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

任務規劃涉及將離散資產分配給優先目標，包括在復雜的環境條件下將這些資產動態路由到目的地。由于快速周轉的價值和模擬作戰環境的相對簡單性，人們非常有興趣通過添加人工智能 （AI） 的強化學習技術來改進任務規劃過程，這可以產生更好、更快或只是人類考慮的獨特解決方案。本報告描述了如何使用人工智能進行任務規劃，以及人工智能方法與更傳統的運籌學 （OR） 方法的比較。

任務規劃涉及將離散資產分配給優先目標，包括在復雜的環境條件下將這些資產動態路由到目的地。由于快速周轉的價值和模擬作戰環境的相對簡單性，人們非常有興趣通過添加人工智能 （AI） 的強化學習技術來改進任務規劃過程，這可以產生更好、更快或只是人類考慮的獨特解決方案。本報告描述了如何使用人工智能進行任務規劃，以及人工智能方法與更傳統的運籌學 （OR） 方法的比較。

本報告是五卷系列中的第五卷，探討了如何利用人工智能在四個不同領域協助作戰人員：網絡安全、預測性維護、兵棋推演和任務規劃。本報告主要針對那些對任務規劃、運籌學和人工智能應用感興趣的人。

研究問題

• 如何在任務規劃過程中使用人工智能？
• 應用于任務規劃的人工智能方式方法與傳統的 OR 方式方法相比有何不同？
• 人工智能是否可以改善任務規劃過程中的特定角色或任務？
• 在任務規劃過程中應用人工智能有哪些要求？

關鍵發現

• 與 OR 方法相比，人工智能的性能通常更差。考慮到OR涉及解決擺好姿勢的優化問題，這一結果并不奇怪。不過，人工智能可以更穩健，更能應對不斷變化的環境，因為 OR 解決方案只是為了解決靜態問題。
• 人工智能能夠在某些規劃任務中提供幫助，以這種方式使用人工智能將為未來人工智能的使用積累能力、經驗和用戶信任。任務路線規劃是人工智能應用范圍較窄的一個例子，尤其適用于動態威脅環境，在這種環境中，任務包進入復雜的防空環境，面臨突如其來的威脅。
• 用于任務規劃的人工智能需要開發基礎設施，將模擬環境與人工智能框架有效連接起來，而人工智能框架通常是用不同的編碼語言編寫的。幸運的是，這對每個模擬環境來說都是一次性投資。DAF 應考慮此類投資，并向政府和伙伴組織發布基礎設施。
• 在任務規劃和更廣泛的戰爭中實施人工智能不僅僅是創建一個獨立項目的問題。關鍵是要支持與其他工具的連接，并隨著新工具的發明不斷更新這些連接。如果沒有這種持續的支持和努力，人工智能的實際使用將不可避免地落后于近鄰對手。

建議

• DAF 應將強化學習（RL）任務規劃應用于無人駕駛系統的動態路線規劃，由操作員進行審查和判斷。目前，強化學習在任務規劃中的最佳應用是作為快速反應管理系統，對威脅做出動態響應。這既適用于機載無人機，也適用于能在數秒而非數分鐘內提供最新飛行計劃的總部。即使 RL 提供的是次優計劃，它也能建議立即采取行動；操作員可以利用快速反應所贏得的時間，采用當前的標準和首選方法制定更好的計劃。
• DAF 應該培訓對軍事任務規劃有深刻理解的人工智能專家。RL 是一個依賴經驗和啟發式方法的困難研究領域。由于需要特定的應用知識，研究工作變得更加復雜。對該領域缺乏了解的人可能無法識別不良狀態和行為，從而無法設計出合適的獎勵函數。
• DAF 必須優先考慮工具和軟件，不僅要創建工具和軟件，還要使這些資源具有可擴展性并可與現有系統連接。應擴展現有的模擬工具，使其與人工智能框架兼容。
• DAF 應持續監測人工智能 RL 的發展狀況。雖然人工智能在商業和研究領域發展迅速，但 DAF 仍需保持警惕，尋找機會整合新的進展。

本研究探討了美國國防部（DoD）在冷戰早期對地對地導彈開發的管理，以及陸軍對 "朱庇特"中程彈道導彈（IRBM）的追求。在這些工作中，新興導彈技術對美國防部減少軍種間競爭和重復工作的能力提出了挑戰。盡管美陸軍闡明了使用遠程導彈的潛力，但卻未能說明為何應由陸軍來開發和操作上述武器。相反，陸軍利用 1950 年和 1954 年導彈協議中模棱兩可的措辭，廣泛應用其陸戰職能，蠶食了空軍的預期任務。這導致多個軍種爭奪有限的資源，并利用不成熟技術在當時不可預見的優勢，最終造成冗余。本研究發現，美國防部在 20 世紀 50 年代對導彈開發的管理使日益減少的國防預算捉襟見肘，限制了常規能力的現代化，并加劇了各軍種之間的緊張關系。雖然這些發現基于歷史研究，但卻具有持久的應用價值，因為它們揭示了限制性政策文件中模棱兩可的措辭所帶來的危險，并對參謀長聯席會議和類似的以軍種為基礎的委員會作為管理新興技術的組織的有效性提出了質疑。這些發現尤其適用于當今國防部的政策制定，因為冷戰時期的洲際彈道導彈爭議反映了當前軍種間在導彈開發方面的緊張關系。

研究問題

本研究探討了以下問題： 美國國防部（Department of Defense，DoD）對導彈這一新興技術的管理如何影響陸軍在 1955 年至 1956 年間對射程 1500 英里的 "朱庇特"導彈的追求？三個補充問題支持了這一研究問題： 第一，"朱庇特"導彈如何融入陸軍既定和調整后的服務職能？第二，美國防部在 20 世紀 50 年代制定了哪些限制措施來管理地對地導彈的研發？第三，是什么促使國防部長查爾斯-威爾遜在 1956 年明確了角色和任務，隨后終止了陸軍的 "朱庇特"導彈項目？

本研究認為，美陸軍利用美國防部對導彈發展的模糊指導來發展 "朱庇特"洲際彈道導彈--一種該軍種在作戰上難以自圓其說的武器。面對使命危機和有限資源的競爭，陸軍對新興導彈技術進行了大量投資，并對其服務職能和導彈開發責任進行了廣義解釋。反過來，陸軍不斷擴大導彈射程也造成了重復勞動，這是軍種間持續競爭的產物。遺憾的是，參謀長聯席會議（JCS）無法在內部解決這些沖突，國防部長最初無法解決，后來也不愿意解決，直到 1956 年 11 月才解決了問題。在這方面，20 世紀 50 年代國防部對導彈發展的管理使日益減少的國防預算捉襟見肘，限制了常規能力的現代化，并使各軍種之間本已脆弱的關系出現裂痕。

本文通過機器學習方法提出了一種雷達任務選擇的主動方法，并將其設計在雷達調度流程之前，以提高雷達資源管理過程中的性能和效率。該方法由兩個過程組成：任務選擇過程和任務調度過程，其中任務選擇過程利用強化學習能力來探索和確定每個雷達任務的隱藏重要性。在雷達任務不堪重負的情況下（即雷達調度器超負荷工作），將主動選擇重要性較高的任務，直到任務執行的時間窗口被占滿，剩余的任務將被放棄。這樣就能保證保留潛在的最重要任務，從而有效減少后續調度過程中的總時間消耗，同時使任務調度的全局成本最小化。本文對所提出的方法進行了數值評估，并將任務丟棄率和調度成本分別與單獨使用最早開始時間（EST）、最早截止時間（ED）和隨機偏移開始時間EST（RSST-EST）調度算法進行了比較。結果表明，與EST、ED和RSST-EST相比，本科學報告中提出的方法分別將任務丟棄率降低了7.9%、6.9%和4.2%，還將調度成本降低了7.8倍（EST為7.8倍）、7.5倍（ED為7.5倍）和2.6倍（RSST-EST為2.6倍）。使用我們的計算環境，即使在超負荷的情況下，擬議方法所消耗的時間也小于 25 毫秒。因此，它被認為是提高雷達資源管理性能的一種高效實用的解決方案。

雷達資源管理（RRM）對于優化作為飛機、艦船和陸地平臺主要傳感器的現代相控陣雷達的性能至關重要。報告》討論了雷達資源管理，包括任務選擇和任務調度。該課題對國防科技（S&T）非常重要，因為它與現代相控陣雷達的大多數應用相關。它對當前的海軍雷達項目尤為重要，該項目探索了雷達波束控制的人工智能（AI）/機器學習（ML）方法。所提出的算法有可能升級未來的艦船雷達，從而做出更好的決策并提高性能。

問題

情報、監視和偵察（ISR）行動的目的是收集信息并將信息提供給操作人員，而操作人員則需要就戰區內的各種行動方案做出具體決策。可以肯定的是，ISR 行動是技術密集型的。但與此同時，ISR 行動也是一個非常以人為本的過程。盡管如此，在 ISR 概念開發和評估（CD&E）過程中卻很少甚至根本沒有進行人為因素（HF）研究。通過研究新的 ISR 技術和概念在各種作戰環境下對操作人員表現的影響，研究人員可以提供更加科學嚴謹的建議，為高層政策制定者和決策者提供有關未來 ISR 技術和能力的信息，這些技術和能力適用于所有 ISR 環境：空中、海面、地下和太空，貫穿國內、盟國和整個政府（WoG）的合作關系。因此，HF研究方法應成為任何 ISR CD&E 流程的組成部分，以便為 ISR 指揮系統各級的政策和決策者提供信息和建議。

目的

北大西洋公約組織（NATO）研究與技術組織（RTO）人為因素與醫學（HFM）小組任務組（研究與技術組（RTG）-276 NATO RTG HFM-276）"人為因素與 ISR 概念開發與評估 "的成立是為了確定和了解對有效的 ISR 行動至關重要的HF問題。更確切地說，這項開創性工作的目標是 (1) 確定對有效的 ISR 行動至關重要的HF問題（如態勢感知 (SA)、工作量、組織結構、協調和協調機制、可視化、信任、信息共享和管理、領導力和決策）；(2) 使用行為理論模型來制定我們的研究方法并理解我們的研究結果；(3) 就在 ISR CD&E 行動中使用和實施HF研究提出建議。

范圍和限制

基于并擴展最初由北約 HFM-163 RTO 小組開發的軍事組織效能模型，北約 HFM RTG-276 小組的工作范圍是確定并了解對 ISR 行動至關重要的HF問題。為此，小組決定于2018年6月11日至2018年6月26日在德國Einsiedlerhof的美國空軍歐洲（USAFE）戰士準備中心（WPC）的 "北約2018聯合愿景"（UV18）試驗模擬內開展關于聯合ISR（JISR）作戰效能的研究。此外，小組還在 2019 年 5 月于芬蘭舉行的 "大膽探索 2019"（BQ19）演習中進行了類似研究。

結果、對北約的意義和實際影響

北約 HFM-276 任務小組使用組織有效性模型制定了一套調查，以確定和了解對有效的 ISR 行動至關重要的HF問題。該模型的核心是由任務分配、收集、處理、利用和傳播（TCPED）組成的聯合監查制度流程。從這一模型和其他來源得出的數據收集計劃審視了一些HF問題在整個 ISR 行動中的作用：基本HF知識、態勢評估、工作量、組織結構、信任、信息共享、信息管理、領導力、文化、組織流程、組織靈活性、共同意識和責任、協調和協調機制、決策、能力、情報需求管理（IRM）、通信、元數據和應用系統。所有這些HF因素都將影響 ISR 的作戰概念，并影響操作人員的績效。此外，本文還總結了改進北約和非北約行動 ISR CD&E 流程的一些實際意義，重點是開發應納入 ISR CD&E 流程的HF研究方法。這種HF方法就像 ISR 概念開發的技術和程序質量控制部分。預計研究結果將有助于為 ISR 指揮系統各級的政策和決策者提供信息和建議，以加強北約 ISR 規劃、任務執行和能力發展方面的信息和決策優勢。預計研究結果還將有助于為 ISR 與其他聯合進程（如聯合目標定位）的整合提供信息，以確定當前與 ISR 有關的HF差距以及與其他進程的整合。

理論框架

在本節中，我們將為監委會的HF行動提供一個高層次的理論框架。廣義上，理論可以理解為在一組邊界假設和約束條件下對概念間關系的陳述，因此我們對一般假設、約束條件和概念及其與我們框架的關系進行了劃分[1]。我們認為我們的理論框架由三個關鍵概念組成：1）監委會進程；2）各種HF變量；3）產出因素。本節關注的是這些概念之間的關系，以及它們之間關系的支配因素。各節詳細介紹了監委會進程的理論和分析、各種HF因素的影響及其對產出因素的影響。各節還深入介紹了與各小節相關的方法。

人們提出了不同的組織流程方法，如輸入-中介-輸出框架、輸入-中介-輸出-輸入框架以及受結構化啟發的流程框架[2, 3]。從廣義上講，這些方法既包括目的論和順序論的觀點，即假定有明確的目標來指導行動以產生特定的結果，也包括更具突發性的變革觀點，即人類在其中工作的結構會影響其他結構中的人類，并受到其他結構中人類的影響[4]。

我們認為，作為一個基本假設，在聯盟背景下開展的監委會聯合審查進程并不容易采用上述任何一種模式：相反，它是一個預先計劃和設計的順序進程與突發進程的混合體[5]。一方面，有正式定義的程序、理論、戰術、技術和流程（TTP），如《支持北約行動的聯合情報、監視和偵察程序》（AintP）和《作戰命令》（ORBAT）；另一方面，也有包括特定節點在內的工作流程的實驗。這表明，我們的研究一方面要對 TTPs 的影響保持不可知論的觀點，另一方面要對執行聯合監查制度時的行動和對這些 TTPs 的看法保持不可知論的觀點。因此，我們的理論框架包含兩種相互作用的兵力：計劃行動和突發行動。計劃中的監委會審查和執行中的監委會審查之間的區別既體現在實驗計劃和實際實驗/演習執行之間的對立，也體現在計劃中的監委會審查行動和執行中的監委會審查行動之間的緊張關系，執行有時甚至是動態的。我們認為，計劃與執行動態之間的矛盾對于理解HF如何影響聯合監委會至關重要。應建立人類決策和協作機制，確保北約的聯合監委會從預先計劃順利過渡到動態執行。

更具體地說，我們的模型試圖將聯合監委會合作的線性和非線性軌跡結合起來。從順序計劃的角度來看，該模型的核心是聯合監委會流程，其中的 TCPED 階段可視為構成伯克等人[6]團隊適應模型的不同階段： SA、計劃制定、計劃執行和團隊學習（可以是評估收集處理、利用和傳播（CPED）是否有助于解決任務）（見下圖 1）。單個 PED 單元的這種相對線性的團隊流程也應結合其在多團隊系統中與其他團隊（單元）的協作來看待，即多個團隊為實現共同目標而集成工作[7]。涉及多個 PED 單元的聯合 PED 對于確保收集必要數據以獲取可采取行動的情報尤為重要。我們預計，由于不同的原因，計劃中的監委會審查流程可能并不總是按照預期的計劃方式可行。例如，從任務的角度來看：一個 PED 單元在執行任務期間的實際工作量可能會嚴重影響其參與整個聯盟聯合監 督和報告進程的能力。北約的事先規劃可在一定程度上減少這一因素，但不能完全消除不確定性。其他一些因素也可能對事先規劃的聯合監查制度進程構成挑戰：如各 PED 單元的動機、經驗、對任務的不同理解程度等。因此，我們認為HF的影響不僅與在單個小組內實現聯合監委會進程的總體目標有先后關系，而且在很大程度上以其他無意方式影響了北約的整體聯合監委會進程。另一方面，所述的監委會進程不一定會因這些障礙而改變，因為這可能取決于多個國家政策、執行和評估小組內部和之間協調和信任的有效性。

在不同的章節中，我們闡述了個人和人際因素、組織因素、文化因素、任務因素、系統因素和團隊因素如何影響聯合監委會。這些輸入因素預計會影響監委會的程序及其在監委會內部以及向外部組織要素（如聯合目標或情報界）提供可用結果的能力，進而影響諸如共享情況意識、數據分析、信息共享和決策以及任務完成的準確性和速度等輸出因素。圖 1 描繪了輸入和輸出因素之間的擬議聯系；該圖概述了本報告研究的所有因素。藍色和帶下劃線的因素是經過實證研究的因素。在隨后的章節中會有更詳細的理論介紹，其中還包括更詳細解釋一般模型中提出的各因素之間擬議相互關系的模型。

先進智能技術將不斷改變戰場性質和士兵需要執行的任務本質。因此，已經有許多關于人工智能（AI）在戰場上的作用討論，特別是集中在AI最有利的任務方面，士兵-AI編隊必須提供有效執行任務的能力，以及在這個任務演變過程中人和機器的必要適應。在這里，系統必須解決試圖利用復雜環境適應性強的智能敵手。在這種情況下，理解信任和信任測量的概念是至關重要的。然而，理解信任的動態性質以及如何準確測量和評估它是復雜的。

隨著越來越多地強調在未來的作戰行動中整合人類和自主系統，美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）建立了人類自主團隊基本研究計劃（HAT ERP）。HAT ERP的目標是解決在復雜的戰術環境中人類和自主系統的合作所面臨的挑戰，以創建有效運作的協同團隊，并適應戰斗的動態性質。在HAT ERP的項目5中，正在解決的一個具體領域是如何有效地衡量關鍵的團隊過程，如信任和凝聚力。因此，HAT項目5的總體目標是開發新的、多模態的團隊信任和凝聚力指標，以有效地校準信任并提高支持下一代戰斗車輛（NGCV）的人類自主團隊的性能。HAT項目5更具體的目標包括：1）確定非侵入性的、實時/近實時的信任度量，以捕捉團隊信任的動態性質；以及2）為適當的信任干預提供信息，以便對個人和團隊信任進行適當校準。

盡管已知測量和評估信任在團結互助互動中的重要性，但仍有一些評估的復雜性和考慮。第一個問題集中在信任測量上。信任是一個復雜的結構，傳統上有點難以定義，因此也難以測量。例如，仍然需要努力了解信任測量的類型和應該利用的適當指標，因為并非所有的信任測量都是平等的。雖然有一些現有的信任測量方法，但它們大多使用自我報告的問卷；這些問卷提供了有價值的信息，但只是在離散的時間點上。我們需要與信任的動態性質相一致的測量方法，并允許在特定時間段內進行更連續的測量；從而提供有關信任變化以及它如何影響團隊互動和績效的更有力信息。此外，正如項目5（Krausman等人，2022年）下進行的研究所證明的那樣，對人類自主性團隊信任的評估必須考慮團隊發展和/或團隊工作的前、中、后階段，必須包括超越績效的多模式指標（Schaefer等人，2019年；Brewer等人，2022年）。見圖 1。

圖1 包括壓力、信任和凝聚力在內的事前事后主觀狀態的多模態數據表示，數據流來自通信指標和生理數據

鑒于這一要求，并基于文獻、實驗室和實地研究，Krausman等人（2022年）開發了一個概念性的工具包，由新的信任措施組成，包括以下內容： 1）主觀（即人際信任、技術信任）；2）通信（即通信流、網絡動態、語義內容分析）；3）生理（即心率、心率變異性和呼吸率）；4）行為（眼球追蹤、界面互動等）；以及5）情感（即面部表情追蹤）。認識到對信任評估平臺的需求，一個多模態的信任測量軟件工具箱逐漸形成--人類-自主性團隊信任工具箱（HAT3）。

第二部分將概述HAT3軟件的開發和其中包含的旨在測量信任的具體技術。此外，所討論的每個模塊將在隨后的章節中進一步詳細說明，并將包括信任測量類型的概要，以及有利于HAT ERP和NGCV項目的具體指標。

管理整個戰場上不斷增長的數據量和速度是作戰人員的一個關鍵問題。解決這個問題將需要從根本上改變戰場分析的方式。一種在戰場上做出決策的新方法將通過將分析能力移至數據源附近來消除數據傳輸延遲。決策周期取決于捕捉數據并將其轉化為可操作信息的速度，以便進行決策。實時態勢感知是通過將計算資產定位在戰術邊緣來實現的。

加速戰術決策過程需要利用三個技術領域的能力：（1）高性能計算（HPC），（2）機器學習（ML），以及（3）物聯網（IoT）。利用這些領域可以減少網絡流量，縮短將數據轉化為可操作信息所需的時間。更快的決策周期可能會徹底改變戰場上的行動。

本報告概述了一個人工智能（AI）系統的設計，用于在戰術作戰環境中的近實時分析，在同地的移動HPC硬件上執行。該報告包括以下幾個部分：（1）描述動機、背景和技術狀況的介紹；（2）利用HPC問題定義和用例的戰術決策過程描述；（3）HPC戰術數據分析框架設計，使數據變成決策。

1 引言

背景

戰術邊緣人工智能（AI）的方法被細分為三個主要研究領域：（1）研究延伸到戰術邊緣的移動或便攜式高性能計算（HPC）環境的硬件和架構；（2）研究機器學習（ML）算法和物聯網（IoT）架構及其與便攜式HPC的一致性；以及（3）利用邊緣HPC為戰術決策過程設計操作工作流框架。

• HPC邊緣架構： 這項工作包括調查在移動和/或便攜式HPC環境中提供和支持數據科學能力所需的最先進的硬件、軟件、網絡和存儲。

• ML邊緣分析： 機器學習已經通過尋找和分析大數據集的潛在特征的能力改變了數據分析。我們能否徹底改變戰場上的數據分析方式，然后建立讓ERDC解決這一類新問題的能力？

• 邊緣HPC：這項工作旨在將擬議的硬件能力創新與創新的分析能力結合起來，以最優化和最恰當的方式在戰術邊緣提供計算密集的決策支持分析。處理這項任務的方法將是在解決作戰需求的同時暴露出一個作戰過程。換句話說，當團隊直接為現實世界的戰場數據處理需求建立戰術邊緣分析時，為實現戰術邊緣分析所經歷的操作流程將開始定義一個可推廣的操作流程，以利用邊緣的HPC解決戰術決策分析問題。

動機

技術創新（AI）在各行業和各國的快速發展和擴散性質正在削弱美國對國防技術應用的壟斷。獲得的優勢是暫時的，因為近似的對手能夠迅速利用這些日益普遍的能力。中國制定了一項發展計劃，到2030年成為人工智能的世界領導者，并創造一個1500億美元的產業。俄羅斯總統弗拉基米爾-普京表示，"誰成為這個領域（人工智能）的領導者，誰就會成為世界的統治者"（Gigova 2017）。美國防部（DoD）必須迅速而果斷地利用人工智能和自動化，使美國部隊能夠更有效和高效地運作。通過以戰略為重點的意圖和工作，適當地加以利用，人工智能可以成為最大的補償--或者說，如果缺乏遠見和方向，它可能會成為一個戰略赤字。

人工智能已經成為每一類企業的解決方案和問題的一個日益增長的來源。基于人工智能的技術已經融入如此多的部門，往往引起巨大的變化，從軍事或全球安全的角度來看，它不能被忽視。

潛在軍事應用的早期AI問題（通過全球安全集團的視角）：

1.在近期內，人工智能的哪些軍事應用是可能的？

2.在這些應用中，哪些是對戰略威懾的穩定性有潛在影響的？人工智能是否會改變我們考慮威懾的方式？

3.人工智能輔助的軍事系統如何影響區域穩定？

4.區域穩定和戰略威懾之間有什么聯系？

5.人工智能帶來的意外后果和戰略意外的風險是什么？

目前國防界對什么是人工智能缺乏共同的模式、術語和基線。人工智能有許多應用和方法，但其中最大和最廣泛使用的是以一種形式提供價值的方式分析 "大數據"。狹義人工智能使用離散的問題解決工具來執行特定的狹義任務。通用人工智能包括旨在模仿和重現人腦功能的技術。狹義的人工智能有更多的采用，并被證明在各種領域提供價值。人工智能與商業應用的交叉，使數據豐富的領域有了預測分析的能力。大量的傳感器和相機，加上現有的以數據為中心的資源，正在推動人工智能的機會，以揭示隱藏的洞察力。

目標

人工智能顯然有潛在的軍事潛力，但要到什么時候才能在實踐中真正顯現出來？美國防部在2018年6月建立了一個聯合人工智能中心，導致資金和研究的增加。與工業/學術界人工智能應用直接類似的軍事應用（物流、規劃、分析、運輸等）已經在整個國防和情報界迅速采用了人工智能支持的數據分析。戰爭有單獨的和不同的應用，對人工智能的采用較慢。適用于戰爭的人工智能應用的主要類別是：（1）那些主要在戰爭的戰役層面產生影響的應用；（2）那些主要在戰爭的戰略層面產生影響的應用。"在戰爭的戰役層面上的人工智能應用可能對使用通用軍事力量來實現戰術目標產生非常大的影響，從而對常規威懾的可信度產生影響。人工智能在戰略層面的應用可能會對有關戰爭規模和范圍、升級和降級的政治決策產生重大影響，進而影響戰略穩定和威懾"（Davis 2019）。

美國防部戰略的一個關鍵重點是確定關鍵的探路者，使該部能夠實現其人工智能的愿景：

• 繼續開展被稱為 "Maven項目 "的算法戰爭跨職能小組（AWCFT）的工作，以迅速整合和部署商業和政府開發的人工智能能力，支持反ISIS運動。

• 建立一個以國防部人工智能為重點的中心，在國防企業的多個領域創新和部署人工智能系統的操作原型，并確定將人工智能技術持續應用于各種用例的途徑。

• 在戰術邊緣提供世界級的計算能力。國防部將重新獲得嵌入式HPC的競爭優勢，以支持 "算法戰爭"，重點是在運輸集裝箱中的前線部署HPC，以支持戰地戰術行動。設計利用世界一流的高功率架構來融合數以萬計的信息源。

美國國防部的人工智能目標是：

• 為人工智能建立跨領域的基礎。美國防部將加強跨領域的基礎，并制定法律和政策框架，以確保其能夠成功應用人工智能。它必須強調其開發的系統的互操作性，同時確保其部署的安全和保障。此外，它必須最大限度地追求國際、商業和學術伙伴關系，同時增長和培養自己的有能力的人工智能勞動力。

• 實現軍事技術的優勢。美國防部將集中投資并利用商業和學術投資，以便在關鍵領域實現對對手的軍事技術優勢，包括核心人工智能、機器學習、機器人、數據分析、高級計算和人類-人工智能協作。

• 轉變美國防部的關鍵業務職能。美國防部將通過大量利用商業AI/ML產品和投資來實現其業務運作的現代化和簡化。

• 建立、部署和維護基于AL/ML的能力，提供戰場上的軍事優勢。為了提高殺傷力，美國防部將投資于應用能力的開發，將新興技術與特定的軍事能力和行動概念聯系起來，快速過渡能力，并專注于關鍵的應用領域。

已經確定的（目前正在研究的）三個潛在應用的作戰目標：

• 無所不在和無所不知的自主車輛

  • 高度重視人工智能的軍事應用

  • 專注于所有級別的無人系統（陸、海、空）。

  • 進行復雜的戰役戰術，快速調整，報告變化

• 大數據驅動的M&S和兵棋推演

  • 人工智能已經在核武器系統中得到了一些應用。

  • 對人工智能的兵棋推演方法的興趣增加，以探索和了解動態條件如何影響結果和決策。

• 集中的情報收集和分析

  • 需要更快地分析情報數據流（沒有信息過載）。
  • 數據量的增加（加上來自不同來源的數據種類增加），需要人工智能來解決收集和分析問題

已經為戰略目標確定了四個潛在的應用（目前正在研究）：

• 實現情報、監視和偵察（ISR）的系統體系

  • 目標識別只是開始；ISR也需要多領域的態勢感知。
  • 整體感知是目標，也是關鍵，因為戰場延伸到所有領域。
  • Maven項目（算法戰爭跨職能小組）。
  • 軍事版的物聯網可以在傳統因素中實現軍事優勢：速度和范圍

• 戰略資產的精確瞄準

  • 由人工智能賦能的ISR使定位、跟蹤和瞄準戰場上的實體成為可能，從而使打擊敵人成為可能。
  • 在更好地理解之前，使基于相互脆弱性的威懾的基本戒律變得不太確定

• 有效的導彈防御

  • 實現更好的目標獲取、跟蹤和識別
  • 防止彈道導彈攻擊

• 人工智能引導的網絡

  • 通過創建人工智能引導的探測、繪圖和黑客系統來發現網絡/數據的漏洞，以實現防御性戰略
  • 用于定位和收集、破壞或虛假信息的進攻性人工智能
  • 防御性人工智能用于檢測入侵和搜索衰弱的異常情況

這些都直接影響了戰爭的速度。"戰爭的速度已經改變，而這些變化的性質使得全球安全環境更加不可預測、危險和無情。決策空間已經崩潰，因此程序必須適應戰爭速度的發展"（Garamone 2017）。有人說，"軍隊必須最大限度地利用其決策空間，所以軍事領導人可以以戰爭的速度提出選擇"（Garamone 2017）。這可以通過 "建立一個框架，使高級領導人能夠及時做出決定"（Garamone 2017）來實現。

方法路徑

人工智能是實現迎戰戰爭速度變化這一總體目標的關鍵一環（圖1）。人工智能為指揮官提供了對態勢理解，并為高效和有效地處理、利用和傳播信息打開了大門，其速度是人類無法比擬的。人工智能使系統能夠學習和適應，加快作戰節奏，使士兵更聰明，并能自主操作。戰場系統需要有彈性，能夠適應不斷變化的情況。信息的增長已經超過了人類快速分析信息并將其應用于決策過程的能力。士兵和機器作為一個綜合認知系統工作，能夠大大擴展數據分析的深度和廣度。機器專注于分析低層次的細節，讓士兵將注意力集中在更高層次的戰略和規劃上。

人工智能對威懾和穩定有多種潛在影響。它也有很大的潛力通過增加感知到的突襲風險來侵蝕穩定。歪曲的數據可能導致人工智能系統采取意想不到的行動。人工智能確實會犯錯，但這些錯誤不能導致戰略不穩定或不必要的升級。人工智能的速度可能會意外地加速一些可以通過其他努力來降級的事情。當被賦予與外國和友好平臺有關的不同參數時，它也可能誤報意圖。人工智能只是跟上戰爭速度的大拼圖中的一塊。

定義邊緣

邊緣的定義是相對于事業內部的位置而言的。例如，移動網絡運營商（MNOs）認為邊緣是其無線接入網絡（RAN）的末端，是多接入邊緣計算（MEC）的一個大機會。數據中心服務提供商可能將邊緣視為部署在關鍵位置的基礎設施，以盡量減少通信延遲。HPC和邊緣服務器供應商將遠程站點的設備視為其邊緣。數據處理要求的范圍可以從邊緣的超低延遲和實時延遲，到 "近邊緣 "的中等延遲和本地數據處理，再到集中式數據中心的高延遲和高容量存儲和網絡。

人工智能邊緣計算將通過把計算帶到數據上而不是把數據移到這些強大的計算機資源上來減少網絡流量需求。這將減少從數據到決策所需的時間（圖2）。邊緣計算在將計算資源移至數據源附近時，利用了更小、更強大的設備，從而減少了網絡流量，使計算資源更接近前線（圖3）。它將分析數據所需的計算匯集到數據源；數據到決策（D2D）的時間減少了，從數據中提取的見解和信息被高度壓縮并更容易分享，更多的計算能力可以在更小的設備中得到。傳統的方法是在低層（戰術邊緣）收集數據，并將數據傳輸到高層進行處理和分析。這種方法的結果是隨著數據源的不斷增加而出現了擴展問題。它通過傳輸未處理的數據給網絡帶來了負擔。數據傳輸成為一個主要的瓶頸，影響了戰場的節奏。

目標

一個有效的指揮和控制（C2）系統必須為用戶提供作戰畫面，支持規劃過程，并能接收、處理和傳輸信息。

這項工作的目的是研究人工智能和HPC一起工作，以推進關鍵的軍事能力，如態勢感知（圖4）。邊緣的HPC加人工智能提供了對本地數據的近乎實時的利用，支持高度的自主性，計算資產被移到離數據源更近的地方，增加了數據分析的深度和廣度，減少了做決定的時間，洞察力為決策提供了依據。

報告組織

本報告分為六章：

• 第一章是對當前情況的概述和報告的目的。
• 第2章提供背景和當前可用的軟件和硬件基礎設施。
• 第3章調查了要調查的潛在軍事用例。
• 第4章提供了解決該問題的建議方法。
• 第5章總結了報告的內容。
• 第6章涉及未來的工作計劃和發展。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。

在聯合全域指揮與控制（C2）傳感器網絡和美海軍的 "超配項目"中，無人系統（UxS）是一種共享能力，它擴展了軍事力量的范圍和能力，以加強在有爭議空間的戰術。這增加了對可互操作的網絡框架的研究，以安全和有效地控制分布式無人系統部隊。迄今為止，陳舊的技術、分離和專有的商業慣例限制或掩蓋了對新興產業技術的追求，這些技術提供了當今現代化部隊所需的安全功能，留下了更多的問題而不是事實。此外，UxS的功率和處理限制以及受限的操作環境禁止使用現有的現代通信協議。然而，消息層安全（MLS）的發展，一種安全和高效的團體通信協議，可能是UxS團隊的理想選擇。這篇論文記錄了從一項定性研究中收集到的結果，發現MLS是UxS小組安全和效率的最佳選擇。它還記錄了MLS與ScanEagle無人機（UAV）和海軍信息戰太平洋CASSMIR無人水面艇（USV）的整合。該實施方案提供了一個作戰概念，以證明使用MLS在多域特設網絡配置中為無人機和USV之間提供安全和高效的C2和數據交換。所進行的實驗是在一個虛擬環境和物理UxS中進行的。

引言

對聯合全域指揮與控制（JADC2）架構至關重要的是多樣化的無人系統（UxS）和傳感器。這些不同的設備將使以人機協作為中心的未來海上力量相互連接。

例如，考慮一個聯合全域用例，即無人系統提供針對近距離對手的能力。UxS的指揮和控制（C2）依賴于通信鏈路--其安全性和設計決定了在對手攻擊的情況下的速度、互操作性和傷害能力。相反，在相同的C2通信鏈路中的不足或使用傳統的架構會轉化為戰術和戰略上的劣勢，有可能將傳統的作戰部隊置于危險境地。我們的研究旨在確定和實施一個可行的C2鏈路安全方案，該方案有可能為分布式多域環境中的UxS提供一個安全、可擴展和可互操作的解決方案。

目前，美國防部（DOD）和美海軍部（DON）正在取得重大進展，以利用整個企業的獨特任務和機會[1]。這些新的可能性包括增加對無人系統和傳感器的使用，使之超越目前的使用案例平臺。在實現無人平臺和系統的數據共享時，網絡安全必須被視為眾多核心技術中的重中之重。這些努力必須考慮確保關鍵的推動因素，如網絡、基礎設施和C2，以及強大的安全協議和認證方法。這些考慮將變得至關重要，因為JADC2企業試圖從分離轉向更統一的數據環境，在對手已經開發出高度復雜的反介入和區域拒止（A2/AD）能力的情況下，所有的人都可以訪問[2] 。

在今天的現代戰爭中，作為分布式力量倍增器的UxS將取決于安全和高效的C2。隨著UxS發展的成熟，對互操作性的需求將增加。這項研究分析了當前和新興的安全協議，并將其與JADC2和 "超配項目"的要求相匹配，以評估和確定支持這些要求的最佳屬性和協議。然后，這項工作根據所需的安全排列選擇消息層安全（MLS）協議，以便在UxS平臺上實現可行性，特別是記錄程序ScanEagle無人駕駛飛行器（UAV）。

近鄰的對手繼續追求A2/AD能力，以擊敗傳統的美國軍事力量。假設UxS的網絡和物理安全屬性沒有得到解決或設計得不好。那么其他的核心技術，如定位、導航和定時、可靠性、互操作性、通信以及平臺的感知和決定能力都會退化或受到損害。從目前孤立和陳舊的認證過程遷移到一個有效的集成開發、安全和操作環境，對于成功地將用戶體驗平臺和傳感器納入JADC2環境是至關重要的。這種遷移也受到了挑戰，因為需要從傳統的技術和開發框架迅速發展到快速出現的技術，這些技術更有能力在近距離威脅的進展中保持相關性[3]。解決這一挑戰將需要將技術障礙與文化、財政、程序和政治上的孤島融合起來[4]。一旦美國防部解決了這一挑戰，它將有能力實現無縫整合、同步和安全，這對無人機成為多領域作戰的力量倍增器是必要的。

1.1 問題陳述

在一個技術競爭迅速的時代，JADC2基礎設施依賴于20世紀90年代構思的技術（如IPSec[互聯網協議安全]和TLS[傳輸層安全]），同時被限制在美國家安全局（NSA）制定的通用協議和標準下進行安全通信[5]。這些網絡安全協議是點對點的，每增加一個新的網絡設備，都需要與每一個現有的網絡設備建立單獨的信道，這就是指令概述。盡管在成立之初是最前沿的，但值得注意的是，幾十年后的今天，我們仍然依賴這種點對點的安全連接，在動態自治設備網狀網絡之上強行建立一個高延遲和過時的安全覆蓋層。整合改進不僅需要評估適當的現代替代方案，還需要一個能夠及時有效地用新興的行業解決方案解決UXS安全挑戰的操作授權（ATO）程序。

為了解決這些問題，我們提出了以下研究問題：

• JADC2和Overmatch項目的C2協議安全要求是什么？

• 根據在JADC2相關領域工作的國防部主題專家，現代C2安全協議需要哪些功能來滿足JADC2環境的需要？

• 哪種安全協議能最好地滿足所有這些需求，以及UxS C2鏈接的使用可行性是什么？

1.2 范圍

這項研究支持整個美國防部和美海軍部關于當前規范的討論，不充分的網絡安全做法和認證程序決不能阻礙無人駕駛系統的通信安全的未來狀態。這些方法必須不斷發展，以充分解決我們的傳感器和無人駕駛資產在高度技術性的同行競爭威脅中對速度和安全的日益增長的需求。

這項研究支持整個美國防部和美海軍部關于當前規范的討論，不充分的網絡安全做法和認證程序不得阻礙未來的無人機通信安全狀態。這些方法必須不斷發展，以充分解決我們的傳感器和無人駕駛資產在高度技術性的同行對手威脅中對速度和安全的日益增長的需求。

基于研究結果，一個選定的協議在受控的實驗室環境中被實施、測試并進行虛擬基準測試。在成功完成受控的虛擬測試后，虛擬實施過渡到在NPS自主飛行器研究中心（CAVR）ScanEagle無人駕駛飛行器（UAV）和海軍信息戰中心-太平洋（NIWC-PAC）合作自主系統對峙海上檢查和響應（CASSMIR）無人地面飛行器（USV）上的實際應用。

在本論文中，無人系統和無人車之間沒有任何區別，不分領域，即空中和水面；都被稱為UxS。

然而，在實驗過程中，測試將發生在無人機和USV上。這項研究的目的是解決對不依賴平臺的C2鏈路安全協議解決方案的需求。

通過混合方法（定性和定量）的研究工作，實現以下主要目標是本論文的貢獻：

• 進行定性研究，確定JADC2和Overmatch項目的UxS安全協議需求。

• 將定性研究結果與對當前軍事和工業安全協議選項的評估結合起來。

• 為多域作戰（MDO）UxS用例選擇一個可行的安全協議選項。

• 在最佳網絡條件下實施和評估選定的安全協議，用于UxS模擬。

• 在ScanEagle和CASSMIR上實施和評估所選擇的安全協議。

1.3 相關研究

UxS的研究空間是巨大和不斷發展的。正如本節所討論的，UxS安全的主題已經在各個研究領域得到了研究和記錄。然而，將不同的協議與軍事要求進行比較，以制定C2協議標準，提高安全性、效率和互操作性的研究有限。盡管如此，選定的先前研究提供了與我們的研究有關或支持我們研究的見解。

來自俄勒岡大學、南佛羅里達大學、海軍研究生院和凱斯西儲大學的研究人員，專注于建立基于性能和安全之間平衡的最有效的密碼文本算法或密碼框架[6]-[8]。這些論文解釋說，我們目前最常用的密碼套件對于小型UxS來說，計算量和功率都太大，例如Craziefile 2.0，它使用ARM Cortex M-4架構，工作頻率為168 MHz。其他研究則是研究用于開發UxS的軟件的安全基元，如機器人操作系統（ROS），并解釋了安全漏洞和緩解措施，以實現無人系統的安全、可靠部署[9]。最后一項研究揭示了這些基礎技術的脆弱性和保護它們的必要性。

從相關的研究來看，重點是尋找最佳的拓撲結構、路由協議或數據信息傳遞，以支持越來越多的無人駕駛系統和傳感器一起工作和運行[10], [11]。這些工作大多旨在通過將傳輸的開銷成本降到最低，找到維持C2的最有效方法[10], [11]。其他的UxS研究課題側重于網絡安全的最佳實踐，強調在無人系統中發現的漏洞到可能的新攻擊載體和可能的緩解技術之間的范圍[12]。

有過多的指導和研究概述了要求和解決方案；然而，沒有一個真正量化了國防部和海軍內部無人系統平臺和傳感器的C2鏈接安全的重要性。更少的指導和研究將協議和算法與這種需求相匹配。相關研究表明，這些觀點并沒有直接涵蓋選擇和使用標準化協議的整體性，以提高UxS C2鏈路安全、效率和互操作性。這些方法考慮了密碼器的內部性能、ROS軟件的安全服務和能力、UxS的脆弱性和整體網絡性能。本論文旨在研究一個標準化安全協議的實施，該協議可以作為應用層的安全軟件，與設備和互聯網協議網絡無關。

有大量的指導和研究概述了UxS的安全需求；然而，沒有一個真正量化了這些軍事用途的安全需求。從美國防部和海軍部的UxS平臺和傳感器的C2鏈路安全的重要性的現實世界經驗。

1.4 論文組織

本論文的其余部分組織如下。

第2章概述了JADC2和Project Overmatch倡議，以了解這些倡議的安全協議要求。本章還討論了美國國家標準與技術研究所（NIST）和美國國家安全局在加密協議的標準化和選擇方面發揮的作用。它回顧了安全通信協議的工業和軍事安全方法、相關性能以及通過使用專有和基于標準的安全協議解決的安全問題。

第3章提供了一個定性研究，包括面向網絡安全的訪談問題。研究的對象是在安全、自主設備和傳感器網絡、獲取或重疊方面有經驗的軍事、民事和承包商人員。從訪談中收集到的數據為國防部和國防部深入了解UxS的通信安全現狀以及相關的網絡安全和認證程序提供了更深的理解。

第4章根據第3章和第2章的結果進行交叉分析，提供了協議的比較和選擇。它討論了專有的和標準化的安全協議，這些協議是第2章中討論的網絡和倡議的關鍵網絡安全組成部分。它還將美國防部和美海軍部的UxS安全要求與定性研究的結果以及所討論的當前和新興的安全協議相匹配，以選擇UxS平臺的C2所需的最有能力的安全協議。

第5章概述了MLS在MDO UxS情況下的方法和實施。它描述了MLS和ROS的結構。它概述了協議功能概述，代碼開發階段，以及為支持實施而創建的核心功能。它還涵蓋了用于創建MLS指揮和控制（C2）應用程序（MLS C2）與ROS接口的分步方法概述。

第6章討論了在5中開發的各種MLS應用程序的實驗，并分析了其對研究用例的影響。這一章包括對測試過程的描述和對結果的描述。

第7章提供了一個結論，涵蓋了本論文研究的意義，對研究進行了總結，并推薦了繼續工作和替代方法的選項。

反叛戰爭的經典和現代理論強調了資源能力的作用。我們證明，在確定叛軍如何對裝備較好的政府軍發動復雜攻擊的具體細節方面，由這些資源提供的情報收集發揮了關鍵作用。我們利用關于阿富汗叛軍攻擊、叛亂分子領導的間諜網絡和反叛亂行動的高度詳細的數據來檢驗理論模型。利用鴉片適宜性的準隨機變化，我們發現，叛軍能力的提高與（1）額外的反偵察，（2）叛亂行動的增加，（3）通過技術創新、增加復雜性和攻擊集群改進戰場戰術，以及（4）提高對安全部隊的有效性，特別是對更難對付的目標。這些結果表明，獲得資本，再加上情報收集，對叛軍的作戰方式和地點產生了有意義的影響。

引言

國內沖突已經取代了國家間的戰爭，成為人員損失和人口遷移的主要來源。一般來說，人們都知道，資源能力決定了叛軍如何招募、保留和部署他們的戰士（Weinstein，2007）。叛軍持有的經濟資源的波動影響了叛軍活動的規模（Dube和Vargas，2013年），他們對戰略領土的控制（Kalyvas，2006年），以及他們如何對待平民（Wood，2014年）。這些因素反過來又影響到平民是與叛軍勾結還是與政府軍合作（Condra和Shapiro，2012）以及政府參與發展和重建的能力（Sexton，2016）。

在這篇文章中，我們從更細微的層面來解讀資源可用性對作戰策略的影響。在我們的非正規戰爭模型中，叛軍收集有關目標脆弱性的信息，并根據這些信息選擇攻擊模式。積極的經濟沖擊使叛軍能夠獲得相對高質量的情報，他們的攻擊變得更加復雜，涉及更復雜的武器，并聚集在一組最脆弱的目標上。從技術上講，我們的模型是Blotto上校博弈的一個新版本，這是一個標準的兩方沖突的一般模型（Blackett, 1958; Powell, 2007; Kovenock and Roberson, 2012）。我們為攻擊方增加了收集有關目標脆弱性的額外信息的可能性：在政府分配了其防御資源后，每個可能的目標都要進行脆弱性測試，叛軍對目標的選擇依賴于這些測試的結果。在均衡狀態下，不同目標的最佳攻擊分配要考慮到這些額外的信息；這在信息的精確性和攻擊的分配之間建立了聯系。

我們使用美國政府提供的解密軍事數據來測試我們模型的含義，這些數據記錄了在 "持久自由行動 "期間阿富汗的數十萬次戰斗。這些數據在范圍和規模上都是獨一無二的；它們包含了原本無法觀察到的戰斗行動細節，如叛亂分子監視行動的地點、叛亂分子的戰場創新、叛亂分子的單位滲透以及欺騙性武器技術的使用。我們將這些細化的記錄與微觀層面的鴉片生產地點和強度信息以及影響鴉片生產力的外生農藝條件的衛星測量相結合。我們利用這些高分辨率、高頻率的農業投入措施來構建一個新的外源性鴉片適宜性措施。我們還收集了一系列有關農業價格區、基礎設施項目、灌溉技術和使用脅迫性威脅來操縱當地生產的額外信息，以評估反叛能力的沖擊如何影響政治暴力。

我們發現一致的證據表明，對反叛組織的正面經濟沖擊導致了暴力的增加和反叛分子產生暴力的方式的改變。特別是，我們發現反叛者能力的提高與反叛者更多的技術創新有關，更多的攻擊涉及對政府部隊的復雜滲透，更多的使用欺騙性武器技術，以及更復雜的多目標作戰行動。我們還發現，隨著叛亂分子獲得資本的增加，他們在時間和空間上都參與了更多的集群攻擊。重要的是，由于我們的作戰記錄還包括叛軍的監視信息，我們可以檢驗我們理論模型的核心猜想：獲得有關政府漏洞的更精確的信息使叛軍可以將資本轉化為更復雜的攻擊。在我們的樣本開始時，叛亂分子能夠在阿富汗398個地區中的70個地區進行監視行動，我們在圖1中對其進行了可視化。我們發現了這一機制的廣泛證據：在戰役早期叛亂分子開展監視行動的地區，暴力和攻擊的復雜性對資源能力的反應特別強烈。

圖 1：叛軍領導的在阿富汗進行的監視行動。

注釋：叛亂分子間諜行動的數據來自SIGACTS軍事記錄。交叉模式表明叛亂分子在2006年期間至少進行了一次被發現的監視行動，這也是我們樣本的第一年。地區邊界取自ESOC阿富汗地圖（398個地區）。

利用現代計量經濟學推理方法對戰斗策略進行的研究仍然很少，這些研究利用了細化的軍事記錄。正如伯爾曼和馬塔諾克（2015）所指出的，在我們對叛軍何時和如何參與武裝斗爭的理解之間存在一個有意義的差距。我們的論文有助于解決這一差距。更廣泛地說，我們的論文提供了對叛亂基本機制的見解。國家能力是沖突的經濟理論的核心（Besley和Persson，2011；Powell，2013）。然而，國家競爭者可用的資源也影響著沖突何時出現，內部戰爭如何進行，以及是否以撤軍結束。

我們的理論模型和實證測試還關注沖突中一個新的但經常被忽視的動態：所有各方都收集信息。之前關于反叛亂的工作主要是研究戰斗的動態，包括對平民的傷害，如何影響政府軍的情報收集（Condra和Shapiro，2012）。這部分是由于很難觀察到非國家行為者如何以及何時參與監視并管理有關戰斗活動和目標脆弱性的信息流。然而，Kalyvas（2006）和其他人使用各種人種學、歷史和檔案方法指出，在沖突期間，特別是不對稱戰爭期間，信息對各方都很重要。我們的理論模型強調了這一機制，認為情報收集決定了叛亂分子在哪里、如何以及以何種方式制造暴力。我們還對這一機制進行了廣泛的定量探討，并對政治暴力的豐富定性描述進行了探討，這些描述將信息置于國內沖突的中心。

最后，我們的研究是第一個估計資源能力對戰場有效性影響的研究，特別是涉及車輛和武器系統損壞以及士兵傷亡的攻擊。我們發現，這些有效攻擊隨著鴉片適宜性的正向沖擊而大幅增加，特別是針對硬目標的攻擊。與我們的主要結果一致，我們還發現，這些沖擊對叛軍能力的影響是由情報收集機制介導的：在叛軍能夠獲得監視資產的地區，戰斗力的提高最為明顯。

本文的其余部分組織如下。第2節介紹了我們的理論模型。第3節簡要介紹了制度背景。第4節詳細介紹了實證策略。第5節介紹主要結果和穩健性檢驗。最后一節是結論。

基于蘭徹斯特方程的戰斗模型描述了一支同質的藍軍對一支紅軍的戰斗。然而，在現實中，沖突涉及在多個領域運作的多個陣營。我們提供了一個兩方（藍方和紅方）各自可能有盟友（綠方等）的一般損耗模型。另外，如今的沖突不僅發生在物理領域，也發生在由新興技術創造的領域。例如，網絡戰略也包括在內，反映了當今多域作戰的復雜性。我們的模型是概率性的，即損耗率服從密度分布，并且是基于流行病模型的。它得出的指標包括沖突的持續時間和傷亡人數。因此，我們比較了兩種情況：a）藍軍對紅軍；b）藍軍和綠軍對紅軍。通過對參數空間的數據耕作（MSG-186）分析，我們確定了每一方的成功機會以及贏得沖突的條件。這使我們對涉及多因素的現代戰爭有了深入的了解，也許還能估計出多域作戰的可能結果。