喬治敦大學安全與新興技術中心（CSET）和艾倫-圖靈研究所新興技術與安全中心（CETaS）的這份聯合報告評估了目前自主網絡防御的最先進水平及其未來潛力，確定了進展的障礙，并建議采取具體行動來克服這些障礙。這些發現和討論將與參與開發自主網絡防御能力的網絡安全從業人員、政策制定者和研究人員有關。

鑒于網絡攻擊造成的巨大經濟和社會損失以及人工智能（AI）的最新進展，近年來，人們對應用人工智能加強網絡防御的興趣越來越大。對自主網絡防御的研究正在擴大，它不僅可以檢測威脅，而且可以參與防御措施，如加固或恢復。本報告重點關注創建這些自主網絡防御代理的一種有前途的方法：強化學習（RL）。

自主網絡防御沒有一個統一的定義，但在最基本的層面上，這些代理將完成人類網絡防御者的一些任務，保護網絡和系統，檢測惡意活動，并對異常或惡意行為作出反應，但要以數字攻擊的速度。

本報告提出了自主網絡防御的擬議定義，調查了自主網絡防御的現狀以及該技術成為可行的網絡安全工具所必須克服的相關挑戰。不能保證自主網絡防御會成功，但該技術正處于一個需要政策支持的階段，以實現潛在的好處，并幫助網絡防御者處理現代網絡安全行動的速度和不確定性。

RL是創建網絡防御代理的領先AI方法，這是有效的自主網絡防御的核心要求。2012年，當RL代理首次在簡單的雅達利游戲中擊敗人類專家時，這項技術的地位日益突出。在這一成功的基礎上，從2015年到2018年，DeepMind為更具挑戰性的游戲建立了系統，包括圍棋和國際象棋，取得了意想不到的成功水平。研究人員對RL趨之若鶩，部分原因是這些成功，但也是因為OpenAI的一個開放框架，它允許創建簡單的模擬訓練環境或 "健身房"。OpenAI健身房的形式簡化了研究和開發，在過去的幾年里，網絡健身房已經開始出現，允許訓練和創建網絡防御代理。甚至在最近，這些健身房成為名為 "網絡自主實驗健身房"（CAGE）的公開網絡安全競賽的一部分。

我們的研究立足于基于強化學習（RL）的人工智能代理的潛力，以提供實現部分或全部自主網絡防御概念所需的自主能力。雖然與自主網絡防御有關的有前途的相關建模方法、技術和工藝的范圍很廣，但我們對RL的關注是由于在網絡防御中應用RL的努力增加，以及RL在其他問題領域取得的可喜成果。

雖然自主網絡防御的核心技術在過去十年中進展迅速，但在系統能夠投入使用之前仍有許多挑戰。在這個研究項目的過程中，我們采訪了政府和非政府專家，以確定建立和部署可信系統的要求，其中包括：

• 適應性--一個潛在的自主網絡防御系統將需要對網絡威脅環境的變化做好未來準備。
• 可審計性--自主網絡防御系統必須能夠生成日志，并將代理人的決定和采取行動的理由歸檔，以便進行審查和審計，盡管操作節奏可能超過人類能力。審計日志也可以用來保證所采取的行動是合法的和相稱的，并遵守商定的規范。
• 可指導性 - 人類操作者需要能夠在需要時重新指導或終止系統。
• 可觀察性--系統需要為人類操作者提供足夠的數據采集和分辨率，以提供準確的、最新的態勢感知，并提供系統性能指標以支持人類監督。
• 安全性--自主網絡防御系統和其中的代理都需要保證安全，防止被泄露、被盜或被破壞。
• 可轉移性--自主網絡防御代理將需要在實際環境中部署，而這些環境與他們所受的訓練不完全相同。

為了滿足這些要求并繼續取得進展，自主網絡防御這一新生領域需要得到培育。RL最近才開始在網絡安全方面起飛。近年來，學術出版物激增，培訓網絡RL代理也開始大量涌現。然而，與這些代理將面臨的更復雜的現實世界的網絡環境相比，能力仍然是初級和不完整的。持續的資金、協調的努力以加強模擬、仿真和評估工具、確保熟練的人員，以及提供對現實數據和基礎設施的訪問，將有助于確保進展。

如果能夠克服技術挑戰，自主網絡防御有很大的發展潛力。目前為網絡防御建立的代理和環境考慮的變量和可能性比更著名的RL代理（如圍棋或視頻游戲如Atari或DOTA2）少。這意味著有足夠的潛力讓代理越來越智能；它們可以管理更多可能的防御行動，并在更復雜的環境中運作，需要它們探索更多的情況。我們對技術挑戰的探索表明，自主網絡防御將是一個長期的雄心壯志，只能在未來幾年內實現。

建議

盡管在自主網絡防御領域取得了重大進展，但我們的研究表明，還沒有自主網絡防御系統被實際部署。鑒于目前技術的成熟度，我們提出了發展這些能力以使技術成熟的建議（建議的完整清單見第4節）。

對擴大規模進行投資。該領域可以通過做更大、更真實的網絡模擬，納入更復雜的場景和攻擊者的行為來改進。更高的保真度將導致更有能力的網絡防御代理。此外，發布和維護工具，如健身房或訓練有素的代理，可以幫助吸引學術界或其他研究人員來做這項工作。最后，持續的資金也將使研究人員更容易向這些項目看齊。

建立并提供測試和訓練場。更大和更復雜的代理將需要更多的計算密集型訓練和測試，這可能使一些研究人員的資源緊張。建立和維護大型計算系統也是一個挑戰，這需要難以得到的人才。提供必要的基礎設施、人才和資金資源--也許是以補貼成本的方式，也可以幫助加速進展并提供連續性。

協調數據共享。政府和行業的政策制定者有權力發布有關需要防御的網絡和他們所觀察到的威脅的網絡數據。這些都是需要仔細考慮的微妙問題，但只要共享數據能改善網絡安全，所有組織都會受益。

舉辦比賽。繼續舉辦自主的網絡防御競賽，并輔以財政獎勵，作為改善健身房和代理商的一種手段，同時培養未來的人才。

優先考慮能使自主網絡防御的利益最大化的領域。并非所有的網絡防御情況都需要自主代理，如速度不是限制因素或防御已經有效的情況。優先考慮自主性影響最大的領域可以幫助指導研究。同樣地，一些技術，如漏洞發現，對防御者或攻擊者都有幫助。政策制定者應投資于研究，以確定哪些情況和技術會導致更好的防御，而不是改進攻擊。

確定防御者代理是否需要攻擊者代理。在創建現實的模擬時，不清楚在多大程度上可以在沒有進攻者代理的情況下建立防御者代理來驅動它們。研究人員和政策制定者應該探索在不犧牲防御者有效性的情況下限制進攻代理的能力的方法，并對代理技術和知識的擴散建立嚴格的控制。他們還應該投資于研究，以了解哪些具體情景和技術需要進攻性制劑。

確定自主網絡防御代理的授權門檻。自主網絡防御代理將需要達到對一個組織的高度信任，以獲得高度的自主權。需要制定政策指導，為能力和可信度設定初始目標，與代理被授權做出的決定的風險相匹配。這種指導可以類似于為自主車輛制定的自主水平。它們也可以根據情況或威脅環境的各個方面而變化。

1.1 報告的目的

本報告的目的是描述位于加利福尼亞州洛杉磯的美國陸軍作戰能力發展司令部（CCDC）西部陸軍研究實驗室（ARL-West）用于人類與機器人群互動研究的物理測試平臺，并介紹未來利用該測試平臺進行能力和實驗的機會。這是因為19財年ARL的集群項目，這是美國防部資助的研究人類與群體互動工作的一部分。

1.2 ARL集群項目

這里描述的ARL集群項目是ARL的車輛技術局（VTD）、傳感器和電子設備局（SEDD，現在的CCDC數據和分析中心[DAC]）以及人類研究和工程局（HRED）的一項聯合工作。我們將集群定義為一組完全或基本自主的智能體，以集體的方式進行互動，以完成一項任務。在我們的工作定義中，我們也會偶爾提到一些場景，在這些場景中，智能體是合作運作的，但不一定是一個集體的整體（例如，當機器人被分配單獨的任務，形成合作目標的組成部分）。這些通常被稱為多智能體或多機器人系統。智能體群體可能是同質的或異質的。

結合團隊成員在車輛技術、傳感器/機器視覺、處理器芯片和功耗、人類因素和感知/認知心理學方面的經驗，我們對人與群的互動有了深入的了解，并推動了建立人與群互動測試平臺。我們合作的一個主要見解是，電源需求、芯片限制和傳感器能力可能會大大影響人類的表現或人類對機器人群或其他多Agent系統的反應，但在人類-自主-群體互動的模型中很少充分考慮這些因素。為了推動研究，并為在這些領域和相關領域的繼續探索奠定基礎，ARL集群團隊在ARL-West創建了一個實體集群測試平臺：集群與人互動性能室內研究平臺（AIRSHIP）。這個測試平臺將允許研究界面、物理限制、人類因素及其相互作用如何影響人類-集群的任務表現和人類心理/生理反應。為了適應廣泛的實驗可能性，該試驗臺可以高度定制一系列的任務場景、自主資產的數量和多樣性，以及固有的和強加的物理約束。

從我們的討論和文獻回顧中，從創意技術研究所（ICT）開發的虛擬試驗臺中，以及從建模工作（例如Humann和Pollard 2019）中得到的啟示，強調了開發一個物理試驗臺以解決人與機器人群的互動研究問題的必要性。在我們設計的測試平臺中，我們旨在實現以下特點：室內、小型、便攜、高度可定制、靈活，以適應廣泛的實驗。

在此，我們描述了AIRSHIP測試平臺的現有能力，并闡明了在目前可用的硬件和軟件條件下，可以在這樣一個物理測試平臺上進行的各類實驗，以及未來可能對測試平臺進行的改進。

1.2.1 相關的ICT項目

一個關于人與機器人群互動的聯盟項目正在由ICT進行，ICT是由南加州大學管理的陸軍大學附屬研究中心（UARC）。該項目正在研究使用帶有虛擬人類發言人的自然語言對話界面，該發言人作為人類操作員和機器人群之間的中間人。在ARL的投入和指導下，ICT創建了一個基于模擬的測試平臺，在用戶與虛擬發言人和機器人群互動時，收集他們的自然語言數據。

基于模擬的測試平臺運行一個虛擬的搜索和救援場景，其中人類用戶指揮一個由無人機和地面車輛（分別為UAV和UGV）組成的異質團隊。在模擬中，一個小鎮受到野火侵襲的威脅，鎮上的居民必須通過利用無人機和UGV的不同方式來拯救。例如，一些居民迷路了，必須被指示跟隨無人機到安全地帶。必須調遣一輛UGV來清除道路堵塞物。除非人類指揮官通過附近的無人機拍下他或她的聲音，并親自與這對夫婦交談，否則無法拯救一對 "頑固的夫婦"。一個虛擬的人類發言人可以作為人類指揮官和自主車輛之間的中介，但人類也可以單獨指示這些資產。野火隨著時間的推移而蔓延，目標是盡可能多地救援城鎮居民。不同的居民和其他挑戰可以隨機分布在城鎮地圖上，并且可以進行修改，以改變可用資產的數量、野火侵襲的速度和方向，并增加進一步的挑戰（如無人機的損失）。人類指揮官使用一個語音麥克風和兩個電腦屏幕與系統互動。一個屏幕顯示虛擬的人類代言人，另一個屏幕顯示城鎮的地圖。(見圖1指揮官的工作區。)如果參與者指定他們的一些無人機提供監視，那么火力的進展在地圖上是可見的。無人機的行為和虛擬人類發言人的行為是由兩個奧茲國的巫師在幕后控制的。該測試平臺的早期版本在Chaffey等人（2019）中有所描述。

圖1 ICT的人-機器人群互動虛擬試驗臺，顯示了野火地圖、模擬無人機和通過自然語言與用戶互動的虛擬人類報告員

1.2.2 機器人群測試平臺的需求和概念

虛擬測試平臺有很多優點，包括可移植性、快速修改，在某些情況下成本較低。然而，人類對模擬機器人群的反應與人類對物理機器人群的反應不同。Podevijn等人（2016a，2016b）表明了這一點，與模擬機器人相比，與物理機器人互動時，壓力的心理生理學標志物升高。與較大的群組和較小的群組互動，也產生了類似的模式（Podevijn等人，2016a；Podevijn等人，2016b）。

一個虛擬的機器人群可能看起來與真實的機器人群的虛擬表現相同，只要指揮官不與實際的代理人在一起就可以了。然而，在許多情況下，人類指揮官和其他互動的人將處于戰術邊緣，與機器人代理一起在現場。從這些場景的虛擬模擬機器人群中得出的結論可能不完全代表實際物理機器人群的結論，在物理機器人群測試平臺中復制之前，也許最好將其視為初步結論。

使用物理機器人群測試平臺的另一個原因是為了更好地包括與機器人代理一起工作的現實世界的挑戰--即他們的物理需求和限制。異質組隊模擬很容易對飛行時間、電力使用、機械堅固性、有效載荷能力、相機分辨率等做出不現實的假設。當這些不切實際的假設在模擬中實現時，其結果是無法復制人類與多人合作的許多重大挑戰的情景。我們承認，仔細考慮這些參數可以使它們在模擬中得到更忠實的實現，我們也承認，我們的物理測試平臺不能完全復制所有這些問題。例如，使用微小的、低成本的、可移動的無人機有一個警告，即它們不能在室外飛行。因此，實際的天氣影響不能包括在我們的測試平臺中。然而，我們的測試平臺天生提供了關于飛行時間、電力使用、有效載荷能力、機械堅固性等方面的現實物理約束。

為了不同的實驗目的，已經開發了各種虛擬和物理的異質組隊測試平臺。我們將在下面的章節中強調幾個關鍵的例子。

1.3 相關工作

在本節中，我們提供了一個不全面的概述，介紹了具有多機器人/蜂群測試平臺的研究項目，這些項目可以檢驗人與機器人群的交互性能。全面的回顧超出了本報告的范圍，因此在這里我們只提供與ARL研究密切相關或合作的項目的細節。

用于人與多Agent交互的多功能虛擬現實（VR）測試平臺是加速用戶推理操作、研究和分析（AURORA）-XR界面，該界面正在由ARL為戰場物聯網開發（Dennison等人，2019）。AURORA-XR目前有一個虛擬的城市街區，有一系列的傳感器和代理，可以虛擬地檢測虛擬友軍和敵軍的運動。人類指揮官可以通過虛擬攝像機畫面和虛擬傳感器數據，從視覺空間角度調出不同傳感器和無人駕駛車輛的視圖。這個設置可以在圖2中看到。該模擬可被修改以執行不同的模擬任務，并被建議由HRED用于研究訓練人類在人-代理團隊合作中的相關技能（例如，不確定性量化和視覺空間透視）。

AURORA-XR的一個主要目標是作為一個可視化工具和異地協作工具（通過AURORA-NET），其中不同地點的多個人類可以同時與VR中的沙盤表示進行互動，以參與多領域行動的協作決策。

混合倡議實驗（MIX）測試平臺（Barber等人，2008年）將無人車和攝像機的模擬與操作員控制單元（OCU）界面相結合，如圖3所示，允許用戶控制無人系統。OCU是可定制的，底層的自主性模擬器軟件（無人系統模擬器[USSIM]）可用于模擬各種自動化程度不同的任務類型，包括偵察、目標識別和路線規劃等場景。MIX已經被用于各種研究中，用于智能代理的修改的OCU也是擴展研究的主題（Chen和Barnes 2014；Barnes等人2015）。

圖2 AURORA-XR的界面與實例的進給和攝像機角度

圖3 MIX測試平臺的OCU界面

在我們正在進行的工作中（Humann和Spero 2018；Humann和Pollard 2019），我們使用一個虛擬測試平臺來設計人類與無人機互動的適當算法并選擇適當的團隊規模。該工具可以模擬任何數量的人類、四旋翼無人機和固定翼無人機。人類被模擬為具有疲勞和工作負荷的現實效果。人類和自主資產執行監視任務，必須用相機掃過一個場地，以發現可能的危險，如車輛和火災（由固定翼無人機執行），然后對感興趣的點進行拍照（四旋翼無人機），最后分析以評估威脅程度（人類）。從這個分析中，可以從評估現場的整體準確性和速度方面分析向系統添加資產的回報。圖4顯示了模擬的一個例子截圖。

圖4 模擬截圖（Humann和Pollard 2019），顯示三個固定翼無人機、四個四旋翼無人機和兩個操作員合作執行監視任務

在ARL有兩項正在進行的工作，涉及多個分布式智能資產，正在為未來的工作開發測試平臺。第一個是分布式協作智能系統和技術（DCIST）的合作研究聯盟。這個項目將 "創建自主的、有彈性的、認知的、異質的群組，使人類能夠在動態變化的、惡劣的和有爭議的環境中參與廣泛的任務"（www.dcist.org）。DCIST的執行者已經討論了建立一個測試平臺（虛擬和/或物理）來測試智能系統的算法。雖然許多參與的學術機構都有自己的測試平臺供個人研究使用（例如，Pickem等人，2017年），但DCIST測試平臺的一個目標是使來自各合作機構的研究產品得到綜合實驗。

ARL正在進行的第二項工作是一個潛在的測試平臺，用于探索人類與智能系統的互動，將不同的人類互動模式與強化學習相結合，稱為自主系統的學習周期框架（Waytowich等人，2018；Goecks等人，2019）。他們實施了一個模擬，以探索使用人類示范來提高智能系統的能力（在引用的案例中，一個小型四旋翼無人機）。他們計劃繼續研究使用Crazyflie無人機在物理測試平臺上進行聯合互動的強化學習。

隸屬于南加州大學和ICT的研究人員在正在進行的研究中展示了多個機器人的協調行為（Tran等人，2018），同時自主飛行多達49架微型無人機（Preiss等人，2017）。他們還展示了最多三個人和六個無人機之間的用戶互動，這些無人機在房間里相互靠近導航（Phan等人，2018）。

本卷包括三篇論文，這些論文是在IAI于2022-2023年與Intesa San Paolo合作并在其支持下開展的 "空間的地理金融 "研究項目框架內起草和討論的。作者對外層空間領域的主要發展、主要空間行為者的最新立場和倡議以及促進更安全和穩定的空間環境的努力提出了不同的觀點。他們重點討論了外層空間的三個密切相關的方面：其商業化和日益增長的經濟重要性，不斷擴大和多樣化的軍事活動的作用和影響，以及仍處于萌芽狀態和不充分的監管框架。

朱利安-蘇斯在 "保護大國競爭的星光屏幕？"一章中描述了外層空間在地緣政治中發揮的新作用，特別是在大國之間不斷深化的競爭中。在一個日益多極化的世界中，空間行為者已經成倍增加。這一趨勢似乎將在未來幾十年繼續下去，使達成協議的努力復雜化，并為與空間活動的管理和監管有關的大量未解決的問題找到共同的解決方案。空間的軍事意義已經穩步增長。它已經成為部署一些最先進的雙重用途技術的關鍵領域。領先的航天國家現在嚴重依賴天基資產，這些資產可以成為主要的作戰工具或目標。他們已經建立了新的防御結構，包括空間指揮部，以充分利用外層空間作為一個軍事平臺，并更好地將空間能力納入其軍事機構。同時，蘇斯指出，空間活動反映了地球上的動態并與之密切相關。特別是，美國和中國之間的競爭可能會成為塑造空間環境軍事層面的唯一最重要的因素。在這種情況下，缺乏對空間活動的監管是一個令人關切的主要來源，這也是因為大國極不愿意接受可能削弱其軍事優勢或阻止其獲得基于新興技術的新能力的限制。事實上，他們正專注于開發新的手段來保護其資產。然而，正如蘇斯所強調的，只有規范空間行為的協議才能減少與空間軍事化有關的日益增長的風險。空間領域的商業化和相關的經濟利益可以為趨同的監管努力提供一個強大的激勵。然而，空間能力方面現有的差異和不對稱仍然是一個巨大的絆腳石。

Giulia Pavesi撰寫的 "外層空間活動的監管"一章，對旨在監管空間活動的現有規范性框架以及為引入新規則以應對迅速變化的空間環境而正在進行的努力進行了批判性的概述，該環境的特點是活動越來越擁擠，大國之間的競爭越來越激烈。本章說明了空間演變的不同部門的主要法律發展。它首先討論了空間資源的使用和占有所帶來的法律問題，這是一個最近高度突出的問題。Pavesi指出，1967年《外層空間條約》（OST）和《月球協定》（MA）的一些條款與空間資源的利用有關，但仍然存在著相當大的法律不確定性，可能有利于破壞不占有原則的活動。雖然在聯合國框架內曾試圖填補這一法律空白，但據帕維西說，在不久的將來通過一項國際協議是不太可能的。相反，美國一直專注于促進其空間機構與伙伴國家之間的 "阿特米斯協議"，而中國和俄羅斯則簽署了以空間開發為中心的各種協議。這凸顯了在空間領導權方面日益激烈的競爭，這使得在多邊，即聯合國環境下達成協議的任何努力變得復雜。帕維西強調的另一個優先事項是空間交通管理（STM）和外層空間的負責任行為。這包括軌道碎片的減少和補救。在STM領域，現有的法律文書顯然是不夠的。迄今為止，國際合作一直是監管和技術性質的，但帕維西強調，現在需要的是一套全面的規則和明確的義務。她認為，努力應該集中在STM的重要方面，如建立信息共享和通知機制，確保操作層面的標準化，并制定統一的碎片管理做法。在這方面，她指出，各國已經表現出明顯傾向于靈活的方法，旨在確保負責任的行為而不是禁止或限制技術的使用。這也是她對規范國家在外層空間的互動的各種嘗試的批評性評價所顯示的。優先考慮的仍然是開發和使用外層空間資源的自由。帕維西認為，軟性和硬性法律文書不應視為相互排斥，而是相互補充和相互加強的。

Jules Varna和Rodolfo Zontini的 "全球空間經濟：定義、演變和預測 "一章討論了與外層空間在全球經濟中的作用有關的關鍵結構問題。作者強調需要開發更有效和準確的模型來評估空間活動的社會經濟影響。他認為，有效的決策應該建立在對空間經濟組成部分更準確的識別和理解上。只有通過更大的透明度和對國際數據的獲取，以及開發一種共享的方法，才能實現這一點。專業研究在這方面可以發揮關鍵作用。在這個方法論的前提下，瓦爾納和宗蒂尼研究了全球空間經濟不斷變化的估計，審查了它的各個組成部分，包括公共和私人，以及相關的未來情景。他們比較了關于空間經濟未來演變的各種預測，以及它對全球經濟增長的潛在貢獻，警告最樂觀的評價可能存在的缺點。然而，一些驅動因素，包括私人空間投資的穩定增長、新商業模式的發展和技術進步，可能會繼續加強空間活動在全球經濟中的作用及其對日常生活的重要性。

為響應國會任務，美國國防采購大學（DAU）通過美國防部贊助的大學附屬研究中心--系統工程研究中心（SERC）與采購創新研究中心（AIRC）簽訂合同，就美國防部雇員（政府文職人員、承包商和現役人員）可獲得的創新和新興技術采用培訓項目的現狀進行研究和報告。來自弗吉尼亞理工大學應用研究公司（VT-ARC）的AIRC研究人員通過文獻綜述、訪談和調查，對該主題進行了全面審查。本報告在廣泛研究的基礎上，介紹了美國防部、學術界和工業界的創新和新興技術采用培訓計劃的現狀，同時具體闡述了國會要求的五個列舉項目。

學術文獻提出，創新是在一個以知識為中心的過程中，在多個系統中認識和實施 "創造價值的東西 "的努力。為了確保本報告與文獻相一致，創新被定義為開發新的或明顯改變的服務、產品、流程、結構或政策。基于額外的文獻審查結果，該團隊開發了一個研究框架，以確定和評估整個部門、學術界和工業界的創新和技術采用培訓計劃。研究小組采用了三部分數據收集方法：公開資料搜索、有針對性的訪談和調查。然后對以下分類變量進行了分析： 培訓類型（DAU，美國防部，非政府），創新階段（識別，獲取，整合），功能區（DAU分類法），以及五類變化代理中的四類（創新者，促進者，領導者和用戶）。然后，VT-ARC總結了這些數據，以確定與研究相關的課程中的潛在差距。

結果表明，傳統學習機會最少的三個職能領域包括承包、生命周期物流以及測試和評估。這些職能部門在創新和技術采用的過程中都發揮著關鍵作用。履行這些職能的國防部工作人員在了解他們在采用過程中的作用以及促進關鍵創新和新興技術整合和運作所需的靈活性方面機會有限。

附錄A中詳細描述了已經開展的支持創新和新興技術的培訓計劃類型，以及提供培訓計劃的國防部和私營部門組織的名單。沒有收集有關參加任何培訓計劃后勞動力表現的指標。另外，沒有發現支持分析采用和創新合同方法與特定培訓計劃之間關系的數據。

最有趣的研究結果之一是，沒有培訓機會整合相關職業領域之間的必要聯系，以提供對新興技術途徑或過程的總體創新的統一理解。這種知識的缺乏影響了獲取的有效性，在訪談中被認為是至關重要的。提供跨組織和跨職能的學習機會將加強對角色和責任的理解，并將改善跨管道的信息流動，打擊 "圓柱形思維"。深入訪談還確定了其他五個關鍵點：流程和政策對采用有很大影響；針對具體差距的定制培訓是必要的；勞動力發展是一個關鍵的推動因素；文化對采用有很大的影響；組織之間的縫隙對創新和新興技術的采用造成限制。

雖然有兩個組織正在積極建立與創新和新興技術采用有關的新課程，但都沒有資源來解決本研究中發現的其他差距。研究小組沒有得到其他組織的課程擴展數據。基于課程開發的滾動性，很可能會有更多的傳統學習機會可用。這也意味著，一些課程將不再提供，幾乎沒有任何警告。

該研究的結論是，由于缺乏一個總體的部門新興技術創新培訓戰略，鼓勵了系統性的優秀個體。因此，許多獨立的組織采取孤立的舉措，根據該部的業務挑戰開發自己的培訓資源分配，有些比其他的更有效。雖然在戰術上很重要，但這些優秀的個體并沒有轉化為整個部門的人員能力，因為各組織之間的縫隙對關鍵的知識轉移造成了障礙。建議由高級領導人制定并倡導一項維和部新興技術過渡培訓戰略，并在整個維和部各層級的支持下進行。

在這份科學報告中，研究了一個導彈防御的問題，其中有異質的來襲再入飛行器（RVs）。也就是說，這些再入飛行器由不同類型的導彈組成。防御系統利用也是導彈的攔截器來試圖攔截再入飛行器。我們建議，在有異質RV的簡單交戰場景中，防衛方可以使用最佳最后交戰機會（SLS-OLEO）的射擊戰術來優化其在最后交戰機會中的突襲否定概率（PRA）。為了優化這種方法，我們利用天體動力學、帶約束的微積分、微擾理論、動態規劃和生成函數以及PRA的凹特性來比較各種射擊戰術。這種方法使我們能夠確定針對RV的攔截器的最佳分配，使PRA最大化。此外，我們還考慮了PRA如何有助于綜合系統有效性的概率（PISE），這反過來又決定了彈道導彈防御系統（BMDS）的全球有效性。原則上，該方法一般適用于導彈。然而，我們確定交戰機會數量的方式是基于彈道導彈的。

對國防和安全的意義

在導彈防御方面，至關重要的是，防務部門要消除來襲的RV，以保護其資產和人口。眾所周知，有一種基于RVs數量、攔截器數量及其特性（如單發殺傷概率（SSBK）和交戰機會數量）的發射策略，可以最大限度地提高突襲否定的概率，即PRA。然而，當來襲的RV由不同類型的導彈組成時，這樣的策略需要修改，因為現在的情況更復雜了。我們表明，用本報告所制定的策略仍有可能使PRA最大化。這一點很重要，因為最大化PRA意味著最大限度地挽救人口中的生命數量。

引言

對防空的作戰分析可以追溯到1930年代（Kirby和Capey[1]）。從那時起，防空研究有了很大進展，特別是在導彈防御領域。目前關于彈道導彈防御系統（BMDS）的文獻的特點是，分析集中在整個系統的孤立方面。具體來說，有關于理論發射理論（Soland [2]）、射-看-射戰術（Wilkening [3]）、命中評估（Weiner等人，[4]）、軌道力學（Cranford [5]）和綜合概率模型，如綜合系統有效性概率（PISE）（Boeing Co [6]）的研究。相比之下，本科學報告側重于突襲湮滅概率（PRA），它是PISE的一個核心組成部分，也是BMDS有效性的一個關鍵決定因素。

為了證明PRA的重要性，我們在涉及異質再入飛行器（RVs）的交戰場景中比較了三種發射戰術。在對結果進行嚴格的比較后，我們說明，雖然 "射擊-觀察-射擊與最佳最后交戰機會"（SLS-OLEO）沒有產生最大的PRA，但它在一個簡單的交戰場景中提出了最實際有效的PRA。也就是說，我們并不假定來襲的RV的數量是完全已知的。我們還探討了是什么使PISE成為BMDS框架的一個重要組成部分，并提出了兩個可以提高PISE的戰術。我們相信，作戰研究界的成員將能夠利用這些發現來評估BMDS的全球有效性。

為了幫助關注這個問題，我們定義了一個由五個異質再入飛行器（RVs）和二十個攔截器組成的例子情景，（Wilkening [3]）。這個場景當然不是一個飽和的場景，即RV的數量超過了攔截器的庫存，正如（Dou等人，[7]）所調查的。由于彈道導彈防御（BMD）的復雜性，有些特點和方法我們無法在本報告中涉及或深入分析。與其他研究相比，我們的視角是單面的（僅是防御），而不是雙面的（防御和進攻，Brown等人，[8]；兩階段博弈，Hausken和Zhuang[9]）。我們的研究也主要限于地基攔截器（GBI），而不是其他發射平臺，如閑逛的飛機（Burk等人，[10]）。我們不考慮誘餌（Washburn[11]）。我們注意到，BMD也可以使用基于代理的模擬（Garrett等人，[12]和Holland等人，[13]），或使用馬爾科夫鏈（Menq等人，[14]）進行建模。Park和Rothrock[15]研究了在導彈防御中框定人類主體的效果。實時威脅評估和武器分配（TEWA）的細節可以用3維穩定的婚姻算法來建模（Naseem等人，[16]）。針對一系列RV的防御性武器的最佳組合可以用線性編程來建模（Beare [17]）。盡管有這些假設和簡化，我們相信我們的方法為理解BMD提供了一個簡單的方法，同時也為評估BMDS的有效性提供了一個直接和統一的方法。

本文的組織結構如下： 第2節描述了交戰機會的數量；第3節介紹了三種已知的可用于對付相同（同質）RV的發射戰術；第4節擴展了一些用于異質RV的發射戰術，并提出了一種新的戰術；第5節描述了PRA的凹性；第6節利用凹性來確定全球最佳PRA；第7節說明了有效性的措施；第8節討論了PISE和改進它的方法；我們在第9節中得出結論。

本文是2014年發表的另一篇論文（Nguyen [18]）的完整和擴展技術版本，增加了一些新的內容，包括考慮新的射擊戰術（在第4節）、PRA的凹性（在第5節）和全局最優PRA（在第6節）。雖然第7節中的有效性措施在現有文獻中可以獲得，但我們根據第4、5和6節的新穎性來確定這些有效性措施。據我們所知，在文獻中還沒有任何論文將所有這些方面的內容匯集在一篇關于BMD的文章中。這篇文章的初步結果發表在一個會議記錄中（Nguyen和Miah[19]），它利用遺傳算法來優化有效性的措施。

本報告更新了美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）在ARL南部地區的合作研究工作的要點。本報告中總結的ARL南部研究是ARL總體研究戰略的組成部分；每個項目都是ARL的一個或多個基礎研究組合的組成部分。雖然ARL的研究主要屬于基礎研究領域，預計有較長的過渡期，但關鍵的短期成果將被認可，并在此過程中加以利用。

2017年4月，美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）將其地理范圍擴展到美國南部地區，以德克薩斯州的奧斯汀為中心。俗稱的 "ARL南部"，從最初的工作發展成為一個強大的生態系統，以不斷擴大的新人才基礎解決軍隊的高度優先問題。ARL南部社區的研究人員主要分布在德克薩斯州的大學里，其成員關系延伸到新墨西哥州、俄克拉荷馬州、阿拉巴馬州、佛羅里達州、喬治亞州和賓夕法尼亞州。通過戰略合作努力，ARL與該地區的合作伙伴聯合起來，確定共同感興趣的技術領域，形成一個促進創新、快速發展和加速技術轉換的環境。

在ARL南部地區工作的研究人員在2019年出版的ARL特別報告中總結了他們的項目。該報告在2020年進行了更新，本文件進一步更新了研究內容，包括在過去一年取得的進展。本文件中總結的ARL南部的研究是ARL總體研究戰略的組成部分。報告中包含的每個摘要都是由ARL南方的研究人員撰寫的，并由ARL南方地區的領導進行了匯編和編輯。

迅速設計專門針對特定應用的材料的能力取決于預測性材料模型的使用。在過去的幾十年里，多尺度建模已經成為構建材料模型的主要范式。本報告總結了作為美國陸軍作戰能力發展司令部陸軍研究實驗室跨領域工作的一部分，即2011年至2021年的材料多尺度研究企業（PE 611102.AA7.13 "新型材料的多尺度建模"）在發展多尺度建模方法方面的工作。這項工作包括與兩個為期5年的合作研究聯盟（CRAs）的耦合研究：極端動態環境中的材料CRA和電子材料的多尺度/多學科建模CRA（PE 611104.AB7.09 "材料的多尺度建模中心"）。

三個研究方向構成了整體工作。

第一個研究方向的首要目標是構建計算方法，以促進多尺度模型層次中的尺度模型之間的數據傳輸，以便通過直接連接尺度模型來構建多尺度模型。這個研究方向的一個主要貢獻是為尺度橋接開發了一個靈活的模塊化軟件環境。

第二個重點是開發新的方法，以便能夠從第一原理上探索真實材料的原子尺度結構特征與其宏觀特性之間的關系。該研究方向對一個領先的大規模第一原理軟件套件進行了重大改進，大大降低了對凝聚相系統的計算要求，同時擴展了該套件的功能，以解決軍隊的問題。

最后，第三個方向是致力于小規模塑性的中尺度建模的新方法，即材料內部位錯的運動。這個研究方向導致了一種獨特的計算能力的發展，使我們能夠將最先進的小規模塑性計算模型與有限元相融合。這種能力允許在有微觀結構的情況下對小尺度塑性進行精確建模。

圖6 嵌入協議的摘要。(a) 進行MD模擬以產生溶劑配置的平衡集合。(b) 對MD模擬中的單個分子（"活性區域"）進行嵌入CCSD(T)計算，紅圈表示。活躍區氧化時產生的電子洞由藍色電子云表示。附近的分子在B3LYP水平上處理，由藍色圓圈表示。更遠的分子使用點電荷MM模型處理，用棕色圓圈表示。

摘要

為了支持加拿大皇家空軍（RCAF）領導的遙控飛機系統（RPAS）項目，加拿大國防研究與發展部（DRDC）-多倫多研究中心（TRC）在2016年開發了一個綜合地面控制站實驗和演練的試驗平臺，以研究中隊級無人機系統（UAS）作戰單元的關鍵作戰概念。測量操作員的決策性能是分析、設計和評估人機交互（HMI）和智能自適應系統（IAS）概念的一個特別重點。在這份參考文件中，我們對直接和間接的性能測量（MoPs）進行了全面的審查，在無人機系統和人機協作的概念開發和實驗（CD&E）方面。

對國防和安全的意義

本參考文件提供了適合于無人機系統模擬器實驗和人類與自主系統互動的MoPs總結和描述。它為其使用提供了科學證據，并為其應用提供了指導，以可靠地評估和評價軍事環境中涉及無人機系統和廣義上的人類自主協作的作戰概念。

1 引言

1.1 概述

本參考文件對無人機系統（UAS）和人機協作的概念開發和實驗（CD&E）中使用的直接和間接性能測量標準（MoPs）進行了審查。直接性能測量標準，或基于結果的測量標準，包括決策準確性、決策效率、決策質量和操作者任務績效的決策一致性。間接的，或與過程相關的測量，指的是培訓效果、態勢感知、操作員的工作量、人機信任、可用性、團隊合作和操作員反饋。在加拿大國防研究與發展部（DRDC）--多倫多研究中心（TRC），這兩種類型的措施都已成功地適應于無人機系統地面控制站（GCS）模擬器的使用。

1.2 背景

為了支持加拿大皇家空軍（RCAF）領導的遙控飛機系統（原聯合無人機監視和目標獲取系統項目），DRDC多倫多研究中心在2015年開發了一個綜合地面控制站實驗和演練的試驗平臺，以研究中隊級無人機系統作戰單元的關鍵作戰概念。這些概念包括GCS功能要求、適航認證、人類系統集成（HSI）、機組配置和操作員培訓要求。

位于DRDC TRC的TIGER是一個GCS模擬器，用于遠程駕駛中高度長壽命（MALE）無人機（UAV）（Hou，2015）。該模擬器包括飛行器操作員（AVO）和有效載荷操作員（PO）工作站，以及另外四個可重新配置的工作站，用于圖像分析員和報告員（IMA-A和IMA-R），以及電子戰分析員和報告員（EW-A和EW-R）。駕駛和傳感器操作可由操作員進行，或根據編程腳本自主進行。該平臺允許在組件的位置（工作空間安排）、訓練或測試重點（團隊、部分團隊或個人）、環境視角（空中飛越、空中監視或地面觀察）以及用于信息處理、利用和傳播（PED）的指揮和控制（C2）單元方面有相當大的靈活性。TIGER可以是一個獨立的GCS和/或支持網絡中心戰的分布式演習。表1描述了每個操作員的角色和職責，相關的工作站布局在圖1中說明。

當前無人機系統任務的復雜性和無人機系統技術能力的不斷提高，對操作人員提出了重大的認知要求。Arrabito等人（2010年）提供了一份關于一系列認知風險的綜合報告，這些風險導致了許多與無人機系統有關的事件和事故，如操作人員的疲勞、工作量和情景意識（SA）的喪失。

表1：TIGER中無人機系統操作員的角色和責任

角色	工作職責
飛行器操作員 (AVO)	作為機組指揮官，駕駛無人機，并控制任何武器的釋放
有效載荷操作員 (PO)	控制無人機有效載荷，確保傳感器設置對當前任務是最佳的，并控制無人機的激光瞄準。
圖像分析員(IMA-A)	查看來自無人機傳感器的視頻資料，識別任何潛在的重要事件和實體，并將這些信息傳達給IMA-R
圖像報告員（IMA-R）	審查來自IMA-A的事件和實體，并為無人機任務分配機構和AVO編寫報告
電子戰分析員(EW-A)	專注于無人機的電子支持措施，確定任何潛在的重要事件和實體，并將這些信息傳達給EW-R
電子戰報告人（EW-R）	審查來自EW-A的事件和實體，并為無人機任務分配機構和AVO編寫報告

圖1：TIGER中的UAS地面控制站布局。

本參考文件概述了根據NATO STANREC 4685《無人機系統人類系統集成指南》（Hou & Geesman, 2022）和人因設計標準HF-STD-004（聯邦航空管理局，2009），使用無人機模擬器進行作戰概念開發和測試的實驗要求。這些研究強調了進行實驗、調查和演示（包括動態模擬和軟件原型）的重要性，以確定和解決人類工程問題，并評估操作員的認知負荷。測量操作員的決策表現是分析、設計和評估人機交互（HMI）和智能自適應系統（IAS）概念的一個特別重點（Hou, Banbury, & Burns, 2014）。這是一個不小的挑戰，因為 "正確 "決策的概念，特別是在不確定的條件下，是高度主觀和依賴環境的（Hou等人，2014；Banbury, Pelletier, Baker, Tremblay, & Proulx, R，2014b）。因此，一套定量和定性的MoPs被用來描述個人和集體的決策表現。本研究報告確定并總結了用于評估操作者決策過程的 MoPs，以及衡量其結果的 MoPs，并概述了在 DRDC TRC 的三項 TIGER 研究中所采用的措施。

研究問題

RAS-AI，更具體地說，人機協作（HMT）對皇家海軍的未來勞動力有什么影響？

澳大利亞皇家海軍（RAN）正在對其部隊進行現代化改造，以更好地應對澳大利亞在印度-太平洋地區面臨的日益增長的挑戰。本報告概述了機器人、自主系統和人工智能（RAS-AI）對國防人員的各種影響，為皇家海軍正在進行的促進RAS-AI整合的工作提供參考。

作者對相關的公開來源的學術和灰色文獻進行了審查，重點是為RAN確定可能的教訓。分析集中在RAS-AI對國防勞動力和技能的總體影響上，特別關注人機協作（HMT）對國防勞動力的影響。

研究結果強調了有效采用HMT所需的根本性的不同和新穎的工作方式。將HMT納入勞動力隊伍需要對復雜的人員網絡進行靈活管理，并不斷調整現有結構和概念。

本報告是為支持2020年發布的RAN的RAS-AI戰略2040而進行的工作的延續。蘭德公司被要求提供政策分析和建議，以支持制定一個可操作的RAS-AI運動計劃，協助RAS-AI的實施工作。研究小組已經研究了三個具體領域，以支持制定一個可操作的計劃：軍事創新，海上RAS-AI的任務和技術評估，以及HMT。這項工作應該為皇家海軍、澳大利亞其他國防部門和國防部更廣泛地了解HMT對皇家海軍未來員工隊伍的影響。

研究成果

• 在RAN中實現HMT的正常化將需要對國防人員進行靈活的管理，并不斷調整現有的結構和概念。

• HMT需要在認知方面進行轉變，就像培訓和感知一樣。

• HMT的目標是優化互動，發揮人和機器的優勢。

• HMT包含了廣泛而復雜的問題，無法將其歸類為一個不可避免的原則、活動和資源的清單。

• 了解和考慮人機互動（HMI）的范圍是不可或缺的。

• 新技術的發展應該與實際問題/需求相一致。

• 人機交互所需的技能/屬性可能在傳統上并不被國防部所重視。

• 組織學習必須被接受，以提供這種挑戰性的能力。

• HMT不僅應該作為一種有效的軍事作戰能力，而且還應該作為一種同步的訓練能力來利用。

• HMT的成功需要在整個員工隊伍中得到顯著提升。

• HMT需要識別人類和機器的長處和短處，并利用優勢，使其大于各部分之和。

• HMT的重點應該是要解決的問題，適當的比例和HMI的模式，以及找到努力回報的最佳點。

• RAS-AI的性能必須使它們在使用它們的人中灌輸一種信任、安全和可靠的感覺。

• 從設計的那一刻起，就必須主動關注HMT范式的概念和道德的復雜性。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。