本專著追求的是確定美國陸軍如何能夠建立對定位導航和授時的共同作戰理解。規劃人員、分析人員和戰略人員必須了解如何實施空間使能因素和能力，以應對有爭議的作戰環境中的挑戰。最重要的是，本專著試圖回答美國陸軍將如何在未來的多域作戰中減輕定位導航和授時（PNT）的不利影響的問題。空間使能器對于成功彌補BCT級別的空間作戰差距以應對PNT戰爭中的近距離威脅是至關重要的。了解美國陸軍在MDO期間如何針對近距離對手開展行動，對于未來的任務規劃至關重要，這將使美國陸軍在多域作戰中應對作戰挑戰并保持作戰優勢。該專著將提供背景資料，確定美國陸軍在被拒絕、降級和中斷的空間作戰環境（D3SOE）中的GPS所面臨的當前問題，適用于PNT的當前文獻，并分析當前PNT的能力和局限性。最后，它的結論是關于美國陸軍必須如何認識到MDO的未來影響，并確定將阻礙美國陸軍未來行動的任何執行的脆弱性的建議。

引言

在當前的信息和技術時代，世界人口已變得越來越依賴實時數據。無論是手機、電視，甚至是電力，技術已經成為地球上日常生活中提供實時信息的主力軍。隨著這種技術全球化的增加，對美國國家安全的挑戰和保護美國國內外利益的復雜性也在增加。美國繼續在有爭議的作戰環境中投射力量。美國在被拒絕的、退化的和被破壞的作戰環境中通過空間能力投射力量的能力不能僅僅停留在戰略領域，還必須延伸到作戰和戰術層面。

今天，近在咫尺的對手威脅，特別是中國和俄羅斯，正在與美國進行一場越來越復雜的技術競賽。國防空間戰略（DSS）總結提出，由于俄羅斯等大國開發、測試和部署反空間能力及其相關的軍事理論，以便在沖突中延伸到空間，因此構成最大的戰略威脅。這與其說是創造最主要和最致命的武器的競賽，不如說是一場更專注于如何拒絕對手能力的競賽。了解到這些空間支持行動的戰略利益，外國政府正在發展威脅他人使用空間能力的能力。中國和俄羅斯各自將空間武器化，作為降低美國和盟國軍事效力和挑戰美國空間行動自由的手段。

這種拒絕對手能力的技術競賽可能導致信息傳遞的 "內容 "和 "方式 "的范式轉變。拒絕信息傳遞是信息作戰（IO）和多域作戰（MDO）的最前沿。美國陸軍目前在作戰層面上面臨的問題是對定位、導航和授時（PNT）以及空間能力如何在退化、中斷或被拒絕的作戰環境中實現任務規劃和執行缺乏共識。美國陸軍必須了解PNT戰爭如何在作戰環境中發生，以及如何在未來的MDO期間減少所有梯隊對PNT戰爭的敵對使用。

三種不同的基本能力的組合定義了PNT。定位是指在標準大地測量系統（如1984年世界大地測量系統或WGS84）中準確和精確地確定一個人的位置和方向的能力，或在需要時確定三維位置。導航是確定當前和所需位置（相對或絕對）的能力，并應用于修正航線、方向和速度，以達到世界上任何地方的所需位置，從地下到表面，從表面到空間。計時是指在世界任何地方并在用戶定義的及時性參數范圍內，從一個標準（協調世界時或UTC）獲得并保持準確和精確的時間的能力。計時還包括時間轉移。

授時是PNT的關鍵。它是定位和導航的基礎。GPS的定位和導航數據來自接收設備的授時信號。全球的用戶完全依靠美國空軍維護的衛星群來獲得授時信息。

由于平民依賴PNT，即目前現代技術的支柱，美國軍隊也極其依賴PNT及其能力。廣泛依賴衛星信號進行導航和計時，使美國的關鍵基礎設施和經濟活動處于危險之中。

從戰術層面上進行徒步巡邏的步兵到進行聯合演習的海軍艦艇，甚至是在戰略層面上投擲精確制導炸彈的B-52 "斷頭臺"，這些行動的成功執行所需的精確位置的計算都使用PNT。PNT的中斷可能有能力阻止美國軍隊的行動。人們越來越關注對手破壞GPS信號的方法和手段，從而使美軍無法獲得實現 "美國戰爭方式 "的定位和導航信息。美軍必須對付這些對手的措施，以便在被拒絕的、退化的和被破壞的空間作戰環境（D3SOE）中有效運作。

在D3SOE中有效運作依賴于幾個維持連接網絡的天基系統。天基系統和不受阻礙的空間訪問對國家的經濟福祉越來越關鍵，并與美國的國家安全相關聯。美國陸軍依靠空間能力來實現和加強陸地戰爭；幾乎每一個陸軍和聯合行動都受益于這些能力。了解這些涉及的復雜系統的風險將產生一種保護美國利益的預防行動的緊迫感。

基于空間的能力是軍事、商業和民用部門的一個組成部分。目前美國的空間政策闡明了基礎活動，通過加強機構間和商業伙伴關系來改善空間系統的開發和采購。長期存在的空間技術和成本障礙正在下降，這使得更多的國家和商業公司能夠參與到衛星建造、空間發射、空間探索和人類太空飛行中。私人商業公司Space X最近公布了其空間計劃。這可能促進美國商業空間能力和服務的新市場機會，包括依賴美國政府提供的空間系統的商業應用。促進商業應用對有保障的PNT的依賴，可以利用美國的能力來增強和鼓勵新興技術和空間能力的民用和軍用互操作性。鑒于上述概述，本專論將討論在美國陸軍作戰計劃中理解PNT的重要性。

研究問題

美國陸軍將如何在未來的多域作戰 (MDO) 中減輕 PNT 戰爭的影響？

假設

美國陸軍要求重點支持有保障的PNT和緩解技術，這可能使美國陸軍在MDO期間應對作戰挑戰并保持作戰優勢。為了應對有保障的PNT所面臨的近似挑戰，美國陸軍必須找到新的和全面的方法，通過同時使用其他作戰領域，如網絡戰和電子戰，來減少對計時系統的威脅。這也意味著要建立一個防御性的時間基礎設施和網絡，以維護和改善友好的授時源和授時分配，重點是精確授時的廣泛用途。在GPS被屏蔽的環境中，確保準確的PNT信息被傳遞給作戰人員是絕對關鍵的。為了采用這些技術，并有效地應對近距離的威脅，美國陸軍必須在作戰層面上提高整個部隊對空間能力和促進因素的共同理解。

重要性

美國陸軍必須認識到MDO的未來影響，并確定將阻礙美國陸軍未來行動的任何執行的弱點。了解美國陸軍在MDO期間如何對近距離的對手開展行動，對于未來的任務規劃至關重要。MDO方法將等同于美國陸軍如何減少其目前對PNT的過度依賴，同時繼續執行和實現任務的成功。

方法論

通過條令、歷史和理論的視角，研究將集中在公開來源的非保密檔案材料、當前和歷史上的軍事學說以及理論框架，以產生一個規范性的建議來回答研究問題。訪問聯合導航戰中心（JNWC）、美國陸軍空間和導彈防御司令部（USASMDC）、美國戰略司令部（USTRATCOM）和位于科羅拉多州彼得森空軍基地（AFB）的美國空間司令部（USSPACECOM）的人員資源，將提供歷史和當前背景以及與研究問題有關的信息。這將有助于指導研究，任何發現，并提供與此主題有關的額外背景。該專著將確定當前的MDO理論，包括當前的空間作戰理論，以了解已確定的PNT脆弱性，在可能的情況下減輕，以及在空間使能器可以彌補任何操作差距的情況下未減輕。空間使能器對于在BCT層面成功彌補空間作戰差距以應對PNT戰爭期間的近距離威脅是最重要的。

本專著將特別關注解決美國陸軍應通過實施集中的系統方法來理解PNT的過程。這個過程將通過在各旅戰斗隊（BCT）實施空間使能器和空間能力來提高對PNT戰爭的作戰理解。空間能力是投射陸地力量和贏得近距離戰斗的關鍵使能因素。本專著分為四個主要部分：第一部分是導言，包括背景信息，指出美國陸軍在D3SOE中面臨的GPS問題；第二部分提供適用于PNT戰爭的當前理論，以及對當前PNT戰爭能力和限制的理解；第三部分分析美國陸軍目前如何計劃和執行MDO；第四部分總結了影響、建議，以及必須進行的額外研究。

在現代軍事領域，及時的信息越來越重要。然而，攻擊正變得越來越復雜。快速識別、選擇和執行網絡防御響應至關重要。

新型人工智能 (AI) 統計前瞻規劃技術已用于對目標環境進行網絡攻擊。這些技術以前沒有在網絡建模中使用過，但它們在其他領域的成功表明了它們的實用性。人工智能展示了它能夠組裝復雜的攻擊，顯示出解決網絡領域問題的能力。

Mininet/Containernet 解決方案在目標環境的完整表示方面取得了重大進展，這使人們相信這種表示是可能的。這將允許構建具有代表性的目標環境以進行快速分析。

人工智能可用于大規模生成成功攻擊特征的數據，促進機器學習人工智能的訓練，以檢測此類攻擊，這在現實世界數據稀少的情況下至關重要。

這種方法的一個優點是人工智能不是在學習，而是在進行前瞻性規劃。因此，隨著新漏洞的識別，人工智能可用的攻擊和防御動作可以輕松更新，而無需重新訓練。這種敏捷性在快速發展的網絡領域中至關重要。

1 引言

軍事領域的計算機網絡，以及所有地方的計算機網絡，都越來越受到網絡攻擊。顯然，能夠快速檢測到此類攻擊的漏洞并選擇合適的應對措施是非常重要的。因此，人們對利用人工智能（AI）技術開發自動化的網絡防御程序產生了廣泛的興趣。例如，在2020年2月，微軟研究院建立了一個名為CyberBattleSim的網絡攻擊模擬器，參考文獻[1]，它通過開源的AI Gym工具包使用強化學習（RL）算法。在谷歌上搜索可以很快找到半打類似的基于RL的網絡攻擊模擬器。

相比之下，本文描述了一種使用統計前瞻計劃而不是RL的自動化人工智能網絡模擬。統計前瞻規劃（SFP）算法是一系列穩健的隨機人工智能技術，使用統計模型（也稱為前瞻模型）來模擬未來可能的狀態。它們無需訓練，因此比基于學習的方法快得多。SFP算法的例子包括蒙特卡洛搜索、蒙特卡洛樹搜索和滾動地平線進化。最近的參考文獻，見Perez-Liebana等人，參考文獻[2]，其中描述了SFP在視頻計算機游戲中的應用。快速算法和游戲在軍事方面當然也很重要。

本項目中使用的人工智能軟件是由QinetiQ訓練和模擬有限公司開發的任務規劃師人工智能工具的擴展。最初，任務規劃器（Mission Planner）被用于生成和分析陸上兵棋推演中的指令。此后，任務規劃器也被成功地用于反潛戰等情況下。任務規劃器中的人工智能引擎，在設計上對特定的應用一無所知，只根據特定指令序列的獎勵或效用來工作。這使任務規劃器具有相當大的通用性。特別是，任務規劃器可以被用來規劃網絡攻擊和防御。參見參考文獻[3]對任務規劃器在其最初的陸上兵棋推演角色中的討論。

任務規劃器內的人工智能引擎使用隨機優化算法（在這種情況下是模擬退火）來選擇一個最佳的訂單序列。或者，在網絡背景下，一個最佳腳本。由人工智能引擎生成的腳本在引擎本身沒有任何意義。它們被傳遞給任務規劃器中的一個特定應用組件，稱為解碼器。這將計算出一個數值，稱為獎勵或效用或價值，并將其傳回給人工智能引擎。優化算法迭代進行，產生一個腳本序列，其值逐漸（但通常不是單調的）收斂到一個最佳值。

這項工作的目的是確定任務規劃器是否可以用來產生對計算機網絡的網絡攻擊。必須牢記，本文只描述了這項工作的第一階段。

2 方法路徑

2.1 網絡攻擊結構

在一個遠程服務器上設置了一個包含幾個已知漏洞的目標虛擬目標網絡（例如，一些機器可能有舊版本的操作系統，缺少重要的安全補丁）。該目標網絡通過一個Middle Ware組件與任務規劃師解碼器進行通信。

圖 2-1：網絡攻擊結構：按計劃（左）和按實施（右）。

圖2-1中的左手圖顯示了預定的結構。

• 解碼器將一個攻擊腳本傳遞給中間設備組件。
• Middle Ware組件在評估網絡上執行攻擊腳本。
• 對評估網絡的攻擊結果被返回到Middle Ware組件，該組件評估攻擊的成功率，并計算出一個結果的數值分數。
• 這個數值分數被傳回給解碼器。

該項目最初考慮使用基于Mininet的目標環境，包括Containernet和libvirt支持，以允許使用docker容器和虛擬機。這將允許在評估網絡上快速生成和測試攻擊腳本。由于libvirt對Containernet的支持是實驗性的，并且已經5年沒有更新了，所以是不能用的，所以不可能用Mininet來實現目標網絡。出于這個原因，對評估網絡的調用被刪除了，取而代之的是一個腳本標記，用來評估人工智能生成的腳本與給定的人工生成的腳本的相似度。實施的網絡攻擊結構如圖2-1中的右圖所示。

2.2 腳本標記

正如參考文獻[3]所解釋的那樣，任務規劃器的腳本由樹組成，其中樹中的每個節點要么是：

• 一個命令節點；
• 一個輸入節點，包含一個用于指令節點的數值參數。

一個輸入節點總是一個指令節點的子節點，輸入節點的參數值被應用于父指令節點。一個輸入結點沒有任何子結點。

指令節點必須始終有至少一個子節點。指令節點的子節點本身可以是指令節點或輸入節點。指令節點只能是有限數量的可能類型中的一個。

對于給定的一對相同類型的指令節點，腳本標記可以按以下方式計算出一個相似度值。

1.將該值初始化為零。

2.如果兩個節點都沒有父節點，則加1（到值）。

3.如果兩個節點都有一個父節點，并且兩個父節點都是同一類型，則加1。

4.遍歷每個順序節點對的輸入節點，比較每個列表中的第一個條目，第二個條目，以此類推，當其中一個列表用完時結束；對于每一對具有相同價值的輸入節點，在相似性值上加1，對于每一對具有相同類型的輸入節點，再加1。

5.將相似度值規范化，用父節點的子節點數除以相似度值，以父節點的子節點數最少的為準。

腳本標記在兩個腳本A和B之間計算出一個整體的相似度分數，具體如下：

1.將分數初始化為零。

2.對于腳本A中的每個順序節點，找出腳本B中具有最大相似度的相同類型的順序節點，并將這個最大相似度值加到分數中。

3.將分數歸一化，用腳本中訂單節點的數量來計算，以指令節點數量最多的腳本為準。

這個算法返回一個介于0和1之間的值。如果所有的指令節點類型和輸入值完全匹配，它將返回1。如果沒有匹配，它將返回0。

圖 2-2：實時網絡：使用 VMWare 的完整企業架構。

2.3 實時網絡

圖2-2顯示了用于測試人工智能攻擊的實時網絡，其中一個雙宿主、域連接的網絡服務器按照洛克希德網絡殺戮鏈的7個步驟被破壞。見參考文獻[4]。在成功入侵網絡服務器后，人工智能重復偵察、武器化、交付等過程，以確定域中的漏洞，并將其攻擊性工具轉移到被入侵的服務器上，利用這一點來捕獲域用戶的NTLM哈希值。見參考文獻[5]。人工智能將NTLM哈希值復制到它用于初始訪問的攻擊箱，在那里它使用開膛手約翰來識別域用戶的用戶名和密碼。見參考文獻[6]。在這個例子中，收獲的用戶賬戶是域管理員的賬戶，AI現在使用這些憑據連接到ADServer，并在域上創建自己的賬戶。圖2-2左側的綠色方塊包含被攻擊的虛擬網絡。圖中間的紅色方塊包含攻擊框，它是本測試中攻擊源的物理計算機。

由于Covid的限制，該項目具有分散性，被破壞的實時網絡和承載任務規劃器的計算機在地理上是分開的，因此必須使用ZeroTier軟件定義網絡來提供安全通信。見參考文獻[7]。

最初，攻擊腳本是在攻擊箱上手工開發的，并通過觀察對網絡服務器的攻擊結果進行手工測試。一旦開發出令人滿意的攻擊腳本，它就被納入腳本標記，并使用任務規劃器AI來生成一個最佳的攻擊腳本。然后通過互聯網將其傳遞給攻擊箱，從那里向目標網絡發起攻擊。

圖 2-3：域接管所需的攻擊腳本組件、

2.4 AI攻擊語法

圖2-3顯示了領域接管所需的攻擊腳本組件（戰術用深藍色陰影，技術用淺藍色陰影），以及一些當前攻擊不需要的額外組件。任務規劃者可以從一個潛在的無限選項中決定哪些腳本是必需的。例如，不需要的組件來自于數據滲出攻擊。還要注意，PYTHONSERVER和PYTHON3SERVER是不同的實例；PYTHONSERVER用于webserver和wget，而PYTHON3SERV必須是python3。該項目以MITRE ATT&CK?中列出的戰術和技術為基礎，MITRE ATT&CK?是一個基于現實世界觀察的全球可訪問的網絡戰術和技術知識庫。見參考文獻[8]。這些組件被提供給Mission Planner，然后Mission Planner必須以正確的順序將它們組裝起來，以達到預期的結果。

有些組件有許多選項，例如INITIALACCESS可以是公共應用程序，或外部遠程服務。RECONNAISSANCE比較復雜，它可以是NMAP、NESSUS或OPENVAS中的一種，NMAP RECONNAISSANCE可以是任何一種可用的選項，從隱蔽性到攻擊性不等。這些組件選項在圖2-3中用虛線表示。實線箭頭表示域接管攻擊所需的腳本組件的正確順序。

3 AI的性能

表 3-1：域接管腳本的 AI 進度報告。

表3-2: AI進度報告的關鍵。

表3-1列出了Mission Planner在域接管腳本方面的AI進度報告，表3-2解釋了各欄的內容。表3-1顯示，在第15代時，優化器取得了93.994%的最佳分數。這個腳本與目標腳本只有一步之差，盡管它仍然導致了一次失敗的攻擊。在第21代時，得到了一個接近完美的解決方案，導致攻擊成功。總耗時為37秒。

圖 3-1：在域接管期間提高百分比分數。

圖3-1顯示了在每一代中取得的百分比分數的提高。最好的分數逐漸增加到100%。當然，平均得分不如最佳得分；然而，隨著最佳得分的接近，差異也在減少。這就是模擬退火算法的典型行為。

4 結論

我們已經表明，任務規劃器的人工智能引擎原則上可以用來發動自動網絡攻擊。雖然不可能將優化器直接連接到被攻擊的網絡，但這是通過腳本標記來模擬的。雖然適合于演示，但這確實限制了優化器，因為所采用的方法的一個重要優勢是，它能夠為以前從未解決過的問題找到新的解決方案。使用腳本標記評估不可能證明這一點。

因此，下一步將是用一個基于Mininet、Containernet、libvirt的解決方案來取代腳本標記。我們相信，這將允許優化器對目標環境進行快速原型設計。這項工作的一個重要部分將是評估對運行時間的影響。還應測試更廣泛的目標網絡和網絡攻擊類型。

任務規劃器的人工智能引擎也可以被擴展，以便它可以防御網絡攻擊。一旦實現了這一點，可以將攻擊和防御的人工智能引擎結合起來，形成一個對抗性的人工智能，其中攻擊和防御部分依次對立。每一次通過這個攻防循環都會進一步提高這兩個組件的實力和穩健性，因為每個組件都被迫對能力更強的對手做出反應。

摘要

軍事決策在不同的領域--陸地、海洋、空中、太空和網絡--以及不同的組織層面--戰略、作戰、戰術和技術上發揮著關鍵作用。建模和仿真被認為是支持軍事決策的一個重要工具，例如，生成和評估潛在的行動方案。為了成功地應用和接受這些技術，人們需要考慮到整個決策 "系統"，包括決策過程和做出決策的指揮官或操作員。

人工智能技術可以以各種方式改善這個決策系統。例如，人工智能技術被用來從（大）數據流中提取觀察結果，自動建立（物理/人類/信息）地形模型，產生對未來事件和行動方案的預測，分析這些預測，向人類決策者解釋結果，并建立人類決策者的用戶模型。

對于所有這些應用，人工智能技術可以在不同的情況下被使用，并且已經開始被使用，因此有不同的要求。在本文中，我們概述了人工智能技術和模擬在決策"系統"中的不同作用，目的是在我們的社區中促進對人工智能的綜合看法，并為用于軍事決策的各種人工智能研發奠定基礎。

1.0 引言

軍事決策有多種形式。它發生在不同的領域--陸地、海洋、空中、太空、網絡--以及不同的組織層次[7]。例如，在戰略層面上，決策是否以及何時在一個特定的作戰區域內開始一項軍事任務。在作戰層面上，聯合部隊指揮官決定為某項行動分配哪些軍事要素，并指定在具體行動中尋求的預期效果。在戰術層面上，例如，海上任務組的反空戰指揮官決定由哪艘護衛艦來應對來襲的威脅。最后，在技術層面上，要決定在什么范圍內使用什么武器來消滅對手。

建模和仿真被認為是支持這些現場決策過程的一個重要工具（例如，見[3]的清單）。它提供了一種理解復雜環境和評估潛在行動方案有效性的手段，而不必使用現場測試。因此，借助于建模和模擬可以更安全、更便宜、更快速，而且可以更容易地測試不同的操作方式。此外，對于戰場上的軍事行動來說，廣泛地試驗軍事行動應該如何進行，甚至可能在道德上不負責任。因為，在指揮官可以決定不繼續按照同樣的戰術行動之前，就已經產生了意想不到的效果。

現代建模和仿真經常得到人工智能（AI）技術的支持。例如，用于仿真單個節點、組織和社會行為模型（見一些背景資料[13][4]），以獲得對對手合理和可能行為的洞察力。在這種行為洞察力的基礎上，可以為許多決策層面的軍事行動設計提供智能分析和決策支持。此外，人工智能技術被用來構建這些模型，與這些模型互動，并迅速分析大量的模擬結果數據。這里的技術進步非常多，例如，使用機器學習來構建更真實的行為模型[11]，改善人機協作[5]，對大量的模擬數據進行理解[10]。然而，人工智能技術只有在對決策者有用的情況下才能也應該被用于軍事決策。這意味著，只有在決策質量提高或決策過程變得更容易的情況下，才應將人工智能技術（在建模和仿真中）整合起來。

成功應用和接受用于決策支持的模擬仿真--可能建立在人工智能技術之上--取決于與主要軍事決策過程的互動和不斷學習（[1]）。決策者和分析員應該知道如何提出正確的輸入問題，以便通過建模和仿真來回答。然后，這些問題應該通過建模和仿真研究轉化為正確的輸出答案。因此，在各種互補的人工智能技術的支持下，應該對軍事決策過程和軍事模擬之間的互動有一個廣泛、全面的看法，并服從不同的功能要求。在本文中，我們概述了由人工智能技術支持的軍事仿真在決策"系統"中的不同作用，目的是在我們的社區內促進對人工智能的綜合看法，并為軍事決策的各種人工智能研發奠定基礎。

2.0 基于仿真的軍事決策

如引言所述，決策發生在不同的領域和不同的組織層面。在這里，我們提出了一個決策系統的示意圖，以提供一個關于如何通過仿真來支持決策的一般見解。這一觀點（圖1）來自于對多個決策過程的分析，如聯合定位[5]、作戰計劃[7]、海上反空戰[1]，并與著名的OODA環[8]相結合。該觀點中的元素解釋如下。

圖1：由建模和仿真支持的軍事決策周期的系統觀點。

觀察：OODA循環的第一步是觀察，從廣義上講，就是觀察現實世界中正在發展和出現的事件和情況。觀察包括，例如，來自傳感器的（原始）數據，包括我們自己的眼睛和耳朵，以及來自報告、報紙和社會媒體的符號數據。還收集了來自高層指揮和控制實體的指導意見。這些數據由分析員處理，對鏡頭中的個體進行命名，計算某些Twitter標簽的出現次數，驗證某個事件是否真的發生，等等。根據[9]，這可以被稱為情境意識的第一級：對當前情況下的元素的感知。

世界模型：在OODA環的觀察步驟中，已經開始了構建世界模型的過程，無論是隱性的還是顯性的。符合軍事決策觀點的世界模型的另一個名稱是共同行動圖。所有相關的概念都在世界模型中得到體現，包括不確定因素和假設。請注意，世界模型可以被仿真，即個體、平臺、團體或社會的行為可以隨著時間的推移而被預測，即使是在用戶的頭腦中隱含完成。

定位：在OODA循環的第二步，分析者使用他的專業知識，對觀察結果進行推理，形成假設，例如對手的意圖。通過這樣做，實現了對真實世界的深入理解[12]，這反映在世界模型中（仍然是顯性或隱性的）。在態勢感知方面，這被稱為第2級（對當前形勢的理解）和態勢感知能力第3級（對未來狀態的預測）。在任何時候，推理的結果可能是世界模型結構是不充分的，例如，現實世界的一個方面被認為是不相關的，但最后發現是相關的。因此，世界模型需要被更新。

決定：決策者，可能是與分析員相同的人，將根據對現實世界的理解，考慮如何采取行動的選項。世界模型的預測能力被用來演繹各種情景，讓人了解什么是理想的行動方案，什么不是，或者讓人了解空間和/或時間上的關鍵點，這樣就可以對這些關鍵點給予額外考慮。當然，如果世界模型是隱含的，這都是決策者的精神努力。此外，對于感興趣的現實世界系統的預測行為，可以得出的結論的精確性和/或確定性有很大不同：從精確的路線，到可能的戰略和理論的廣泛指示。

行動：在OODA-環的這一步，行動被執行。這些行動發生在真實世界中，然后一個新的OODA-環開始觀察是否需要重新考慮已經做出的決定。另一個行動可以是向 "較低層次"的決策過程下達命令，例如，讓下屬單位計劃和執行他們所得到的任務。這就是不同組織層次的決策過程的互動方式。還要注意的是，盡管每個組織層面的世界模型都與真實世界相聯系，但這些世界模型的結構（即被認為是相關的）可能是不同的。

從概念上講，在上述的決策過程中引入模擬（實際上首先是建模的巨大努力）是很直接的。在第一步和第二步中，建立了世界相關部分的模型，在以后的時間里，它被用來評估許多不同的情景，分析由此產生的結果，并根據其結論做出決定。正如后面將顯示的那樣，人工智能技術的作用與建模和模擬的使用有很大關系。

雖然從概念上來說，納入仿真模擬和人工智能技術是很簡單的，但為了給行動提供真正的附加值，它需要被嵌入到具體的決策過程中。而每個決策過程都是不同的，有不同的時間限制，不同的行動者，在不同的操作環境中。這將對開發使用的解決方案，包括人工智能技術，提出不同的功能要求。此外，根據具體的作戰決策環境，應用人工智能技術的附加值（或缺乏附加值）將是不同的。在下一節中，我們將對一個具體的案例進行進一步的探索，盡管肯定不是詳盡的努力，以允許對這種系統在這個過程中可能具有的不同角色進行更通用的識別。

3.0 案例研究：聯合目標定位周期

本節提供了一個關于如何利用仿真和人工智能技術來支持作戰層面上的（蓄意）聯合目標定位決策的案例研究。對于每個想法，都有以下描述：被加強的行為者（決策者）和/或產品，人工智能如何提供支持，以及使用這種形式的支持的附加值是什么。請注意，這個案例研究的目的是為了更好地了解人工智能技術應用的廣度，因此，目標不是完全涵蓋所有的可能性，也不是過于詳細。這種類型的案例研究已經確保了可以得出初步的功能要求，人工智能技術和智能建模與仿真應該應用于此。

圖2顯示了北約盟國聯合出版物3.9中的聯合瞄準決策周期，其中強調了五個想法。

圖2--來自北約盟國聯合出版物3.9的聯合目標定位周期，JFC=聯合部隊指揮官，JTCB=聯合瞄準協調委員會，JTL=聯合瞄準清單，TNL=目標

想法1--基于AI的目標系統分析的所有來源分析。第一個想法是支持目標小組的成員在聯合目標定位周期的第二階段參與目標系統分析，進行目標開發。例如，假設從第一階段開始，就打算通過瞄準對手的石油生產來擾亂其資金能力。在第二階段，分析人員將研究石油生產的目標系統，以確定油井、煉油廠、管道、重要的道路，也許還有相關的關鍵人物，等等，基于他們擁有的所有來源（圖像、信號情報、人類情報，等等）。

人工智能技術可以協助人類分析員建立 "目標系統模型"，即通過采用模式識別算法來處理大量的所有來源的信息，通過使用推理算法將信息碎片組合成一個結構化和連貫的整體。分析傳入信息的算法可能--經過增量的人工智能驅動的創新--也能夠識別尚未反映在目標系統模型中的新概念，然后可以自動添加到模型中。另一種可能性是創建一個 "虛擬分析師"（見圖3），通過不斷挑戰假設、假說和人類偏見來協助人類分析師，這需要額外的用戶建模和可解釋的AI技術。

圖3：人類和虛擬分析員，一起解釋數據，推理信息和知識，以建立一個目標系統模型。

這個想法的潛在附加值首先體現在完整性上，更多的目標可以呈現給人類分析員--它仍然可以為交叉檢查的目的做最后一步的目標審查。因為所有來源的情報都被整合到目標識別決策中，所以可以得出更具體的目標信息。識別算法經過訓練后，與基于人眼從數據中識別目標時相比，可以更快更及時地進行識別。最后，該算法可以明確地轉向識別不同類型的目標，這些目標可能并不都在人類分析員的經驗或觀察能力范圍內。

想法2--通過算法識別來自目標系統分析的優先目標。第二個想法是支持從一個給定的目標系統分析中識別優先目標。這有助于目標支持小組成員得出一個聯合的優先目標清單，該清單是在聯合目標定位周期的第二階段，即目標開發階段制定的。人工智能技術的支持始于將目標系統分析（如果還沒有的話）轉化為計算機可理解的形式，該形式由功能關系連接的實體組成，并由目標任務的目標支持。然后，在相關的時間范圍內計算直接或間接瞄準不同實體所產生的效用（例如，效果和效果的持續時間）。

然后，最終結果可以由人類分析員檢查，該分析員可能會重新引導算法的某些部分，以確保最終結果選擇的優先目標盡可能地滿足和平衡任務目標。另一種可能性是，分析表明，對目標系統的某些部分還沒有足夠的了解，無法做出某種決定，然后發出新的情報請求，以減少這種不確定性。

在這種情況下，使用人工智能技術的附加價值首先體現在通過完整地確定優先事項，包括最大限度地實現任務目標，同時最大限度地減少負面問題，從而更好更快地確定優先次序。這種全面的分析可能會導致原始的目標選擇，在這種情況下，會發現反直覺但非常有效的目標。目標優先級的可追溯性增加了，因為目標選擇問題的算法規范以及積極和消極的相關功能迫使決策者在激發他們的偏好時完全明確。

想法3--能力和優先目標的自動映射。與目標開發（第二階段）密切相關的是第三階段的能力分析。第三個想法是協助，仍然支持目標支持小組的成員，找到最適當的（致命和非致命）能力的最佳同步組合，可以應用于產生所需的物理和心理效果。使用模擬和人工智能技術來自動生成和播放高水平和低水平的行動方案，可以獲得對計劃的優勢、機會、弱點和威脅的深刻理解。當然，只有在與人類分析員和決策者密切合作的情況下，建立這樣的理解才是有用的，這就需要有人類意識的 "虛擬分析員 "技術。

想法4--計算機輔助的穩健和適應性部隊規劃和分配。在聯合定位的第四階段，能力分析的結果被整合到進一步的行動考慮中，推動聯合部隊指揮官對目標的最終批準。仿真和人工智能優化技術可用于尋找稀缺資源對目標或其他任務的最佳分配。什么被認為是 "最好的 "可以是不同的，例如，爭取最大的效果、安全、穩健、靈活，或這些和更多因素的任何組合。這可能會提供原始的規劃和分配方案，從人類分析者的角度來看，這些方案部分是反直覺的，但卻富有成效。智能優化算法可以幫助確定時間和/或空間上值得監測的關鍵點。而且，如果可以實時跟蹤進展，在事件或機會實際發生之前就可以立即生成重新分配方案，在時間緊迫的情況下減少決策時間。

想法5--自動評估軍事行動績效措施。在聯合定位的最后階段，收集和分析數據和信息，以確定計劃的行動在多大程度上得到執行（績效的衡量），以及達到預期的效果（效果的衡量）。因為這種類型的分析與其他階段的分析基本相似（即需要觀察和理解），所以在這里采用的模擬和人工智能技術可以被重復使用。例如，"目標系統模型"可以用來事先確定哪些措施或措施的組合最能說明性能和/或成功，也許還要考慮到其他因素，如效果的可測量性和延遲性。這些見解可用于指導例如戰斗損失評估工作。算法可以自動產生多種假設，當數據/信息可用時，"虛擬分析師"可以協助對這些假設和信息進行推理，幫助人類分析師以結構化的方式更好地解釋復雜的情況。

4.0 討論：人工智能在軍事決策中的作用

在本節中，我們將討論人工智能技術在軍事決策中可以發揮的作用，并將這些作用與前面介紹的軍事決策系統聯系起來。這些作用是由上面的案例研究綜合而成的。不同的作用是沿著兩個層次結構的，從上到下：在 "過程"層面，不同但連貫的步驟/階段被執行；在 "個體"層面，人類（或團隊）負責執行決策過程的特定步驟。

在整個決策過程的層面上，有多個步驟可以區分。在前面介紹的決策系統觀點中，這些步驟是觀察、定位、決定和行動。在聯合定位案例研究中，這些對應于六個階段，由不同的人在不同的時間執行。在這個層面上，我們為人工智能技術定義了四個功能角色，以支持決策過程。

• 感知：這個角色中的人工智能技術，主要以模式識別的形式，幫助處理大量的數據，如在圖像中尋找人，檢測數據流中的異常情況等。

• 態勢理解：這個角色的功能是實現對當前或假設的作戰環境的理解[12]，從而描述所有相關實體、它們之間的關系以及不可觀察的屬性，如它們的野心和目標。例如，對關于最近敵對活動的現有信息進行推理，結合關于他們的理論的一般知識，可以用來產生關于他們最可能的意圖的假設。

• 計劃生成：在這個角色中，人工智能技術，例如搜索和優化，被用來生成旨在達到（或避免）某種目標情況的計劃、策略和行動方案。處理元標準，如計劃的穩健性或情況的實用性也是這個作用的一部分。顯然，在許多情況下，不確定性是行動環境所固有的，因此不能被忽視。盡管如此，對當前形勢的理解越好，預測能力就越強。

• 學習：扮演這一角色的人工智能技術被用來更新有關作戰環境的知識。例如，在某個時間點，人們可能會發現一個被認為是正確的關于敵人理論的假設不再有效了。為了能夠保持正確的理解，這種新知識應該反映在所有其他決策步驟中。

在單個節點層面上，決策過程的單一步驟被執行，通常由一個或一組人類分析員和/或決策者負責。無論這一步需要什么，人工智能技術都可以在不同的合作角色中被使用，以支持人類。

• 專家系統支持：在這個角色中，支持的形式就像一個經典的專家系統，以知識和優化結果的形式向人類決策者或分析員提供建議。重要的考慮因素是，例如，如何以人類能夠接受的方式向其提供建議。對可解釋人工智能的研究可能是一個方向。

• 虛擬團隊成員：在這個角色中，人工智能技術被用來在人類和支持系統之間創造一種更平等的互動關系，積極為一個共同的目標工作。例如，虛擬團隊成員可以通過提出問題使假設明確化或挑戰偏見來幫助做出決定的（認知）過程。人類-人工智能的研究可能是一個追求的方向。

• 自主決策：決策過程中的其他步驟的互動，專家系統和虛擬團隊成員支持的考慮同樣有效。例如，在其他決策中的人類需要能夠推斷出一個自主系統。

圖4顯示了在軍事決策系統視圖中繪制的人工智能的七個角色。當使用模擬和人工智能來支持決策過程時，應該始終考慮這些不同的角色是如何互動的，無論是在過程層面還是在個人層面。例如，在聯合目標定位的過程層面上，第二階段包括定位（目標系統分析）和決定（為達到預期效果而瞄準什么）。第三階段也包括定位（自身能力）和決定（如何實現預期效果）。這些階段共享相同的世界模型，在這個過程中引入人工智能支持將推動這些步驟的合并，這不是不可想象的。在個體層面上，例如再次考慮第2階段，分析員可以得到綜合態勢理解、規劃生成和學習技術的支持，以及虛擬團隊成員和專家系統支持技術的任何組合。

圖4：由建模和仿真支持的軍事決策周期的系統視圖，其中人工智能技術的功能（黃色）和協作（綠色）作用被描繪出來。

5.0 結論和進一步研究

在本文的第一部分，我們介紹了軍事決策的系統觀點，主要基于OODA循環，其中我們介紹了世界模型，作為向整個決策周期提供建模和仿真支持的核心手段。接下來，從我們的聯合目標定位案例研究中，我們推斷出人工智能可以為軍事決策做出貢獻的七個功能性和協作性角色。這些角色對應于決策步驟，或者對應于如何向負責該過程步驟的人提供支持。最后，我們將這些人工智能角色整合到決策系統視圖中。

本文的目標是為我們社區內人工智能的綜合觀點做出貢獻，并為軍事決策的人工智能各種研發奠定基礎。在開發支持軍事決策的模擬和人工智能時，我們建議同時考慮過程層面和單個節點層面。在過程層面上，通過使用建模和仿真可以獲得好處。在單個節點層面上，為人類分析員和決策者提供實際支持，人工智能技術可以通過不同的角色組合對此作出貢獻。鑒于決策過程的各個步驟都是不同的，并且提出了不同的要求，履行這些不同角色的人工智能技術需要作為一個整體來開發。

我們相信，隨著對這一主題的更多研究，軍事決策的速度和質量都可以得到改善。然而，非常重要的是，要持續關注特定的未來人工智能應用的附加值，以及研究這些應用可能對，例如，負責該過程的人的所需技能，甚至該過程本身的影響。最后需要的是一個系統，它的存在是因為它可以建立，而不是有人幫助。對于這一點，應該更普遍地回答如何限定然后量化應用人工智能進行具體軍事決策應用的附加價值的問題。這樣的見解反過來又會成為關于人工智能用于軍事決策的集體技術路線圖的寶貴基礎。

6.0 參考文獻

[1] Bloemen, A., Kerbusch, P., van der Wiel, W., Coalition Force Engagement Coordination, TNO Report TNO-2013-R12117, 2015.

[2] Connable B, Perry W, Doll A, et al. Modeling, Simulation, and Operations Analysis in Afghanistan and Iraq. Santa Monica, CA: RAND, 2014.

[3] Davis P., Kulick J., Egner M. Implications of Modern Decision Science for Military Decision-Support Systems. Santa Monica, CA: RAND, 2005.

[4] Kunc, M., Malpass, J., White, L.(2016). Behavioral Operational Research, Theory, Methodology and Practice. Palgrave Macmillan, London.

[5] Langley, P., Meadows, B., Sridharan, M., Choi, D. (2017). Explainable Agency for Intelligent Autonomous Systems. Proceedings of the Twenty-Ninth AAAI Conference on Innovative Applications (IAAI-17).

[6] NATO Allied Joint Doctrine For Joint Targeting AJP 3.9(B), 2015.

[7] NATO Allied Command Operations. Comprehensive Operations Planning Directive Interim V2.0.

[8] “OODA loop.” Wikipedia, The Free Encyclopedia. 10 Mar. 2018.//en.wikipedia.org/wiki/OODA_loop

[9] “Situation Awareness.” Wikipedia, The Free Encyclopedia. 17 Mar. 2018.

[10] Smit, S., Veldhuis, G., Ferdinandus,G., et al. KaV Advanced Visual Analytics, TNO Report DHWELSS-, 2016.

[11] Toubman, A., Poppinga, G., Roessingh, J. (2015). Modeling CGF Behaviour with Machine Learning Techniques: Requirements and Future Directions. Proceedings of Interservice/Industry Training, Simulation, and Education Conference (I/ITSEC) 2015.

[12] “Understanding.” Wikipedia, The Free Encyclopedia. 18 Apr. 2018.

[13] Zacharias, G., MacMillan, J., van Hemel, S. (2008). Behavioral modeling and simulation: From individuals to societies. National Research Council, National Academies Press.

引言

本文件是北約 IST-151 研究任務組 (RTG) 活動的最終報告，題為“軍事系統的網絡安全”。該 RTG 專注于研究軍事系統和平臺的網絡安全風險評估方法。 RTG 的目標如下：

? 協作評估軍事系統的網絡安全，并在 RTG 的北約成員國之間共享訪問權限；

? 在 RTG 的北約成員國之間共享風險評估方法和結果；

? 將 RTG 的北約成員國使用的評估方法整合到一個連貫的網絡安全風險評估方法中，以使北約國家受益。

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。他們大量使用數據總線，如 MIL-STD-1553A/B、CAN/MilCAN、RS-422/RS-485、AFDX 甚至普通以太網，以及戰術通信的舊標準，如 MIL-STD-188C 和 Link 16。此外，捕獲器、傳感器、執行器和許多嵌入式系統是擴展攻擊面的額外無人保護的潛在輸入。結果是增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務的成功和公共安全至關重要。

軍事系統和平臺是網絡攻擊的首選目標，不是因為它們像消費電子產品那樣普遍，而是因為它們潛在的戰略影響。一旦受到影響，就可以實現各種短期和長期影響，從拒絕能力到秘密降低其有效性或效率。因此，軍隊必須在各個層面解決網絡安全問題：戰略層面，同時獲取平臺和系統；作戰層面，同時規劃軍事任務和戰術。

北約國家擁有大量可能面臨網絡攻擊的軍事平臺和系統。因此，北約將受益于利用當前的流程和方法來設計更安全的系統并評估當前系統的網絡安全。

本報告介紹了針對軍事系統和平臺量身定制的網絡安全評估方法，該方法由 RTG 團隊成員合作開發，并建立在他們的經驗和專業知識之上。團隊成員已經使用的流程被共享、分析、集成和擴充，以產生本報告中描述的流程。本報告的目標受眾是愿意評估和減輕其軍事系統的網絡安全風險的決策者。

圖一：網絡安全評估過程的五個主要步驟。

報告結構

第 2 節介紹了 RTG 團隊在其存在的三年中用于開發流程的方法。第 3 節列出了可以應用該過程的系統的一些特征。最后，第 4 節描述了評估流程，而第 5 節總結本報告。

執行總結

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。這導致增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務和公共安全的成功至關重要。

絕對的網絡安全是不存在的。必須通過迭代風險評估持續管理網絡安全。傳統 IT 系統存在許多網絡安全風險管理框架和流程。然而，在軍事平臺和系統方面，情況遠非如此。本文檔介紹了針對軍事系統量身定制的網絡安全風險評估流程。該流程由北約 IST-151 研究任務組 (RTG) 活動的團隊成員開發，該活動名為“軍事系統的網絡安全”。該過程可以應用于傳統的 IT 和基于固件的嵌入式系統，這些系統在軍事平臺和系統中無處不在。

展望 2040 年，預計全球創新和技術格局將發生重大變化，推動戰爭性質以及戰場參與者所采用的能力、概念和理論的變化。因此，有必要了解這種技術變革并探索其對未來戰場的潛在影響和影響，以制定盡可能面向未來的政策和投資決策。

本研究評估了與新興技術相關的風險、挑戰和機遇，這些新技術最有可能塑造到 2040 年的未來戰場，本研究提出了對單個技術的考慮以及對各個領域的交叉分析所產生的影響。它們與更廣泛的政治、社會、經濟和環境趨勢的相互作用。為此，該研究強調了歐盟機構和成員國需要以連貫和協調的方式開展廣泛的能力發展計劃，確保發展靈活的監管和組織環境，并指導對最相關技術的投資在歐洲范圍內。

1、引言

1.1 研究背景

未來幾十年預計將是一個過渡時期，其特點可能是國家行為者內部和國家之間的不穩定。世界很可能需要應對以下影響：氣候變化、創新和技術變革步伐加快、人口快速增長、資源日益稀缺和全球權力轉移。這種趨勢還可能推動戰爭性質以及國防組織、盟國和對手使用的技術發生重大變化。

了解技術變革并預測其對未來戰場的潛在影響和塑造對于制定有助于對軍備、軍事行動、戰時準備和國防預算優先事項進行適當修改的政策和投資決策至關重要。因此，重要的是要了解哪些技術領域可能會導致未來戰場的深刻變化，以及這些影響如何實現。這種理解將為決策提供信息，并在資源有限和優先事項相互競爭的情況下盡可能地提高投資回報。

1.2 研究的范圍和目的

在此背景下，歐洲議會科學與技術未來小組 (STOA) 于 2020 年 8 月委托蘭德歐洲開展一項關于“塑造 2040 年戰場的創新技術”的研究（參考：EPRS/STOA/SER/20/017）。

本研究的目標是：

1.分析與可能塑造 2040 年戰場的創新技術相關的風險和挑戰，特別是在設計和調試新型武器以及戰場上的人機交互（包括部署混合成分）；

2.開展若干案例研究，以評估與歐洲議會安全與國防 (SEDE) 小組委員會特別相關的不同技術對未來戰爭的可能影響；

3.描述與新興國防技術相關的定義、影響、風險和挑戰，以評估其在建立歐盟彈性和戰略自主性方面的應用前景；

4.制定并提出政策方案供 SEDE 小組委員會考慮

為實現這些研究目標，蘭德歐洲制定了一組研究問題 (RQ)，這些問題通過研究交付得到解決，如表 1.1 所示。

表1.1 -研究問題

為了解決這些 RQ，研究團隊在四個技術工作包 (WP) 中開展了一系列活動：

? WP1 – 范圍界定和框架，旨在通過評估現有文獻來描述研究背景??，并確定研究范圍、目標和方法研究;

? WP2 – 確定和選擇在范圍界定和框架活動中進一步擴展的技術，以了解新興技術如何塑造未來戰場，同時確定最有望在 2040 年時間框架內這樣做的新興技術 (RQ1) ;

? WP3 – 描述和比較技術的重點是更深入地了解與最有望塑造 2040 年戰場的新興技術（在 WP2 中確定）相關的機遇和挑戰，并提供對此類影響的比較評估（ RQ 2 和 3)；

? WP4 – 影響和報告旨在確定歐盟及其成員國在 2040 年戰場（RQ4）上與新興技術相關的挑戰和機遇所產生的關鍵政策影響。

1.3 方法和局限性

1.3.1 本研究采用的研究方法和方法

為了回答表 1.1 中提出的 RQ 并滿足研究要求，蘭德歐洲采用了結構化的混合方法研究方法，如圖 1.1 所示。附件 B 對研究方法進行了更深入的解釋。

圖1.1 -項目任務概述，基礎活動，以及結果產出和可交付成果

在研究的初始階段，研究小組開展了一系列活動來描述新興技術可能塑造 2040 年戰場的背景。這包括審查構成未來戰略環境和不斷演變的歐盟監管和政策環境的經濟、社會、政治、環境和技術趨勢。本范圍審查的結果載于本報告的第 2 章。研究團隊還與 STOA 合作，以建立對研究背景的全面了解，并完善研究的范圍、方法和時間表。

在最初的范圍界定活動的基礎上，研究團隊將自上而下的應用驅動和自下而上的技術驅動數據收集相結合，編制了一份可能對歐洲國防和未來產生最大潛在影響的潛在技術集群的長名單戰場。這利用了以下方法和數據收集工具：

? 文獻審查——以應用程序驅動的方式審查關于新興技術的公開可用的開源學術和灰色文獻（例如政府報告和國防新聞媒體），主要關注應用的新興技術在未來 20 年的國防和安全背景下。

? 地平線掃描——審查蘭德歐洲未來與前瞻研究中心 (CFFS)1 科學與技術 (S&T) 地平線掃描數據庫，以通過技術驅動的方法識別、理解和優先考慮關鍵的新興技術發展。蘭德歐洲地平線掃描數據庫是通過收集和分析廣泛的不同來源而開發的，以確定在研究中要考慮的一系列新興技術。

在范圍界定活動、視野掃描和文獻回顧的基礎上，研究小組綜合了所有捕獲的數據，并將審查來源中評估的技術分類為可能在 11 個技術集群中塑造未來戰場。其中六個技術集群隨后被在內部分析和與STOA協商的基礎上，入圍進一步深入審查和比較分析。該咨詢考慮了兩個選擇標準，即采用的可能性和技術集群在 2040 年時間范圍內在戰場環境中的預期影響程度。 圖 1.2 顯示了技術選擇過程。

圖1.2 -技術列表和選定的技術集群

為了進一步描述相關技術趨勢的性質和所選技術集群的影響，研究團隊通過有針對性的文獻回顧以及專家和利益相關者訪談對每個技術集群進行了深入分析。 4 這有助于建立深入了解1) 每個技術集群的相關趨勢和潛在影響，包括相關技術進步和未來趨勢； 2）該技術對未來戰場的潛在影響、歐洲國防的機遇和挑戰； 3) 未來采用的任何相關促成因素和障礙。本報告第 3 章介紹了該分析的結果。

為了對技術集群的各種影響進行比較評估，研究團隊使用蘭德開發的系統技術偵察、評估和采用方法（STREAM）舉辦了一次專家和利益相關者研討會，本報告附件 B 對此進行了進一步說明。 5 通過 STREAM 方法，研討會收集了專家和利益相關者對選定技術集群的潛在影響和未來采用的觀點。這包括一系列定量評分評估：1）技術集群對歐盟成員國軍事能力的潛在影響； 2）歐盟實現共同安全與國防政策（CSDP）目標的能力； 3) 未來戰場動態的整體性質。

參與者還被要求考慮潛在的技術、組織、商業、監管和其他實施障礙的相關性，這些障礙可能會影響歐盟成員國以及潛在的國家和非國家對手采用技術集群的規模或速度。本報告第 4 章對比較分析的結果進行了高級概述，并進一步詳細介紹了附件 C 中的定量結果。

為了驗證新興技術對歐洲國防的影響并提供進一步的詳細信息，并確定相關的政策選擇，蘭德歐洲專家舉行了兩次內部研討會。研討會旨在分析在研究活動過程中收集的數據并產生跨領域見解，并確定未來工作和干預的可能領域。

1.3.2 局限

與本研究中提出的活動和發現有關的一些警告、限制和假設應予以考慮：

? 有針對性地關注技術集群的非詳盡列表。雖然該研究旨在識別和描述新興技術對歐洲國防和整個未來戰場的潛在影響，但它側重于六個技術集群的候選名單。這些技術集群在現有文獻中以及通過與 STOA 的協商被確定為對 2040 年之前的未來歐洲國防環境具有最大的潛在影響。雖然有限的時間框架和資源限制需要對選定數量的研究采取集中的方法技術集群，人們認識到其他現有或迄今為止不發達的技術也可能在這方面產生重大影響。第 3.3 節概述了其中一些技術趨勢。

? 技術集群的異質性。研討會討論以及與專家和利益相關者的訪談強調了研究中考慮的技術集群的顯著廣度和異質性。接受咨詢的專家指出，在一定程度上，這對以足夠的細微差別產生對未來趨勢和潛在影響的洞察力提出了挑戰。在為深入技術評估提供信息的有針對性的文獻綜述和專家訪談提供了相關數據的情況下，每個技術集群內不同技術之間的潛在差異在本報告中突出顯示。

? STREAM 研討會定量見解的穩健性。 STREAM 專家研討會聚集了有限的專家，共有 14 名參與者，不包括研究團隊。因此，應該在研究和報告的背景下產生和討論的更廣泛的定性見解的背景下審查和理解源自該活動的定量見解。此外，解釋調查結果時應考慮參與者的專業知識和經驗，在這種情況下，主要包括新興技術在安全和國防方面的戰略影響。

? 文獻回顧和咨詢活動。認識到關于新技術和新興技術潛在影響的現有研究基礎的廣泛性，并且由于項目的時間框架和資源限制，該研究借鑒了選定數量的文獻來源的見解。研究團隊通過優先考慮最新的資源并將文獻綜述結果與利益相關者參與活動的見解進行三角剖分，解決了因只能與有限數量的資源互動而產生的挑戰。

? 未來的不確定性。本研究的目的是確定到 2040 年新興技術對戰場的潛在影響的未來趨勢。鑒于技術變革的步伐以及圍繞新技術的未來使用和性能以及戰場動態的內在不確定性程度，分析本研究中提出的發現不應被解釋為對特定未來進展和情景的預測。相反，他們應該提供對主要趨勢、機遇和挑戰的洞察，讓相關利益相關者能夠駕馭和管理技術變革的復雜性和不確定性，并設計相關的靈活、前瞻性政策和投資策略。

1.4 本報告的結構

除了這個介紹性章節之外，本文件還包括三個附加章節：

? 第 2 章——不斷演變的政策背景和未來戰略環境——介紹了預計將塑造未來戰場的趨勢和驅動因素，以及有關歐洲國防和技術創新。

? 第 3 章——塑造 2040 年戰場的新技術和新興技術的概述和評估——深入概述了研究中考慮的選定技術集群，包括相關的新興和潛在的未來技術趨勢，以及歐洲可能面臨的機遇和挑戰防御源于這些。

? 第 4 章——歐盟的調查結果、影響和政策選擇——介紹了從跨領域結果分析中得出的主要研究結果，并制定了供歐盟利益相關者和機構考慮的政策選擇。

核心報告附有完整的參考書目和五個技術附件：

? 附件A 基于主要報告第 2 章的見解，深入討論了歐盟國防和新興技術的政策和監管格局。

? 附件B 提供了研究方法和研究方法的詳細概述。

? 附件C 詳細概述了 STREAM 研討會產生的定量發現和見解，補充了報告第 4 章中包含的高級摘要。

? 附件D 提供了研究過程中用于訪談和研討會活動的專家和利益相關者參與材料的副本。

? 附件E 提供了通過研究的視野掃描練習確定的完整技術長名單。

內容概述

蘭德歐洲公司研究提出，塑造2040年戰場的6個關鍵技術群分別是：人工智能、機器學習和大數據，先進機器人技術與自主系統，生物技術，可產生新效應的技術，衛星和太空裝備技術，人機交互。

1、人工智能、機器學習和大數據

（1）定義

能夠執行高級計算，以分析和解釋大量數據的軟件技術

（2）未來趨勢

? 人工智能和機器學習系統的成熟度，及其處理模糊復雜情況和不對稱信息的能力將會提高

? 數據科學不斷進步（例如，無監督“深度學習”系統），從非結構化或陌生數據中進行學習的能力將會提高

? 共有及私營機構中人工智能、機器學習和大數據的應用不斷擴大

（3）對未來戰場的關鍵影響

? 通過信息控制和數據訪問管理獲得戰略優勢

? 戰場決策速度的提高，改善了作戰系統的隱身能力和快速分析能力

? 攻擊溯源方面的挑戰增加（例如，基于人工智能的網絡攻擊）

2、先進機器人技術與自主系統

（1）定義

構成或實現先進無人系統的技術，包括在無人監督或控制下操作的技術

（2）未來趨勢

? 動力、精確起降、遙控與自主系統導航方面不斷進步

? 遙控與自主系統的功能進一步擴大，特別是情報、監視和偵察方面

? 互操作性和集群控制方面的進步

（3）對未來戰場的關鍵影響

? 快速響應、擴大范圍和覆蓋面、提高任務靈活性、精確打擊并降低附加傷害

? 保障戰場士兵的生命安全，增加對不斷升級的動態的激勵

? 低成本現貨系統向非國家和混合型對手擴散的風險

3、生物技術

（1）定義

利用生物系統或生物科學創新，開發具有先進特性和性能水平的系統相關技術

（2）未來趨勢

? 新型生物系統的生產，例如基因工程細菌

? 開發有針對性的生物技術，包括用于醫療、認知和體能增強的技術

? 生物科學與人工智能、機器人和增材制造的交叉融合

（3）對未來戰場的關鍵影響

? 通過“內在”增強、外部技術（如外骨骼）和先進醫療，增強士兵能力

? 生物技術與作戰機器人、自主系統、傳感器和電子設備的融合（仿生學）

? 通過生物病原體武器和新型載體，提高了生物威脅水平

4、可產生新效應的技術

（1）定義

增強動能和非動能效應，或以新形式進行常規打擊的武器及子系統等技術

（2）未來趨勢

? 高超聲速、定向能武器、電子戰能力和聲波/聲武器的進步

? 提高速度、射程、生存能力和精確度

? 熱控制和電源管理的發展

（3）對未來戰場的關鍵影響

? 防御能力多樣化

? 提供新的效應，促進多域作戰，縮短戰場上的時間和物理距離

? 潛在的軍備競賽升級，高超聲速和其他能力的擴散

? 核門檻的潛在模糊，對危機穩定性提出了挑戰

5、衛星和太空裝備技術

（1）定義

能夠進入太空，或輔助地面或空間作戰的太空技術

（2）未來趨勢

? 空間發射技術、空間傳感器和衛星技術的不斷進步

? 降低發射成本，包括通過可重復使用的發射系統和單級入軌系統降低成本

?太空日益表現出“對抗性、擁擠性和競爭性”的特征

（3）對未來戰場的關鍵影響

? 分散空間精確打擊和網絡中心戰的驅動力

? 越來越多地依賴天基系統來實現連接、情報、監視和偵察和導航，導致天基和地面基礎設施受到攻擊時更容易受到嚴重破壞

6、人機交互

（1）定義

促進人機交互或人機編組的技術，包括信息傳輸

（2）未來趨勢

? 人機編組技術的民用和軍事應用不斷拓展

? 腦-機、腦-腦通信和數據傳輸技術、交互式任務學習和人機界面的應用，以實現復雜的現實場景導航

（3）對未來戰場的關鍵影響

? 人機界面將成為未來戰場人控制自主系統的關鍵因素

? 未來戰場上可能出現人機界面故障和意外后果

? 人機界面漏洞可能被對手利用，為指控帶來風險

除了上述6個技術群外，報告還提出了其他有望塑造未來戰場的技術群。這些技術的應用時間較晚、應用的不確定性較高。主要包括：先進的能源和電力系統、新型和先進材料及制造、量子技術、計算/數據存儲和電信、傳感器和雷達技術。

【報告概要】

認識到地面自主系統需要在未知的任務中運行，北約正在對地面車輛自主移動建模和仿真進行投資，以改進和準備未來運作。來自世界各地的北約工程師和科學家正在努力而有目的地塑造未來的作戰能力，并作為地面部隊保持準備和彈性。隨著北約展望未來，地面車輛界有機會幫助塑造陸軍在實現國家和國際安全目標方面的獨特作用。隨著情報、監視、目標獲取和偵察能力的快速發展，確保自主機動性和操作變得更加重要。北約的未來部隊必須能夠并準備好在極端條件下執行各種任務，因此它必須準備好運用地面力量/地面部隊，以在整個軍事行動中實現戰略成果。

地面自主系統是許多北約國家未來軍事戰略的關鍵部分，商業公司正在競相開發自主系統以率先進入市場。在這場部署這些系統的競賽中，仍然缺乏對這些系統的能力和可靠性的了解。自主地面系統的一項關鍵性能衡量指標是其在道路上和越野時的機動性。自主武器系統的開發和部署通常指向幾個軍事優勢，例如作為力量倍增器，更重要的是，可能需要更少的作戰人員來完成特定任務。與商業自治系統不同，軍隊必須在可能不存在道路的未知和非結構化環境中運作，但物資必須到達前線。在戰場上，機動性是生存能力的關鍵，指揮官知道在什么地形上部署哪種車輛至關重要。指揮官需要有能力評估自己和敵方部隊在作戰區域的車輛機動性，這將增加對任務規劃的信心，并降低因車輛受損而導致任務失敗的風險。

北約國家聯合探索評估地面自主系統性能和可靠性的方法，制定一項戰略，以制定一個總體框架，以開發、整合和維持先進的載人和地面自主系統能力當前和未來的力量。該活動利用了 AVT-ET-148、AVT-248 和 AVT-CDT-308 在下一代北約參考移動模型 (NG-NRMM) 上的結果，并共同證明了自動駕駛汽車具有專門的建模和仿真要求關于流動性。隨后，開發了任務領域，并組建了團隊以開展以下工作：

• 自主軍事系統 M&S 的挑戰和特殊要求；

• 與自主軍事系統相關的定義；

• 當前可用于評估自主系統移動性的軟件；

• 評估移動性與數據通信的相互依賴性的方法；

• 以NG-NRMM AVT-248 結果為基礎，確定評估自主系統越野機動性的方法。

這項工作提供了一份文件，簡要概述了現有能力、計劃的未來活動以及后續研究任務組 (RTG) 的戰略方向。這份總結報告將詳細介紹這些成就，并為自主導航框架的開發和實施提供建議。