亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

本文通過對美國防部相關人員的深入訪談，以及對現有指南、標準和相關文獻的嚴格審查，提出了見解。本文重點關注數字建模、數據利用和數據驅動決策的關鍵方面，主要側重于美國陸軍地面車輛應用，以應對挑戰和機遇。數據驅動決策在很大程度上依賴于精確的數字孿生模型，這對地面車輛在預定環境中的準備工作至關重要，尤其是在北極車輛準備等具有挑戰性的環境中。因此，在現實應用和數字孿生之間建立協同關系至關重要。然而，美國陸軍在從原始設備制造商那里獲取全面的數字數據方面面臨著障礙，特別是對于較老的地面車輛平臺，因此必須通過逆向工程來彌補差距。挑戰源于缺乏標準化的數字數據實踐，這就需要建立一個有凝聚力的數字建模框架。為此，本文提出了一個智能前端框架。該框架優化和整合了國防應用和決策的數據管理。總之，本文強調了采用數字技術、優化和實現數據利用以及應對數據挑戰對提高國防部戰備和效能的重要意義。

圖 1. 系統工程中的迭代循環數字化過程

美國國防部（Department of Defense，DoD）正在進行的數字化轉型有可能徹底改變其從設計、后勤到運營和可持續性等各方面的運作。數字技術的整合有望大幅提高效率和效益。基于對國防部利益相關者的一系列訪談，本研究深入探討了這一數字化轉型過程中的挑戰和復雜性，主要側重于將數字模型匯總并納入更廣泛的系統級能力。雖然數字化工作取得了重大進展，但仍迫切需要一項具有凝聚力的戰略，以確保這些數字模型通過數字化（即數字化轉型）有效促進任務分析和優化。

研究方法圍繞兩個核心要素展開： (1) 與美國防部內的主要利益相關者進行深入討論；(2) 對現有指南、標準和相關文獻進行嚴格審查。對于 (1)，通過與利益相關者的討論，作者利用了積極參與該主題的國防部人員所擁有的豐富知識和專業技能。他們的第一手觀點、經驗和建議為我們的研究奠定了重要基礎。對于 (2)，我們的全面審查過程深入研究了該領域的既定最佳實踐、行業標準和最新進展。這種審查確保了我們的研究具有堅實的基礎和最新的信息，使我們能夠以現有的框架為基準來衡量我們的研究結果。我們的研究方法結合了國防部利益相關者的見解以及對指導方針和標準的審查，體現了一種全面的、數據驅動的方法，旨在提供可靠的、可操作的結果。

本文探討了無處不在的人工智能對戰斗本質的改變。將目光從人工智能取代專家轉向人機互補的方法。利用歷史和現代實例，展示了由人工智能操作員和人工智能/機器學習代理操作員組成的團隊如何有效管理自主武器系統。方法基于互補原則，為管理致命自主系統提供了一種靈活、動態的方法。最后，提出了實現機器加速戰斗綜合愿景的途徑，即由人工智能操作員操作戰場人工智能，觀察戰場內的行為模式，以評估致命自主系統的性能。與任何純粹的自主人工智能系統相比，這種方法能開發出更符合道德規范、以機器速度運行并能應對更廣泛動態戰場條件的作戰系統。

2022 年 11 月，ChatGPT 的發布標志著人工智能（AI）發展史上的一個關鍵時刻。幾十年來，人工智能一直是人們熱衷研究的課題，但對于普通人來說，它仍然是一個抽象的概念，更多的是科幻小說或技術演示，比如 IBM 的沃森贏得了《危險邊緣》（Jeopardy）。然而，有了 ChatGPT，人工智能走出了實驗室，人們可以用與朋友和同事交流的方式與人工智能對話。ChatGPT 將公眾對人工智能的看法從未來的可能性轉變為實實在在的現實。與此同時，在距離開發 ChatGPT 的辦公室千里之外，烏克蘭正在將人工智能融入戰場。面對俄羅斯大規模的射頻干擾，烏克蘭部署了人工智能增強型無人機，能夠在敵對條件下，在無人監督的情況下有效運行。人工智能的這一應用并不是要進行對話或模擬類似人類的互動，而是要在傳統系統失靈的情況下，增強對大型對手的作戰能力。ChatGPT 的認知能力與烏克蘭無人機對人工智能的功利性應用之間的對比，說明了人工智能在不同領域的多樣性和變革性。

這兩項人工智能應用促使美國國防部（Department of Defense，DoD）關于戰場人工智能的戰略思想發生了潛在轉變。最初的人工智能條令強調，對人工智能系統 "適當程度的人為判斷 "至關重要，"要有明確的程序來激活和關閉系統功能，并對系統狀態提供透明的反饋"[5]。對 "自主和半自主武器系統的人機界面"[5] 的要求意味著一定程度的人類直接互動，通常稱為 "人在回路中"（HITL）或 "人在回路中"（HOTL）。這種人類直接參與人工智能或監控錯誤的方式，證明了對關鍵流程自動化的謹慎態度。

之所以會出現這種轉變，是因為人們認識到，人工智能及其不可避免的技術普及，將不僅僅是補充，而是從根本上改變戰場上的行動和情報搜集，就像它已經開始改變社會上幾乎所有其他地方一樣。這種演變并非首次發生。就在上一代，互聯網的出現和智能手機的普及徹底改變了通信和信息獲取方式，以至于國防部別無選擇，只能適應。與這些創新一樣，人工智能也正走在一個類似的基本層面上。現在的挑戰不在于試圖支配人工智能的整合，而在于適應其不可避免的普遍性，在擔心數據偏差、計算 "幻覺 "的情況下確保軍事系統的可靠性和有效性，同時確保致命性自主武器系統的行為符合國際人道主義法（IHL）。本文件旨在探討這些挑戰，并提出緩解這些挑戰的途徑，同時認識到人工智能增強戰爭的進程不僅不可避免，而且已經開始。

討論

2022 年，人工智能達到了一個拐點。隨著電子戰的加劇，烏克蘭沖突迫使自主無人機快速發展。與此同時，像 ChatGPT 這樣的強大語言模型的發布吸引了全球觀眾，盡管它們的局限性也變得顯而易見。這些系統容易出現事實錯誤和赤裸裸的捏造，凸顯了將模式識別誤認為真正理解的風險。在人工智能顛覆整個行業的同時，我們也認識到，人工智能的流暢性往往掩蓋了根本無法分辨真假的缺陷。

人工智能在軍事上的應用提出了獨特而棘手的倫理問題。根據特定數據訓練的人工智能系統是實現其設計目的的強大工具。它們擅長模式識別和快速執行所學任務。但人工智能系統適應新情況的能力，尤其是在人命關天的情況下，仍然不太清楚。

雖然人工智能在數據處理和分析方面的能力毋庸置疑，但它在道德框架內指導行為的能力卻不那么確定。圖 1 展示了戰場自主人工智能的典型組織結構。作戰人員（橙色圓圈）直接操作一套武器系統（藍色圓圈），每套系統都通過一個人工智能模型進行調解，該模型經過訓練，可控制特定武器與敵人交戰。然而，如果敵人已經找到了欺騙人工智能模型的方法，作戰人員往往無法改變模型的行為。相反，作戰人員必須依靠其他可能風險更大的手段與敵人交戰。在戰爭中強調簡化、精簡的人工智能模型會帶來一種危險的脆性。當人工智能模型被愚弄時，它可能會使作戰人員面臨更大的風險，同時將關鍵優勢拱手讓給敵人。

在本文中，我們提出了 3.8 節中介紹的人工智能操作員或 "馬夫 "的角色。這種角色延伸了加里-卡斯帕羅夫（Garry Kasparov）在 "高級國際象棋 "中提出的 "半人馬"（centaur）概念，即人類與多個國際象棋程序合作，將人類的戰略洞察力與機器的計算能力相融合，以達到超高水平的競爭[21, 13]。這些相互促進或互補的領域已被證明優于任何一個單獨的組成部分[23]。互補的概念是將多個元素結合在一起，產生一個比任何一個部分都更有效的整體，這與更常見的替代做法有著本質區別，替代做法是單獨使用能力最強的部分--人類、自動化或人工智能。替代系統的實際結果是，它們的強大取決于最薄弱的部分。由作戰人員、戰場人工智能、遠程人類操作員及其本地人工智能代理組成的網絡可確保人類和人工智能的優勢得到最大程度的發揮（圖 2）。半人馬概念在軍事戰略中的演變說明，未來人類與人工智能的合作不僅有益，而且對于在高度動態和競爭激烈的環境中取得優勢至關重要。

要想讓人工智能系統在軍事環境中可靠運行，人類操作員必須了解人工智能的決策過程。這就意味著要對具有不同技能和背景的操作員進行培訓。就像棋手調整策略一樣，操作員應能根據需要切換人工智能模型。不能指望單一的人工智能模型在每一種戰場場景中都能完美發揮作用。情況是不可預測的；在一種情況下最好的模型在另一種情況下可能會失效。操作員必須了解每種人工智能模型的優缺點，以確保使用最有效的工具來完成手頭的任務。這種適應性是人工智能成功融入軍事行動的關鍵。

在軍事行動中，采用這種靈活的方法將人類與人工智能配對，可創建出比人工智能單獨運作的系統更靈活、適應性更強的系統。這種人類與人工智能的共生關系可以破壞對手的 "觀察、定位、決策、行動"（OODA）循環[18]，有效地 "反客為主"。人工智能在人類直覺和經驗的充實下，引入了不可預測性和復雜性，純人工智能對手可能難以理解或實時處理這些不可預測性和復雜性。這可能會使天平向有利于人類-人工智能團隊的方向發生決定性的傾斜，使他們在關鍵時刻超越和思考純人工智能系統，從而獲得戰術優勢。

人類可以利用自己的創造力和創新力提出人工智能無法提出的新想法和解決方案。例如，將人類對已知危險和風險的了解融入自主系統，可以讓操作員確定并預測基于人工智能的控制器在遇到真實世界的風險因素時的行為[6]。我們還能理解人工智能忽略的細微差別和情境，這對決策至關重要。最后，人類在群體中表現最佳，每個人都能帶來不同的視角和技能，從而提供深度理解，而目前的人工智能似乎可以模仿，但卻無法復制。

為了真實地再現軍事行動，嚴肅的戰斗模擬要求建模實體具有合理的戰術行為。因此，必須定義作戰戰術、條令、交戰規則和行動概念。事實證明，強化學習可以在相關實體的行為邊界內生成廣泛的戰術行動。在多智能體地面作戰場景中，本文展示了人工智能（AI）應用如何制定戰略并向附屬單元提供命令，同時相應地執行任務。我們提出了一種將人類知識和責任與人工智能系統相結合的方法。為了在共同層面上進行交流，人工智能以自然語言下達命令和行動。這樣，人類操作員就可以扮演 "人在回路中 "的角色，對人工智能的推理進行驗證和評估。本文展示了自然語言與強化學習過程的成功整合。

RELEGS：針對復雜作戰情況的強化學習

為了獲得模型架構的靈感，我們研究了 DeepMind 的 AlphaStar 架構，因為它被認為是復雜 RL 問題領域的最先進架構。通過我們的架構（如圖 2 所示），我們提出了一種靈活、可擴展的行動空間與深度神經網絡相結合的適應性新方法。觀察空間的設計基于如何準備戰場的軍事經驗。通常使用地圖和可用部隊表。因此，模擬觀測被分為標量數據（如可用坦克數量及其彈藥）。同時，基于地圖的輸入作為視覺輸入提供給空間編碼器。

標量數據用于向人工智能提供幾乎所有場景細節的建議。其中包括有關自身部隊及其平臺的數據，以及有關敵方部隊的部分信息。輸入并非以絕對數字給出，而是采用歸一化方法來提高訓練效果。編碼器可以很容易地寫成多層感知器（MLP）；不過，使用多頭注意力網絡可以大大提高訓練后智能體的質量，因此應予以采用（Vaswani 等人，2017 年）。

為了理解地理地形、距離和海拔高度的含義，人工智能會被輸入一個帶有實體編碼的地圖視覺表示。顏色方案基于三通道圖像，這使我們能夠輕松地將數據可視化。雖然使用更多通道會給人類的圖形顯示帶來問題，但人工智能能夠理解更多通道。不同的字段類型和實體會用特殊的顏色進行編碼，以便始終能夠區分。這種所謂的空間編碼器由多個卷積層組成。最初，我們嘗試使用 ResNet-50 （He 和 Zhang，2016 年）和 MobileNetV3 （Howard 等，2019 年）等著名架構，甚至使用預先訓練的權重。然而，這并沒有帶來可接受的訓練性能。因此，我們用自己的架構縮小了卷積神經網絡（CNN）的規模。

為了測試和優化這一架構，我們使用了一個自動編碼器設置，并使用了模擬中的真實樣本。我們能夠將參數數量從大約 200 萬減少到大約 47000。此外，我們還生成了一個預訓練模型，該模型已與模擬的真實觀測數據相匹配。這一步極大地幫助我們加快了 RL 進程。

一個可選元素是添加語言輸入，為人工智能定義任務。雖然一般的戰略人工智能不使用這一元素，但計劃將其用于下屬智能體。這些智能體將以自然語言接收來自戰略人工智能的任務，并使用雙向門控遞歸單元（GRU）編碼器對其進行處理。

視覺數據、任務數據和標量數據的編碼值被合并并輸入核心網絡。根據 Hochreiter 和 Schmidhuber（1997 年）的介紹，核心主要是一個擁有 768 個單元的長短期記憶（LSTM）組件。在軍事場景中，指揮官必須了解高價值資產的長期戰略規劃。在本模擬中，人工智能可以請求戰斗支援要素，這些要素在影響戰場之前需要長達 15 分鐘的時間。因此，人工智能必須了解未來任務的時間安排和規劃。在 RL 中使用 LSTM 網絡相當困難，因為它需要大量的訓練時間，而且會導致上面各層的梯度消失。因此，我們決定在 LSTM 上添加一個跳過連接，以盡量減少新增層的負面影響。

動作頭由一個自然語言處理（NLP）模型組成。這是一個非常簡化的動作頭模型，包含一個小型 LSTM 和一個額外的密集層，共有約 340000 個參數。其結果是一個尺寸為 8 x 125 的多離散動作空間。

除主模型外，還有一個單獨的價值網絡部分。價值網絡使用核心 LSTM 的輸出，并將對手信息串聯起來傳遞給 MLP。然后，MLP 可以精確預測價值函數。通過對手信息，價值網絡對模擬有了一個上帝般的地面實況視圖。由于該網絡只與訓練相關，因此可以在不干擾訓練完整性的情況下進行。

隨著可機動高超音速導彈的威脅在本已繁多的彈道導彈和其他導彈威脅的基礎上進一步增加，美國正在部署越來越廣泛和復雜的天基衛星群，提供導彈預警和跟蹤功能，以加強美國的導彈防御能力。

本文探討了需要西方國家進行有效導彈防御的威脅，以及美國為防范此類威脅而進行的提供導彈預警和跟蹤（MW/MT）的最新天基計劃發展。文章還回顧了美國防部最近發布的關于保護當前和未來天基 MW/MT 及相關衛星資產的戰略。

導彈威脅

戰略和戰術彈道導彈以及高超音速導彈構成的威脅是一種現實存在的危險，最近的地緣政治現實就充分說明了這一點。在烏克蘭戰術層面使用彈道導彈和高超音速導彈--包括首次在實戰中使用俄羅斯的 "烈火 "導彈--以及持續不斷的核威脅言論。除此之外，俄羅斯在北冰洋新澤姆利亞群島上的前核試驗場還進行了明顯的核試驗場擴建活動。2023 年 9 月，衛星探測到了這一活動，這表明俄羅斯可能在為未來的核試驗做準備--此舉將使全面禁止核試驗條約陷入混亂。俄羅斯最近表示，RS-28 "薩爾馬特 "洲際彈道導彈（ICBM）現已投入使用。

圖為 HBTS、DSP/SBIRS 和 NGP/NGG 空間架構。太空是一個高度競爭的環境，不斷演變的導彈威脅將很難被探測和摧毀。 資料來源：諾斯羅普-格魯曼公司

2023 年 7 月 13 日，朝鮮進行了最新的 "華城-18 "洲際彈道導彈試驗。據美國戰略與國際研究中心（CSIS）稱，伊朗已擁有 "中東地區最多樣化的導彈武庫，擁有數千枚彈道導彈和巡航導彈，其中一些導彈可遠至以色列和東南歐"。2023 年 6 月初，伊朗還公布了一種名為 "法塔赫 "的新型中程彈道導彈，據說射程達 1400 公里，最大速度可達 14 馬赫。

天基保護

為防范此類威脅，多年來，復雜的天基衛星和傳感器對北美航空航天防御司令部（NORAD）的地面戰略防御預警能力起到了補充作用。其中包括諾斯羅普-格魯曼公司的防御支持計劃（DSP）衛星，該衛星為陸基系統的指揮和控制部門提供導彈發射探測、跟蹤和瞄準信息。諾斯羅普-格魯曼公司發言人向 ESD 詢問有關 DSP 衛星的最新信息時說："由于技術的關鍵性，有關 DSP 的某些信息將繼續受到強化安全措施的保護。

然而，隨著導彈技術的進步和武庫的擴大，對更加復雜、互聯、彈性和重疊的天基 MW/MT 資產、傳感器和星座的需求也在增加。美國太空部隊的下一代高空持續紅外（Next-Gen OPIR）星座就是為滿足這些復雜需求而開展的一項計劃，它將最終取代目前的天基紅外系統（SBIRS）。順便提一下，SBIRS 本身最初就是為了取代一些 DSP 資產而投入使用的。洛克希德-馬丁公司（Lockheed Martin）和諾斯羅普-格魯曼公司（Northrop Grumman）正在為這一新計劃提供五個下一代 OPIR 空間飛行器；洛克希德-馬丁公司提供的三個將被置于地球靜止軌道（GEO），被稱為 NGGs（下一代地球同步軌道），諾斯羅普-格魯曼公司提供的兩個將被置于高橢圓極地軌道（HEP），被稱為 NGPs（下一代極地軌道）。

洛克希德-馬丁航天公司的第六顆也是最后一顆 SBIRS 衛星 SBIRS GEO-6 于 2022 年 8 月發射到地球同步軌道，并加入了太空部隊的 SBIRS 星群。 資料來源：洛克希德-馬丁公司

洛克希德-馬丁航天公司的第六顆也是最后一顆 SBIRS 衛星 SBIRS GEO-6 于 2022 年 8 月發射到地球同步軌道，加入了太空部隊的 SBIRS 衛星群，以提供和維持盯梢紅外監視和導彈預警能力。洛克希德公司是 SBIRS 的主承包商，諾斯羅普-格魯曼公司是有效載荷供應商。洛克希德-馬丁航天公司在一份新聞稿中說，第六顆衛星是 "邁向 SBIRS 的后繼者 NGG 系統所提供的彈性導彈預警的墊腳石"，該公司稱，"與 SBIRS GEO-5 和 GEO-6 一樣，NGG 系統也是基于該公司現代化的 LM 2100 戰斗總線"。該系統 "與 SBIRS GEO-5 和 GEO-6 一樣，基于公司現代化的 LM 2100 戰斗總線"，提供額外的網絡加固、彈性和增強的航天器動力，以及改進的推進和電子設備。該公司 OPIR 任務區副總裁 Michael Corriea 當時表示，對 OPIR 的需求 "從未像現在這樣重要"，并在聲明中強調彈道導彈技術已經 "在全球擴散，每年跟蹤的導彈發射超過 1,000 次"。因此，SBIRS GEO-6 不僅能加強當前的導彈預警架構，其后繼者 NGG 還將提供更大的能力，并擴大其覆蓋范圍。

至于諾斯羅普-格魯曼公司的 NGP OPIR 衛星，它們將從 HEP 軌道覆蓋北半球的極地地區。據公司媒體消息稱，這兩顆衛星將包括紅外傳感器，用于 "探測和跟蹤彈道導彈和高超音速導彈"，以及 "向地面傳輸任務數據的增強型通信系統，使決策者能夠識別來襲威脅的紅外熱特征"。每個 NGP 的組成還包括 "減少反空間和網絡攻擊脆弱性 "的復原功能，以及 "受保護、有保障、可生存的通信能力"。

兩個 NGP 空間飛行器的 HEP 軌道至關重要，因為跨極地路線是攻擊北美的敵對導彈的首選飛行路線，因為到達目標的距離較短。由于地球曲率的原因，地球同步軌道上的衛星無法直接看到兩極，因此只有在高頻軌道上的衛星才能實現覆蓋。

洛克希德-馬丁公司的下一代高空持續紅外 (OPIR) 地球同步軌道 (NGG) Block 0 早期導彈預警衛星。 資料來源：洛克希德-馬丁公司

在諾斯羅普-格魯曼公司對極地上空的 NGP 導彈預警事件進行的模擬中，NGP 資產現在將成為首個探測敵方導彈發射和飛行的傳感器，這得益于 OPIR 性能比早期系統的改進。一旦被探測到，實時機載處理將立即啟動，對事件進行定性，并通過實時下行鏈路向美國大陸傳輸這些信息以及導彈預警、跟蹤和其他信息。諾斯羅普-格魯曼公司稱，兩顆衛星組成的 NGP 星群將確保與地面指揮和控制的全天候直接視距通信，并有助于防止北半球極地導彈對北美的突襲。

參與者和計劃

除上述計劃和工業參與者外，美國防部還將其他天基導彈預警和跟蹤制造既得利益交到了其他參與者手中，如波音公司的千年空間系統公司、L3Harris 公司和雷神情報與航天公司。這兩家公司目前都在為美國防部的其他導彈預警和跟蹤計劃提供太空飛行器（近年來也是如此），這些計劃要求在不同平面的軌道上安裝傳感器，從低地球軌道（LEO）到中地球軌道（MEO），再到地球靜止軌道（GEO）以及高地球軌道（HEO）。

諸如美導彈防御局（MDA）的高超音速和彈道跟蹤空間傳感器（HBTSS）工作、空間發展局（SDA）的擴散戰士太空架構（PWSA）方案或美國太空部隊的寬視場（WFOV）導彈預警傳感器等方案，只是這些行業參與者正在開展的活動的一部分。

PWSA 將追蹤現在和未來的高級威脅。追蹤層將與傳輸層的低延遲網狀通信網絡相集成。 資料來源：SDA

例如，L3Harris 和諾斯羅普-格魯曼公司（Northrop Grumman）都參與了許多此類計劃，包括 MDA 的 HBTSS 計劃。L3Harris 公司于 2023 年 6 月獲得一份合同，為 MEO - 導彈跟蹤保管 (MTC) Epoch 1 計劃開發紅外傳感器有效載荷數字模型，為太空部隊未來彈性 MW/MT 星座的高超音速導彈探測和跟蹤提供支持。千年公司和雷神公司也在推進該計劃的原型空間飛行器開發，預計交付日期為 2026 年。

從上述情況不難看出，太空已成為一個競爭日益激烈的攻防環境。然而，上述復雜的高科技計劃組合，其多層次、多軌道、光學嚙合衛星方法、先進的紅外傳感器和 MW/MT 能力，提供了有彈性的設計架構，完全有機會應對和擊敗日益復雜、規避和危險的新興導彈威脅。

由于篇幅有限，無法詳細介紹所有計劃和項目，但 ESD 還是采訪了 MDA 和 SDA，以了解 HTBSS 和 PWSA 的最新進展。

高超音速和彈道跟蹤空間傳感器（HBTSS）最新情況

據 MDA 稱，HBTSS 計劃旨在提供一個全球 HBTSS 跟蹤衛星星座，從發射到重返大氣層和/或飛行終止，持續跟蹤導彈威脅（無論是彈道導彈還是高超音速導彈），并向整個導彈防御系統的指揮和控制提供火控跟蹤數據。

據該機構稱，HTBSS星座的兩顆衛星將與陸基和海基雷達以及 "最近部署的太空部隊跟蹤衛星 "合作，演示它們如何跟蹤高超音速威脅并為攔截提供目標數據，并補充說，"這次演示將為未來導彈預警跟蹤防御任務的PWSA提供信息"。

據說，MDA 計劃在 2023 年底之前發射兩顆 HBTSS 原型衛星，以演示該系統的上述在軌能力，該機構稱，一旦演示成功，HTBSS 將成為"太空部隊擴散運行的關鍵空間傳感器星座的一部分，隨著導彈威脅的演變，它將提供更強的跟蹤目標和攔截高超音速威脅的能力"。屆時，該計劃預計將移交給 SDA。

ESD雜志采訪了 MDA，簡要了解了 HBTSS 目前的最新情況，以及該計劃是否有望在今年年底前開始在軌傳感器測試。MDA 發言人 Heather Cavaliere 告訴 ESD："對于 HBTSS 計劃的當前階段（在軌原型演示），MDA 于 2021 年 1 月授予 L3Harris Technologies 公司（L3H）和諾斯羅普-格魯曼公司（NGC）協議。兩家公司都在開發不早于 2023 年 12 月中旬發射的在軌原型演示衛星。發射后將進行在軌測試，以測試、描述和驗證 HBTSS 的性能"。卡瓦列雷補充說："HBTSS負責探測和跟蹤威脅，并將數據傳輸給導彈防御系統的指揮和控制部分。"

至于MDA與SDA的合作如何取得進展，以確保美軍--美國空軍/美國太空部隊等--盡快擁有最佳的天基導彈預警能力，特別是考慮到烏克蘭的情況以及美國各對手正在進行的導彈研發、 卡瓦列雷回應說："MDA 正在與美國太空部隊的 SDA 和太空系統司令部（SSC）合作，開發 HBTSS，作為高空持續紅外（OPIR）傳感器的原型，獨特地提供火控質量數據。在操作上，HBTSS 的火控能力將成為 SDA 的 PWSA 的一部分，并將比地面雷達更快地探測到高超音速、彈道和其他先進威脅，提供高超音速威脅跟蹤數據，以便通過鏈接的導彈防御武器進行交接"。

擴散戰士太空架構（PWSA）最新情況

這就引出了 "擴散戰士太空架構"（PWSA）的發展。這是 SDA 的一項計劃，該公司于 2023 年 4 月宣布成功首次發射了 10 顆衛星，這些衛星組成了該計劃的第 0 批（T0）衛星，即傳輸和跟蹤層衛星，它們將展示低延遲通信鏈路，以支持作戰人員的彈性綜合能力網絡，包括從低地軌道跟蹤先進導彈威脅。

關于該計劃的最新進展，ESD采訪了SDA負責戰略參與的副主管喬納森-威辛頓（Jonathan Withington），他說："PWSA將追蹤現在和未來最先進的威脅。跟蹤層將與傳輸層的低延遲網狀通信網絡集成，實現從擴散低地軌道跟蹤常規和先進導彈，并隨著威脅的演變，通過螺旋式發展增加未來幾代的能力"。

今年 4 月，SDA 的公共空間服務局（PWSA）使用 SpaceX 獵鷹 9 號可重復使用兩級火箭從范登堡空軍基地發射了首批 10 顆運輸和跟蹤層 0 級（T0）衛星。 圖片來源：SDA

威辛頓補充說："公共衛生衛星系統的開發和實戰工作進展順利，第0批（Tranche 0）衛星的前兩次發射將計劃發射的27顆衛星中的23顆送入軌道，第三次發射計劃于今年晚些時候進行。第 0 批的前兩顆跟蹤衛星在發射后 60 多天就實現了 "初亮"。自 2024 年底開始，SDA 還將按計劃投入使用第一代 PWSA（Tranche 1）"。

另一位 SDA 官員為 ESD 補充了一些背景情況，他說："Tranche 0（T0），即作戰人員浸入式 Tranche，展示了增殖式架構在成本、進度和可擴展性方面的可行性，以實現視線外瞄準和先進導彈探測與跟蹤的必要性能。一旦完成，T0 將由 28 顆衛星組成--20 顆傳輸層衛星和 8 顆跟蹤層衛星。

該官員繼續說："該機構對 2023 年 4 月和 2023 年 9 月發射的前兩組衛星的初步運行情況感到滿意，"他補充說，"這些衛星將繼續進行測試和檢查。SDA 在前兩次發射中發射了四顆跟蹤衛星。今年晚些時候，SDA 將與 MDA 的 HBTSS 衛星一起發射最后四顆 T0 跟蹤衛星。這種發射合作使公共工程安全局的 MW/MT 傳感器和 MDA 的 HBTSS 導彈防御傳感器在進行未來 MW/MT/ 導彈防御混合架構演示時能夠發揮更大的協同作用"。

SDA已經開始了Tranche 1衛星的建造階段，并仍計劃從2024年末開始實戰第一代PWSA。"該官員說："T1跟蹤層將為MW/MT提供近乎全球的單點覆蓋，從2025年開始發射。T2 跟蹤層正在進行源選擇，將為 MW/MT 提供近乎全球的立體覆蓋，并根據從 T0、HBTSS 和 T1 吸取的經驗教訓提供初步的導彈防御能力。T1 跟蹤層將能夠感知最新的彈道導彈和高超音速導彈威脅，并對其做出作戰響應。T2 跟蹤系統將繼續提高靈敏度，并領先于未來的威脅。這位 SDA 官員最后確認，Tranche 1 將包括大約 150 顆運輸和跟蹤衛星。

在四月發射時的新聞聲明中，SDA 主任 Derek Tournear 說："通過這次發射，我們證明了 SDA 可以按計劃每兩年提供一次增強功能。這種革命性的方法得益于商業市場的增長，使公共工程和服務管理局能夠繼續前進，在未來的每個階段提供作戰能力"。該機構自己也表示，其 "方案在通信、數據傳輸和導彈預警領域提供了國家安全混合空間架構的一個組成部分"，其 "獨特的采購戰略......通過設計和快速部署一個由低地球軌道小型衛星組成的威脅驅動的彈性星座，實現了更快和更便宜的能力交付"。

保護 MW/MT 太空資產--政策回顧

在太空中部署大量昂貴的衛星是一回事，但說到對這些 MW/MT 和其他天基資產的威脅和保護，美國防部 9 月中旬發布的 "太空政策審查和衛星保護戰略 "就涉及到了這些問題。

該文件首先強調了未來五年俄羅斯等大國在太空安全環境中的威脅。

如前所述，俄羅斯在烏克蘭戰爭中廣泛使用彈道導彈并引進高超音速系統，這提醒當今世界導彈戰爭的可怕性質。根據這份政策文件，俄羅斯確實運行著 "世界上一些能力最強的單個 ISR 衛星，用于光學圖像、雷達圖像、信號情報和導彈預警"。

然而，根據該政策文件，俄羅斯對美國和盟國的 MW/MT 及其他天基資產的威脅來自于 "可逆和不可逆反空間系統的開發、測試和實戰"，包括 "干擾和網絡空間能力、定向能武器、在軌能力和地基 DA-ASAT 導彈能力"。

事實上，俄羅斯的 DA-ASAT 能力在 2021 年 11 月 15 日得到了證明，當時俄羅斯摧毀了自己的一顆過時衛星，據報道使用的是 A-235 PL-19 反彈道/反衛星導彈。美國國務卿安東尼-布林肯在當時的新聞聲明中說："到目前為止，這次試驗已經產生了 1500 多塊可跟蹤軌道碎片，并可能產生數十萬塊較小的軌道碎片。這次危險而不負責任的試驗所產生的長壽命碎片將在未來幾十年內威脅到對所有國家的安全、經濟和科學利益至關重要的衛星和其他空間物體。" 然而，值得注意的是，美國、中國和印度此前也都開發并測試過 DA-ASAT 能力。

為了保護 MW/MT 衛星系統和傳感器，美國防部的政策審查和戰略指出，"彈性"將作為 "使對手無法從太空攻擊中獲益 "的關鍵方法，并將通過 "國防部太空架構轉變 "來實現，在可能的情況下，"從依賴高價值的專用衛星轉變為設計彈性架構"，國防部補充說，這一轉變 "已經在進行中"。事實上，根據該文件，國防部希望在這一方法下重新開發的第一個領域是 MW/MT。

該文件說，已經對"......旨在滿足未來作戰性能需求、建立應對現代軍事威脅的復原力并確保成本參數的架構......提出了關于衛星數量和軌道系統能力多樣化的建議 "進行了評估。報告補充說，"正在進行的部隊設計研究包括：應對遠程威脅的火力控制；實現前沿作戰的戰術 ISR；確保數據貫穿決策和作戰管理的空間數據網絡；以及保護和防御行動，以保護重要基礎設施和天基能力"。

NGP 將覆蓋北極地區，并對北半球進行全天候覆蓋。 資料來源：諾斯羅普-格魯曼公司

審查還涉及敵方系統對天基資產的威脅，這些敵方系統旨在從軌道上對天基資產進行物理操縱，或以干擾等其他方式剝奪天基資產的運行效力，并采取移動和機動等緩解行動來保護天基資產。在保護天基多波段/多載波雷達和其他系統時，還必須考慮非敵對性的空間和地面自然氣候事件。審查報告沒有忘記來自網絡空間的威脅，指出 "網絡安全在提高美國太空架構的復原力方面也發揮著關鍵作用"，并將強化網絡以抵御網絡攻擊列為 "一項優先工作"。

美國2024 財年預算將投入 50 億美元，用于開發 "新的增殖彈性 MW/MT 架構，包括下一代 OPIR 空間能力"，以及配套的地面系統，這些系統將共同 "跟蹤更大范圍的威脅，包括高超音速和機動武器"。

此外，2024 財年預算還要求撥款 4.81 億美元，用于 "地面和天基傳感器、深空雷達和地基光學系統項目"，這些項目可對空間系統面臨的威脅發出警報和警告，從而 "提高國防部空間數據系統的能力和復原力"。

審查報告最后列舉了五項能力，美國太空司令部司令認為，要實現審查文件中的建議，這五項能力是優先事項。這些能力包括：彈性指揮與控制、綜合空間火力與保護、靈活的電子戰架構、增強的空間戰場意識以及強大的網絡防御能力。

參考來源：歐洲安全與防務雜志

物聯網（IoT）已成為信息和通信技術領域的一大趨勢。在國防和安全系統中，物聯網為提高軍事和安全行動的效率、監控和響應能力提供了潛力。本文旨在對物聯網在國防和安全系統中的應用進行文獻綜述，重點關注技術方面、優勢、挑戰和未來研究方向。通過對各種相關文獻資料的分析，本文確定了在國防和安全系統中采用物聯網的主要趨勢、預期效益和需要考慮的問題。

I. 引言

物聯網（IoT）已成為信息和通信技術領域的一大趨勢。這一概念指的是由相互連接并可通過互聯網交換數據的物理對象組成的網絡[1]。物聯網已廣泛應用于各個領域，包括國防和安全系統（圖 1）。在這方面，物聯網為提高軍事和安全行動的效率、監控和響應能力提供了潛力[2]。

國防和安全系統在維護國家或地區的穩定與安全方面發揮著至關重要的作用。技術的快速發展要求國防和安全系統適應并使用創新解決方案，以提高其能力和響應速度。其中一個突出的解決方案就是將物聯網應用于國防和安全系統[3]。

本文旨在對物聯網在國防和安全系統中的應用進行文獻綜述。該文獻綜述涵蓋了在國防和安全系統中采用物聯網的技術方面、優勢、挑戰和未來研究方向。通過分析各種相關文獻資料，本文確定了將物聯網集成到國防和安全系統中的主要趨勢、預期效益和需要考慮的問題[4]。

通過文獻綜述獲得的全面見解，本文有望成為從業人員、研究人員和決策者在國防與安全系統中制定有效的物聯網戰略和實施方案的有用信息來源[5]。

II. 物聯網在國防和安全系統中的應用

A. 用于監視和情況監測的物聯網

物聯網在國防和安全系統中的主要應用之一是監視和情況監測。利用連接到物聯網網絡的傳感器，系統可以實時監控環境狀況，并將數據傳輸到控制中心進行進一步分析。這可以幫助決策者了解情況，并在緊急情況下做出快速反應。

物聯網可以監控軍事場所或需要保衛的區域周圍的溫度、濕度和氣壓。收集到的數據可用于監控環境條件，確保部隊做好行動準備。物聯網還可以監控軍事基地或政府大樓等戰略地點周圍的人員和車輛活動。這些數據有助于識別潛在威脅，改善地區安全。在監控和情況監測中使用物聯網可以提高系統效率和準確性[6]。不過，這也指出了將物聯網傳感器集成到現有系統中的一些挑戰，如數據安全性和系統互操作性。

B. 軍事傳感器網絡中的物聯網

軍事傳感器網絡是連接到網絡的傳感器集合，以更綜合、更靈敏的方式收集和傳輸有關環境條件、敵方動向和其他戰術信息的數據。物聯網用于將艦船、飛機和地面車輛上的傳感器連接成一個集成網絡。傳感器收集到的數據可傳輸到控制中心并進行實時處理，從而提供有關地面情況的準確信息。

在軍事傳感器網絡中使用物聯網可以增強軍事情報能力，支持更準確、更有效的決策[7]。然而，在開發用于軍事的物聯網傳感器網絡時，需要解決電池壽命有限和網絡安全等挑戰。

C. 物聯網在邊境監控和區域安全中的應用

邊境監控和確保領土安全是國防和安全系統的重要任務。物聯網用于收集和分析來自各種傳感器的數據，以識別潛在威脅并改善邊境和領土安全。

利用與物聯網網絡連接的傳感器，邊境監控系統可以密切關注邊境沿線的可疑動向和活動。這些傳感器可能包括運動傳感器、聲音傳感器和監控攝像頭，可以檢測到可疑的人員或車輛移動。這些傳感器收集的數據隨后會發送到控制中心，供進一步分析和采取行動。將物聯網應用于邊境監控和安全可帶來諸多益處，如改善早期檢測、加快響應速度和降低人為錯誤風險[8]。不過，還需要克服一些挑戰，如大數據管理和分析、網絡安全和隱私保護。

D. 物聯網用于預測性維護和資產管理

物聯網應用于預測性維護和資產管理。在國防和安全系統中，及時有效地維護設備和資產對于保持最佳可用性和性能至關重要。

利用連接到物聯網網絡的傳感器，系統可以收集有關設備和資產狀況的實時數據。這些傳感器可以監測溫度、振動、濕度以及與資產運行狀況和可靠性相關的其他參數。收集到的數據可用于分析資產性能、檢測潛在的損壞或故障，以及制定預測性維護計劃。

物聯網在預測性維護和資產管理中的應用有助于優化維護，最大限度地減少停機造成的損失，并提高資產的使用效率[9]。然而，在物聯網實施過程中需要考慮大數據管理、與現有系統集成和信息安全等挑戰。

III. 優勢和益處

A. 提高行動和監督效率

物聯網在國防和安全系統中的應用大大提高了行動和監督的有效性。通過連接傳感器網絡，可以實時收集和分析信息，從而更好地了解情況。這使決策者能夠更全面地了解環境，并優化所采取的行動[10]。

B. 響應速度和決策速度

國防和安全系統的反應速度更快，決策速度更快。物聯網傳感器實時收集的數據可提供有關環境條件、敵人動向或潛在威脅的最新準確信息。面對快速變化的形勢，決策者可以利用這些信息迅速做出反應并采取適當措施[10]。

C. 降低運營和維護成本

物聯網的應用還能降低國防和安全系統的運營和維護成本。利用基于物聯網的預測性維護，可以對軍事資產進行持續監控，從而在發生更嚴重的損壞之前發現維護或維修需求。這可以降低突發維修成本，最大限度地減少不必要的運行停機時間，并優化資源和能源的使用，從而降低總體運營成本[11]。

提高安全性和威脅防護 在國防和安全系統中實施物聯網可以提高安全性和威脅防護。有了連接的傳感器網絡，就可以通過邊界監控、區域監視和入侵檢測，及早發現威脅。物聯網系統收集和分析的數據可提供更準確的可疑活動信息，從而采取更有效的預防和應對措施[10]。

IV. 挑戰和問題

A. 數據安全和隱私

當數據通過物聯網網絡傳輸時，數據安全風險變得更高。數據安全威脅可能來自網絡攻擊、黑客攻擊或黑客入侵。因此，數據安全必須是實施物聯網系統安全和防御的重中之重。需要努力確保連接到物聯網網絡的數據和系統的安全，并保護通過網絡發送的機密或重要數據[12]。

B. 互操作性和系統集成

不同的設備和系統必須能夠無縫互動和協同工作。然而，在國防和安全系統中應用物聯網時，互操作性和系統集成往往是一個挑戰。系統集成不佳會導致數據不準確或組織不良，從而影響系統做出決策和采取必要行動的能力[13]。

C. 系統網絡的可擴展性和靈活性

安全與防御中的物聯網由連接到網絡的成千上萬臺設備組成。網絡的規模和復雜性會使網絡管理和維護變得困難和昂貴。可擴展性差的物聯網系統會阻礙系統處理大量數據和提高系統性能的能力[14]。

對網絡連接和可用性的依賴性 網絡連接和可用性是物聯網在國防和安全系統中應用的重要因素。如果網絡不可用，物聯網系統就無法正常運行。在緊急情況下或網絡中斷時，依賴網絡連接和可用性可能具有挑戰性[1]。

V. 未來研究方向

A. 制定強大的安全協議和標準

開發強大的安全協議和標準對于物聯網在國防和安全系統中的應用非常重要。協議的設計和實施必須能夠保護數據、對抗網絡攻擊并保持系統的完整性。這方面的研究可包括開發強大的加密技術、安全認證和有效的入侵檢測方法 [15]。

B. 改進人工智能和數據分析

改進人工智能（AI）和數據分析可以擴展物聯網系統在防御和安全系統中的能力。這項研究的重點是開發能夠分析傳感器數據并自動做出決策的人工智能算法。此外，使用先進的數據分析技術可以幫助進行模式識別、威脅檢測和情況預測，從而提高響應速度和行動效率[16]。

C. 降低安全風險和威脅的研究

旨在識別和減輕與物聯網在國防和安全系統中的應用相關的安全風險和威脅。研究重點可包括開發風險緩解技術、系統漏洞分析和攻擊應對策略，以保護系統免受網絡攻擊和其他威脅[17]。

D. 開發強大的物聯網平臺和架構

開發彈性物聯網平臺和架構對于將物聯網應用于國防和安全系統非常重要。這與設計和開發可靠、可擴展、可抵御攻擊的基礎設施有關。最終目標是確保物聯網網絡的可靠性、速度和安全性，以及連接設備和系統之間良好的互操作性[17]。

VI. 結論

在本文獻綜述中，物聯網（IoT）在國防和安全系統中的應用為提高這方面的操作、監控、維護和安全的有效性提供了巨大的潛力。然而，要在國防和安全系統中成功應用物聯網，還需要克服若干挑戰。

挑戰包括數據安全和隱私、互操作性和系統集成、網絡可擴展性和復雜性，以及對網絡連接和可用性的依賴。要克服這些挑戰，需要在確保數據安全、制定統一的通信標準、設計可擴展的基礎設施以及考慮替代解決方案以克服對網絡連接的依賴等方面做出全面工作。

建議的研究方向如下：

1.開發更強大的安全解決方案： 需要進一步研究開發更先進、更可靠的安全技術，如安全數據加密、智能網絡攻擊檢測和強大的認證機制。

2.提高互操作性： 可進一步研究開發統一的通信協議和開放標準，從而促進國防和安全系統中不同設備和系統之間的集成。

3.提高網絡的可擴展性： 研究重點應放在開發可處理大量數據的網絡基礎設施上，并在未來設備增加時可輕松擴展。

4.網絡連接的替代解決方案： 研究方向可以是探索替代解決方案，如使用特設網絡或彈性移動網絡技術，以克服對網絡連接和可用性的依賴。

通過應對這些挑戰并將研究引向正確的方向，物聯網在國防和安全系統中的應用有可能帶來巨大的效益，提高運行效率，并加強安全和防護，抵御現有威脅。

將人工智能（AI）融入陸軍后勤工作，可以徹底改變供應鏈管理、優化資源配置并增強決策能力。不過，這需要采取全面的方法，解決實施過程中的挑戰和問題。

人工智能技術的迅猛發展為將其應用于包括陸軍后勤在內的各行各業提供了新機遇。認識到人工智能的潛力，陸軍應努力大規模利用其能力，并將其應用到戰術層面，以改善供應鏈管理、資源分配和決策過程。通過與《聯合出版物 4-0：聯合后勤》、《野戰手冊 4-0：維持行動》和《陸軍條令出版物 4-0：維持》中概述的指導原則保持一致，陸軍可以在日益復雜和快速發展的世界中發展適應性強、反應迅速和有效的后勤行動。然而，將人工智能融入陸軍后勤工作會帶來一些挑戰和問題，如在自動化與人類專業技能之間找到最佳平衡點、確保強大的網絡安全、解決倫理問題以及使勞動力適應不斷變化的技術環境。本文探討了在陸軍后勤中整合人工智能的潛在優勢和劣勢，并討論了在最大限度地提高效益的同時，最大限度地降低風險和解決與實施人工智能相關的問題所需的全面方法。

最大化供應鏈管理： 真實案例

人工智能在大幅提升陸軍供應鏈管理方面的變革能力毋庸置疑。正如美陸軍物資司令部前司令埃德-戴利（Ed Daly）將軍所強調的那樣，人工智能對于實現實際后勤所需的相關速度至關重要。他的愿景是將人工智能和機器學習無縫融入陸軍后勤流程的方方面面，從而為戰場上的士兵提供無與倫比的效率和及時支持。為支持這一觀點，《國際生產經濟學雜志》上發表的一項研究顯示，將人工智能融入供應鏈管理可將效率提高 20% 或更多。

人工智能分析海量數據、預測未來趨勢和資源分配需求的能力是陸軍后勤的另一大優勢。通過利用人工智能驅動的分析，陸軍可以更精確地預測士兵的需求，確保重要物資在正確的時間和地點到達目的地。此外，預測分析還能通過簡化人員和裝備分配來優化陸軍行動。陸軍后勤中的預測分析可以確定車輛部件何時需要更換，從而在故障發生前進行主動維護。這種方法可節省大量成本并提高運營安全性，減少因維護和事故而計劃外停機的可能性。此外，預測性分析還可以通過預測供應需求和驗證在正確的時間和地點是否有正確的資源來完善供應鏈管理。這一戰略可提高運營效率、縮短交付周期并提高供應鏈的可見性。

自適應后勤與決策： 對實時信息做出反應

適應當地快速變化條件的能力是現代軍事行動的重要組成部分。適應性后勤和決策對于維持陸軍在復雜環境中的有效性和反應能力至關重要。人工智能通過提供實時信息、復雜的分析和先進的決策支持工具，有可能徹底改變軍事后勤的這一方面。

人工智能在適應性后勤方面的一個重要優勢是它有能力收集和分析來自各種來源的大量數據，包括傳感器、衛星和其他情報平臺。此外，人工智能還能訪問來自不同陸軍源系統的記錄系統數據，如全球指揮與控制系統-陸軍、后勤現代化計劃、港口自動化工具和運輸協調員移動信息自動化系統 II。人工智能還可以利用非陸軍系統，如全球決策支持系統和后勤功能區服務。通過這種全面的數據分析，可以做出更明智的決策，提高后勤效率。

這些信息可為作戰環境提供全面的最新情況，使指揮官能夠根據實時情報做出明智決策。通過獲取準確及時的數據，陸軍可以更有效地應對新出現的威脅，最大限度地降低風險，并抓住機遇。

除了提供實時信息外，人工智能還能通過識別人類分析人員可能不易察覺的模式和趨勢來加強決策。通過機器學習算法和先進的數據分析，人工智能系統可以發現隱藏的相關性，并產生可操作的見解，為戰略和戰術決策提供依據。例如，人工智能可以幫助預測敵人的動向，預測后勤瓶頸，或在潛在的供應鏈中斷發生之前加以識別。有了這些洞察力，指揮官就能做出更明智的決策，更有效地分配資源，并在戰場上保持競爭優勢。

人工智能還能通過自動化某些后勤規劃和決策環節，提高陸軍應對突發事件和緊急情況的能力。例如，人工智能驅動的系統可以根據不斷變化的環境條件或供應鏈的突然中斷，自動調整物資和人員的路線。通過實現這些流程的自動化，陸軍可以最大限度地減少延誤，并確保將關鍵資源運送到最需要的地方，即使在不確定和逆境中也是如此。

人工智能在適應性后勤中的另一項應用涉及使用模擬和優化技術來支持復雜多變條件下的決策。人工智能驅動的模擬模型可以幫助指揮官探索各種場景，評估潛在的行動方案，并確定實現目標的最有效策略。這可以使后勤計劃更加穩健、更具彈性，并提高任務的整體成功率。

反駁意見

雖然將人工智能融入陸軍后勤會帶來諸多益處，但也有合理的擔憂和潛在的弊端需要考慮。一些批評者認為，依賴人工智能可能會導致過分強調技術，而忽視人的經驗和直覺，而人的經驗和直覺在復雜和不可預測的情況下至關重要。人工智能有可能造成虛假的安全感，導致過度自信和戰略失誤。

此外，與實施人工智能技術相關的巨大成本，如基礎設施升級、軟件開發和持續維護，可能會超過潛在的好處。預算限制和相互競爭的優先事項可能會使為人工智能集成分配足夠的資源變得具有挑戰性，從而可能限制其有效性。

另一個令人擔憂的問題是人工智能系統易受網絡攻擊和敵方操縱。隨著人工智能驅動的后勤系統對陸軍行動越來越關鍵，它們也成為對手試圖破壞或損害軍事能力的高價值目標。制定強有力的網絡安全措施至關重要，但無法保證這些防御措施在應對快速發展的威脅時始終有效。

此外，還要考慮與軍事后勤中的人工智能有關的倫理問題。使用人工智能可能會導致決策偏差、缺乏透明度或意想不到的后果。必須明確界定人工智能系統行動的責任，以確保在出現錯誤或故障時能追究責任。

最后，將人工智能融入陸軍后勤可能會給后勤軍事職業專業帶來意想不到的后果。雖然特定任務的自動化可以提高效率，但也可能導致工作崗位的轉移，并需要對勞動力進行大量的再培訓。確保陸軍能夠適應這些變化并保留一支熟練的勞動力隊伍至關重要，但這需要持續的努力和投資。

雖然反駁意見中提出的擔憂不無道理，但必須指出，不應完全否定整合人工智能的潛在好處。相反，有必要采取一種平衡的方法，仔細考慮與人工智能實施相關的風險和挑戰，同時尋求利用其在陸軍后勤中的變革潛力。通過制定全面的戰略，陸軍可以解決這些問題，最大限度地發揮人工智能集成的效益。

結論

將人工智能融入陸軍后勤工作，為徹底改變供應鏈管理、優化資源配置和加強決策過程提供了眾多機會。然而，至關重要的是要認識到并解決與實施人工智能相關的挑戰和問題，如在自動化和人類專業知識之間取得適當平衡、確保強大的網絡安全、解決道德問題以及使勞動力適應不斷變化的技術環境。

為了充分利用人工智能的潛力，陸軍應采取全面的方法，包括投資人工智能基礎設施、促進公共和私營部門之間的合作、為人員提供持續的教育和培訓，以及制定強有力的網絡安全措施。此外，必須就人工智能在軍事后勤中的道德影響保持公開對話，并建立明確的指導方針和問責結構，以確保負責任地部署人工智能。

通過采取全面的方法，陸軍可以克服與人工智能集成相關的挑戰，釋放其變革潛力，并在日益復雜和快速發展的全球安全環境中保持競爭優勢。

近來，物聯網（IoT）技術為農業、工業和醫學等許多學科提供了后勤服務。因此，它已成為最重要的科研領域之一。將物聯網應用于軍事領域有許多挑戰，如容錯和 QoS。本文將物聯網技術應用于軍事領域，創建軍事物聯網（IoMT）系統。本文提出了上述 IoMT 系統的架構。該架構由四個主要層組成： 通信層、信息層、應用層和決策支持層。這些層為 IoMT 物聯網提供了容錯覆蓋通信系統。此外，它還采用了過濾、壓縮、抽象和數據優先級隊列系統等數據縮減方法，以保證傳輸數據的 QoS。此外，它還采用了決策支持技術和物聯網應用統一思想。最后，為了評估 IoMT 系統，使用網絡仿真軟件包 NS3 構建了一個密集的仿真環境。仿真結果證明，所提出的 IoMT 系統在性能指標、丟包率、端到端延遲、吞吐量、能耗比和數據減少率等方面均優于傳統的軍事系統。

提議的IoMT系統架構

IoMT 系統由一組在戰場上應組織良好的軍事設備組成。無人機、作戰基地、艦艇、坦克、士兵和飛機等這些物品應在一個有凝聚力的網絡中進行通信。在 IoMT 網絡中，態勢感知、響應時間和風險評估都會得到提高。此外，IoMT 環境應涉及對普適計算、普適管理、普適傳感和普適通信的全面認識。此外，IoMT 可能會導致傳感器等網絡事物產生超大規模的數據。此外，這類網絡所需的計算量非常大，而這些計算的結果應能實時準確地實現。因此，IoMT 系統架構應考慮上述注意事項。

因此，建議的體系結構由四層組成： 通信層、信息層、應用層和決策支持層（見圖 1）。通信層關注的是事物如何在一個大網絡中相互通信。信息層涉及軍事數據的收集、管理和分析。應用層包括控制不同通信軍事系統的應用程序。最后，決策支持層負責決策支持系統，幫助戰爭管理者做出準確、實時的決策。下文將對每一層進行深入討論。

3.1 通信層

IoMT 系統可視為物聯網的一個特殊例子。因此，IoMT 環境與物聯網環境有些相似，只是在事物類型、通信方式等方面略有不同。根據這一理念，IoMT 環境可定義為一組使用互聯網相互通信的不同網絡。這些網絡應包括軍事任務中的主動和被動事物。IoMT 系統中應構建的主要網絡包括無線傳感器（WSN）、射頻識別（RFID）、移動特設（MANET）、衛星和高空平臺（HAP）網絡。由于 WSN 在許多軍事問題中的重要性，它被納入了 IoMT 系統。WSN 通過快速收集和提供危險數據來協助戰爭行動。然后，將這些數據發送給最合適的人員，以便實時做出正確決策。因此，除了協調自身的軍事活動外，WSN 的主要目標是監測和跟蹤敵方士兵和其他敵方事物的動向。傳感器可以遠距離分布，覆蓋大片區域。這些傳感器通過控制其行為的基站進行通信。由于 RFID 網絡在軍事領域的重要性，它在 IoMT 環境中得到了體現。軍隊中最重要的問題之一就是大部分物品都要貼上標簽。在戰場上使用 RFID 可以為士兵、貨物、小型武器、飛機、射彈、導彈等提供一個具有監控功能的跟蹤系統。例如，定期掃描每個人的醫療情況和效率是戰爭中一個非常重要的問題。城域網在 IoMT 系統中的表現也是一個重要問題，因為它可以用來促進士兵、武器、車輛等的通信。城域網在軍事上有許多特別的應用，如安裝在飛機和地面站之間的網絡或船舶之間的網絡。每種特設網絡的要求都取決于軍事任務的類型。此外，在軍事應用中使用的特設設備都配備了路由場景，可以利用最佳路由路徑自動轉發數據。物聯網依賴互聯網技術來促進通信，這是一個普遍的邏輯。遺憾的是，某些作戰地點可能沒有互聯網技術。因此，尋找替代通信技術非常重要。這就是在覆蓋目標中使用 HAP 網絡的原因。軍用物資分布面積大，因此必須以可靠的方式進行覆蓋，以保證通信效率。HAP 網絡可作為互聯網之外的第二種通信策略選擇。HAP 網絡的高度有限，因此容易成為敵方的攻擊目標，其故障概率可能很高。如果 HAP 網絡出現故障，通信系統將面臨很大問題，可能會影響軍事任務的執行。因此，應構建一個衛星網絡來覆蓋故障的 HAP 網絡，并覆蓋 HAP 網絡或互聯網可能無法覆蓋的軍事事物（見圖 2）。不同網絡之間的通信難題只需使用報頭恢復技術即可解決。在這種技術中，每個網絡之間都應添加一個翻譯器，用目的節點的報頭封裝每個數據包。新的報頭使數據包可以被理解；這可以通過系統路由器來實現（見圖 3）。

圖2: 通信網絡(該圖部分摘自[23])

圖3: 報頭轉換過程

3.2 信息層

這一層非常重要，因為它代表著 IoMT 系統架構的核心。射頻識別（RFID）、傳感器等軍用設備收集的信息應以安全、珍貴、實時的方式進行傳輸、存儲和分析。這一層的首要功能是在信息處理后對收集到的信息進行組織和存儲。IoMT 系統數據的處理被認為是一個具有挑戰性的問題，因為在短時間內可以收集到 TB 級的數據。因此，應在不影響質量的前提下盡量減少這些數據。此外，IoMT 的特殊要求（如實時決策）也不容忽視。在 IoMT 系統架構中，數據處理包括四個步驟： 優先化、過濾、壓縮和抽象。下面將對優先級排序過程進行說明。數據過濾、數據壓縮和數據抽象技術在第 4.1 小節中說明。

確定優先級的步驟包括處理不同優先級的數據。對于戰爭管理者（即軍隊將領）來說，收集到的每項數據都有一定的重要程度。因此，應將數據分為若干優先級，以便在 IoMT 系統饑餓的情況下優先處理和發送高優先級的數據。隊列系統就是用來實現這一優先級劃分步驟的。由于 IoMT 系統數據分類數量龐大，因此采用了六隊列系統。因此，IoMT 系統數據將被分為六個不同的類別。第一類代表最重要的 IoMT 系統數據；第二類代表不太重要的數據，依此類推。分類過程將動態完成，因此每個類別中的數據可能會根據戰爭任務的性質發生變化。為切實實現這一步，下一代路由器應具備對 IoMT 系統數據進行分類的能力。圖 4 說明了優先級排序過程。

圖4: 數據分類過程的簡單視圖

3.3 應用層

IoMT 系統架構中的應用層包括管理、監視等戰爭任務中使用的異構應用。該層應使用一個通用應用程序管理這些應用程序的功能，同時不影響其效率。這些應用程序的統一過程應基于通信數據（信息交換）來實現。在數據通信中，一個應用系統的輸出數據可能是另一個應用系統的輸入數據。因此，確定戰爭應用程序的輸入數據和輸出數據被認為是這一層最重要的目標之一。例如，飛機或發射器的火箭發射應用的輸入需要衛星監控應用的輸出數據，而衛星監控應用可能需要 WSN 應用的數據。信息層和應用層之間的通信非常重要，因為作為輸入和輸出的數據應首先在信息層處理。因此，在設計用于管理軍事應用程序的通用應用程序時，應首先確定每個應用程序的輸入和輸出數據。然后，應確定數據處理的時間（硬、實或軟）。例如，在戰斗停止期間，某個目標的坐標突然發生變化，三個應用程序應實時交互，以完成任務并擊中新位置上的目標。這些相互作用的應用程序構成了 WSN、戰爭管理以及執行任務的飛機機艙。還應確定應用特殊應用程序的優先順序。例如，在敵方多次攻擊特定目標的情況下，防御應用程序將優先啟動。

根據上述討論，一般管理應用程序應有一個專門的數據庫。該數據庫存儲有關單個軍事應用程序的動態變化數據。這些數據與以下主題有關： 輸入和輸出、單個應用程序之間的數據流方向、硬時間軍事情況、實時軍事情況、軟時間軍事情況以及每個應用程序的優先級。這些優先級應根據戰爭形勢來確定。根據綜合管理 IoMT 應用程序的性質，IoMT 系統數據庫的設計可以是分布式的，也可以是集中式的。在分布式數據庫中，應注意數據庫服務器之間交互的復雜性，特別是在需要硬時間或實時交互的事件中（見圖 6）。 、

3.4 決策支持層

戰爭中最重要的問題之一是決策過程。在技術戰爭中，決策應具備準確性、實時性、清晰性、安全性和快速分發等諸多規格。所有這些指標都應與信息層收集的數據相關。雖然信息與軍事決策之間關系密切，但所提出的 IoMT 系統架構在信息層和決策支持層之間還有一個中間層，即應用層。短時間內收集到的大量 TB 信息需要進行分析、過濾、優先排序和壓縮。這些過程已經在信息層中完成。但是，信息層沒有能力確定信息在應用層之間的移動方向（即信息的正常順序）。這種信息順序意味著，每個數據段都應指向一個合適的應用程序，以便實現互補和平衡。這些信息將用于決策過程。例如，假設戰爭管理者有一個目標，要求以特定的安排和特定的順序處理信息，直到軍事偵察之旅取得一定的結果。該目標的完成將通過步兵和防空來實現。因此，應用層和決策支持層之間的聯系將對高精度規格的決策產生良好的影響，這將在關鍵的戰爭事件中發揮作用。

簡單地說，本文概述的決策支持流程包括五個步驟： 事件權重、解決方案識別、選擇一種解決方案、行動和輸出評估（見圖 7）。戰爭管理者可根據自身經驗水平提取事件權重。一旦對事件有了充分了解，就該確定解決方案了。在準備決策時，有許多不同的備選方案。因此，確定可用行動的范圍非常重要。接下來，應選擇備選方案，并確定每個備選方案的風險。然后，就該采取行動了。應確定實施計劃，并提供實施所選解決方案所需的資源。應預先確定執行時間，然后開始執行。最后，應對選定解決方案的執行結果進行評估。請注意，有許多決策支持系統在經過實際測試（如 [24,25]）后，可在 IoMT 中實施。

決策支持層可能面臨三大挑戰。第一個挑戰是數據過多或不足。這意味著決策支持層的輸出會延遲或不準確，這可能會造成災難，因為在大多數戰爭時期都需要實時決策。第二個挑戰是問題識別錯誤。在大多數戰爭任務中，圍繞一項決策會有許多問題。然而，有時卻無法確認這些問題的真實性。第三個挑戰是對結果過于自信。即使決策過程得到了準確執行，實際產出也可能與預期產出不完全一致。應用層將通過確定決策構建所需的準確信息、對問題的準確定義以及輸出調整來應對這些挑戰。因此，決策支持層將使用應用層的輸出。因此，在擬議的 IoMT 架構中，這些層之間的分離是一個需要考慮的重要問題。

仿真

首先，應構建一個軍事模擬環境，以測試所提議的 IoMT 架構的性能。網絡模擬器 3（NS3）是最廣泛使用的網絡模擬軟件包之一，將用于實現這一目標。軍事模擬環境由五種不同類型的網絡組成，其中包括分布在大片區域的大量節點。這五種網絡分別是 WSN、RFID、MANET、HAP 和衛星網絡。這些網絡是根據戰場需求確定的。文獻[26]中的仿真用于評估所提出的 IoMT 架構。在 WSN 仿真中，成千上萬的傳感器分布并部署在戰爭環境中。一個或多個基站將這些傳感器相互連接起來，并從中收集信息。在突發事件中，傳感器能夠向基站發送陷阱信息。然后，如果情況緊急，需要迅速做出決定，基站將直接把信息發送給執行者，如戰士、管理人員等。不過，在正常情況下，基站會將收集到的信息（詳細信息或摘要）重新發送給負責決策的管理人員。基站應該是智能的，并通過編程來實現這一目標。為了在 IoMT 中準確呈現 WSN，傳感器應具有不同的傳輸范圍。對于 RFID，美國軍方在第二次海灣戰爭中使用了最佳方案[27]。每個士兵身上都應貼有一個 RFID 標簽，以便在戰場上進行追蹤。此外，商業貨運和航空托盤等戰爭工具也應貼上 RFID 標簽，以便了解坦克和計劃等關鍵工具的最新狀態。此外，為了挽救士兵的生命，建議的模擬系統考慮了專門用于戰爭的移動醫院，并應配備 RFID 技術。此外，還利用 RFID 技術觀察軍隊的小型庫存物品，以實現更嚴格的庫存控制。對于城域網仿真，它包含戰場對象（如車輛、士兵和信息提供者）之間的臨時通信。在某些軍事情況下，很難通過數據采集中心傳遞或發送信息。因此，城域網仿真的一個考慮因素就是在數據傳輸中使用這種網絡。文獻[28]中所述的架構用于 HAP 和衛星網絡的通信。互聯網仿真使用了 [29] 中介紹的路由算法和 [30] 中介紹的物聯網混合組播架構。多媒體傳輸使用[31]，但傳統軍事系統的模擬則使用[32,33]中所述的準則。

在信息層模擬中，將隨機、動態地創建 IoMT 數據。然后，這些數據將被分類并進入隊列，每個隊列將作為一個數據類別。動態數據的創建取決于存儲在特殊數據庫中的戰爭任務。本模擬場景中使用了 [34] 中所述的壓縮技術和數據過濾技術來減少數據，這是信息層的主要目標之一。應用層模擬也取決于戰爭任務，其中包括許多模擬網絡場景。每個網絡應用程序的輸入和輸出數據都在模擬文件中預先確定。網絡應用程序與綜合管理應用程序之間的通信是通過信息傳輸實現的。文獻[35]中的仿真用于決策支持層。戰爭任務的部分建模和仿真來自文獻[36]，仿真中使用的武器的一般規格來自文獻[37]。圖 8 顯示了擬議的 IoMT 系統模擬環境的全貌。

在過去的75年里，蘭德公司進行了支持美國國家安全的研究，目前為聯邦政府管理著四個聯邦資助的研究和發展中心（FFRDCs）：一個為國土安全部（DHS），三個為國防部（DoD）。本文將重點評論國防部如何能夠最好地確保人工智能（AI）的進展有利于美國國家安全，而不是降低它。

在一系列廣泛的技術中，人工智能因其進展速度和應用范圍而脫穎而出。人工智能具有廣泛改變整個行業的潛力，包括對我們未來經濟競爭力和國家安全至關重要的行業。由于幾個原因，將人工智能納入我們的國家安全計劃帶來了特殊的挑戰：

• 這些技術是由商業實體驅動的，而這些商業實體經常在國家安全框架之外。

• 這些技術正在迅速發展，通常超過了政府內部的政策和組織改革。

• 對這些技術的評估需要集中在私營部門的專業知識，而這些專業知識很少被用于國家安全。

• 這些技術缺乏區分良性和惡意使用的常規情報特征。

美國目前是全球人工智能的領導者；然而，這種情況可能會改變，因為中國尋求在2030年前成為世界主要的人工智能創新中心--這是中國人工智能國家戰略的明確目標。此外，中國和俄羅斯都在追求軍事化的人工智能技術，加劇了挑戰。作為回應，將強調美國防部可以采取的四組行動：

1.確保美國防部的網絡安全戰略和網絡紅方活動跟蹤可能影響網絡防御和網絡進攻的人工智能的發展，如網絡武器的自動開發。

2.為防止不良行為者獲得先進的人工智能系統，(1)確保對領先的人工智能芯片和芯片制造設備進行強有力的出口控制，同時許可芯片的良性使用，如果需要的話，可以進行遠程節流；(2)利用國防生產法的授權，要求公司報告大型人工智能計算集群、訓練運行和訓練模型的開發或分發情況；(3) 在美國防部與云計算供應商簽訂的合同中，要求他們在訓練大型人工智能模型之前對所有客戶進行 "了解你的客戶 "篩選；(4) 在美國防部與人工智能開發商簽訂的合同中包括 "了解你的客戶 "篩選，以及強大的網絡安全要求，以防止大型人工智能模型被盜。

3.與情報界合作，大幅擴大收集和分析敵國參與人工智能的關鍵外國公共和私營部門行為者的信息，包括評估關鍵外國公共和私營實體；他們的基礎設施、投資和能力；以及他們的工具、材料和人才供應鏈。通過以下方式加強國防部開展此類活動的機構能力：（1）在美國和盟國政府機構、學術實驗室和工業公司之間建立新的伙伴關系和信息共享協議；（2）招募私營部門的人工智能專家以短期或兼職的方式為政府服務。

4.投資于人工智能安全的潛在計劃，包括（1）嵌入人工智能芯片的微電子控制，以防止開發沒有安全保障的大型人工智能模型，以及（2）在部署人工智能系統之前評估其安全性的通用方法。

人工智能（AI）系統很可能會改變軍事行動。本文探討了人工智能系統如何影響準備和進行軍事行動的主要工具，并受其影響。因此，本文在戰略、理論、計劃、交戰規則和命令的背景下分析和討論了人工智能，以確定機會、挑戰和開放性問題的位置，并提出總體意見。本文采取了一個廣泛的分析角度，能夠根據新的政策和技術發展以及對政治、軍事、法律和道德觀點的考慮，對這一問題進行總體審查。因此，本文提供了一些見解和途徑，以推動對人工智能在軍事行動中的適當整合、管理和使用的進一步思考、研究和決策。

呈現 "多重困境 "的跨領域同步動能和網絡行動是多域作戰的基本原則。然而，最近關于網絡能力與動能作戰的實踐和研究表明，由于行動的同步性不足或缺乏對網絡效果的協調和控制，在創造聯合效果方面存在困難。本文概述了在未來涉及北約和近鄰對手的高強度沖突中進行綜合網絡和動能行動所需的三項要求。首先，軍事物聯網（IoMT）與人工智能（AI）支持的指揮和控制（C2）能力相結合，以實現網絡和動能的綜合作戰；其次，多域編隊與網絡指揮部或其各自的組織機構相整合，以實現全戰區網絡戰役的協調；第三，基于分散決策和分散執行的網絡任務指揮理論，以實現加速的作戰速度。該分析提出了三個比較國家的研究--美國、英國和德國--以評估將網絡能力納入2030年高強度沖突的多領域作戰概念的狀況。它還提供了一套關于技術能力、新的組織結構和理論變化的初步建議，以促進網絡與動能的更好整合。