摘要

美國國防部作戰測試與評估主任辦公室的戰略倡議、政策和新興技術部（DOT&E SIPET）正在為未來多域作戰的測試與評估（T&E）工作出謀劃策。作戰人員需要從海底到太空再到網絡的綜合視角來擊敗對手。由于環境、財政、安全、保密和道德方面的限制，不可能對這些能力進行現場測試，因此我們的評估將更加依賴建模與仿真（M&S）來測試系統的有效性和互操作性。特別是，未來能力的測試和評估將依賴于數據驅動的企業 M&S，這種 M&S 將作為一種服務提供給士兵、水手、飛行員、監護人和海軍陸戰隊員。這種集成、擴展和數字化的 M&S 正處于新技術前沿的邊緣，存在許多懸而未決的問題，例如：

• 我們如何設計 M&S 和實戰測試，以形成 "預測、實戰測試、改進 "的反饋回路，從而在系統的生命周期內提高 M&S 的準確性？- 我們如何將 M&S 作為一種服務投入實戰，從而使操作 M&S 和理解其輸出結果所需的技能組合與現實世界中作戰人員所需的技能相一致？

• 如何確保所有作戰領域和數字能力的集成？

• 如何為測試與評估和作戰決策實施一個具有實時分析和準確結果的環境？

本文將探討這些問題，并對情報界的 "綜合威脅分析與仿真環境 "和 DARPA 的 "分布式實驗環境 "進行演練應用，以期超越對手的能力。

1 引言

千百年來，利用經驗觀測來推導和完善模型一直是科學、工程和技術的基石。例如，早在 15 世紀，第谷-布拉赫（Tycho Brahe）就進行了當時最精確的天文觀測，隨后開普勒利用這些觀測結果推導出了行星運動定律，牛頓又利用這些觀測結果推導出了三大運動定律和萬有引力定律，等等。

時至今日，我們已經擁有了實時傳感器和高吞吐量網絡的優勢，可以更緊密、更快速、更持續地將現實世界的觀測結果（即數據）與我們建立的模型結合起來。對于武器系統的測試與評估來說，這就要求我們最大限度地利用所收集的數據，并盡量縮短分析數據和將數據轉化為有價值的系統性能預測知識所需的時間。此外，一旦收集到足夠數量的實時數據來驗證或推導模型，我們就可以依靠該模型輸出準確的預測結果，而無需收集更多的實時數據（就像我們不再需要復制第谷-布拉赫對夜空的觀測結果來預測行星的運動一樣）。另一方面，從系統運行中獲得的任何相關附加數據都可用于在系統的整個生命周期內進一步完善其模型（正如持續的天文觀測有助于反復提高我們行星運動預測的準確性，盡管開普勒定律總體上仍然成立）。

從作戰角度看，軍事行動與 M&S 環境的這種更緊密、更快速和持續的耦合提供了無與倫比的戰場優勢。這意味著在不久的將來，指揮官將有效地從其指揮的部隊和整個戰區獲得實時反饋，他們可以利用這些反饋以前所未有的方式快速、明智地采取戰術并為作戰提供信息。

1.1 構建 M&S 和實際測試，以形成 "預測、實際測試、改進 "的反饋回路，從而在系統生命周期內提高 M&S 的準確性

在考慮將 M&S 架構與現場測試活動和實際操作相結合，以形成 "預測、現場測試、改進 "的反饋回路，從而在系統的生命周期內提高 M&S 的準確性時，我們必須處理兩類不同的模型：基于效應的模型和基于物理的模型。基于效應的模型是從現實世界的觀測結果中根據經驗推導出來的；它們是直接根據數據設計建立的，因此可以在獲得新數據時直接對其進行更新。另一方面，基于物理的模型是根據科學定律的第一原理構建的，用方程式表示，然后轉換成軟件代碼。

例如，開普勒的行星運動定律是根據第谷-布拉赫的觀測直接推導出來的，是一個基于效應的模型，而牛頓定律也是根據經驗從開普勒定律中推導出來的；盡管我們現在知道牛頓定律是第一原理，而且事實上可以從數學上推導出開普勒定律--這就是科學、技術和發現的強大反饋回路！

讓我們回到作戰人員和武器系統的測試與評估。以現實世界中小艇突襲對軍艦造成的威脅為例。軍艦可能會部署大型火炮來抵御小艇的襲擊，而構建模型來預測軍艦對這些威脅的防御能力可能會有所幫助。在這種情況下，建模者可以考慮兩種方法來描述火炮和彈藥摧毀小艇的能力：

• 構建基于效果的模型，使用實戰測試推導出的統計分布（如火炮回轉時間、瞄準時間和發射時間）。

• 構建基于物理學的模型，使用高保真軟件編碼的第一原理。

新的實彈測試數據可用于完善基于效果的模型，只需更新統計分布以納入新的測試點即可；然而，更新基于物理的模型的正確方法卻不那么明顯，這就提出了一系列需要解決的問題：

• 對模型輸入參數的單一調整能否捕捉到結果，特別是現場測試和運行中特有的隨機變化？

• 如果可以，能否證明這種調整在一段時間內是穩定的（例如，只有在獲得新的實時數據時才會稍有變化）？

• 如果是，模型的輸入參數是否可直接追溯到實時數據？也就是說，模型的輸入參數與實時測試中收集的不同數據元素之間是否存在明確的已知關系？

反過來，這些問題的答案都必須是肯定的，以證明基于物理的模型有能力根據現實世界的觀察和變化進行后驗、預測、易于理解和更新。然而，我們這樣做似乎是繞了一個大圈，實際上是把最初基于物理學的模型轉換成了基于 "數據驅動 "效應的模型，這也是本節的結論： 一個模型是否能夠進行后驗、預測，是否易于理解和更新，取決于它是否有能力捕捉實 時測試和運行所特有的結果和隨機變化，其調整是否穩定，其輸入參數是否可直接追溯到實 時數據。從這個意義上說，模型就是 "數據驅動 "的。這與模型是基于效應還是基于物理無關；從這個角度看，對測試與評估有用的基于效應的模型和基于物理的模型之間的區別，僅僅是使用了一套面向操作或面向物理的輸入參數以及支持這些參數的相應實時數據。

1.2 將 M&S 作為一種服務投入實戰，使操作 M&S 和了解其產出所需的技能組合與現實世界中作戰人員所需的技能相一致

充分發揮 M&S 在測試與評估和實際軍事行動中的潛力，取決于 M&S 的可及性、易用性和可理解性。簡而言之，要充分發揮 M&S 的潛力，就必須將該領域從目前的模型開發人員或其他訓練有素的技術人員作為典型用戶和解釋者的狀態，發展為直接向作為最終用戶的作戰人員提供可操作服務的狀態。這意味著作戰人員與 M&S 服務交互的方式必須與他們執行軍事行動時使用的技能相同；M&S 服務應提供以下服務：

• 為步兵提供第一人稱的數字界面，讓他們在戰術環境中與自己的小隊協同作戰，通過火力和機動來定位、接近和消滅敵人。

• 為艦長提供數字化界面，使其了解導航、艦船健康、潛在威脅接觸的態勢感知等作戰環境，以及用于艦船自衛和攻擊敵方資產的作戰武器系統。

• 戰區指揮官可以通過數字化界面了解戰略環境，查看從海底到太空和網絡等所有領域的部隊狀態和位置，以及敵方部隊的狀態和位置，從而有效指揮我方部隊擊敗敵人。

上文討論的 M&S 服務與當代電子游戲之間的相似性顯而易見--無論是步兵的第一人稱射擊游戲《使命召喚》、艦長的《戰艦世界》，還是戰區指揮官的《鋼鐵之心》。事實上，美國陸軍的電子游戲系列 "美國陸軍 "主要是作為教育和征兵工具開發的，但后來以各種方式被用作訓練美國陸軍士兵的平臺。此外，利用模擬器培訓軍事平臺操作人員的做法當然也無處不在。

要充分發揮 M&S 在測試與評估和實際作戰中的潛力，就必須將 M&S 能力從國防實驗室轉移到作戰人員手中。在我們邁向未來的過程中，操作 M&S 和解釋其輸出結果的過程應從技術實踐者轉向作戰人員。這就需要我們付出巨大的努力，將當前的 "后端 "M&S 功能集成到面向操作員的數字界面中。盡管如此，現代軍事主題電子游戲展示了為玩家提供此類界面的成熟框架，值得我們效仿。

1.3 確保所有作戰領域和數字能力的整合

通過開發一種開放的高級互操作性架構，克服許多特定領域工具所面臨的可用性和集成性挑戰，可以生成一種集成所有作戰領域和數字能力的 M&S 環境。也就是說，這種開放式架構將提供高層次、跨領域的互操作性層、應用編程接口以及與終端用戶接口的連接，這些都是將國防部眾多互不關聯的 M&S 工具整合到一個統一框架中所必需的，同時允許模型構建者專注于其特定領域的獨特屬性和物理特性。

例如，技術和數字娛樂行業正在開發一系列相關解決方案，其中包括用于構建和運行可擴展虛擬三維世界的開放式可擴展框架。這些解決方案的核心是建立在強大、開放的數字數據交換層之上，并提供了大量功能，用于描述眾多代理之間的交互，并將它們組合成更大的系統體系。此外，它們還支持協作，使許多用戶可以同時進行操作。

國防部的許多 M&S 工具都涉及信號傳播和網絡；在這里，這些虛擬 3D 世界構建技術已被電信行業用于整合其無線電頻率傳播模型和網絡模擬，以優化城市環境中 5G 基站的布局。

同樣，國防部內部也在實現這種能力方面取得了長足進步，以下兩個例子對此進行了討論：

• 綜合威脅分析與仿真環境 (ITASE)

下圖 1 著重介紹了情報界開發和使用的綜合威脅分析與仿真環境 (ITASE)。經過驗證的威脅模型和情景可集成到 ITASE 中，以實現從工程到殺傷網的多域任務級評估，包括陸地、空中、海上、太空、網絡和電子攻擊。

ITASE 提供開放、可互操作的接口，并已成功集成到分布式實時測試范圍數據流以及美國能力的仿真環境中，如 One Semi-Automated Forces (oneSAF)、Next Generation Threat System (NGTS) 和 Advanced Framework for Simulation (AFSIM)。

ITASE 已成功用于任務規劃，并與實際任務數據包集成，用于任務后分析。

圖 1：綜合威脅分析與模擬環境 (ITASE)

• 分布式實驗環境（DE2）

DARPA 開發了分布式實驗環境 (DE2)，以實現未來聯合作戰概念的快速、敏捷演進，如圖 2 所示。在 DE2 中，可以通過實時、虛擬和建設性實驗，根據實時數據對模型和仿真進行持續改進，從而形成 "實時測試、改進、預測 "的反饋回路。

DE2 提供的持續集成環境建立在可互操作的通用數據層之上，可將戰術軟件和硬件納入環路。它也是分布式的，可集成到許多站點和平臺，跨服務和跨領域，同時支持多級安全環境。

圖 2：分布式實驗環境

要生成一個能整合所有作戰領域的 M&S 環境，就必須采用開放式架構的互操作層，將國防部眾多互不關聯的 M&S 工具整合到一個統一的框架中，同時允許模型構建者專注于其特定領域的獨特屬性和物理特性。商業行業正在迅速成熟與構建和運行虛擬三維世界密切相關的開放技術，我們應該復制或直接采用這些技術。這些開放技術進一步實現了與現實世界同步的數字孿生。它們還被用于優化 5G 基站布局等與軍事相關的應用。目前，包括美國陸軍第五特種部隊（作戰支持）、卡內基梅隆大學軟件工程研究所（研發）和 DOT&E（測試與評估）在內的多個國防部組織正在對這些商用技術的軍事應用進行研究。美國國防部內部也在向這種能力邁進，情報界的 ITASE、DARPA 的 DE2 以及它們各自提供的數據互操作層都證明了這一點。

1.4 為T&E和作戰決策提供實時分析和準確結果的環境

必須在整個 T&E 企業部署大規模工業計算基礎設施，以便在未來聯合作戰行動的復雜程度和快速時間尺度上做出可靠的數據驅動決策。換句話說，測試數據的收集、分析和高級匯總必須實現網絡化、自動化，并與本文前面設想的統一 M&S 環境集成--從戰術邊緣到 C-suite 都是如此。圖 3 提供了這一企業數據和分析環境的技術視圖（青色）和概念性操作視圖（橙色）：

• 在邊緣： 來自平臺的原始流數據、機載數據縮減和分布式原始二進制數據存儲。

• 整個企業： 將數據后處理為開放的機器可讀格式（例如，國防部開發的云混合邊緣到企業評估和測試分析套件（CHEETAS）提供的數據互操作層）；集成到數據支持的 M&S；使用開放的通用自動數據分析環境（例如，國防部開發的 Automaton 數據分析平臺）進行 "在線 "系統性能分析；以及由分析師執行的臨時 "離線 "手動實驗和開發。

• 在C-suite ： Advana 使用由高級系統性能分析人工智能組成的數據集市進行大數據匯總高級分析。

圖 3：未來通用 T&E 企業數據和分析環境的技術視圖（青色）和概念性操作視圖（橙色）。

上述自動化數據和分析基礎設施背后的嚴密性不僅能加快分析速度，還能進行必要的復雜分層分析，以闡明高層次的協同任務效果： 在較簡單場景中收集的實時數據將與 M&S 進行 "混音 "和融合，以創建 "數字舞臺"，利用包括人工智能和貝葉斯網絡在內的各種先進分析技術，評估更復雜的作戰場景及其相關的突發行為。

讓我們回到小艇突襲防御的例子，并將其擴展到一個完整的咽喉要塞場景。現在假設對手部署了一系列武器和平臺--如水雷、裝備魚雷的潛艇和導彈炮臺--以阻止軍艦通過，并進一步假設軍艦現在由小艇射擊戰斗機和潛艇獵殺攻擊潛艇護航。在我們的數據混音和數字競技場概念中，各種武器和平臺的實時測試數據和威脅模型在虛擬環境中融合在一起，從而能夠對這種更復雜的作戰場景進行綜合分析。

目前正在實施多項計劃，以建設和部署工業計算基礎設施，為未來聯合作戰行動進行可靠的數據驅動測試與評估。本文前面設想的統一 M&S 環境將被集成到這一數據和分析環境中。當前的使能工具包括國防部開發的 CHEETAS 和通用 Automaton 數據分析平臺，以及 Advana 高級分析平臺。自動分析將在從戰術邊緣到 C-suite 的整個過程中投入使用。我們將闡明未來聯合作戰行動所特有的高層次協同任務效果，以及由此產生的新行為，具體方法是重新混合數據并將其與 M&S 相融合，以創建 "數字舞臺"。這樣，我們將利用包括人工智能和貝葉斯網絡在內的一系列先進分析技術，對這些復雜的作戰場景進行評估。

結論

DOT&E 明白，作戰人員需要一個從海底到太空，再到網絡的綜合視角，以擊敗我們的對手，保衛我們的國家。DOT&E 的 SIPET 部門--戰略倡議、政策和新興技術--正在塑造未來多域作戰的測試與評估。這些未來能力的測試與評估將依賴于數據驅動的企業 M&S 環境，該環境被集成到實時測試和數據饋送中，并作為一種服務提供給我們的士兵、水手、飛行員、監護人和海軍陸戰隊員。本文描述了 DOT&E 對這種環境的愿景，同時深入探討了它所面臨的許多挑戰：

• 構建 M&S 和實戰測試，形成 "預測、實戰測試、改進 "的反饋回路，在系統生命周期內提高 M&S 的準確性

• 確保所有作戰領域和數字能力的整合

• 將 M&S 作為一種服務投入實戰，使操作 M&S 和理解其輸出結果所需的技能組合與現實世界中作戰人員所需的技能相一致。

• 為測試與評估和作戰決策提供具有實時分析和準確結果的環境

對這些挑戰的闡述并非學術性的；相反，討論是務實的，圍繞迅速成熟的技術、先進的方法以及與未來聯合作戰概念的測試與評估相關的現實世界用例展開。DOT&E 和我們的合作伙伴正在開展多個研發項目，這些項目正在推進我們的 T&E 能力，并為我們應對挑戰做好準備--還有更多項目正在進行中。

美國陸軍認識到對手在戰略上正在整合信息作戰（IO）、網絡空間作戰和新興技術，挑戰美國在所有領域的機動自由，從而帶來了持續的威脅。因此，美國陸軍正在為向多領域作戰的理論轉變做準備，這將增加信息在戰爭中的作用。在此過程中，美國陸軍在設計和實踐中面臨著信息輸入方面的挑戰和差異。目前美國陸軍的信息輸入學說、術語和整體結構是不充分的，沒有促進概念上的共同理解。這導致了戰術單位在信息環境中的系統表現不佳，以及在戰略和計劃中對信息交流的次優整合。同樣地，美國陸軍的信息產業從業者群體也面臨著身份危機，這降低了該行業的凝聚力、影響力和有效運作的整體能力。為了克服這些挑戰，首先需要對美國陸軍IO的設計和實踐進行嚴格審查，以揭示差異的范圍。然后，社會網絡分析和社會認同理論的應用揭示了在IO培訓、教育和組織方面的潛在解決方案，這將使美國陸軍在信息環境中變得更具競爭力。這項投資將提高陸軍在當前和未來沖突中無縫整合和執行信息戰的能力。

2021年1月，美國防部發布了第一個反小型無人機系統戰略，以應對小型無人機系統的快速技術進步和擴散給軍事人員、設施和資產帶來的日益增長的風險。現有的反無人機能力--嚴重依賴電子戰來破壞用戶和設備之間的通信聯系--不再能解決不斷變化的威脅，包括自主無人機、COTS技術以及空域中越來越多的無人機，這些都能使C-sUAS操作者不知所措。為了應對日益復雜的小型無人機威脅，由陸軍領導的聯合反無人機系統辦公室正在為其新的系統方法尋求物資和非物資解決方案。一個令人困擾的C-UAS挑戰涉及到雷達探測系統將一些SUAS與其他飛行物體（如鳥類）區分開來，因為它們的尺寸相當，運動緩慢，高度較低。由于電子光學傳感器和人類操作員在規模上的分類數量有限，使用雷達數據進行不準確或低效的sUAS分類可能是一種武力保護威脅。本論文使用來自兩個不同訓練環境的鳥類和無人機雷達軌跡數據，探索數據中的隱藏結構，使用這兩個數據集開發獨立的無監督和監督學習模型，并試驗數據采樣和特征工程，以提高模型對不同環境和動態環境條件的魯棒性。

圖. 本論文方法包括兩個迭代，每個迭代都涉及不同的數據采樣技術（第3.4節）的兩階段統計學習方法（第3.5節）。然后，通過比較兩個迭代中各自的表現來分析和評估每個訓練算法，通過使用訓練算法的訓練地點的整個數據集和備用訓練地點的整個數據集來驗證每個算法的預測準確性。

無人機技術的快速發展--包括傳感器小型化、電池壽命、飛行效率和改進的控制機制--再加上無人機越來越便宜和商業用途，使其在社會中無處不在。然而，隨著無人機可用于越來越多的善意目的，有責任對無人機的使用進行適當的監管，以盡量減少高風險的意外事件和惡意行為者（包括恐怖分子和敵對政權）的邪惡活動的可能性。雖然無人駕駛飛機系統（UAS）已經存在了幾十年，但小型無人駕駛飛機系統（sUAS）的全球擴散給美國國防部（DOD）帶來了特別棘手的挑戰，因為不僅需要保護美國的領空、設施和關鍵基礎設施免受這種日益強大的新威脅，還需要將這種力量保護擴展到前沿作戰基地（FOB）或臨時任務支持點（MSS），此外還需要在戰斗中提供移動力量保護（MFP）。2020年，在納戈爾諾-卡拉巴赫44天的戰爭中，阿塞拜疆對其鄰國亞美尼亞的一系列攻擊（使用低成本的土耳其Baykar Bayraktar [TB2]無人機），以及烏克蘭堅韌不拔的防御和反擊。 在2022年俄烏戰爭初期，烏克蘭（在[TB2]無人機和數以千計的其他無人機系統的幫助下）進行了頑強的防御和反擊，以抵消俄羅斯前進的壓倒性軍事優勢，這提供了兩個引人注目的例子，說明傳統作戰系統在大規模無人機的不對稱威脅面前的脆弱性。

雖然反小型無人機系統（C-sUAS）的問題集有多個方面--從探測到動能或非動能威脅反應--國防工業正在努力解決，但數據科學家已經特別被雷達系統快速有效地從鳥類和其他大氣雜波中分辨出sUAS的挑戰吸引。雷達系統在探測和分類無人機系統方面通常有兩個主要問題。第一個問題涉及它們的尺寸（容易與鳥類混淆）和速度（非常快或慢，包括它們的懸停能力）的組合。第二，涉及到對具有各種飛行現象、雷達截面（RCS）、光學發射、反射特性和材料結構的多樣化的sUAS類型（介于兩個一般的旋轉翼和固定翼類別之間）的描述。盡管這一領域的一些研究致力于探索一種包括其他傳感器類型的系統方法--如光電/紅外(IR)、聲學和人員監視--以減少雷達系統的脆弱性，但這種解決方案假設了當今有這樣一個傳感器套件在一個固定地點協同工作的奢侈。然而，追求這種 "黃金標準 "的解決方案對于有效地從探測到分類空中物體的重要性，并不否認改進雷達系統的鑒別性能的持續重要性，無論是獨立的還是在不同傳感器類型的總體系統中。

經與Anduril工業公司協商，并使用來自兩種截然不同的訓練環境的鳥類和無人機的雷達跟蹤數據，本論文旨在實現兩個目標。首先，試圖用獨立的無監督和有監督的學習方法來驗證（或改進）來自國防工業的現有分類算法的性能，并在這兩種環境中分別訓練模型。第二，試圖加強模型對兩種不同環境和動態環境條件（即降水和風）的穩健性，目前在每個新環境中都需要一個漫長而昂貴的系統校準過程。

為了實現這兩個目標，本研究通過開發、測試和驗證各種無監督和有監督學習模型對來自訓練模型的環境和替代環境的鳥類和無人機的判別性能，對兩個訓練環境中的數百只鳥類和無人機的雷達軌跡數據（由Anduril Industries提供）進行了實驗。通過采用獨立方法，在兩個訓練環境中表現最好的模型成功地驗證了Anduril的分類器（由數據贊助商提供）的性能，該模型在同一環境中訓練和驗證的準確率分別達到97%和98%。然而，觀察到在另一個環境下驗證的準確率下降了20-25%（表現最好的模型），以及對兩種環境下的數據集和模型的明顯差異的直覺，促使對方法的第二次迭代進行了修改，在模型的穩健性方面取得了邊際改善。本論文最后提出了四項建議，即繼續使用這種方法進行統計和機器學習研究，但要探索收集更多的雷達軌跡數據特征，以便更好地捕捉鳥類和不同類型無人機之間的飛行現象學差異。

美國海軍陸戰隊繼續發展遠征先進基地作戰（EABO）作為未來在太平洋地區的作戰模式。EABO將使用廣泛分散的、高度有力的、緊密結合的海軍和海軍陸戰隊團隊。由于固有的資源限制、遠距離通信以及對手在電磁波譜中的探測、攔截和干擾能力，這種作戰模式對海軍陸戰隊的指揮和控制能力提出了挑戰。這項研究試圖評估突發信號網狀網絡（BSMN）技術作為解決這些問題的一個潛在方案。通過比較EABO中指揮和控制的特點（通過對最近EABO演習的定性案例分析確定）和BSMN技術的特點（通過定量建模分析確定）來評估該技術的適用性。最后，通過定量的財務分析，評估了獲得和使用該技術的可行性。盡管研究人員建議進一步研究，但他們得出結論，BSMN技術的遠程、隱身和低功率能力很適合團級及以下的通信。此外，研究人員得出結論，該技術的獲取和應用是可行的，其價格遠遠低于目前使用的其他遠程通信資產（即衛星通信）。

自二戰以來，美國利用體型龐大、能力卓越的航空母艦和兩棲艦從海上投射軍事力量的能力基本上沒有受到質疑（海軍水面部隊指揮官[COMNAVSURFOR]，2017；杰克遜等人，2020）。然而，近年來，遠程精確反艦導彈的發展和擴散，在海軍艦艇進入其目標范圍之前就已經危及到它們，這對美國海軍部隊的運作方式提出了挑戰（Office of the Secretary of Defense [SecDef], 2017, p. 57）。為了應對遠程反艦導彈的威脅，海軍部制定了一個新的分布式海上作戰（DMO）戰略，在這個戰略中，廣泛分散的海軍部隊以更大的個體殺傷力實現海上控制，而不是以前海軍作戰模式中相對密集和脆弱的編隊（COMNAVSURFOR, 2017）。遠征先進基地作戰（EABO）（海軍陸戰隊總部[HQMC]，2021年）是海軍陸戰隊的作戰概念，它通過以高度整合、廣泛分散、物理和電磁隱蔽的方式部署部隊來實現DMO的原則（COMNAVSURFOR，2017；海軍作戰部長辦公室[CNO]，2018；HQMC，2021）。

需要完善的幾個作戰功能之一是指揮和控制（C2），以充分支持DMO：在第38屆司令部的規劃指南中，海軍陸戰隊司令伯杰將軍明確提出需要靈活和有彈性的C2系統，以支持高節奏和分散的決策（海軍陸戰隊司令[CMC]，2019，第9頁）。研究人員對新興的突發性信號網（BSMN）技術的初步了解是由Bordetsky、Benson和Hughes的《信號雜志》文章 "Hiding Comms in Plain Sight"（2016）中展出的研究提供的：這篇文章使人相信BSMN技術可以為DMO C2提供所需的靈活性和彈性的假設。突發信號被簡單地定義為在相對較短的輻射突發中傳輸大量數據的方法（劍橋，n.d.），這使其本身具有被對手探測、攔截或干擾的較低概率（Walkenhorst，2020）。網狀網絡是一種通信網絡方案，其中節點能夠充當動態路由器，將傳輸信息傳遞給其他節點，在用戶本身之外沒有任何基礎設施的情況下創建動態和靈活的網絡（Law, 2009）。在這些屬性之間，研究人員假設BSMN技術是一個合適的技術解決方案，為EABO中的C2提供靈活和彈性的通信。研究人員進一步假設，鑒于目前BSMN的商業使用，它也是EABO中C2的一個經濟上可行的解決方案。

為了確定BSMN技術對DMO的適用性，研究人員首先對海軍陸戰隊以EABO為模型的演習進行了案例研究。這些案例研究試圖描述EABO演習中C2的定量和定性方面，以確定BSMN必須支持什么樣的通信方式才能成為一個合適的技術解決方案。研究人員研究了三個獨立的案例，時間跨度超過兩年，涉及海軍陸戰隊的幾個單位，包括第一和第三海軍遠征軍（MEFs），以及美國第三艦隊和陸軍特種作戰部隊（SOF），范圍從營級到MEF級（海軍陸戰隊第三師[3dMARDIV]，2019；第九通信營[9Com]，2019；第六海軍團第一營[1/6]，2020）。

在過去的十年中，空軍和空中機動性司令部（AMC）進行了大量的研究、活動計劃、愿景和范圍文件、作戰概念和路線圖，指出需要改進機動性空軍（MAF）的態勢感知（SA）能力和全球安全指揮與控制（C2）通信。最近，聯合作戰部門正在開發聯合全域指揮和控制，而空軍已經發布了描述敏捷戰斗力（ACE）和相關任務類型指令（MTO）的條令。空軍和聯合作戰部門都在努力解決的基本問題是任務保證。這項研究采用了AMC全球安全指揮與控制-空對地通信能力評估中的機載信息交換要求（IER）綜合清單，并試圖在任務保障方面對其進行描述和優先排序。一個IER框架被提出來，以幫助告知通信差距，并描述在MTO執行期間需要什么類型的決定。任務規劃人員可以根據預期的環境，根據潛在的通信退化情況，建立分支和序列來執行指揮官的意圖。這特別有助于根據飛機指揮官可能需要執行的決定類型進行風險指導。SA數據 "類別中的通信要求是最關鍵的，因為MAF飛機必須與其他飛機協同執行ACE行動。因此，任務保證，如任務基本功能的執行，與SA信息交流最密切相關。

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。

隨著海軍特種作戰從過去20年的反恐行動轉向有爭議環境中的同行競爭，他們需要地面部隊指揮官（GFC）為減輕認知過載、運用綜合效應和平衡戰略任務風險做好準備。如果地面部隊指揮官的培訓能夠以合格的理論標準為基礎，那么就可以通過系統化的培訓管道來減少任務的剩余風險和部隊的風險，這可以通過整合目前可用的虛擬現實技術來增加、啟用和加強。GFC崗位傳統上是一個批判性思維、決策和應急管理的角色。隨著戰場的發展，GFC將有比過去更多的資產需要控制，更多的突發事件需要計劃。這項研究評估了當前的GFC培訓和虛擬現實生態系統。海軍特戰界應采用地面部隊指揮官的虛擬現實訓練器，因為它將使GFC在零威脅的環境下進行反復訓練。

由于現行訓練準則的限制，海軍特種作戰社區的地面部隊指揮官沒有充分發揮他們的潛力。初級軍官為成為一名地面部隊指揮官總共接受了八周的正式培訓：六周在初級軍官培訓課程，兩周在地面部隊指揮官課程。初級軍官被期望成功地計劃和執行現實世界的行動，同時只完成極少的現實訓練場景。海軍特戰部隊的士兵至少屬于許多類別中的一種；他們是突破者、聯合終端攻擊控制者、狙擊手、偵察負責人或通信專家。這些專業中的每一個都有正式的訓練和持續演習，可以持續八個星期。訓練也是年復一年地進行，而地面部隊指揮官通常只經過一次正式訓練。想象一下，在未來，海軍特種作戰初級軍官準備在明天的戰爭中帶領各排對抗同行的競爭對手。挑戰將是巨大的，因為地面部隊指揮官沒有足夠的專門訓練時間來完善成為有效的戰斗領導人所需的技能。

本頂點研究主要關注以下內容。海軍特種作戰部如何能更好地準備和訓練其地面部隊指揮官，同時整合不斷進步的虛擬現實技術？通過海軍研究生院國防分析系和計算機科學系的共同努力，這項研究開始在一個合成環境中設計場景，初級軍官最終將能夠使用這些場景作為現有地面部隊指揮官培訓的補充。

虛擬現實在軍隊中并不是一個新概念；不同軍種都在某種程度上使用虛擬現實來加強訓練。海軍特種作戰部甚至有一個虛擬現實系統，是其JTACs的一個記錄項目。該記錄項目證明了特種作戰司令部致力于虛擬現實技術的采用，以確保其操作人員得到最好的培訓質量。這項研究不是為了創造一種新的虛擬現實技術，而是為了了解虛擬現實生態系統，然后為海軍特種作戰找到一種合適的采用方法。虛擬現實生態系統正在成倍增長，正因為如此，倫理和道德正在成為其開發者和使用者中更受歡迎的話題。隨著虛擬現實技術越來越容易被終端用戶使用，在短期內需要進行更多關于虛擬現實技術對個人行為的長期影響的研究。

地面部隊指揮官虛擬現實訓練器并不打算取代現有的培訓或正式課程。它只是作為一種補充。評價是，沒有足夠的專門時間讓初級軍官在成為地面部隊指揮官方面得到有意義的重復訓練。如果虛擬現實訓練器要對海軍特種作戰指揮部產生積極的影響，初級軍官的訓練就需要修改。建議在初級軍官培訓課程中初步實施這項技術，而不是干擾正在準備進行單位級別訓練和部署的海軍特種作戰排。初級軍官在這一階段的訓練中處于學生狀態，還沒有被引入深入的任務規劃或復雜的決策練習。向學生介紹虛擬現實訓練器將提供充足的時間來測試硬件和軟件，然后再將其用于更嚴峻的情況。

在海軍特戰基礎訓練司令部和海軍研究生院的模擬虛擬環境和模擬實驗室之間建立一個反饋回路，將使未來的場景發展和持續的伙伴關系成為可能。對未來研究和發展的建議包括以下內容：海軍研究生院的Bucklew小組和海軍特種作戰基本訓練司令部之間繼續合作，與工業界合作以加快合成環境訓練場景的創建，以及對特種作戰部隊的虛擬現實訓練的有效性進行正式評估。

未來的戰場是一個將受到近鄰對手快速變化的技術能力嚴重影響的戰場。在這種環境下的成功將需要簡單易用的系統，它能適應各種情況，并能與其他部隊和系統整合。多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）旨在為海軍陸戰隊準備未來的戰場。由于傳統的機器學習技術存在某些缺點，MDOC5i使用矢量關系數據建模（VRDM），為海軍陸戰隊提供適合動態部署的系統。MDOC5i使用全球信息網絡架構（GINA）作為其VRDM平臺。這項研究使用GINA創建了一個無處不在的決策模型，可以根據美國海軍陸戰隊的場景進行配置。該研究實現了無處不在的模型，并通過一個網絡分析用例證明了其功能。這個決策模型將作為所有GINA實施的基礎模型。快速構建和調整基于場景的GINA模型并將這些模型整合到一個共同的框架中的能力將為海軍陸戰隊提供對抗未來對手的信息優勢。

圖. 超圖描繪了構成 GINA 決策模型的關鍵實體。這是圖 3.2 中描述的“決策者信息”部分的細分。影響力的三個主要領域是現實世界、網絡和網絡。本論文中的模型將僅包含網絡類別的一部分，特別是 XMPP 流量。這三個領域應被視為為大規模網絡診斷設計的決策模型的起點。

引言

在最近的沖突中，美國能夠承擔對其敵人的技術優勢[1]。然而，由于美國已經將重點從反叛亂（COIN）行動轉移到與近距離對手的沖突上，這是一種不能再假設的奢侈。美國和國防部必須不斷尋求獲得并保持對近距離對手的技術優勢。所有軍種的指揮官都強調了這一點，包括司令部的規劃指南[2]。網絡戰場是一個日益復雜和快速發展的領域，在戰爭中從來沒有出現過像現在這樣的能力。目前的對手既有掌握該空間的愿望，也有掌握該空間的能力[1]。人機交互（HCI）將是在未來沖突中實現信息主導的關鍵。人機交互融合了計算機科學、認知科學和人因工程，以 "專注于技術的設計，特別是用戶和計算機之間的互動"[3]。我們必須掌握人機交互，以協助指揮官并保持對敵人的優勢

美國海軍陸戰隊（USMC）沒有很好的裝備來在網絡領域取得成功。美國海軍陸戰隊訓練和教育司令部（TECOM）已經將這一能力差距確定為一個主要的問題聲明："海軍陸戰隊沒有接受過應對同行威脅的訓練，在這種情況下，我們不再享有數量或技術優勢的歷史優勢。為了在未來的戰場上取勝，我們必須提供一個學習框架，以發展適應性和決定性的海軍陸戰隊，并提供訓練環境，以產生能夠產生決定性效果的互操作單位"［4］。

信息技術的進步產生了一個以網絡為中心的應用框架[5]，可以幫助縮小能力差距，使美國海軍陸戰隊保持對對手的網絡優勢。

1.1 MDOC5i

在為滿足指揮官的指導并使美國海軍陸戰隊為網絡戰場做好準備而采取的舉措中，海軍陸戰隊已經建立了多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）。MDOC5i是一個基于陸軍網絡信息管理環境（ANIME）的系統，提供了一個以網絡為中心的因果動態數字孿生環境。利用基于實體的模擬，MDOC5i提供以網絡為中心的互操作性和決策模型，可以增強多域作戰（MDO）[6]。MDOC5i計劃 "提供基層開發的技術，使操作人員能夠'推斷和適應'不斷變化的戰斗空間的需求" [7]。MDOC5i確定了需要改進的三個問題領域：互操作性、信息處理和利用，以及文化轉變[7]。

隨著戰場的不斷發展，聯合解決方案將是獲得優勢的關鍵。這些互操作性的解決方案將依賴于網絡和通信能力。互操作性是指與整個服務的各種通信系統相關的所有設備之間的通信能力。因此，目前在互操作性方面的差距需要被彌補，以進行聯合行動。系統之間的互操作性還沒有通過一個標準化的通用方法來實現[7]。MDOC5i認為這個問題的根源在于，當前系統所使用的所有網絡都被認為是彼此獨立的領域，而不是一個統一的作戰指揮和控制（C2）系統[7]。

MDOC5i解決的下一個問題是信息處理和利用。這個問題指的是目前整個海軍陸戰隊沒有能力處理大量的信息。數據通常很豐富，而且隨著傳感器能力的增長，數據會越來越豐富，但很難分析所有的數據并從噪音中分出有用的數據。鋪天蓋地的數據如果不進行適當的分析，對決策過程是無用的，甚至是有害的。這個問題被具體描述為："當前行動和數據收集的速度超過了我們處理、識別和獲取可操作情報的能力，以快速評估、調整和修改計劃和實時COA，從而優化部隊投射、殺傷力，并實現持久的超額配給"[7]。

為了提高處理越來越多的數據和跟上快速發展的戰場的能力，作戰人員需要關注人機互動。這種關系對于能夠在可操作的時間范圍內將大量的數據轉化為有用的信息，從而做出更好的決定至關重要。更好的人機交互可以幫助確保 "數據處理和決策的速度與行動的速度相稱" [7]。

解決的最后一個問題，即文化轉變，涉及美國防部需要調整其在數據整合和聯合行動方面的重點。雖然國防部致力于為作戰人員提供可操作的情報，但其方法是無效的和低效的[7]。此外，各個軍種制定了自己的就業方法和情報方式，這往往會導致聯合行動的無效性。為了在目前存在的動態戰場上作戰，各軍種必須共同努力，"使能力與任務、標準操作程序、訓練戰術和協議、采購和部署政策以及作戰部隊的整體文化相一致" [7]。

1.2 MDOC5i應用于海軍陸戰隊

5月9日至5月13日，MDOC5i在海軍陸戰隊空地作戰中心（MCAGCC）二十九棕櫚島與第七海軍陸戰隊進行了演示。這次初步測試的目的是展示MDOC5i所帶來的增強的火力能力，并確定MDOC5i通過提供共同情報圖像（CIP）--共同作戰圖像（COP）和決策支持來增強整個海軍陸戰隊空地特遣部隊（MAGTF）的MDO的可行性。

在MCAGCC Twenty-Nine Palms進行的MDOC5i演習成功地描述了該系統的防火能力。MDOC5i系統使用最先進的掃描機制和瞄準系統，將標準裝備的區域射擊武器轉變為精確射擊武器平臺，能夠在幾乎沒有歸零的情況下有效地攻擊目標。雖然這本身就大大增加了海軍陸戰隊的殺傷力，但增強的火力能力僅僅是MDOC5i概念所提供的效用的開始。底層系統使用全球信息網絡架構（GINA），一個矢量關系數據建模（VRDM）平臺，以使所有通過網絡連接的單位都能獲得準確的COP和CIP。這在戰場上提供了一個優勢，因為所有單位都獲得了意識，并將能夠為共享系統提供輸入，從而產生最準確的CIP-COP。

這些投入可以用來幫助決策和影響有利于沖突空間競爭的活動。

這一過程的關鍵使能部分之一是GINA內的決策模型，它能使人采取行動。在二十九棵樹的演示中，海軍陸戰隊員被展示了使用標準武器系統對選定目標進行第一輪射擊的能力。選定的目標出現在通過網絡連接的所有信息顯示器上。為了實現目標定位，GINA模型接受目標的輸入并將信息傳遞給所有用戶。系統首先決定該目標是一個有效的目標還是一個重復的目標。它通過一個專門設計的決策模型來實現這一目標，該模型將確定的目標與其他繪圖的目標進行比較。如果新的目標在指定的距離內，程序會認為它是重復的。這可以防止信息過載，使指揮官對現有的威脅有最準確的描述，以便更好地決定如何使用武器系統來對付敵人的目標。因此，在這個特定的例子中，輸入的是確定的目標位置，決定的是該目標是合法的還是重復的，決定的標準是確定與其他已經繪制的目標的距離，結果是對威脅的準確描述，使海軍陸戰隊能夠最好地與敵人作戰。

在演示中，決策與識別目標有關，而影響的行動與射擊有關。然而，如前所述，增強射擊能力只是MDOC5i通過基于VRDM的GINA平臺所能提供的好處的開始。創建和采用為指揮官提供最新的CIP-COP并幫助決策的模型將對海軍陸戰隊和國防部（DOD）的所有方面都有用。按照目前的情況，每次實施新的模型時，都需要從頭開始創建新的決策模型。

1.3 論文重點和MDOC5i的聯系

海軍研究生院（NPS）論文的目的是在GINA平臺上使用VRDM建立一個不可知的決策模型。重點是該模型的普遍性，以便它可以很容易地被塑造為未來的情景。該決策模型擴展了無處不在的數據表概念，以包含關于數據的信息屬性，并允許通過基于屬性的真值表關系實現來自數據屬性和信息屬性（邏輯類型）的知識屬性。因此，模型將數據轉化為信息，然后從已知的真值（既定協議）中獲取狀態和規定過程的知識，然后模型執行相應的過程。這表明了該方法的普遍性，并使任何數據任務的數據轉化為行動。本論文驗證了使用基于模型的配置方法，該方法由數據、真值表和狀態的概念對象組成，可用于人在/在環的自動數據決定-行動，并可在知識管理圖框架內為任何任務進行管理。

建議的模型在通過分析可擴展消息和存在協議（XMPP）消息來確定網絡健康狀況的情況下進行測試。該模型的輸入是可擴展標記語言（XML）消息，旨在復制大規模戰術網絡的數據包捕獲（PCAP）中捕獲的XMPP消息。雖然網絡診斷分類本身很重要，并證明了功能，但主要的效用將在于決策模型的普遍性。因為該模型是不可知的，它可以很容易地被修改以適應一系列所需的場景。務實地說，它可以作為所有其他GINA實施的基礎模型，使海軍陸戰隊實現信息超配。

1.4 假設和研究問題

本論文的假設是，GINA將被證明是一個高效的平臺，在這個平臺上實現一個可以輕松配置的泛在決策模型，以應對多種情況。在這個假設的核心，主要目標是利用GINA架構成功地設計和實現一個無所不在的決策模型。這項任務已經完成，證明了主要假說的正確性。

本論文的問題包括。

1.無處不在的決策模型能否在GINA的界面中實現？

2.GINA是否為機器學習（ML）提供了一個可行的、可操作的替代方案，該模型是否達到了與傳統機器學習技術相同的效果？

3.該模型是否有切實的方面證明比傳統機器學習技術優越？

4.該模型和GINA平臺能否用于大規模網絡流量分析？

與假設一致，第一個問題是最重要的，并且被證明是正確的。所實施的決策模型應該能夠促進并推動未來的工作。其余的問題涉及模型的可擴展性和與傳統技術相比的性能。雖然這兩個概念都沒有直接解決，但該模型提供了肯定的機會來測試這些概念。

1.5 使用的工具

為了成功地理解決策模型的實施和它可以應用的規模，有必要了解所涉及的工具。其中一些應用在本論文中直接使用。其他的是在MDOC5i中使用的，對于理解這個模型如何推導到多種情況下是很有用的。這些工具也提供了很好的背景，對未來的工作有好處。

1.5.1 全球信息網絡架構

GINA 是一個基于云的、提供可執行建模環境的 VRDM 平臺，該平臺產生的模型能夠進行推理和適應[7], [8]。該架構通過其反思性的、可執行的、基于組件的、與平臺無關的和模型驅動的構造，提供先進的數據、信息和知識的互操作性[9]. 該平臺使用一種語義結構，使應用領域的用戶能夠理解組成的模型組件，并形成具有半知覺行為的系統，這對動態任務需求的適應性和可配置的靈活性至關重要。該創新平臺是松散耦合的，這意味著它可以通過配置創建模型，使用來自遺留系統、現有系統或未來系統的各種輸入[8]，而不會破壞或重新編譯。由于概念性的信息對象構造可以臨時引入，并可能存在于任何領域，GINA提供了誘人的可能性，美國防部正在探索這種可能性[2]。

GINA技術由方法論、開發工具和可執行模型的部署平臺組成，可作為軟件程序使用。這些模型不需要被編譯，而是在元數據中定義并實時編譯。該平臺使用通過配置實現的行為、環境和因果的建模概念，以提供定義、操作和互操作性[10]。GINA可以通過其名稱的組成部分進一步理解。"全球 "指的是該平臺通過多層抽象包含了所有的數字表示。"信息 "指的是可以被建模和管理的靜態和動態數據以及互動關系。"網絡 "指的是可以通過模型和圖表顯示、參考和管理的所有互聯關系的數字表示。"架構 "意味著GINA是被使用的系統，專門用于制作行為、背景和因果關系的可執行模型[10]。

第二章將深入討論GINA的優點和特點。

1.5.2 ANIME Dark Stax

Dark Stax是一個由ANIME開發和使用的工具，能夠以接近實時的速度創建復雜系統的數字孿生體。這些數字孿生體可以用來操作克隆的系統進行數據操作和決策分析。這種聯合有助于數據驅動的決策過程。這個工具能夠創建戰術網絡的克隆，并過濾PCAP數據，為網絡診斷模型創建輸入[10]。Dark Stax工具由Ad Hoc維護和運行。他們對該工具的掌握為首要的人工智能（AI）技術和VRDM技術的結合提供了巨大的效用。

1.5.3 StarUML

StarUML是一個開源的軟件建模平臺，支持統一建模語言（UML）[11]。它被設計為支持簡明和敏捷的建模，并提供系統疊加的可視化描述[12]。本文使用UML圖來描述實現的VRDM模型的靜態和動態方面。UML并沒有捕捉到VRDM模型中包含的所有細節，但它確實捕捉到了最重要的信息，并提供了模型中連接的清晰疊加。

在這個項目中，它只被用于GINA模型的可視化和文檔化。然而，我們的意圖是使GINA能夠接受UML設計作為輸入。因此，一個系統可以用UML建模并輸入到GINA中，以放棄配置。

1.5.4 目標光標仿真器

Cursor On Target（COT）"是一個互聯網協議和一個基于XML的機器對機器模式，可以被任何系統讀取和理解，使專有和開放源碼系統能夠相互通信"[13]。模擬器在GINA模型中被用來模擬XMPP流量。XMPP消息的樣本在一個文本文件中生成。然后，Cursor On Target Simulator（COTS）模擬器將文本文檔的內容作為XML輸入到GINA。這個XML是決策模型的輸入。

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。

美國軍隊繼續在日益復雜的安全環境中作戰，不能再期望在每個領域都有無爭議的或主導性的優勢。由特種作戰部隊（SOF）操作的飛機需要改進防御能力，以支持在非許可環境下的任務。將自動化和人機協作納入現有的防御能力，可以減少威脅的反應時間，提高有人和無人飛機配置的防御機動的有效性。這篇論文研究了作為威脅反應一部分的飛機機動的價值，以確定人類干預對時間和準確性產生負面影響的情況。它還考慮了復制Merlin實驗室的飛行自動化方法和將能夠進行防御性機動的機器訓練系統納入現有飛機的機會。分析表明，飛機的機動性對于有效的威脅反應至關重要，自動選擇操作者的行動可以提高對某些地對空威脅的生存能力。這篇論文建議重新關注特種部隊飛機的防御能力，并贊同將機載自主系統整合到傳統的載人平臺上，以提高防御性威脅反應。它還主張繼續研究在SOF任務中使用可選的載人飛機，以完善其操作效用，并在各種任務平臺上擴大能力。

美國軍隊繼續在日益復雜的安全環境中運作，不能再期望在每個領域都有無爭議的或主導性的優勢。由于地對空威脅已經擴散到在世界各地活動的敵對行為者，未來的作戰環境將以有爭議的空域為特征，這將對有人和無人駕駛飛機的操作構成挑戰。由特種作戰部隊（SOF）操作的飛機需要改進防御能力，以便在這些有爭議的地區進行機動，同時支持傳統SOF任務。這篇論文研究了商業能力的進步，以減少威脅的反應時間，提高有人和無人駕駛飛機配置的防御性機動的有效性。

通過與位于波士頓的飛行自動化初創公司Merlin實驗室合作，本分析探討了防御性機動的潛在自動化。飛機機動是對威脅作出有效反應的一個關鍵方面，自動選擇操作者的行動可以提高對某些地對空威脅的生存能力。通過確定AC-130J威脅反應中人為干預影響飛機操縱時機和準確性的步驟，這項分析揭示了復制梅林實驗室的飛行自動化方法和將能夠執行防御性操縱的機器訓練系統納入現有飛機的機會。

在威脅反應過程中確定的關鍵步驟包括威脅指示、威脅作戰識別和威脅反應配對。目前，機組人員手動執行這些步驟來完成防御性威脅機動。然而，這些步驟中的每一個都可以從自動化和人機協作中受益，通過三種明顯的方式提高整體性能。首先，生成簡化的視覺和聽覺威脅指示，確保及時通知威脅的存在。其次，自動識別過程以準確識別威脅的變體，減少了反應時間和人類識別錯誤的可能性。最后，將威脅識別與適當的飛機反應同步配對，減少了不必要的延誤，并提高了威脅操縱的準確性。

這篇論文建議重新關注SOF飛機的防御能力，并贊同將機載自主系統整合到傳統的載人平臺上，以改善防御性威脅反應。將人機協作和自主能力納入飛機防御系統，可以使防御機動性能優于傳統系統，并允許在更廣泛的環境中作戰。除了改善防御性機動，梅林實驗室的自動飛行甲板在各種不同的飛機和任務中提供了潛在的用途。繼續研究應該調查在SOF任務中使用可選擇的載人飛機，以完善其操作效用，并在各種任務平臺上擴大能力。最后，在整個特種部隊中采用梅林系統將顛覆既定的操作慣例，需要個人和組織行為的改變。為了緩解過渡期并提高采用率，AFSOC應采取步驟，盡量減少利益相關者的行為變化，同時最大限度地提高系統的操作效益。培養對人工智能、機器學習和自動化的理解，將使這些行為者為軍事技術的快速變化和戰爭特征的變化做好準備。

圖 9. AC-130 防御性威脅反應圖。