷量控评等问题。另一方面，政府部门、民间机构等组织根据己方认知攻防目标，自主研发工具，识别异常账号，形成重点监测名单后研判下一步行动。有研究表明，可利用生成式人工智能技术处理虚拟机器人账号，即通过处理文本、语音、图片等多类型数据，提取并识别人类特征行为，以此识别虚假机器人账号。
在应用现有技术对认知域作战予以监测反制的同时，还应利用高新技术成果持续探索智能化时代中认知战可能的作战形式与作战途径。具体而言，可以设立专项基金，支持科研机构和企业开展前沿技术研究，并且鼓励产学研用结合，加速科技成果在认知域作战的转化和全方位深度应用，形成良性循环，持续提升我国网络空间认知安全技术的核心竞争力。
2.2 改进和完善辟谣措施
国内网络空间的信息环境较为复杂，不实信息的传播在一定程度上会加重公众认知负荷，给理性认知行为培育带来现实挑战。在国际舆论场中，涉华信息往往呈现多元交织的形态，其中不乏失真内容；受限于部分境外平台的传播规则与算法机制，我国声音的触达范围和影响力存在客观局限，导致我国在全球信息传播格局中的话语空间仍有待拓展，构建客观、平衡的涉华国际认知环境属于一项长期任务。鉴于此，需从强化内部信息纠错机制和拓展外部自主传播两个维度入手，打破认知围堵。
2.2.1 加大辟谣信息推送
网络谣言、虚假信息、假新闻等会误导民众，影响网络空间稳定和健康生态，需要加大辟谣工作力度。第一，在社交平台中加大辟谣力度，推动辟谣信息显性化展示，使辟谣信息能更快、更广泛地传播。第二，推进国家级辟谣平台的建设与推广应用，依托官方渠道加大辟谣信息传播力度，实现及时高效辟谣。
2.2.2 提升对外传播能力
国外主流社交平台对中国声音存在传播压制，依靠信息垄断影响外国网民的认知。因此，构建我国在国际传播中的自主渠道，能够强化我国对外传播能力，掌握事件的定义权和解释权。具体而言，可以加大国内社交平台的发展投入，推进国内社交平台国际化。
2.3 强化平台责任与自主监管
社交平台与认知域作战过程紧密关联，认知战的防范治理离不开社交平台。应当强化社交平台主体责任，使其对平台内的数据安全、信息传播、生态环境负责，投入更多精力开展技术研发，来清理、改造与维持网络生态环境的健康运行。同时，社交平台需要优化推送算法，强化数据治理能力。
2.3.1 推送算法优化
信息推送机制容易导致信息茧房，造成用户思维同质化与群体极化，为认知战的实施提供了便利。此外，认知战发动方还能利用平台的算法机制完成信息推送，实现认知操纵。社交平台应优化算法机制，在个性化推荐基础上完善多元信息推送，拓宽用户信息接触面，提升用户对信息的甄别、质疑和理解能力。
2.3.2 数据治理能力提升
社交平台拥有海量用户数据，一旦被恶意利用进行认知操纵，极易引发社会动荡，甚至影响国家政权稳定，因此社交平台的数据治理能力亟待强化。社交平台的数据治理需要兼顾数据的安全保护和治理过程的透明规范。一方面，社交平台需确保用户信息数据及隐私安全，避免相关信息泄露后遭人恶意利用。另一方面，社交平台数据治理过程需规范化、透明化，防范社交平台私权滥用风险。
3
结 语
认知战已成为大国博弈的重要领域，认知操纵现象已渗透到日常生活，威胁国家政治、经济、文化等各方面的安全。在数智化时代，技术迭代发展推动认知战呈现出日益复杂化、智能化与隐蔽化的特征，使得信息的精准投放、受众反馈的实时监测以及作战策略的动态优化得以高效落地。本文将认知域的作战流程拆解为目标锚定、信息选择、信息操纵、诱发反应与对抗、群体极化五大环节，并分析各阶段具体的技术应用。在此基础上提出治理路径：以技术反制为主要手段，以改进辟谣措施为重要辅助手段，以强化平台责任和自主监管为补全机制，以提升群体认知能力为基本要求，守护我国认知域安全，维护国家安全与社会稳定。
本文省去了参考文献，以方便排版
作者简介
王佳纯（1996—），女，硕士，工程师，主要研究方向为网络舆情、大数据与人工智能；
孙思宇（1988—），通信作者，男，博士，正高级工程师，主要研究方向为计算社会科学、网络政治学、社交网络分析；
熊心磊（2001—），女，硕士，主要研究方向为大数据分析。
相关阅读
★
★ ★ ★
★
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：信息安全与通信保密杂志社 Cismag
Cismag《数智化时代的认知战：技术如何从“争夺信息”走向“重塑认知”》