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

隨著無人駕駛飛行器（UAV）越來越普及，價格也越來越低廉，確保其安全運行至關重要，尤其是在飛機的全球定位系統（GPS）等關鍵設備周圍。GPS 在航空系統中發揮著不可或缺的作用。本研究提出了一種高效的多類檢測方法來識別無人機上的 GPS 攻擊，重點是區分欺騙和干擾攻擊。所提出的方法優于現有方法。本研究獲得的結果有助于提高無人機的安全性，并為開發強大的檢測系統以應對無人機領域不斷演變的威脅提供了寶貴的信息。

近年來，在多項創新技術的推動下，無人駕駛飛行器（UAV）市場呈指數級增長（Li 等人，2019 年）。這些技術進步在提高盈利能力、減少業務流程瓶頸和推動無人機市場增長方面發揮了重要作用。隨著無人飛行器在各種應用中的使用持續增加，并認識到單一故障可能造成的嚴重后果，保護這些飛行器免受可能危及其完整性和運行的外部威脅至關重要。無人機通常通過無線網絡（如 Wi-Fi 或蜂窩網絡）運行，與任何連接設備一樣，無人機的軟件或固件也存在漏洞（Dey 等人，2018 年）。黑客可以利用這些漏洞破壞無人機或其所連接網絡的安全。可能會面臨多種威脅，如信號干擾、物理障礙、網絡攻擊企圖、網絡擁塞或附近設備的干擾。此外，與網絡連接的無人機可能成為黑客的攻擊目標，他們會尋求未經授權的訪問來控制無人機或獲取通過網絡傳輸的機密信息（Yaacoub 等人，2020 年）。

無人機最重要的部件之一是其全球定位系統（GPS）（Perez-Grau 等人，2018 年）。盡管全球定位系統被廣泛使用，但該系統并不安全（Ferrao、da Silva 等人，2020 年；Ferr ? ao、Pigatto ? 等人，2020 年）。民用信號沒有加密，這意味著任何人都可以偽裝和篡改 GPS 信號以達到自己的目的。無人機非常容易受到 GPS 欺騙攻擊，即攻擊者發送比合法信號更強的信號，使無人機的 GPS 信號接收器鎖定惡意偽造的 GPS 信號。鑒于這些定位系統的性質，利用無人機上的 GPS 漏洞相對容易（Ferrao, da Silva, et al., 2020; ? Ferrao, n.d.）。擁有適當技術知識的攻擊者可以破壞 GPS 信號，使無人機接收到錯誤的定位信息。

在這種情況下，提出了一種針對無人機 GPS 攻擊的多類檢測方法。該方法在檢測 GPS 欺騙和干擾攻擊方面效率很高，尤其是與文獻中的其他干擾和欺騙檢測機制相比，顯示出良好的效果。結果表明，該解決方案在使用大型數據集時效果最佳，該數據集是在對應于無人機通常飛行策略和問題飛行的一小部分數據上訓練出來的。

本研究提出了一種先進的多類檢測方法，以解決圍繞無人機 GPS 攻擊日益增長的問題。現有的方法通常側重于單類檢測或孤立地使用傳統的機器學習模型，而本研究提出了一種綜合方法，將幾種成熟的機器學習算法結合起來，以準確區分兩種類型的 GPS 攻擊，如欺騙和干擾。通過利用不同模型的協同作用，所提出的方法提高了準確度和精確度，在相同問題領域優于以往的技術。此外，還可以將這項工作歸納為對科學界的三大貢獻：

• 開發一種高效的多類別方法來檢測無人機上的 GPS 攻擊，檢測方法可以區分和識別欺騙和干擾攻擊；

• 共享數據集和信息處理，供科學界復制和比較；

• 與現有機制相比，結果表明所提出的機制優于文獻中發現的其他干擾和欺騙檢測機制。

本文接下來的內容安排如下。第 3 節介紹了相關工作。第 2 節介紹本研究的背景，第 4 節介紹開發的主要階段。第 5 節介紹所取得的主要成果。第 6 節是測試結論的可視化，第 7 節是本研究的總體結論。

本電子書概述了目前可以購買的反無人機設備。也可以將其稱為反無人機或反無人機系統（C-UAS）技術。

無人機監控設備可以是被動的（簡單地觀察或監聽），也可以是主動的（發出信號并分析反饋信息），并可執行多種功能，包括：

• 探測
• 分類或識別
• 定位和跟蹤
• 警報

需要注意的是，并非所有設備都能同時執行上述所有功能。

探測是指該技術可以檢測到無人機。但僅有探測通常是不夠的。例如，探測無人機的雷達也可能探測到鳥類。這就是為什么分類很有用。對無人機進行分類的技術通常能夠將無人機與其他類型的物體（例如飛機、火車和汽車）區分開來。

再進一步就是識別。有些設備可以識別特定型號的無人機，甚至可以識別無人機或控制器的數字指紋，例如 MAC 地址。提醒附近某處有無人機已經很有用了。但是，如果知道無人機（和/或操控者）的確切位置，態勢感知能力和部署反制措施的能力就會大大增強。有些設備甚至可以實時跟蹤無人機的位置。無人機監控設備主要有四種類型：

• 射頻（RF）分析儀
• 聲學傳感器（麥克風）
• 光學傳感器（攝像頭）
• 雷達

盡管當代無人系統在各種環境中都有應用，但它們在空域中占據著壓倒性的優勢。它們通常被稱為空中無人機或無人駕駛飛行器（UAV），而支持和控制無人機的系統則被稱為無人機系統（UAS）。空中無人機技術的廣泛應用導致其在戰場上的使用日益增多。因此，尋找有效的反無人機（反無人機系統）武器已成為一項嚴峻的挑戰。這項任務尤為艱巨，因為面對的是種類繁多的無人機系統，而它們的數量卻在以破紀錄的速度增長。目前，還沒有經過充分驗證的反無人機解決方案，大多數現有系統仍處于研究階段或新推出的原型階段。新出現的問題以及與之相關的一系列不確定性成為本出版物討論和介紹這一問題的基本依據。本文從現代戰爭的角度討論了防御無人機系統這一重要課題。作者探討了如何在軍事行動中規劃和實施反無人機防御，以及哪些技術解決方案可用于這一目的。在整個研究過程中，作者采用了各種方法，包括分析、綜合、比較和案例研究，主要是通過研究有關納戈爾諾-卡拉巴赫近期武裝沖突和烏克蘭持續沖突的公開來源信息。這些方法使作者得以驗證他的主要假設：目前尚無有效的無人機反制系統，尤其是針對可自主運行、利用人工智能算法制導和決策或參與大規模攻擊（被稱為 “蜂群”）的無人機。同時，指出應開發哪些新的技術解決方案以實現有效的反制措施，以及應將哪些戰術納入軍事訓練以應對這一威脅。此外，還討論了現有防空系統在多大程度上可用于反無人機防御，以及是否有針對此類威脅的有效部隊保護方法。

從納戈爾諾-卡拉巴赫沖突（Hecht，2022 年）和烏克蘭沖突（Wyrwa?，2022 年）得出結論，無人機在戰場上的廣泛應用已成為現實，無需再做說服工作。無人機不僅能執行觀察和偵察任務，還能執行打擊、運輸、搜索和救援行動等許多其他任務，顯示了其多功能性。目前，看到的無人機既有單個的，也有成群的，還有像可重構模塊智能作戰陣列（SWARM）這樣的機群。此外，大多數無人機的生產成本非常低，但其效能卻足以成功摧毀高價值目標和先進軍事裝備。無人系統的任務和設計多種多樣，因此需要有效的制衡措施，包括反無人機系統和反無人機防御方法。在這方面，研究課題的重點是反無人機防御，即一套旨在探測、識別和制服無人機（無人駕駛航空系統）的措施和作戰能力，以保護自己的部隊、軍事設施和民用物體。

由于現有的無人機設計種類繁多，因此采用了歸納法來確定具有代表性的無人機類型、任務和飛行特征。為此，采用了北約三級分類模型。隨后，可據此估算現有反無人機系統在打擊特定類別無人機方面的潛在效力。為此，對目前運行的反無人機系統進行了分析，同時考慮到其兩個主要功能：監測空域和打擊空中目標。因此，確定了這些系統在打擊無人機方面的能力和局限性。研究再次證實了作者的觀點，即當代反無人機系統能夠在有限的范圍內制服 1 級無人機，即迷你、微型和小型無人機。遺憾的是，這些系統無法同時對付大群無人機及其蜂群。目前，也沒有專門的反無人機系統可以對付 2 級和 3 級無人機。這些任務只能由防空系統來完成，而防空系統的成本巨大，往往高得不成比例。為尋求這一問題的解決方案，作者介紹了未來利用定向能武器（DEW）的反無人機系統的潛力，以及在推出更有效的反無人機系統之前應采用的新軍事戰術。作者還主張，有效的反無人機防御必須是多層次的，涉及可與不同類別無人機互動的各類反無人機系統。只有這些系統達到適當的飽和狀態，才能使軍隊在陸地和海上不間斷地執行任務。他還認為，反無人機防御的發展應被視為一個持續的過程，在這一過程中，應針對環境變化和新技術進步做出動態響應。換句話說，所提出的系統解決方案應具有開放式架構，允許在無人機平臺出現新設計、新技術和新能力的情況下進行調整。

反無人機系統

現代戰爭中使用的無人飛行器設計多種多樣，因此在構建和運行反無人機系統時必須考慮各種因素。其中，應始終考慮無人飛行器的以下特征：推進力、有效雷達截面、制導方式、作戰上限、飛行距離、空中續航時間、預期目的、作戰能力（包括收集情報、攜帶和發射有效載荷的能力）以及電磁干擾對策。

圖 2. C-UAS 參與中考慮的無人機系統特征。

反無人機系統的運作包括以下活動：探測、目標分類（識別）、跟蹤，以及向負責解除其威脅的執行器發出警報和傳送信息。根據目標的類別，這些任務可通過不同的系統、傳感器、探測和交戰技術來完成。目前，反無人機系統可分為兩個基本類別：空域監測系統和反制系統。

空域監測系統

監測系統既可以是主動的，也可以是被動的。在這方面，主要有四種無人機探測方法：

• 用于空域監視的電磁波雷達系統。
• 頻率信號探測器，用于探測無人機控制所使用的無線電信號。
• 聲學傳感器。
• 光學和光電設備，包括紅外熱像儀。

現代無人機大多由復合材料制成，因此雷達截面（RCS）非常低，難以被雷達系統探測到。它們可能被誤認為是鳥類，因為無人機通常沒有配備識別系統，而這種設計是有意為之，因為無人機經常在敵方領土上空作業。因此，雷達信息并不總是完整的，可能導致嚴重的并發癥，特別是當友方和敵方的無人機在同一空域運行時（Holland Michel，2019 年）。此外，無人機（UAV）的飛行高度比飛機或直升機低得多，在地形障礙物的掩護下機動更加自如。無人機能夠從簡易跑道和著陸點進行操作，在附近發射時，它們會突然出現在空域。所有這些因素表明，雷達偵察只能作為探測無人機的可能方法之一。

以識別為基礎的反無人機系統應依靠多種探測器或傳感器，基本上是各種組合和配置。其中一種傳感器是頻率信號探測器，可識別使用無線電波與其操作員通信的無人機。大多數遙控無人機的工作頻率在 2.4 GHz 至 5.8 GHz（Wi-Fi 頻率）范圍內（Gupta、Ghonge、Jawandhiya，2013 年），因此監測這些頻率有助于檢測其活動。一些基于三個傳感器的系統可以檢測到發射設備的 IP 地址并找到操作者。另一種無人機探測方法是跟蹤其視頻傳輸頻率。許多裝有攝像頭的無人機會向操作員傳輸實時視頻。視頻傳輸頻率因無人機類型而異，但常用的頻率范圍包括 2.4 GHz、1.2 GHz 和 5.1 GHz（Aouladhadj、Kpre、Deniau、Kharchouf、Gransart、Gaquière，2023 年）。掃描無線電頻譜是一種相對簡單的方法，不需要大量資金投入，但可能會因其他設備使用相同頻率而導致誤報。頻率信號探測器通常用于對付在可視范圍內控制的小范圍商用無人機。該系統的優點是被動性強，但在無線電信號高度集中的城市環境中進行跟蹤存在局限性，而且無法探測到預先計劃好飛行軌跡的無人機。

使用聲學傳感器也可以實現無人機探測。這些傳感器通常是定向麥克風或麥克風陣列，可以探測到無人機的聲音，并指示無人機接近的方向。與頻率信號探測器類似，使用至少三個麥克風是理想的配置，因為這樣可以提供被探測目標的三維圖像。這種系統的優勢在于它是一種被動探測方法，在視覺和無線電能見度有限的地區特別有用，而且可以與其他探測系統互為補充。由于麥克風設備重量輕，這些探測器通常具有很強的移動性。然而，聲學傳感器的一個重要局限是無法在嘈雜的環境（如城市地區或強風中）中工作，這可能導致探測距離有限，僅為 300-500 米左右（Vashisht，2021 年）。此外，一些無人機可能配備了降噪技術，在使用聲學探測器時應考慮到這一點。因此，應將這些探測器視為輔助系統，而不是獨立的解決方案。

光學傳感器，包括日光攝像機和紅外攝像機，也可用于識別空中無人機。這些設備的優點是可以根據無人機的形狀檢測和識別無人機，并記錄涉及無人機的事件。然而，這些系統的缺點是在惡劣天氣條件下可能會失效，如大霧、暴雨，有時甚至在夜間。此外，這些系統觀測空域的視野有限。

應將不同的傳感器和監測技術結合起來使用，以提高無人機探測的有效性并減少誤報。監測系統可以具有被動（觀察和監聽）和主動（向目標發送信號并分析其反射）兩種特性（Wang、Song、Liu，2021 年）。值得注意的是，與其他傳感器相比，雷達系統提供的數據最多，因為它可以探測到很遠距離的目標，并高精度地確定其位置，而不受天氣條件（霧或云等觀測因素）、白天或夜晚時間的影響。不過，應該記住，雷達系統的探測距離始終取決于無人機的大小及其有效雷達截面。

反制系統

打擊空中無人機有幾種方法。以下系統可用于此目的：

• 無人機飛行干擾系統
• 物理攔截系統
• 失效系統（火力、激光、電磁）。

干擾系統的使用涉及破壞射頻（RF）信號和干擾全球導航衛星系統（GNSS）的衛星導航信號，如全球定位系統（GPS）、格羅納斯（GLONASS）、伽利略（Galileo）或北斗（BeiDou）。射頻干擾需要發射無人機與其操作員之間用于通信的類似頻率的信號。這可能導致操作員失去控制，使無人機無法正常運行，被迫自動降落或返回初始起飛點。無人機通常依靠衛星導航信號來保持飛行方向和穩定性。干擾 GPS 信號可以通過在 GPS 系統使用的頻率范圍內發射強烈的無線電信號來實現。其后果可能是無人機在空域中迷失方向，失去飛行控制。頻率發射器操作的優點是中和無人機的成本低，被稱為 “軟殺傷”，缺點是射程短，可能干擾其他設備，包括自己的無人機。

對付無人機的另一種方法是使用物理攔截系統。在這種情況下，通常會使用地面網狀發射器，以便攔截飛行中的無人機并使其失效。另一種方法是使用其他無人機接近目標無人機，用網捕捉它，然后將其降落到地面。這種解決方案對配備旋轉螺旋槳、運行距離極短的小型無人機尤為有效。地面發射的網在 20 米到 300 米的距離內都有效（Robin Radar，2023 年），而從無人機上布下的網會大大影響無人機的重量、機動性和空中飛行時間。裝有發射器或布設網的無人機的重新裝載和重新發射時間也很長。不過，網基系統的優點是攔截精度高，附帶損害風險低。

最后一種也是最常用的在戰場上打擊無人機的方法是無人機失效，即在飛行過程中摧毀無人機。為此，通常使用機槍、霰彈槍或小口徑速射炮（火炮），它們也可用作高射炮系統。這種火力可以是目視、光學或雷達制導的。此外，就短距離快速摧毀小型空中目標的能力而言，反火箭炮和迫擊炮（C-RAM）系統似乎是理想之選。它們采用半自動作戰模式，由于使用可編程彈藥，擊中目標的概率很高。在火力系統中，還可使用便攜式單兵防空系統（MANPADS）和短程防空導彈系統（Dura，2023 年）。然而，必須注意使用這些系統的成本效益，尤其是在對付裝備旋轉翼的 I 類無人機時。這些無人機的生產成本與向其發射導彈的潛在成本相比低得不成比例。此外，這類無人機的飛行特性，如低速和低空，使其容易成為目標，并容易受到廉價、非專門化火力的攻擊。

在直接使無人機在飛行過程中喪失能力的系統中，最新的解決方案是基于定向能武器（DEW）的武器，這種武器利用光束聚焦能量。其中包括高功率微波（HPM）武器或高能激光（HEL）武器。高功率微波發射器（HPM）能產生強大的電磁脈沖，可摧毀無人機的電子設備或干擾其運行。使用這類武器的優點是非動能破壞。然而，其顯著缺點是需要將大量能量集中在光束中，因此必須使用大型、耗電的發電機，這限制了機動性和作戰能力（美國政府問責局，2023 年）。

高能激光武器（HEL）有多種類型，包括固體激光器（SSL）、化學激光器（CHEL）和自由電子激光器（FEL）。激光武器的工作原理是將電能轉化為光能，然后將光能集中到窄激光束中。與傳統槍械相比，HEL 具有若干優勢。它具有反應時間快、交戰速度快（激光束以光速傳播，可立即使目標喪失作戰能力）、因光束聚焦在較小的表面區域而具有較高的精確度、與傳統彈藥相比成本較低、無活動部件，從而降低了維護成本并提高了可靠性（CRS，2023 年）。

然而，值得注意的是，HEL 武器的開發和利用也伴隨著技術挑戰和限制，如激光系統的有效冷卻、在整個作戰范圍內保持光束穩定、產生足夠強大的光束以打擊遠距離空中目標，以及與 HPM 武器類似，使用機動性有限的大型發電機（D?browski，2017 年）。

說到對抗空中無人機，重要的是要注意沒有 “銀彈 ”方法能提供有效的無人機防御。無人機平臺的多樣化及其執行任務的廣泛性要求反無人機系統進一步專業化，同時利用動能和非動能作戰手段。目前，這些方法的結合以及采用具有不同探測和失效能力的系統的多層次方法可以在一定程度上減輕無人平臺（尤其是最小的無人平臺）帶來的威脅。然而，不幸的現實是，雖然這些系統能有效對付極小型無人機，但卻無法摧毀在高空和遠距離作業的二等和三等無人機。此外，由于缺乏多通道能力，在涉及大群無人機或無人機群的情況下，這些系統可能會失效。即使是最有前途的無人機反制措施，也無法在廣泛的作戰平臺上進行擴展和應用。盡管缺乏明確的解決方案，無人機反制市場仍在快速增長（預計到 2031 年底，市場價值約為 146 億美元）（Alied Marked Reserch，2023 年）。

應對無人機的方法（反無人機戰術）

在考慮應對無人機威脅的可能方法時，有必要討論目前的情況，即很難有經過實戰測試的反無人機系統。在大多數情況下，民用系統是經過改裝的，最初是為了保護機場免受私人用戶未經授權的進入，這些私人用戶通常在機場可視范圍內操作無線電遙控無人機。遺憾的是，如前所述，這些系統由于機動性有限、操作距離短，在作戰環境中通常無法發揮作用。同樣，手持射頻干擾器等便攜式系統也證明無效。其最大干擾范圍為 500-1000 米，電池壽命最長為 30 分鐘。人們很快認識到了這些局限性，因此開始實施在干擾設備射程之外部署無人偵察機的戰術。目前，偵察無人機通常在距離敵方陣地超過 1000 米的地方作業，并采用光學或數字變焦技術進行觀察。此外，烏克蘭沖突中的經驗表明，無人機操作員在野外使用信號增強天線，使干擾工作更加復雜。另一方面，衛星導航（GPS）信號干擾系統只有在選擇性戰術情況下才有效，這意味著它們可以在敵方無人機系統不使用時干擾敵方無人機行動。因此，這些系統更適用于保護城市和關鍵基礎設施，而不是直接用于戰場。同樣，干擾作戰無人機也具有挑戰性，因為無人機飛行高度很低、速度很快，而且利用地形掩護，因此很難將電磁發射器對準它們（Wyrwa?，2022 年）。

戰場上解除無人機威脅的主要手段是火炮和導彈防空系統。但需要注意的是，根據其使用原則，這些系統都部署在軍事行動的后方。因此，前線防線仍然很脆弱，容易受到無人機的攻擊，特別是那些在極低空飛行的最小的 1 類無人機。在這種情況下，對付它們的方法之一是用小口徑單兵火器（小武器、機槍、霰彈槍）與之交戰。然而，由于無人機體積小、速度快、機動性強，這種交戰的效果有限。目前，還可以使用由佩戴護目鏡的操作員控制的第一人稱視角（FPV）無人機，從無人機的視角直接觀察敵方最小的無人機，從而使其失效。FPV 無人機的時速可達 100 公里，可用于直接（自殺式）攻擊敵方無人機。不過，使用這種無人機需要經過嚴格訓練的操作人員，具備在戰場條件下高速操縱這種飛行器的能力。

不過，摧毀 2 級和 3 級無人機的能力仍在專業防空系統的能力范圍之內。遺憾的是，這類措施的成本效益通常不利于防御系統。傳統的中程甚至短程防空導彈非常昂貴，而無人駕駛系統則價格低廉，應用廣泛。相比之下，一枚 “愛國者 ”導彈的成本約為 300 萬美元，一枚用于基輔防御的 NASAMS/AMRAAM 導彈估計為 100 萬美元（Partrige, 2022），而俄方使用的沙赫德-136 “神風 ”無人機的成本（視型號而定）僅為每單元 2 萬至 6 萬美元（Sof, 2022）。

此外，使用無人機群或無人機群的性質要求防空系統達到相當高的飽和度，以保護軍事編隊的優先要素。另一個問題是識別無人機的能力，因為無人機被有意設計為在敵后行動，而且沒有配備敵友（IFF）識別系統。由于這些原因，遵守空域管制規則和執行空域管制措施也具有挑戰性。因此，有必要開發一些系統，如利用人工智能（AI）的系統，可以根據無人機的輪廓、特定偽裝、工作頻率或操作方法識別無人機。

目前，由于缺乏有效的反無人機措施來保護部隊，因此有必要制定反無人機戰術（Michalski & Michalska, 2017）。這些戰術不僅應包括主動措施，如探測、偵察、警戒和制服無人機，還應包括被動防御措施，旨在保持軍事力量的生存能力和存活率。在被動反無人機防御領域，必須規劃隱蔽和偽裝等活動，使用欺騙、人工誘餌、陷阱和誘餌。應盡可能將無線電波輻射、電磁輻射和噪音降至最低。在能見度低或夜間條件下規劃部隊調動和部署至關重要。采用分散兵力和防御網絡有助于攔截在友軍陣地和關鍵作戰系統上方執行神風特攻隊任務的游蕩彈藥和無人機（ATP 3-01.81, 2023）。雖然這些措施可能不是最具創新性的，而且在某種程度上與偽裝和部隊保護的一般原則相一致，但在無人系統威脅很大的情況下，這些措施可能特別有用。

本研究為基于人工智能的復雜作戰系統的運行和開發建立了 MUM-T 概念和分類系統。分析了該系統的核心方面：自主性、互操作性和程序級別。人工智能 MUM-T 可提高有人駕駛系統的生存能力、擴大其作戰范圍并提高戰斗力。利用美國和英國正在建造的人工智能 MUM-T 綜合作戰系統的數據，分析了技術挑戰和項目水平。目前，MUM-T 處于有人駕駛平臺和無人駕駛飛行器平臺復合運行的水平。從中長期來看，無人地面飛行器、無人水面飛行器和無人水下飛行器等異構平臺之間的互操作通信是可能的。根據人工智能 MUM-T 系統之間互操作性的通用架構和標準協議的發展水平，MUM-T 可以從 "1 到 N "的概念發展到從 "N 到 N "的各種操作概念組合。本研究與現有研究的不同之處在于，MUM-T 系統中體現了第四次工業革命的核心技術，如人工智能、自動駕駛和數據互操作性。此外，通過在現有的無人系統分類法中體現人工智能和自主性，建立了人工智能支持的自主 MUM-T 操作和設施分類系統，并在此基礎上對級別和程序進行了分析。

本研究確立了有人無人協同作戰（MUM-T）的概念，目的是操作、開發和利用智能聯合作戰系統。此外，它還分析了互操作性、自主性、挑戰和計劃水平。人工智能支持的自主無人 MUM-T 提高了有人系統的生存能力，擴大了作戰范圍，并顯著提高了作戰效率。與以往不同的是，MUM-T 的概念正隨著人工智能的發展而不斷擴展，互操作性和自主性也在相應提高。美國和北大西洋公約組織（NATO）國家提出了未來防御領域的挑戰，并在無人系統（UMS）和 MUMT 層面開展了解決這些挑戰的計劃。本研究分析了自主 MUM-T 聯合作戰系統的運行和使用所面臨的技術挑戰和計劃水平，并介紹了基本要素技術。研究方法基于現有定義和第四次工業革命建立了 MUM-T 概念。并利用北約、美國和英國的數據分析了互操作性、自主性、挑戰以及技術和利用方面的計劃水平。

圖 2 基于 NIST 和北約分類標準的人工智能自主 MUM-T 系統分析

美國防部（DoD）對 MUM-T 的定義各不相同。美國 陸軍無人機系統卓越中心（UAUCE）將有人駕駛平臺和無人機視為單一系統。有人系統和無人系統（如機器人、傳感器、無人飛行器和作戰人員）的集成增強了態勢感知、殺傷力和生存能力[1]。國防部將這種關系視為執行共同任務的綜合團隊，美國陸軍航空卓越中心（UAACE）將其定義為同時操作士兵、無人機和無人地面飛行器（UGV），以提高對態勢的了解和生存能力[2]。它采用了標準化的系統架構和通信協議，使來自傳感器的精確圖像數據能夠在整個部隊中共享。目前，它在國防領域的應用最為廣泛。陸軍航空動力局（AFDD 2015）將其定義為：為每個系統提供特殊功能，使現有有人平臺和無人資產能夠合作完成同一任務。這是一種規避風險的方法，通過從空中、陸地和海上無人系統向有人資產傳輸實時信息，提高單兵作戰人員的態勢感知能力[3]。圖 1 是戰場上 MUM-T 系統的層次示意圖。

在世界經濟論壇（WEF）議程的第四次工業革命（Fourth IR）之后，數字化（I2D2）作為一項核心技術被提出。這些技術在未來科學中具有自主、分析、通信和邊緣計算的特點。該技術的特征組合構成了自主系統和智能體（智能+分布式）、擴展領域（互聯+分布式）、作戰網絡（互聯+數字化）、精確作戰領域（智能+數字化）。智能人工智能將改變戰爭的格局，而數字數據的可用性將使分布式和互聯（自主）系統能夠進行分析、適應和響應。這些變化反過來又可能通過預測分析支持更好的決策。

北約（2020 年）以第四次工業革命的核心技術特征及其組合為導向，構建復雜的作戰系統[4-6]。美國國防發展機構（ADD 2018）認為，MUM-T 復雜系統是一種無人作戰系統，可以補充或替代作戰人員的能力，以最大限度地提高作戰效率，最大限度地減少戰場情況下的人員傷亡。它被定義為以一種復雜的方式操作包括戰斗人員在內的有人作戰系統的作戰系統[7]。考慮到美國國防部（2010）、北約（2020）和 ADD（2018）的定義，人工智能支持的自主 MUM-T 復雜作戰系統（以下簡稱 "自主 MUM-T"）和 OODA 循環如表 1 所示[1，5，7]。本研究所指的 MUM-T 復合作戰系統通過聯合指揮與控制，在空中、地面、海上、太空、網絡和戰爭等所有領域提供觀察、分析和控制，可通過整合/連接所有軍事力量的有人和無人系統進行操作。它被定義為 "根據決策和行動執行聯合行動的作戰系統"。

圖 3 北約 STANAG LOI 5 和自主邊緣計算 MUM-T 互操作水平設計

本文概述了一種評估和量化與集成大型語言模型（LLMs）生成海軍作戰規劃有關風險的方法。其目的是探討大型語言模型在這方面的潛在優勢和挑戰，并提出一個全面風險評估框架的方法。

大型語言模型（LLM）是一種先進的人工智能系統，它在龐大的數據集上經過訓練，可以處理和生成文本，使其能夠執行從簡單的問題解答到復雜的內容創建等各種任務。大型語言模型，如 ChatGPT 和 Bard，在理解、解釋和生成人類語言方面已顯示出非凡的能力。它們在海軍作戰中的潛在用途可提供顯著的戰略優勢，如增強決策支持、情景分析和作戰計劃效率。然而，在敏感的軍事環境中部署這些先進的人工智能技術會帶來一些關鍵的風險問題，包括潛在的偏見、作戰安全問題以及人工智能生成戰略的可靠性。

這項研究的意義在于其重點關注大型語言模型在海軍作戰計劃生成中的整合。通過研究潛在風險并制定評估這些風險的框架，本研究旨在促進在這些海軍作戰環境中安全、戰略性地使用人工智能技術，同時使技術進步與作戰安全和有效性保持一致。

對現有文獻的回顧顯示，專門針對軍事應用中大型語言模型的全面風險評估框架存在空白。有關大型語言模型的研究主要集中于其技術能力和在民用環境中的應用。然而，軍事行動的獨特挑戰，尤其是在海軍環境中，需要一種專門的風險評估方法。本研究試圖通過開發一種基于海軍作戰計劃的具體要求和復雜性的方法來彌補這一差距。

研究方法

本研究的理論框架以貝葉斯網絡為基礎，貝葉斯網絡提供了一種結構化方法，用于模擬與 LLM 部署相關的各種風險因素之間的復雜關系。由于貝葉斯網絡能夠處理不確定性和概率關系，因此特別適合用于這一目的，使其成為評估海軍行動中 LLM 集成的多方面風險的理想工具。

本研究吸收了 Lauría 和 Duchessi（2007 年）概述的方法論中的見解，采用類似的結構化方法來構建貝葉斯網絡，并以實證數據收集和分析為基礎。我們的方法首先是編制和管理一份調查問卷，其答復將作為初始數據源，用于確定與海軍作戰計劃風險相關的變量之間最有可能存在的關系。這一過程為我們的貝葉斯網絡中每個節點的條件分布設置了后續參數。通過這種方法，我們旨在建立一個穩健的貝葉斯網絡模型，以準確反映與 LLM 生成的作戰計劃相關的風險的復雜相互依存關系和概率性質，并在分析更多作戰計劃和整合更多經驗數據時進一步完善我們的模型。

本研究的方法包括以下幾個關鍵步驟

• 問卷編制與管理

• 數據收集與分析

• 貝葉斯網絡建模

• 風險分類和評估

• 問卷編制和管理 將設計一份詳細的調查問卷，以便從海軍人員、人工智能專家和軍事戰略家等廣泛的利益相關者那里收集信息。問卷將包含各種海軍作戰計劃，其中一些由 LLM 生成，另一些則由作戰規劃人員編寫，以確定這些計劃中的潛在風險途徑。

• 數據收集與分析 將收集和分析調查問卷的答復，以確定海軍作戰計劃的關注領域。這一分析將為確定與作戰計劃相關的關鍵風險因素以及由 LLM 生成的計劃所特有的風險因素奠定基礎。

• 貝葉斯網絡建模 將使用貝葉斯網絡對確定的風險因素進行建模，以了解其相互依存關系和這些風險的概率性質。該模型將作為一種動態工具，用于評估和直觀顯示這些生成的業務計劃的復雜風險狀況。

• 風險分類和評估 通過調查問卷和貝葉斯網絡模型確定的風險將根據其對海軍行動的潛在影響進行分類和評估。這一步驟包括對每個風險因素進行全面評估，同時考慮其可能性和嚴重性。

分析

研究的分析階段包括對大型語言模型生成的假設計劃和人類戰略家創建的計劃進行比較研究。這種比較旨在突出 LLM 生成的計劃的優勢、局限性和潛在風險。此外，研究還將探討降低已識別風險的策略，如納入制衡機制、提高透明度和確保持續驗證 LLM 的產出。

這項研究預計將產生幾項重要成果：

• 從利益相關者反饋和貝葉斯網絡分析中得出的與海軍作戰規劃中使用大型語言模型相關的風險因素綜合清單。
• 評估已確定風險的結構化框架，為決策者評估和減輕將大型語言模型納入作戰規劃的潛在挑戰提供依據。
• 對大型語言模型生成的計劃和人工創建的計劃進行比較分析的結果，為了解大型語言模型在業務規劃方面的能力和局限性提供了寶貴的見解。
• 降低已識別風險的建議，確保在將大型語言模型納入實際行動時，既能實現最大效益，又能將潛在弊端降至最低。

初步結果

在此，使用 ChatGPT 生成了一個基于以下指揮官意圖的虛構作戰計劃樣本： "我的意圖是支持菲律賓武裝部隊在菲律賓中部受災地區開展人道主義援助和災難響應（HA/DR）行動。我們將提供一切可用的援助，以減輕人類痛苦并恢復正常狀態"（圖 1）。

圖1:ChatGPT生成的行動計劃

LLM 為菲律賓中部地區虛構的 HA/DR 行動制定的行動計劃展示了該模型構建全面響應戰略的能力。不過，它也凸顯了與 LLM 生成的計劃相關的幾個潛在風險。

該計劃概述了在帕奈島建立一個前沿行動基地，但沒有考慮該島目前支持此類行動的能力或對當地社區的潛在影響。這種疏忽可能會使當地資源緊張或擾亂地方當局正在進行的恢復工作。

使用無人機進行即時空中勘測的假設是，可以快速、準確地確定最需要幫助的地區。然而，這種方法可能無法考慮快速變化的天氣條件或評估后出現的新緊急情況，從而可能導致資源分配不當。

如果出現不可預見的技術問題，或同時需要直升機執行多項緊急任務，那么依靠海軍直升機在公路無法到達的地區進行空投可能會出現問題。這凸顯出可能會過度依賴特定資產，而不考慮替代或后備交付方法。

恢復階段建議協助恢復關鍵基礎設施，但沒有詳細說明參與范圍或開始撤出海軍資產的標準。這種不具體的做法可能導致過早撤離或超出海軍行動能力的長期參與，影響恢復工作的整體效果。

對這個由 LLM 生成的作戰計劃的審查不僅說明了人工智能在提高作戰計劃能力方面的潛力，而且也表明了我們為 LLM 生成的海軍作戰計劃開發綜合風險模型的研究工作的必要性。識別人工智能方法中固有的特定風險因素--如對當地基礎設施能力的假設、對技術的依賴以及計劃執行和完成標準的模糊性--表明需要一個能夠有效評估這些風險的框架，以便在使用這些工具時能夠考慮到這些風險。研究旨在通過使用方法來評估、分類和管理與在復雜作戰環境中部署大型語言模型相關的風險，從而彌補這些差距。通過整合這些風險模型，我們可以更好地確保負責任地利用大型語言模型的創新能力，提高作戰計劃的有效性和可靠性。

Palantir AIP（人工智能平臺）是將人工智能系統（包括許多依賴大型語言模型的能力）整合到運營環境中的尖端方法。雖然利用這些先進的工具可以讓組織利用人工智能系統的大型能力，但在 Palantir AIP 等平臺中使用大型語言模型清楚地表明，亟需對所有潛在的相關風險因素進行全面研究。隨著這些人工智能驅動的系統被部署到運營規劃的越來越多的重要方面進行協助和自動化，人工智能生成的內容的特殊細微差別成為重要的關注領域。

展望大型語言模型在海軍行動中的部署，會暴露出另一個風險途徑，特別是在支持此類技術所需的基礎設施方面。大型語言模型需要大量的計算和數據傳輸，還需要實時數據處理和無縫通信，以執行人工智能驅動的作戰計劃，這就要求網絡基礎設施不僅要有彈性，還要有很強的適應性。這就是軟件定義網絡（SDN）的潛在整合意義所在。SDN 以其靈活性和可配置性著稱，是一種先進的網絡框架，有可能支持 LLM 部署的要求。然而，SDN 的引入也帶來了關于現有海軍網絡基礎設施是否已準備好適應此類先進技術的問題，這突出了我們在海軍行動中引入人工智能能力時需要考慮的另一個領域。

本研究的預期結果對大型語言模型的戰略整合對未來海軍行動具有重大影響。通過提供一個全面的風險評估框架，本研究旨在促進在海軍行動中明智決策和負責任地使用人工智能技術，為在更廣泛的軍事背景下負責任地使用人工智能技術奠定基礎。此外，這項研究填補了文獻中的重要空白，有助于加深對海軍行動中整合 LLM 所帶來的挑戰和機遇的理解。

本研究概述了評估將大型語言模型納入海軍作戰計劃相關風險的綜合方法。通過開發結構化風險評估框架并探索部署 LLM 的潛在益處和挑戰，本研究旨在為在軍事行動中負責任地、有效地使用人工智能技術做出貢獻。未來的研究方向包括根據實證研究結果完善風險評估框架，探索大型語言模型在更廣泛軍事環境中的其他應用，以及制定在敏感作戰環境中合乎道德地使用人工智能的指導方針。

本文件提出了一個分類和影響分析方案，以幫助支持無人機自動操作的討論和監管發展。還引入了 “操作設計域”（ODD）概念，作為一種機制來確定自動化功能的范圍，以幫助管理復雜的多維操作環境。這允許對自動化進行功能評估，因為它涉及到人機互動，認識到在特定操作中，不同飛機功能的自動化程度可能不同。

目前，本文件的范圍僅限于無人機系統飛行操作，同時承認飛行操作將在更廣泛的空域環境范圍內進行。空域環境的自動化將在未來的 JARUS 文件中討論。該文件還討論了隨著自動化水平的不斷提高，責任和權限如何發生變化。所提出的分類方法借鑒了其他航空團體開展的類似工作，包括廣為人知的汽車行業 SAE 國際分類和飛機自動化方面的 ASTM 國際考慮因素（見下文參考文獻）。分類方法概述如下：

0 級 - 手動操作： 人完全負責功能執行，沒有機器支持。

1 級 - 輔助操作： 機器在執行功能的過程中為人類提供環外支持，例如提供相關信息。

2 級--減少任務： 機器以環內管理角色運行，減少人類完成任務的工作量，例如，根據預測的飛行路徑提供沖突警報和解決建議。

3 級 - 監督自動化： 機器在人的監督下執行功能，而人則應根據需要進行監控和干預，例如，與自動駕駛儀綁定的自動交通碰撞和規避（TCAS）系統可在收到解決建議警報時自動執行機動操作。

4 級 - 例外管理： 機器執行功能，在出現問題時向人類發出警報。人類無需對功能進行實時監控，可在機器發出問題警報后隨時進行干預。

5 級 - 完全自動化： 機器完全負責功能的執行。由于實際限制或 ODD 的故意排除，人類無法進行實時干預。

自動化功能對操作的影響一般分為三個級別：安全獨立功能、部分安全依賴功能和安全依賴功能。通過評估自動化功能的安全關鍵性（通過了解其與其他系統的獨立性）和了解功能的自動化程度，可以評估自動化功能對特定操作的影響。

最后，為了在整個空域全面采用自動化功能，需要建立對自動化系統的信任。在自主技術開發和人類操作員培訓中應用信任框架，是實現完全自主系統操作的核心環節。在運行環境中，這將在自動化機器和人類操作員之間建立一種雙向關系，以確保最安全地應用自動化操作，實現可信賴的自主。

這項工作研究了在任務式指揮設備中嵌入模擬器的實用性和有效性。其目標是僅使用戰區作戰計劃作為模擬輸入，向操作員隱藏所有模擬器細節，使其無需學習新工具。本文討論了一種原型功能，該功能可根據 SitaWare 中生成的作戰計劃以及嵌入式無頭 MTWS 和 OneSAF 模擬器的模擬結果，生成行動方案（COA）分析。在輸入作戰計劃后，指揮官選擇要執行的模擬運行次數，并按下按鈕啟動模擬，模擬在后臺的運行速度比實時運行更快。模擬運行完成后，指揮官可通過圖形和圖表查看結果，對多次運行進行比較。預計未來的能力將允許指揮官模擬任何梯隊和命令，用于訓練和兵棋推演。

近年來，未經授權的無人駕駛飛行器（UAV）所造成的危險已大大增加，因此，至少需要采取適當的探測、跟蹤和反制措施來消除這種威脅。除了射頻干擾器、全球定位系統欺騙、高壓激光、電磁脈沖和射彈槍之外，反無人駕駛航空系統（cUAS）也是對付未經授權的小型無人駕駛飛行器的一種非常高效和有效的對策。

本文介紹的 cUAS 是一種全自動、多功能、可移動部署的系統，能夠利用氣壓驅動的網狀發射器攔截市場上幾乎所有的小型無人機。與上述替代方案相比，所開發的 cUAS 不受未經授權的小型無人機操作模式的影響，即手動或自動控制，甚至不受全球導航衛星系統或射頻的影響。我們的多傳感器方法（照相機、激光雷達和雷達傳感器）以及所實施的算法使 cUAS 能夠在各種環境下運行，如開放式機場、軍用場地和城市空間，在這些環境下，許多雷達反射通常會阻礙對小型物體的探測和跟蹤。cUAS 可獨立接近、跟蹤和/或攔截速度高達 20 米/秒的已識別無人機，成功率超過 90%。

本文對 cUAS 原型機的性能進行了演示和評估。對小型無人機的攔截能力和狗斗性能進行了測試和研究。此外，我們還概述了該系統的具體攻擊和防御策略，以及從最初的探測和分類到最終攔截和清除未授權無人機的過程階段特征，并說明了所開發的多傳感器平臺相對于現有單傳感器系統的優勢。

圖 1：地面探測與控制站（左）和攔截無人機系統（右）的硬件組件[產品圖片來自相關制造商]。

圖 3：攔截過程的各個階段及其條件。

近年來，槍支暴力事件急劇增加。目前，大多數安防系統都依賴于人工對大廳和大廳進行持續監控。隨著機器學習，特別是深度學習技術的發展，未來的閉路電視（CCTV）和安防系統應該能夠檢測威脅，并在需要時根據檢測結果采取行動。本文介紹了一種使用深度學習和圖像處理技術進行實時武器檢測的安防系統架構。該系統依靠處理視頻饋送，通過定期捕捉視頻饋送中的圖像來檢測攜帶不同類型武器的人員。這些圖像被輸入一個卷積神經網絡（CNN）。然后，CNN 會判斷圖像是否包含威脅。如果是威脅，它就會通過移動應用程序向保安人員發出警報，并向他們發送有關情況的圖像。經過測試，該系統的測試準確率達到 92.5%。此外，它還能在 1.6 秒內完成檢測。

這項工作旨在利用無線音頻傳感器網絡為無人駕駛航空器系統（UAS）提出一種探測、識別和跟蹤解決方案。根據適用于無人機系統的技術趨勢（更小、更便宜、更合作），我們提出了一種采用與 "攻擊者 "相同技術方法的分布式監控解決方案。特別是，由于無人機會引起周圍聲學環境的變化，我們研究了音頻傳感器網絡的使用。更確切地說，我們采用了一種三階段算法來檢測監控環境中音頻能量的存在，識別特定的音頻特征，然后與多節點方法合作跟蹤無人機。通過實驗獲取的音頻信號，我們展示了所提方法的初步性能。我們還討論了改進實際實施的未來工作。

參考場景

微型和小型無人機（1 千歐元及以下）成本低，易于采購，使恐怖分子使用這種技術的障礙降至零。此外，開放源碼技術通常用于設計無人機系統的某些組件，這就為設計專用有效載荷的人填補了一個很小的知識空白。如此易于采購和個性化的飛行平臺最終可以接近合理的目標。根據這一趨勢，協調無人機中隊很快就會成為任何人都可以利用的資源。應對這種威脅的措施不可能是集中式的。目前，我們看到的非對稱解決方案適用于前沿作戰基地或安裝了大型無人機探測器的沙漠場景。然而，這種威脅在城市場景中可能無處不在，因此建議采用對稱的對策，即分布式、小型和廉價的對策。

特別是近年來無線傳感器網絡的不斷發展，以及節點的小型化和低成本化，可以為城市環境或復雜場景提供最合適的解決方案，因為在城市環境或復雜場景中，可能會有平民存在，而固定的軍事設施可能并不合適。

如圖 2-1 所示，這項工作將以大量廉價音頻傳感器為參考場景，每個傳感器都能夠識別無人機的音頻特征，并在發現匹配時，通過與其他節點協作定位惡意來源。研究的重點是在空曠場地場景中，利用音頻陣列檢測、識別和跟蹤單架無人機或小型無人機群，即可與單個大型單元同化。

方法

由于所提方法的目標具有三重性（即檢測、識別和跟蹤惡意無人機），因此我們的方法采用了三層算法疊加的方式。圖 3-1 給出了所追求的研究方法的總體描述。我們依靠獲取音頻信號來準確描述無人機系統的存在。第一層用于檢測無人機系統的存在。在這一階段，音頻傳感器從環境中采集少量樣本，例如每秒一次，以揭示從環境中感知到的音頻能量異常。

當這一層檢測到匹配時，第二層就會在短時間內（如約 240 毫秒[3]）通過連續采樣進行識別。識別階段的目標是區分異常聲音是否與飛越音頻傳感器網絡的無人機有關，并最終確定其類型。我們將研究兩種主要方法：一些作者在 [1] 中提出的方法和循環神經網絡 (RNN) [6]。第二識別層中的正匹配將啟用第三階段的跟蹤算法。在這一階段，發出警報的節點（在識別階段匹配成功的節點）會喚醒鄰居節點，以執行波束形成跟蹤。這是耗電量最大的階段，因為需要維護音頻傳感器網絡與其遠程控制中心之間的通信鏈路，以及音頻傳感器的連續采樣階段。

所采用的分層策略應能優化計算能力和電池需求。事實上，始終處于活動狀態的第一層執行的是低復雜度、低消耗的數學計算。另一方面，只有在出現異常音頻時，才會執行更強大的計算，即細粒度簽名識別和音頻跟蹤。