數字工程和數字設計是美國空軍（USAF）的一個新興重點領域，特別是用于現代復雜系統。高復雜度系統的一個例子是網絡合作自主彈藥群（NCAM），它優先考慮廣域搜索和多視角目標確認。首先，本研究討論了在基于模型的系統工程（MBSE）工具中建立行為模型的方法。然后，本研究介紹了NCAM在兩個環境中的并行建模工作：Cameo系統建模器中的MBSE模型，以及仿真、集成和建模高級框架（AFSIM）中的基于物理學的模型。每個數字模型在其環境中都為設計過程中的利益相關者提供了不同的好處，所以這些模型必須呈現出一致和平行的信息。因此，這項研究也提出了在模型之間翻譯設計信息的自動化方法。總的來說，這對協同工作的模型通過系統認知和數字場景模擬對自主過程的理解，與決策部門建立信任關系。

引言

1.1 一般問題

在始于1903年萊特兄弟首次飛行的重于空氣的飛行歷史中，美國軍隊促進了空對地攻擊能力的持續和快速發展。最初，飛行在軍事上的應用僅限于1909年美國陸軍信號部隊的偵察和監視；然而，第一次世界大戰和后來的第二次世界大戰的爆發創造了軍用飛機技術和理論的繁榮。到1946年，簡單的偵察雙翼飛機被可以超過音速的噴氣機所取代。美國看到了這種快速發展的技術的可行性，并在1947年創建了獨立的美國空軍（USAF）服務。空中力量的勢頭一直持續到現在，現代美國空軍的飛機可以隱藏他們的雷達信號，并精確地投擲制導彈藥，在地面上的同一個洞里投擲5枚炸彈！這就是美國空軍。

在美國空軍這個令人難以置信的組合中，一個合乎邏輯的下一個能力是合作和自主的彈藥，它利用相互通信來尋找、識別和打擊一個目標，同時評估對目標的損害。國防部研究與工程助理部長（USD(R&E)）對這種能力有兩個關鍵定義。

• "自動化。該系統的功能沒有或很少有人類操作者的參與。然而，系統的性能被限制在它被設計為做的具體行動上。通常，這些都是定義明確的任務，有預先確定的反應（即基于規則的簡單反應）。

• 自主性。系統有一套基于智能的能力，使其能夠對系統部署前沒有預先編程或預期的情況做出反應（即基于決策的反應）。自治系統具有一定程度的自治和自我指導行為（由人類代理決策）"。[4]

目前的制導彈藥非常嚴格地遵循自動化的定義。通過激光或全球定位手動指定目標，然后彈藥執行程序化的行動以擊中指定位置。在這種情況下，控制權被操作者緊緊抓住，對目標開火的決定需要多個人為步驟。這些人為步驟使操作者對自動化有一種信任感，因為扣動扳機時風險最小化；與操作者使用無制導彈藥相比，彈藥利用其自動化技術更準確地擊中目標。當討論下一步的自主化發展時，人們有一種理性的擔心，即人類通常控制的決定將由自主系統的機器大腦來代替。這種不信任導致人們對部署旨在自主摧毀目標的武器猶豫不決。

理解與系統自主決策相關的行為是建立對自主性信任的絕佳方式。有多種方法可以將行為理解傳達給人類評估者：首先是提供描述系統各個方面的正式文件，接下來是創建一個數字模型，用圖表表示系統結構和行為，另一個是運行涵蓋廣泛場景的模擬，最后演示可以證明物理系統在測試和評估中的能力。文檔方法一直是所有國防部采購的標準，可以追溯到手繪示意圖的設計時代。然而，最近，國防部對使用建模和仿真來記錄和管理系統表示了興趣。已經出現的一個概念是數字孿生，系統的每個方面都被虛擬建模，以實現快速的修改原型和精確的配置控制。[5]這種數字孿生的焦點也為它所代表的系統的物理結構和行為創造了清晰的、可瀏覽的數據，從而使系統得到合理的理解。

1.2 問題陳述

如Reed[6]所示，基于模型的系統工程（MBSE）已經迅速被美國空軍的數字工程工作所采用，用于程序和系統結構建模項目。然而，復雜系統的行為MBSE建模在美國空軍的相同項目中并不常見。對于自主系統，算法的復雜性和這些自主系統協作時出現的突發行為使得評估邏輯行為和性能影響變得困難。對系統行為進行建模的能力是MBSE過程所固有的，但MBSE模型通常缺乏提供詳細的基于物理學的模型的能力，無法對系統的運行情況進行性能評估。有一些專門建立的基于物理的仿真平臺，如高級仿真、集成和建模框架（AFSIM），就是為了這后一種目的而存在的，但它們往往與MBSE工具中的定義模型脫節[3]。一種將復雜系統的MBSE行為模型和同一復雜系統的基于物理學的仿真模型聯系起來的方法和工具是必要的。要確保這對模型之間的行為一致，需要有能力在建模平臺之間傳輸設計數據。

1.3 研究目標和問題

本研究的目的是建立一個復雜的合作彈藥系統的行為MBSE模型，并建立一個自動和可重復的方法，將數據從MBSE模型轉移到AFSIM場景中，以執行相同的合作彈藥行為的模擬。MBSE模型將足以驗證單個自主彈藥的邏輯行為，以及在合作概念中同一彈藥的數量。AFSIM模擬將反過來為建模者提供反饋，以便對彈藥模型進行潛在的修改，從而實現更高的性能。

合作彈藥模型的研究問題包括：

• SysML在行為建模中的優勢和劣勢是什么？

• 哪些MBSE元素和/或屬性適合翻譯成AFSIM的原生語言用于情景模擬？

• SysML數字模型在多大程度上可以代表AFSIM模擬中使用的合作彈藥的行為？

• 在SysML模型和AFSIM場景之間可以利用哪些自動和可重復的方法進行數據交換？

1.4 方法學總結

這項研究必須首先確定連接點和集成到AFSIM的所需變量，這將有助于定義合作彈藥的MBSE系統模型的邏輯接口。這些接口有助于定義合作彈藥的MBSE模型的邊界，并為整合到AFSIM的場景模型提供數據點。設計和測試的關鍵領域是：為AFSIM實體所需的變量和基本方程建模；提供從MBSE模型到AFSIM的彈藥和場景參數的自動導出可用性；以及確定MBSE模型中會影響模擬的可修改區域。基于對連接點的評估，研究將轉向創建一個MBSE模型，以保持連接點，同時建立與AFSIM模型平行的行為。MBSE模型中的行為將根據AFSIM模型的情況進行評估。

1.5 假設和局限性

本研究僅限于虛擬彈藥的建模和模擬。此外，本研究定義的合作彈藥概念是名義上的；因此，彈藥模型將由名義上的數據填充。

1.6 提綱

第2章是對與彈藥建模、AFSIM集成、自主無人機系統行為建模和美國空軍先進彈藥的歷史應用有關的出版物的文獻回顧。第3章介紹了合作彈藥概念的設計方法和將數據自動傳輸到AFSIM場景模擬的方法。第4章討論了已完成的網絡化合作自主彈藥（NCAM）MBSE模型的行為分析、自動轉換結果和平行模型之間的比較。第5章總結了研究的重要發現，并推薦了未來的研究課題。

當 "伊斯蘭國 "在2014年使用無人機（UAV）襲擊聯軍時，無人機的使用范圍迅速擴大，使弱國和非國家行為者對技術上占優勢的敵人具有不對稱的優勢。這種不對稱性導致美國防部（DOD）和國土安全部（DHS）在反無人機系統（CUAS）上花費大量資金。盡管市場密集，但許多C-UAS技術使用昂貴、笨重和高耗能的電子攻擊方法進行地對空攔截。本論文概述了當前用于C-UAS的技術，并提出了一個深度防御的框架，即使用裝備有網絡攻擊能力的機載C-UAS巡邏隊。利用空中攔截，本論文開發了一種新型的C-UAS設備，稱為可拆卸的無人機劫持器--一種低尺寸、重量和功率的C-UAS設備，旨在利用IEEE 802.11無線通信規范對商業無人機進行網絡攻擊。實驗結果顯示，可拆卸無人機劫持器重400克，耗電1瓦，價格250美元，可以攔截對手的無人機，而且沒有意外的附帶損害。這篇論文建議國防部和國土安全部使用類似于 "可拆卸無人機劫持者 "的技術，納入空中攔截以支持其C-UAS深度防御。

總結

這項工作表明，美國目前打擊無人駕駛系統的框架是不夠的，因為它缺乏打擊敵對集團的多管齊下的攻擊所需的能力。由于應對高空飛行的無人機所需的技術限制，地面的地對空導彈和其他基于地面的反無人機系統（C-UAS）技術如果作為獨立的系統使用是有缺陷的。相反，一個為空中攔截而設計的無人機網絡中隊，盡管其本身技術復雜，但提出了一種新的方法來對抗敵方的無人機。

本論文首先確定了國防部（DOD）和國土安全部（DHS）目前正在使用的C-UAS技術。然后，本論文討論了用于破壞數字通信鏈路的射頻（RF）干擾技術以及可被網絡攻擊利用的通信協議漏洞。接下來，本論文創建了一個理論框架，用于開發可附加在無人機主機上的低尺寸、低重量和低功率（SWaP）的網絡攻擊裝置。利用從現代防御行動和空中攔截中獲得的知識，本論文通過兩個假設的場景來說明無人機到無人機的攔截，其中一個水力發電設施被一個叛亂組織的無人系統攻擊。

最后，本論文進行了三個獨立的實驗，以開發一種名為 "可拆卸無人機劫持者 "的無人機對無人機攔截能力。可拆卸無人機劫持器是由樹莓派4號B型機、Alfa AWUS036ACH無線網卡和(2)18650電池構成的，它被設置為使用虛擬網絡計算（VNC）連接進行遠程訪問[1]。選擇三個商用無人機是基于它們使用IEEE 802.11無線通信標準，以及它們使用帶有預共享密鑰的WPA2加密技術所帶來的安全性。

實驗一包括在地對空和空對空操作中實地測試可拆卸無人機劫持者。同時，實驗二對可拆卸式無人機劫持器在亞冰點環境下進行了臺式測試，實驗三對可拆卸式無人機劫持器進行了熱成像[2]測試。偽證和傳輸控制協議（TCP）/同步（SYN）洪水攻擊被選為網絡攻擊技術。射頻干擾和其他電子攻擊技術方法被排除在外，因為它對在2.4GHz和5GHz頻段運行的其他系統有附帶損害。此外，射頻干擾的功耗要求太高，不適合在本論文中考慮。

為了評估針對802.11 WiFi無人機的網絡攻擊的效果，本論文在每次攻擊過程中測量了以下特征：目標的行為，目標和可拆卸無人機劫持者之間的距離，與每種攻擊方法相關的功耗，以及可拆卸無人機劫持者的熱特征。經過基線測試，首選的攻擊方法被證明是針對Parrot Bebop[3]和Skydio 2+[4]的去認證攻擊。

在第一次實驗中，盡管有適量的環境雜波，可拆卸無人機劫持者在250米外識別和減輕目標無人機造成的威脅沒有問題，導致目標在懸停模式下消耗了額外的電池電量。接下來，研究小組創造了一個場景，一個敵對的無人機攻擊了一個水力發電設施。從距離可拆卸式無人機劫持者250米處開始，以每小時15公里的速度和不斷變化的海拔高度飛行，一旦攻擊開始，目標就在距離其預定目的地80米的地方停下來。最初，目標在原地盤旋，飛回其發射點。然后，無人機在距離可拆卸無人機劫持者100米處最后一次與GCS連接的地方自行降落。在整個測試過程中，事實證明，"可拆卸無人機劫持器 "能有效地識別和減輕目標，而不會對無人機主機或周圍環境造成任何干擾。

零度以下的溫度測試表明，需要在可拆卸式無人機劫持器上安裝更好的溫度傳感器，以確保更準確的讀數。然而，即使暴露在零度以下的溫度下30分鐘，可拆卸式無人機劫持者也切斷了其目標的通信連接。為了使可拆卸式無人機劫持器能夠投入使用，需要進行加固處理，以確保該設備能夠在極端天氣環境下運行，這可能會增加SWaP要求。

在熱成像實驗中，使用FLIR A320溫度屏[5]拍攝靜態圖像，并由研究小組進行分析。靜態圖像是在操作使用前、連續操作5分鐘后和操作5分鐘后，從可拆卸式無人機劫持器的自上而下、正面和自下而上的觀察角度拍攝。熱成像實驗表明，經過五分鐘的操作，可拆卸式無人機劫持器的溫度只增加了3.3℃。

所進行的實驗證明，在將可拆卸式無人機劫持器整合到另一個空中平臺時，是非常有希望的。研究小組不僅證明了該系統將對WPA2加密的無人機起作用，而且這項研究還確定了將目前的原型發展為網絡化系統家族的方法。零度以下的實驗證明，可拆卸無人機劫持器將在多種環境下充分運作。從基線原型開發和空中實驗，到零度以下和熱能測試，可拆式無人機劫持器處于技術準備程度的第六級。這個技術準備程度是將概念發展為能力的一個重要里程碑。

在目前的形式下，可拆卸式無人機劫持器是一個可配置的 "波頓 "解決方案，可在各種平臺上使用。根據主機-無人機，可能會有系統集成方面的問題。具體來說，在運行測試期間，CPU與環境溫度的差異表明，根據主機-無人機的規格，在主機上集成時應考慮到熱特性。此外，在運行網絡攻擊時，與可拆卸式無人機劫持者的VNC連接被切斷，這使得操作者無法控制可拆卸式無人機劫持者進行故障排除。這個問題可以通過使用可拆卸式無人機劫持器上的以太網端口與嵌入式射頻模塊建立一個單獨的連接回到地面站來解決。研究小組對這一功能進行了基線測試，使用Persistent Systems MPU5[6]無線電，這對未來與其他無人駕駛飛機的系統集成很重要。

綜上所述，C-UAS市場仍處于起步階段，破壞的時機已經成熟。高性能計算機模塊越來越小，功耗越來越低，同時能力越來越強。開發C-UAS技術的公司應該重新調整他們的努力，利用高性能和低SWaP來創造更便宜，但更有能力的C-UAS設備。此外，國防部和國土安全部應該為設計空中C-UAS的低SWaP網絡攻擊系統創造要求。本論文和使用可拆卸的無人機劫持者的實驗證明，有可能對多個無人機進行空中網絡攻擊，而對他的設備影響最小。這個框架并不是要取代目前的方法，而是為了增強和提高C-UAS技術的有效性，以滿足操作環境的需要。雖然這項研究的重點是對抗消費型無人機以保護軍事基地和關鍵基礎設施，但過去兩場歐洲戰爭表明，地面短程防空系統無法與具有動能打擊能力的高空無人機相比。因此，未來的工作有很多機會來對抗消費者和政府的無人機，加強理論，并設計一個C-UAS設備的空中網絡。

提綱

盡管戰爭的性質是不變的，但技術在未來幾十年繼續發展，這意味著戰爭方式的個別特征也將改變。最值得注意的是，隨著信息技術的擴展和自主系統在未來戰場上的擴散，美國及其合作伙伴應該適應未來戰爭的發展。本論文的目的是研究目前的C-UAS技術和參謀長聯席會議（JCS）的理論，以確定哪些方面可以改進。這將為C-UAS戰略的轉變和新產品的開發提供信息，如本論文中提出的產品。

• 第2章通過分析當前和未來系統在殺傷鏈處理方面的成功或不足之處，審查了C-UAS技術的能力和局限性。這將有助于確定國防部和國土安全部在哪些方面可以重新設計其C-UAS技術的采購戰略。此外，本章還研究了當前的C-UAS理論、戰術、技術和程序（TTP）以及標準操作程序，以確定國防部可以改進其對抗無人機的戰略。

• 第3章探討了用于干擾數字通信鏈路的非動能射頻緩解措施。這一技術討論的重點是電磁（EM）波傳播、鏈路預算分析、低探測概率（LPD）和低攔截概率（LPI）原則、擴頻通信和射頻干擾原理。

• 第4章以第3章中的信息為基礎，探討利用消費型無人機上的通信協議漏洞的方法。這一章研究了開放系統互連（OSI）模型，它與數字通信的關系，以及如何開發網絡攻擊技術以提供對敵對無人機的精確攻擊。

• 第5章使用海軍陸戰隊的深度防御模式進行防御性作戰[33]，以保持進攻性思維來限制對手對第1-3組無人系統的使用[34]。本章還討論了作戰飛機如何被用作空中攔截來保衛關鍵基礎設施。此外，本章還提供了對比圖來探討當前的C-UAS架構，整合機載網絡攻擊和EW設備可能是什么樣子，以及與擬議架構相關的優點和缺點。最后，本章的結論是兩個假設場景，即叛亂團體使用無人駕駛自殺式無人機群攻擊水電設施。

• 第6章概述了第7章所使用的實驗方法、設置和數據收集方法，其中設計和建造了一個可拆卸的無人機劫持器的原型。

• 第7章描述了用于創建第5章中概述的概念的原型的實驗過程。本章進行的實驗對敵方無人機進行了拒絕服務（DoS）攻擊，該攻擊是由可拆卸無人機劫持器發射的，該劫持器連接在友方無人機上。

• 第8章是本論文的結論。對第5章提出的架構以及第7章的實驗進行了討論。本章最后提出了對未來C-UAS系統采購和理論發展的影響。

巴德學院無人機研究中心2019年12月的一項研究，確定了537個專門用于對抗無人機的系統[32]。雖然現有的反制措施已經滿足了國防部和國土安全部在2010年代末和2020年代初的需求，但它們很可能在多管齊下的攻擊中站不住腳。盡管市場密集，但每個系統都有與其使用相關的技術、社會和法律限制。此外，許多已投入使用的反措施都很昂貴和笨重，而且只會越來越笨重，因此很難采購和維持足夠的C-UAS設備來覆蓋所有潛在的攻擊載體。同時，無人機越來越便宜，越來越小，而且越來越網絡化--導致未來現有的系統可能無法抵御蜂群攻擊。這一現象正在烏克蘭與俄羅斯的戰爭中實時上演，因為烏克蘭已經利用無人機達到了破壞性的效果。也就是說，價值100萬美元的Bayraktar TB-2對俄羅斯軍隊造成了嚴重破壞，在一次空襲中摧毀了價值超過5000萬美元的地對空導彈[35]。這使得我們很容易預見這樣的情景：對手利用無人機群對美國的戰略基礎設施進行多波段、多頻率的攻擊。下一章專門概述了目前的C-UAS技術套件，并了解到目前還沒有一個明確的手段來對抗無人機群，而不會產生嚴重的意外后果。

摘要

研究人員通常會增加訓練數據來提高神經網絡的預測能力，但當數據或計算資源有限時，這種方法是不可行的。本文擴展了以前的研究，即使用長短期記憶-完全卷積網絡從公開的廣播式自動相關監視（ADS-B）數據中識別飛機發動機類型。這項研究設計了兩個實驗，改變訓練數據樣本和輸入特征的數量，以確定對ADS-B分類模型的預測能力的影響。第一個實驗從有限的特征集中改變了訓練數據觀察的數量，結果是83.9%的準確率（與以前只用25%的數據的實驗相比，準確率在10%以內）。實驗結果表明，與數據數量相比，特征選擇和數據質量導致了更高的分類精度。第二次實驗接受了所有ADS-B特征組合，并確定空速、氣壓和垂直速度對飛機發動機類型預測的影響最大。

關鍵詞：多變量長短期記憶-完全卷積網絡，廣播式自動相關監視，公開信息，開源數據，分類，機器學習

1 引言

在過去的三十年里，互聯網上的存儲量從1993年的15.8 exabytes增加到2020年的6.8 zettabytes[1]，增幅超過40000%。雖然很難確定確切的數字，但截至2022年2月，互聯網的規模估計約為21 zettabytes，并且每兩年翻一番[2]。如果我們假設普通的個人電腦（PC）有一個一兆字節的硬盤，21兆字節就相當于210億臺PC，基本上世界上每個人都有三臺PC。雖然這些數據中有很多是個人數據，但其中很大一部分被認為是公開可用的信息（PAI），可以被任何互聯網用戶或組織利用。

可用數據的增加導致了對識別趨勢的研究（即數據分析），在社會的多個方面，包括商業和政府，變得越來越普遍。研究人員和大公司已經考慮了多種方法來最好地利用這種被恰當地稱為 "大數據 "的巨大資源。一些已經顯示出前景的領域包括物聯網（IoT）分析[3-5]、trafc建模[6]、戰斗和海上運動[7-11]、圖像識別[12]、搜索引擎[12]和自然語言處理[12]。

對PAI和數據分析的日益關注，得到了負責做出合理防御決策的軍事防御戰略家的認可。通過將PAI與他們所掌握的大量傳感器數據相結合，如來自情報、監視和偵察平臺的數據，有可能提高這些資源的預測能力。美國空軍和太空部隊對數據分析的需求是顯而易見的，因為多領域行動是其防御戰略的組成部分。事實上，22財年的態勢聲明呼吁指揮和控制部門需要翻譯和共享數據，以提供 "實時傳播可操作的信息"，從而提供 "以比我們的競爭對手更快的速度在所有領域進行聯合作戰"[13]。如果沒有最近的技術、人工智能和機器學習的進步，這個目標幾乎是不可能的。幸運的是，新技術可以用來清除大數據中的噪音，其速度遠遠超過人類的速度，以快速做出對軍事決策者來說很重要的推斷。

為了幫助軍事領導人分析他們所掌握的巨大數據，我們試圖通過為大數據的一個主要用戶提供增強的能力來改善軍事行動：情報分析員。對情報分析員來說，一個重要的重點領域是生命模式（POL）的建模。一些研究人員試圖通過機器學習來改善POL建模[14-18]。最近的研究興趣表明，用深度學習分析地面和機載飛機傳感器，以預測飛機的特性。

POL建模的一個研究方向是利用廣播式自動相關監視（ADS-B）數據來對飛機進行預測[6, 8, 11, 19]。某些空域內的飛機被要求通過機載轉發器廣播ADS-B輸出。使用ADS-B數據進行分類問題的好處是，它是公開的，在美國和歐洲飛行的飛機被要求在大多數空域等級中廣播它[20, 21]。ADS-B數據從世界各地的不同地點收集，業余愛好者和研究人員在這些地點維護一個接收器來收集數據。ADS-B收集者將他們的數據提交給集中的存儲庫，如ADS-B交易所[22]，這些存儲庫將數據匯總起來供公眾使用。在這些存儲庫中，關于廣播飛機的統計和運動學信息都是可用的。

1.1 問題描述/目標

生命模式(POL)建模是一個擁有許多技術和最佳實踐的研究領域[14-18]。軍事和國防人員對POL建模的興趣，不僅僅包括對人類日常活動的建模。例如，來自飛機傳感器的未歸屬數據，如從空中交通管制（ATC）的主雷達收集的數據，可以通過一些分析對發射的飛機做出推斷。ATC的主雷達收集運動信息，如位置和空速，但如果沒有飛機通過其應答器提供，則無法獲得飛機的識別信息。有了這些基本的飛機運動學數據，模型可以預測諸如飛機型號或發動機類型等信息，而不需要在原始數據集中直接說明。ADS-B數據的好處是，這些特征存在于數據集中，可以作為真實數據，為沒有真實數據的數據集建立模型。

由于這種類型的處理可能是資源密集型的，在處理有限的計算資源時，訓練一個深度學習模型可能是困難的，或者在某些情況下是不可能的。訓練一個模型所需的計算資源量在很大程度上受訓練數據的大小影響。出于這個原因，了解如何通過最小化用于訓練模型的數據來最好地利用可用資源是很重要的。有兩種方法可以最小化數據：限制特征的數量或減少訓練樣本的數量。在這項研究中，利用飛機運動學數據，我們研究了預測發動機類型時改變這些因素的影響。由于減少訓練數據將不可避免地降低所得模型的準確度，在本文中，我們將可接受的模型定義為預測準確度在先前89.2%的基線研究成果的10%以內[23]。因此，能達到至少79.2%準確率的模型將被認為是 "可接受的"。

1.2 研究貢獻

本文的研究貢獻可以歸納為以下幾點：

• 由于深度學習分類問題的最小數據集大小沒有明確的指導原則，本研究旨在確定飛機預測模型的基線。

• 本文確定了用運動學數據識別飛機的基線特征。速度、氣壓和垂直速度

• 本文分析并重申了選擇適當特征的重要性。該數據集內的 "噪音 "特征嚴重限制了網絡的分類能力。

1.3 組織結構

本文的其余部分組織如下。第二節提供了關于ADS-B的詳盡的文獻回顧和背景信息。在第三部分，討論了用于開發和評估每個模型的方法和過程。第四部分介紹了結果。第四部分提供了結論。

目標姿態估計和目標點選擇在直接能量武器系統中至關重要，因為它使系統能夠指向目標的特定和戰略區域。然而，這是一項具有挑戰性的任務，因為需要一個專門的姿態傳感器。在新出現的深度學習能力的激勵下，本工作提出了一個深度學習模型，以歐拉角的方式估計目標航天器的姿態。深度學習模型的數據是通過實驗從三維無人機模型中產生的，其中包括大氣背景和湍流等效應。目標姿態來自于二維關鍵點的訓練、驗證和預測。有了關鍵點檢測模型，就有可能檢測到圖像中的興趣點，這使我們能夠估計有關目標的姿勢、角度和尺寸。利用弱透視直接線性變換算法，可以從三維到二維的對應關系中確定三維物體相對于攝像機的姿勢。此外，從這種對應關系中，可以確定目標上的瞄準點，模仿激光跟蹤。這項工作評估了這些方法及其在模擬真實世界環境中實驗產生的數據的準確性。

摘要

在多域作戰（MDO）中，特種作戰的作用正變得越來越重要。特種作戰部隊（SOF）是全球最主要的持久性軍事部隊。特種作戰部隊將繼續促進決策者對作戰環境的準確理解，塑造環境以防止武裝沖突，并在必要時為通用部隊提供相對于對手的明顯優勢，以迅速回到競爭狀態。此外，特種部隊仍然是美國防部打擊暴力極端主義組織的首選力量，必須平衡這一責任和他們在與近似對手競爭中的作用。目前，美國陸軍特種作戰和學校正在對每個資格課程進行現代化和優化。陸軍特種作戰（ARSOF）隊長職業課程（CCC）最近修改了其課程，包括SOF的具體培訓，以最好地準備未來的ARSOF領導人在MDO構建中運用特種部隊、民政和心理作戰。這個兵棋是為參加ARSOF CCC的ARSOF新軍官設計的。兵棋允許學生在一個模擬的多領域環境中工作，在有限的時間、資源和人員的限制下，應用課程和SOF的理論。兵棋推演的目的是協助SOF隊長準備帶領作戰小組到海外進行作戰和戰斗部署。

I. 前言

在多域作戰（MDO）中，特種作戰的作用正變得越來越重要。特種作戰部隊（SOF）是全球最主要的持久性軍事存在。SOF將繼續促進決策者對作戰環境（OE）的準確理解，塑造環境以防止武裝沖突，并在必要時為通用部隊（GPF）提供相對于對手的明顯優勢，以迅速回到競爭狀態。SOF仍然是國防部打擊暴力極端主義組織（CVEO）的首選力量，必須平衡這一責任和他們在與近似對手競爭中的作用。

SWCS必須確保未來的SOF領導人能夠滿足第一特種部隊司令部的要求，以進行上述的行動。在SWCS中每個資格課程的變化是持續的，因為SWCS的目標是快速配備部隊，同時確保畢業生為他們未來的責任做好準備。這些課程歷來以非常規戰爭為重點，并優先考慮直接行動（DA）任務，這也是過去20年內作戰部隊的優先任務。現在，全球反恐戰爭對國家來說是一個較低的優先級，而近距離的競爭是主要焦點。競爭主要發生在安全合作行動中，并創造了在第22章環境中針對穩定行動的訓練需求，如外國內部防御（FID）。

特種部隊司令部（SFC）對部隊的愿景是讓團隊作為綜合元素來完成這些任務，利用自衛隊、中央軍區和地面行動單位的能力和專業知識。隨著理論的發展，最近和未來的SWCS畢業生仍將期望使用一個綜合的結構來運作。各自的ARSOF部門需要充分了解彼此的角色和能力，并作為合作要素解決復雜的問題集。

增加或改變訓練的優先次序是具有挑戰性的。盡管如此，SWCS必須確定如何迅速為部隊提供完全合格的特種作戰士兵，同時確保他們接受所有必要的培訓，以成功地發揮其未來的作用，并承擔最少的風險。增加對這些學生將經歷的作戰環境（OE）因素的接觸，并加以重復，將強化訓練目標，促進批判性和創造性思維，以幫助提高準備程度和減少風險。學生較早開始分析他們未來的OE的資格課程將增加他們的經驗，并為未來的培訓提供背景，而他們在SOF之前的職業生涯或教育背景可能無法提供。將ARSOF課程整合到上尉職業課程中，在每個訓練管道的前端提供了這種機會。該課程提供了一個基礎，將在每一個資格課程中建立和加強。

A. 特戰中心、學校和多域作戰

美國特種作戰司令部司令博德特中尉在AFC Pam 71-20- 4 Concept for Special Operations 2028中指出，陸軍特種作戰部隊（ARSOF）需要提供 "獨特的能力來推進伙伴關系，影響對手的行為，執行特種作戰，并應對危機。"此外，ARSOF在敵對的、被拒絕的或政治上脆弱的地方提供這些能力，與當地軍隊一起或通過他們工作，需要文化熟練和高風險水平。

ARSOF在地理上校準的部隊態勢提供了快速了解作戰環境的能力，并通過與當地伙伴部隊、居民人口、政府機構和組織間合作伙伴的持久關系來施加影響，以利用軍事和民用網絡，改善實時情況的了解，放大作戰效果，并破壞對手的通信能力和決策過程。

這反映了美國政府的選擇，即在追求政策目標的同時，限制軍事行動，保持不發生武裝沖突。

競爭中的特種作戰的主要目的是幫助JFC在不升級為武裝沖突的情況下實現美國的戰略目標。

在競爭階段，特種作戰部隊評估所有相關的行為者和他們各自的關聯。部隊同時評估感興趣的領域，培訓合作伙伴，并促進與盟友和合作伙伴的合作，同時減少美國的人員和資源投入。"這種力量支持一個有利的環境，讓聯合部隊、機構間和合作伙伴努力通過非常規和信息戰來對抗對手的脅迫行為。"在復雜的混合威脅環境中，部署在全球的特種作戰部隊承擔著巨大的責任，由中級民政、特種部隊和心理作戰官員領導。特種部隊司令部必須確保未來的特種部隊領導人準備好完成國防部、USASOC和第一特種部隊司令部的期望。布倫南將軍（MG Brennan）在第一軍區司令部指出："我們（ARSOF）在整個沖突的范圍內是至關重要的。我們必須為大規模作戰行動（LSCO）進行訓練，即使我們努力防止它們。"這句話給特種部隊司令部，即部隊的創造者帶來了最大的挑戰，在有限的時間框架內優先考慮可以完成的訓練。

此外，ARSOF的三個分支在各自的資格課程中學習他們的專業。盡管如此，為了滿足第一SFC的跨職能團隊概念，為SOF提供競爭優勢，三個部門必須熟悉彼此的角色和能力。從戰術到行動要素的CFT結合了民政、心理作戰、特種部隊和使能者的能力，整合多領域的能力，為指揮官快速創造選擇。

特種部隊必須繼續發展資格認證渠道，以迅速向部隊提供完全合格的特種作戰領導人，同時確保他們接受所有必要的培訓，以在未來的角色中取得成功。目前的作戰環境（OE）要求行動單位為所有戰爭范圍內的行動做好準備。然而，大多數特種作戰部隊將被部署在支持作戰以外的安全合作方面。這種競爭空間主要發生在安全合作行動中，并創造了在第22章環境中針對穩定行動的訓練需求，如外國內部防御（FID）。正如布倫南將軍所說，訓練LSCO和執行ARSOF獨特的、可以說是最具挑戰性的非傳統戰爭任務的需要是最重要的。然而，這并沒有反映出SOF軍官一旦從他們的資格課程畢業后將會指揮的主要任務。

B. 兵棋推演作為一種訓練方法

鑒于上述的培訓需求，并考慮到有限的培訓時間，人員限制和資金限制，兵棋推演已被證明是解決這一問題的潛在辦法。大多數專業軍事學校的結業演習都集中在以PowerPoint為基礎的場景上，聚焦于一個特定的軍事行動。海軍陸戰隊指揮和參謀學院已經找到了一種新的方式來加強軍事教育，即擺脫歷史上的PowerPoint，轉向教育性的兵棋。

CSC的教育性兵棋推演為學生提供了 "快速失敗 "的機會，迭代，并從與同學和教師的多次嘗試中學習。為了培養指揮官對項目管理教育的指導所設想的創造性和靈活的頭腦，CSC將研討會內和研討會間的小組兵棋推演視為引導和鼓勵競爭的健康方式，讓學生有機會贏和輸，最終從每個結果中學習。通過將兵棋以及決策游戲和案例研究巧妙地融合到課程中，CSC正在培養具有智力和敏捷性的領導人，以便在這個快速變化和大國競爭的時期超越對手的思維。

數年來，兵棋一直被用于軍事結構中，以模擬現實情況，并在必要時提出想法。兵棋推演增強了軍事領導人的思維方式，使他們能夠根據阻礙軍事力量的制約因素，通過在假設情況下采取行動來做出決定。敘事經驗或講故事一直是向讀者介紹信息的一種方式。心理學家已經意識到，相對于僅僅通過閱讀來加強理解的歷史方法，新一代人可以通過親身體驗講故事來更好地學習。兵棋推演可以保持敘事方法，但游戲的使用將使一個新的工具為軍事人員提供更大的用途。彼得-佩拉表達了對兵棋的需求，以及為什么它能帶來創新的方式來找出解決問題的方法。

當我們玩的時候，我們也有一種緊迫的樂觀主義的感覺。我們全心全意地相信，我們可以應對任何挑戰，面對失敗，我們會變得非常有彈性。研究表明，游戲玩家平均有80%的時間在游戲世界中失敗，但他們沒有放棄，而是堅持面對困難的挑戰，并利用游戲的反饋來獲得更好的結果。通過一些努力，我們可以學習將這種復原力應用到我們所面臨的現實世界的挑戰中。

該兵棋將是一個競爭性的教育桌面棋盤游戲，讓學生分別指揮ODAs、CATs和MISTs。玩家必須在指定的行動區作為跨職能團隊一起工作，既要反VEO，又要在競爭中支持美國利益。該情景將模擬安全合作任務，并介紹團隊領導在與機構間伙伴合作、支持TSOC、管理與東道國的關系以及短期部署輪換時的挑戰。

C. 選擇合作伙伴的目的和設計

基于這些信息，建立我們的兵棋推演方法所要研究的問題是。在當前的多領域環境中模擬競爭的兵棋是否能提高ARSOF CCC畢業生的后續訓練，并提高他們行動單位的準備程度？為了回答這個問題，我們為分別指揮ODAs、CATs和MISTs的學生設計了一個競爭性的教育桌面棋盤游戲。游戲中的玩家必須在指定的AO中作為一個團隊共同工作，既要反VEO，又要在競爭中支持美國利益。該場景模擬了安全合作任務，并介紹了團隊領導在與機構間合作伙伴合作、支持TSOC、管理與東道國的關系以及短期部署輪換時面臨的挑戰。

目前，人工智能（AI）為改造許多軍事行動領域提供了巨大的機會，包括作戰、指揮與控制（C2）、后勤、安全和維護，以提高其整體作戰效率。空中和導彈防御（AMD）是一個特別復雜的任務領域，人工智能的應用至關重要。空中導彈防御任務指的是保衛國土、保護區、地面基地、地面部隊或艦艇免受敵對的空中或導彈威脅。AMD的威脅包括敵對的飛機、無人駕駛飛行器（UAV）或機載導彈。AMD行動的復雜性源于威脅的嚴重性、威脅的意外性、對形勢認識的不確定性以及事件的快速發展，因為作戰人員必須迅速評估形勢，制定適當的行動方案，并最好地利用他們的戰爭資產來應對。美國國防部（U.S. DOD）正在研究使用AI系統（或AI-enabled AMD[AI-AMD]系統）作為AMD作戰人員的自動決策輔助工具，以大大減少他們的認知負荷（Jones等人，2020），使AMD決策更快、更好。

人工智能的一個關鍵方面已經聚集了大量的研究興趣，那就是信任。信任是有效團隊的一個基本原則。它同時適用于人類和人機團隊。信任使團隊成員能夠很好地合作，是有效團隊表現的基礎（Lee and See 2004）。與人工智能系統的成功合作將需要人類對人工智能系統有一個校準的信任和依賴程度（泰勒等人，2016）。

隨著更先進和更快的空中和導彈威脅彈藥的發展和投入使用，操作人員更需要在AMD行動中迅速作出監測。不及時的決策和反應將導致災難性的后果。因此，人工智能是一個可能的解決方案，通過自動決策輔助工具加快和加強決策過程。這些AMD自動戰斗管理輔助工具可以幫助戰術操作人員應對更快的決策周期、大量的數據以及需要觀察的幾個系統或屏幕（Galdorisi 2019）。然而，為了有效地利用人工智能能力的潛力，需要操作員的高度信任。操作員對系統的信任程度低，可能會導致人工智能-AMD系統利用不足，受到不適當的監控，或者根本不使用（Floyd, Drinkwater, and Aha 2016）。這些問題中的任何一個都可能導致操作者的工作量不必要的增加，或者任務失敗的可能性。

論文對信任的定義、人機交互（HMI）的概念、信任因素以及包括AMD殺傷鏈模型、威脅場景、架構、模型和功能在內的概念模型進行了廣泛的回顧。有了這樣的認識，論文提出了人工智能-AMD系統的信任框架，對人機交互和人工智能-AMD系統信任因素的描述。論文最后提出了在人類操作者和AI-AMD系統之間實現校準信任的策略。

信任框架始于對系統背景的分析。圖1顯示了AI-AMD指揮與控制（C2）系統（包括AI-AMD操作員和決策輔助工具）及其他與之互動的子系統的背景圖，這些子系統有助于操作員和AI-AMD決策輔助工具之間信任的發展。背景圖使我們能夠研究各系統之間的相互作用，以及它們對AI-AMD操作員和決策輔助工具之間信任動態的影響。

圖1. AI-AMD系統框架圖。

這篇論文將信任定義為操作者的態度，即AI-AMD決策輔助工具將有助于實現操作者的目標，即在一個以不確定性和脆弱性為特征的作戰環境中迅速摧毀來襲威脅的任務。這種信任的定義表明，它是對操作者相信或感知AI-AMD決策輔助工具的一種情感評估。為了積極地影響信任，操作者必須親自看到并感受到AI-AMD決策輔助行動的優勢。AI-AMD行動涉及很多不確定因素，以及天氣、電磁干擾和地形等環境因素以及不斷變化的威脅的性質所帶來的脆弱性。操作員將預期AI-AMD決策輔助系統按照 "合同 "執行，以處理這些不確定性和脆弱性。這些合同將是人工智能-AMD決策輔助工具應該執行的感知功能或任務，以及執行這些功能或任務的理想表現。

圖2說明了操作員和AI-AMD決策輔助工具之間的信任框架。y軸代表人類對AI-AMD決策輔助系統的信任程度，x軸代表AI-AMD決策輔助系統的能力。綠色的45°虛線表示最佳的信任水平或校準的信任線，其中的信任與AI-AMD的能力相對應，導致正確的利用（Lee and See 2004）。過度信任由最佳信任水平線以上的區域表示，此時的信任超過了系統能力，導致誤用。低于理想信任水平線的區域表示不信任，這時的信任沒有達到系統能力，導致濫用。假設存在一些默認的信任水平（如黃框所示），目標是制定一個策略，以提高AI-AMD輔助決策能力的信任。在使用該系統時，可能會發生違反信任的情況，從而降低操作員的信任。因此，信任修復行動必須被納入，以保持信任在最佳水平。

圖2. 人類操作員和AI-AMD決策輔助工具之間的信任。

基于功能分配的操作員和AI-AMD決策輔助工具之間的人機交互研究表明，操作員和AI-AMD決策輔助工具應該被設計成在大多數殺戮鏈功能中作為一個 "團隊"運作。這引導論文研究了單獨和集體考慮人類和決策輔助的信任因素。對操作員和人工智能-AMD決策之間的人機交互的研究還顯示，操作員的角色已經從手動控制器變成了監督控制器。因此，一個值得信賴的決策輔助工具是很重要的，因為操作者會期望系統的表現符合預期，以幫助操作者更好地履行他的角色。另外，為了進一步幫助減輕操作者的認知工作量，信息的外部表示、決策輔助工具的建議必須易于閱讀和理解。

關于信任因素，本論文提出了一個 "由外而內 "的框架，如圖3所示。論文首先考慮了與操作環境相關的因素，這些因素描述了AMD操作系統的背景。第二，它研究了與組織環境相關的因素，操作人員和人工智能-AMD系統得到了培訓和發展。第三，論文研究了操作人員和人工智能-AMD決策輔助工具之間的交互，以提出與操作人員、人工智能-AMD、單獨和集體相關的因素。

圖3. 建議的信任因素

圖4顯示了擬議的戰略銜接圖，以實現操作者和AI-AMD輔助決策之間的校準信任。對信任定義、人機界面和信任因素的審查表明，該戰略應關注三個關鍵領域：（1）人類對自動化技術和AI-AMD決策輔助系統的集體和個人感知；（2）增強操作員和AI-AMD決策輔助系統的團隊活力；（3）AI-AMD決策輔助系統的可信度，重點是系統開發。該戰略利用DOTMLPF-P框架提出了三個關鍵原則和五個支持原則。首先，軍事作戰人員需要被告知自動化技術的真正能力和局限性，特別是AI-AMD輔助決策。第二，操作員的培訓要求必須增加，以應對新的工作范圍和不斷變化的威脅。第三，必須在人工智能-AMD決策輔助系統的開發中加入新的要求，以提高系統的可感知的可信度。這三個關鍵原則得到了DOTMLPF-P框架其他方面的支持，如組織、領導、人員、設施和政策。

圖4. 實現操作員和人工智能-AMD決策輔助工具之間校準信任的戰略銜接圖

摘要

高超音速武器的出現界定了太空空間和航空空間之間的新關系和界限。它們以超過五倍音速（5馬赫）的復雜軌跡飛行，帶來了重大的作戰和戰略影響，征服了中層和高層大氣，利用了兩個主要的速度和高度包絡，并提供了高超音速再入飛行器在太空中預先駐扎的可能性。

在高層包絡中，高超音速滑翔飛行器（HGVs）的速度高達33馬赫，高度達幾百公里，它增強了現有彈道導彈技術，并將在重新思考洲際戰略導彈威脅和威懾方面發揮決定性作用。在較低的包絡面中，目前的速度可達6馬赫，高超音速巡航導彈（HCM）將伴隨著現有的亞音速戰地巡航導彈艦隊，并將主要在戰區發揮其決定性作用。

HGVs和HCMs的飛行特性利用大氣層的較高空氣層作為高超音速空域，在空域和空間領域之間架起橋梁，并要求有一個綜合空域和空間防御理論。天基HGVs，可能成為一種新的和較晚可觀察的威脅，這挑戰了現有的天基紅外傳感器的設計。

高超音速技術有可能改變作戰層面上的戰爭行為，并影響對戰略威懾的理解。美國防部（DoD）必須考慮對現有空間和空域理論以及作戰和戰略決策的影響。為了將作戰優勢和有保證的戰略威懾結合起來，高超音速武器的雙重用途需要政治討論和軍事建議，并提升國際軍控談判的重要性。

技術聲明

本論文的目的不是解釋高超音速飛行的科學和技術細節，而是分析其操作和戰略影響。因此，它在正文中應用了合理的最低限度的技術信息。

有關飛行高度的信息并不是指一個標準的大地測量參考系統。相反，它們指的是不同的氣壓標度、GPS數據或其他參考。這種限制對于本論文來說已經足夠了。為了清晰和最直接的理解，海拔高度以公里和英尺為單位，并四舍五入到有用的措施。

速度用馬赫數顯示，以英里/小時和公里/秒為單位，以便于比較。標準大氣中的音速取決于空氣溫度，因此也取決于飛行高度。本論文對所有高度使用0.3333公里/秒的恒定速度，這對計算和解釋高超音速飛行的影響是足夠公平的。來自官方數據表的信息沒有被修改。鑒于太空中沒有聲音傳播，所以沒有音速，技術上也沒有馬赫數。然而，為了便于比較，對近空間物體使用匹配的馬赫數是很公平的。

這項工作的一個基本原則是完全使用公開的信息，這些信息明確地沒有與機密數據進行過比較。這種分離消除了損害機密信息的任何可能性。因此，本研究中的數據的合理性來自于物理背景、相互比較和整體背景；其準確程度足以達到本工作的目的。

所引用的大部分出版物都來自公認的作者和組織。在個別情況下，在檢查了可信度之后，為了支持說明的目的，使用了沒有相應聲譽的作者的額外材料。

第一章：簡介

高超音速武器的出現將改變我們的作戰方式和威懾思維，因為這些武器在空間和空域內定義了新的關系和界限。它們的速度是音速的五倍以上（5馬赫；1.7公里/秒；3,700英里/小時），在兩個主要的速度和高度范圍內帶來重大影響。

圖1：高超音速的高度和速度包絡線。

在上層封套中，高超音速滑翔飛行器（HGVs）的速度遠達33馬赫（11公里/秒；24,600英里/小時），并在20至130公里之間跳躍，它以可操縱的彈頭、復雜的彈道和終端階段的決定性敏捷性加強了現有的彈道導彈技術。此外，由洲際彈道導彈（ICBM）作為載體平臺發射，HGVs可以爬升幾百公里，多次重新進入大氣層，并不斷改變方向。這些機動靈活的HGV將引起人們對洲際戰略導彈威脅和威懾的重新思考。HGV也可能在作戰戰場上發揮作用，由中短程戰術助推滑翔（TBG）系統部署。

在較低的高超音速包絡中，高超音速巡航導彈（HCM）的速度可達6馬赫（2公里/秒；4,500英里/小時），巡航高度在20至40公里。由超音速燃燒沖壓發動機（Scramjets）提供動力，HCM增強了今天亞音速巡航導彈的對抗能力，速度和高度都大大增加。因此，HCM將改變作戰戰斗力和威懾思維。

HGVs和HCMs都使用20至130公里之間的大氣層，并專門利用它作為高超音速空域。因此，高超音速武器在空中和空間領域架起了橋梁，作為一種新的威脅發揮出來，并要求將現有的空天防御和導彈防御理論修訂為更廣泛的綜合空天防御理論。

近年來，經常有報道說在開發和引進這些武器方面取得了新的成功。在2018年的一次令人震驚的國家報告中，弗拉基米爾-普京總統宣布了壯觀的俄羅斯高超音速能力。中國公開展示這種武器的作戰能力。雖然謹慎的分析家總是需要質疑這種報告的可靠性，但在相關文獻中沒有實質性的疑問，高超音速武器的時代已經到來。更重要的是，就像飛機、噴氣式轟炸機、洲際彈道導彈、潛艇和核武器的出現一樣，高超音速導彈有可能徹底改變戰爭的進行。

因此，任何希望擁有可靠武裝力量的國家必須考慮高超音速武器的能力和影響。在美國，這種討論已經在順利進行。近年來，參謀長聯席會議和國會 "對追求高超音速系統的發展和近期部署表現出越來越大的興趣"。高超音速武器的出現激發了各種各樣的研究和評論。

2017年蘭德公司關于高超音速武器的分析指出了高超音速技術在世界范圍內擴散的危險性和潛在的發難戰術。"大西洋理事會 "的一本入門書討論了印度-太平洋戰區，并評估了俄羅斯和中國如何將高超音速武器視為一種增加的戰略威懾。"蓋斯特和馬西科特評估了俄羅斯聲稱的新型超級武器是一種有意的競爭準備信號，防止美國進一步投資于決定性的美國戰略優勢。 相反，美國外交政策委員會（AFPC）認為，莫斯科和北京已經擁有強大的核能力，核高超音速武器不一定會改變戰略平衡。Terry和Cone普遍認為高超音速核運載系統相對于現有系統沒有什么優勢。美國國會研究服務部分析說，今天美國的多種能力提供了足夠的打擊選擇，認為高超音速的出現與其說是三個主要核國家之間革命性的新軍備競賽，不如說是一種進化的 "新技術發展的競爭"。斯德哥爾摩國際和平研究所（SIPRI）對中國正在推進的高超音速技術和武器庫給出了更詳細的看法。

這些文獻討論了技術基礎、各國的進展、軍事價值、可能出現的情況以及國際影響。然而，它并沒有對高超音速武器如何影響軍事行動的規劃和實施進行更具體的討論--它們如何融入戰役。整合和使用這些武器的軍事學說仍然缺失。正如后面的分析所強調的，關于高超音速武器在空中和太空領域的戰爭中的作用，還沒有任何理論出版物。鑒于高超音速的發展速度，美國的理論正在進一步落后。此外，關于一個國家，特別是一個核國家，如何以不破壞穩定的方式將這些武器納入其武庫，并沒有多少實質性的文字。

此外，所研究的文獻沒有討論HGVs在空間武器化方面的潛力。技術上的再入設計提供了潛伏在低地球軌道（LEO）上的天基HGV的可能性。如果沒有典型的助推器的紅外(IR)信號，這樣的武器將是一個明顯不容易觀察的威脅。因此，預先駐扎的天基HGV的潛力將挑戰現有的天基紅外傳感器層，并質疑目前的綜合導彈防御架構。

本論文研究了高超音速武器的重要特征--速度、射程、巡航機動性和最終游戲的敏捷性--如何結合起來，創造出一系列挑戰，這些挑戰將大大影響軍事組織在空中和太空領域的運作方式。對于技術背景較弱的感興趣的讀者，附錄A和B研究了高超音速武器的基本技術方面及其革命性的潛力。

第二章評估了戰略風險，研究了高超音速武器對可信威懾原則和聯盟防御的影響，并為與高超音速競爭對手的戰略溝通和談判策略提供了基礎。盡管高超音速武器有其特點和攜帶核彈頭的潛力，但它并沒有改寫經典威懾的規則，而是對其提出了挑戰。事實上，在戰略層面上，美國和其他大國應該像今天對待核武器一樣對待它們--確保第二打擊能力，利用軍備控制協議，并減少模糊性。

第三章討論了作戰影響。高超音速武器仍在開發中--事實上，對其作戰準備情況存在一些疑問。然而，由于高超音速武器的時代無疑已經到來，概念、理論和技術上的差距存在，加劇了對這些武器的擔憂。

第四章總結了主要觀點，將其形成一個觀點，并建議進一步分析以理解高超音速武器對美國和盟國行動以及現有威懾概念的實際風險和潛在價值。

機器學習是現代戰爭系統的關鍵組成部分。本文探討了人工智能的 7 個關鍵軍事應用。

機器學習已成為現代戰爭的重要組成部分，也是我（Nicholas Abell）作為陸軍退伍軍人和數據科學家的主要興趣點。與傳統系統相比，配備人工智能/機器學習的軍事系統能夠更有效地處理大量數據。此外，人工智能由于其固有的計算和決策能力，提高了作戰系統的自我控制、自我調節和自我驅動能力。

人工智能/機器學習幾乎被部署在所有軍事應用中，軍事研究機構增加研發資金有望進一步推動人工智能驅動系統在軍事領域的應用。

例如，美國國防部 (DoD) 的國防高級研究計劃局 (DARPA) 正在資助一種機器人潛艇系統的開發，該系統預計將用于從探測水下水雷到參與反潛行動的各種應用。此外，美國國防部在 2017 財年在人工智能、大數據和云計算方面的總體支出為 74 億美元。預計到 2025 年，軍事 ML 解決方案的市場規模將達到 190 億美元。

以下是機器學習將在未來幾年證明其重要性的七種主要軍事應用。

1. 作戰平臺

來自全球不同國家的國防軍隊正在將人工智能嵌入陸地、海軍、空中和太空平臺上使用的武器和其他系統中。

在基于這些平臺的系統中使用人工智能，可以開發出更少依賴人工輸入的高效作戰系統。它還增加了協同作用，提高了作戰系統的性能，同時需要更少的維護。人工智能還有望使自主和高速武器能夠進行協作攻擊。

2. 網絡安全

軍事系統通常容易受到網絡攻擊，這可能導致機密軍事信息丟失和軍事系統損壞。然而，配備人工智能的系統可以自主保護網絡、計算機、程序和數據免受任何未經授權的訪問。

此外，支持人工智能的網絡安全系統可以記錄網絡攻擊的模式，并開發反擊工具來應對它們。

3. 物流運輸

人工智能有望在軍事后勤和運輸中發揮關鍵作用。貨物、彈藥、武器和部隊的有效運輸是成功軍事行動的重要組成部分。

將人工智能與軍事運輸相結合可以降低運輸成本并減少人力工作負荷。它還使軍用艦隊能夠輕松檢測異常并快速預測組件故障。最近，美國陸軍與 IBM 合作，使用其 Watson 人工智能平臺來幫助預先識別 Stryker 戰車的維護問題。

4. 目標識別

正在開發人工智能技術以提高復雜戰斗環境中目標識別的準確性。這些技術使國防軍隊能夠通過分析報告、文檔、新聞提要和其他形式的非結構化信息來深入了解潛在的作戰領域。此外，目標識別系統中的人工智能提高了這些系統識別目標位置的能力。

支持人工智能的目標識別系統能力包括基于概率的敵人行為預測、天氣和環境條件匯總、潛在供應線瓶頸或漏洞的預測和標記、任務方法評估以及建議的緩解策略。機器學習還用于從獲得的數據中學習、跟蹤和發現目標。

例如，DARPA 的競爭環境中的目標識別和適應 (TRACE) 計劃使用機器學習技術在合成孔徑雷達 (SAR) 圖像的幫助下自動定位和識別目標。

5. 戰場醫療

在戰區，人工智能可以與機器人手術系統 (RSS) 和機器人地面平臺 (RGP) 集成，以提供遠程手術支持和疏散活動。美國尤其參與了 RSS、RGP 和其他各種用于戰場醫療保健的系統開發。在困難條件下，配備人工智能的系統可以挖掘士兵的病歷并協助進行復雜的診斷。

例如，IBM 的 Watson 研究團隊與美國退伍軍人管理局合作開發了一種稱為電子病歷分析器 (EMRA) 的臨床推理原型。這項初步技術旨在使用機器學習技術來處理患者的電子病歷，并自動識別和排列他們最嚴重的健康問題。

6. 戰斗模擬與訓練

模擬與訓練是一個多學科領域，它將系統工程、軟件工程和計算機科學結合起來構建計算機模型，使士兵熟悉在軍事行動中部署的各種作戰系統。美國正在越來越多地投資于模擬和訓練應用。

美國海軍和陸軍都在進行戰爭分析，啟動了幾個傳感器模擬程序項目。美國海軍已經招募了 Leidos、SAIC、AECOM 和 Orbital ATK 等公司來支持他們的計劃，而美國陸軍的計劃得到了包括 SAIC、CACI、Torch Technologies 和 Millennium Engineering 在內的公司的支持。

7. 威脅監控和態勢感知

威脅監控和態勢感知在很大程度上依賴于情報、監視和偵察 (ISR) 工作。ISR 行動用于獲取和處理信息以支持一系列軍事活動。

用于執行 ISR 任務的無人系統既可以遠程操作，也可以按照預先定義的路線發送。為這些系統配備人工智能有助于防御人員進行威脅監控，從而提高他們的態勢感知能力。

具有集成 AI 的無人駕駛飛行器 (UAV) - 也稱為無人機 - 可以巡邏邊境地區，識別潛在威脅，并將有關這些威脅的信息傳輸給響應團隊。因此，使用無人機可以加強軍事基地的安全，并提高軍事人員在戰斗中或偏遠地區的安全性和效率。

結論

人工智能在軍事技術硬件和軟件的大規模采用，向我們展示了現代戰爭中令人難以置信和可怕的范式轉變。毫不奇怪，世界上最大的軍隊比其他任何事情都更加關注這項技術，而這場技術競賽的獲勝者可能會比美國在研制原子彈后擁有更多的全球影響力。 （作者：Nicholas Abell，美國陸軍退伍軍人）

摘要

當代和新出現的安全威脅以及從最近的軍事行動中吸取的教訓已經證明，為了在傳統的物理領域（陸地、空中、海上、太空）實現作戰目標，確保在非物理領域的主導地位至關重要，即網絡空間、電磁環境（EME）和信息環境。因此，除了物理作戰領域之外，在非物理領域取得優勢的能力對于實現戰役的軍事和非軍事目標具有決定性意義。

作戰人員將面臨消除沖突，協作，同步和整合行動的挑戰，以實現并發揮協同效應以應對多種威脅，其中可能還包括來自每個作戰領域對手的武裝沖突閾值以下的行動，包括非物質的。

本文探討了作戰環境聯合情報準備 (JIPOE) 作為支持聯合作戰規劃、執行和評估的主要工具的作用和意義，從而有助于多域作戰 (MDO) 的同步和協調。在這方面，基于政治、軍事、經濟、信息、基礎設施-物理、時間(PMESII-PT)方法，不可能將對當代作戰環境(OE)的分析局限于物理領域及其與非物理領域的關系。相反，作者們相信，確定一種合適的方法來關注在非物理領域單獨或聯合進行的活動影響，它們在PMESII-PT所有領域的相互融合和實際操作領域的相關性，將大大有助于友軍識別和評估對手的重心(COG)、關鍵弱點、意圖和行動路線(COAs)的能力，包括各自的指標。JIPOE將為聯合部隊指揮官(JFC)提供OE的整體視圖，將與戰術層面密切合作、共享和開發，通過結合不同領域的能力，應該能夠壓倒對手的部隊。這種集中控制和分散執行的方法將有助于在作戰和戰術層面之間產生協同效應。

引言

未來的軍事行動將以物理和非物理層面的融合為特征，眾多不同的行為者將在其中運作。任何部隊都需要適應極其復雜的作戰環境和大量的作戰變量，需要適應性地使用一系列武器系統來產生致命和非致命的效果。因此，除了物理作戰領域（即陸地、空中、海上和太空），在非物理領域（網絡空間、EME、信息環境）取得優勢的能力將對實現戰役的軍事和非軍事目標具有決定性意義[1, p.280]。

OE是影響能力運用和影響指揮官決策的條件、環境和影響因素的綜合體[2, p.3]。了解OE的因素和條件不僅是所有計劃活動，特別是行動設計的關鍵前提，也是友軍保護和許多其他相關任務的關鍵前提[3, p.41]。

JIPOE代表了一種系統的方法，用于分析有關OE和對手的信息。它可以應用于全部的軍事行動。指揮官和參謀部在危機背景、根本原因和具體動態方面，對戰區形成共同的理解和整體的看法。它使指揮官能夠直觀地看到問題的程度，以及他們如何塑造和改變OE，使之成為他們的優勢，這將為他們的決策提供信息[2, p.3-5]。

JIPOE產品極大地促進了聯合（即作戰）層面的軍事行動的規劃和執行。現代軍隊，特別是北大西洋公約組織（NATO）內的軍隊，幾十年來在討論跨領域（陸、海、空）的協調行動時一直使用聯合這一術語。如今，由于全球安全環境的巨大變化以及俄羅斯和中國日益增長的野心，為了挑戰潛在的同行對手，需要采取多領域的方法。在傳統的戰爭門檻下，盟國及其合作伙伴已經受到了跨越物理和非物理領域的持續攻擊[4, p.2]。MDO一詞不同于聯合行動，因為它旨在關注跨越多個領域的行動，而不考慮服務的歸屬，不一定是由多個部門進行的行動[5，p.49]。

圖1:支持聯合行動的當前JIPOE流程的可視化。

圖2:提出支持MDO的JIPOE過程方案。