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

這篇文章探討了海軍如何利用水面平臺來應對不斷變化的無人潛航器威脅。

目前，有許多自主/無人駕駛水下潛航器（UUV）項目正在開發中，或可用于軍事和非軍事領域。目前，大多數投入使用的海軍 UUV 都用于水雷戰或水文勘測。許多國家的海軍有更大的雄心壯志來操作更大、更復雜的 XLUUV（如英國皇家海軍的 CETUS 計劃），用于海上偵察并最終執行打擊任務。

無人潛航器可以為有人艦艇提供傳感器和效應器，可以在高風險環境中工作，并能與敵方資產進行非常密切的互動。大型 UUV 的主機平臺可包括潛艇、軍艦或直接從岸上發射。

(1) 用于為其主機/控制單元提供對峙支援的 UUV 和 USV。

反UUV戰

無人潛航器開始對傳統反潛戰（ASW）操作人員、方法和系統構成巨大的新威脅。冷戰結束后，作戰重點從海洋轉向了沿岸和淺水環境。這一變化要求反潛戰部隊不斷發展，以便在不利于探測的環境中對付隱形柴電潛艇和 AIP 潛艇。主要在同一瀕海水域活動的 UUV 將為這一挑戰增添另一層復雜性。

UUV 可以相對迅速地加強其薄弱的水下力量，但對手也在競相效仿，因此急需采取有效的反制措施。UUV 對有人潛艇的威脅值得另文討論，但在此將重點討論從水面反擊 UUV 的方法。這種戰爭可稱為 "反 UUV 戰"（AUUVW）的一個新子類型，針對的是難以探測的小型平臺，需要特定的系統來對付它們。

(2) 在此示例中，USV 被部署為對峙反潛武器。這個例子表明，在未來的瀕海戰爭中，UUV 和 USV 實際上可能是最先相遇的對立單元。

態勢感知

有效監視對確保成功執行大多數殺傷鏈階段（探測、分類和跟蹤）至關重要。目前服役的大多數反潛戰傳感器和武器系統都針對有人駕駛潛艇目標進行了優化。被稱為低頻主動聲納（LFAS）的新一代聲學傳感器性能卓越，在探測超靜音 AIP 潛艇方面取得了重大進展。網絡多靜態聲納是探測能力有所提高的另一個領域。UUV 甚至 XLUUV 的目標強度通常較低，尤其是在艇首-艇尾方面，而且輻射噪聲特征很小。因此，瀕海水域的探測將尤其困難，因為探測距離短，幾乎沒有時間做出反應和部署反制措施。

目前，可以認為大多數無人潛航器將用于 ISR 任務，其續航時間和有效載荷要求決定了它們的大小。在探測方面，對 UUV 的大小、類型和作用進行分類和評估也是一個問題。現在，許多行動都必須假定對手的 UUV 可能存在，即使無法探測到它們。只有通過觀察到的有人駕駛的潛艇活動、ORBAT 分析和更廣泛的情報畫面，才能了解威脅的規模。

消除威脅

消除威脅的難度僅次于發現威脅的難度。威脅至少可以部分地通過機動來消除，但這只有在良好的態勢感知和有效的戰術圖景下才能實現。與 UUV 相比，大多數水面資產在速度方面都有很大優勢，但在許多潛在的戰爭場景中，僅靠機動是不夠的，尤其是在保護海底基礎設施等靜止物體時。

由于現有的反潛武器既不適用，又非常昂貴，因此成本效益高的反 UUV 效應器應被視為近期的關鍵需求。目前的空射或水面發射輕型魚雷是當今主要的反潛武器，但它們缺乏足夠的傳感器和制導系統來定位和殺傷 UUV。更合適的反 UUV 武器是微型魚雷。這種新型魚雷將提供一種低成本的解決方案，其適當的機動性、傳感器、速度和彈頭經過優化，可摧毀 XLUUV 尺寸以下的目標。

(3) 萊昂納多 "黑色蝎子 "微型魚雷（1100 毫米 x 127 毫米），用于對付 UUV、微型潛艇和可能的水下運載工具。設計用于在 30 米至 200 米的淺水區作戰，可在空中、水面或水下發射，航速超過 15 節，配備 2.8 公斤彈頭（圖片：萊昂納多公司）。

除了精致的微型魚雷外，還有一種火箭推進深水炸彈。這種深水炸彈射程遠、火力強，而且價格更低廉。俄羅斯和一些前東歐國家仍有裝備這種幾乎過時的反潛武器的軍艦，但它們可能已經找到了新的作用。標準重力深水炸彈如今已很少使用，但也可能提供一種有前途的解決方案。由于傳統重力式深水炸彈很重，不適合從小型 USV 或航空飛行器上大量部署，因此需要新一代小型深水炸彈。BAE 系統公司的新一代深水炸彈概念是目前正在開發的一種解決方案。

(4) 在非盟潛航器水下任務中部署 USV 的潛在方案。目前已經存在執行這一任務的概念 USV，如 Elbit Seagull 和 Atlas Elektronik ACRIMS 的變體。

下圖概述了監視和中和因素，并對典型的反潛和近未來的 AUUVW 進行了簡短比較。這兩個領域在傳感器和效應器方面有許多共同之處，但在探測概率和武器使用方面存在顯著差異和限制。

結論

目前有多種計劃開發用于常規反潛戰的無人駕駛和自主系統，但非盟潛航器似乎不太受重視。面對不斷擴大的 UUV 計劃以及射程、傳感器和人工智能能力不斷增強的潛水器的發展，這種情況可能很快就會改變。

在未來的反潛任務中，反制 XLUUV 極有可能成為首要目標。在其他情況下，同樣的資產將被部署到敵方行動區或其領海進行探測，AUUVW 的重要性可能與今天的反潛任務相同。雙方都使用自主或無人系統的對峙行動使 USV 和航空平臺成為執行 AUUVW 任務的天然候選者。

參考來源：NAVY LOOKOUT

作為分布式海上作戰（DMO）的一個關鍵原則，盡管有人和無人、水面和空中、作戰人員和傳感器在物理時空上都有分布，但它們需要整合成為一支有凝聚力的網絡化兵力。本研究項目旨在了解如何為 DMO 實現有凝聚力的作戰人員-傳感器集成，并模擬和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境，尤其側重于有人和無人飛機的情報、監視和偵察 (ISR) 任務。

在半個世紀的建模和仿真研究與實踐（例如，見 Forrester, 1961; Law & Kelton, 1991），特別是四分之一世紀的組織建模和仿真工作（例如，見 Carley & Prietula, 1994）的基礎上，獲得了代表當前技術水平的計算建模和仿真技術（即 VDT [虛擬設計團隊]；見 Levitt 等人, 1999）。這種技術利用了人們熟知的組織微觀理論和通過基于代理的互動而產生的行為（例如，見 Jin & Levitt, 1996）。

通過這種技術開發的基于代理的組織模型在大約三十年的時間里也經過了數十次驗證，能夠忠實地反映對應的真實世界組織的結構、行為和績效（例如，參見 Levitt, 2004）。此外，幾年來，已將同樣的計算建模和仿真技術應用到軍事領域（例如，見 Nissen, 2007），以研究聯合特遣部隊、分布式作戰、計算機網絡行動和其他任務，這些任務反映了日益普遍的聯合和聯盟努力。

本報告中描述的研究項目旨在利用計算建模來了解如何為 DMO 實現有凝聚力的戰斗傳感器集成，并建模和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境。在這第一項工作中，將對當今的海上行動進行建模、模擬和分析，重點是有人駕駛和無人駕駛飛機的情報、監視和偵察（ISR）任務。這為與執行 ISR 任務的一個或多個 DMO 組織進行比較確立了基線。這也為與其他任務（如打擊、防空、水面戰）進行比較建立了基線。第二階段接著對一個或多個備用 DMO 組織進行建模、模擬和分析。

在本技術報告的其余部分，首先概述了 POWer 計算實驗環境，并列舉了一個實例，以幫助界定 DMO 組織和現象的計算建模。依次總結了研究方法。最后，總結了沿著這些方向繼續開展研究的議程。這些成果將極大地提高理解和能力，使能夠為 DMO 實現戰斗員與傳感器的集成，并為集成實施所需的系統能力和行為建模和概述。

Transformer在計算機視覺領域迅速普及，特別是在目標識別和檢測領域。在檢查了最先進的目標檢測方法的結果后，我們注意到Transformer在幾乎每個視頻或圖像數據集上的表現都優于成熟的基于CNN的檢測器。雖然基于Transformer的方法仍然處于小目標檢測(SOD)技術的前沿，但本文旨在探索這種廣泛的網絡提供的性能優勢，并確定其SOD優勢的潛在原因。由于小目標的低可見性，小目標已被確定為檢測框架中最具挑戰性的對象類型之一。我們旨在研究可能提高Transformer在SOD中性能的潛在策略。這項綜述提出了一個關于已開發的Transformer的SOD任務的60多項研究的分類，跨越2020年至2023年。這些研究涵蓋了各種檢測應用，包括通用圖像、航拍圖像、醫學圖像、主動毫米圖像、水下圖像和視頻中的小目標檢測。我們還編譯并列出了12個適合SOD的大規模數據集的列表，這些數據集在以前的研究中被忽視了，并使用流行的度量標準(如平均平均精度(mAP)、每秒幀數(FPS)、參數數量等)比較了所評述的研究的性能。

小目標檢測(SOD)已被認為是當前最先進的目標檢測方法(SOTA)面臨的一個重大挑戰[1]。“小目標”指的是占據輸入圖像一小部分的物體。例如，在廣泛使用的MS COCO數據集[2]中，它定義了在典型的480 × 640圖像中邊框為32 × 32像素或更小的物體(圖1)。其他數據集也有自己的定義，例如占據圖像10%的物體。小目標經常被遺漏或檢測到錯誤的邊框，有時還有錯誤的標簽。SOD中定位不足的主要原因是輸入圖像或視頻幀中提供的信息有限，加劇了它們在深度網絡中通過多個層時所經歷的空間退化。由于小目標經常出現在各種應用領域，如行人檢測[3]、醫學圖像分析[4]、人臉識別[5]、交通標志檢測[6]、交通燈檢測[7]、船舶檢測[8]、基于合成孔徑雷達(SAR)的目標檢測[9]，因此值得研究現代深度學習SOD技術的性能。本文比較了基于Transformer的檢測器和基于卷積神經網絡(CNN)的檢測器在小目標檢測方面的性能。在明顯優于CNN的情況下，我們試圖揭示Transformer強大性能背后的原因。一個直接的解釋可能是Transformer對輸入圖像中成對位置之間的相互作用進行了建模。這是一種有效的上下文編碼方式。而且，眾所周知，上下文是人類和計算模型檢測和識別小目標的主要信息來源[10]。然而，這可能不是解釋Transformer成功的唯一因素。具體而言，我們的目標是沿著幾個維度分析這種成功，包括對象表示、高分辨率或多尺度特征圖的快速注意力、完全基于Transformer的檢測、架構和塊修改、輔助技術、改進的特征表示和時空信息。此外，我們指出了可能增強Transformer在SOD中性能的方法。

在我們之前的工作中，我們調查了許多在深度學習中使用的策略，以提高光學圖像和視頻中小目標檢測的性能，直至2022年[11]。我們表明，除了適應新的深度學習結構(如Transformer)外，流行的方法包括數據增強、超分辨率、多尺度特征學習、上下文學習、基于注意力的學習、區域建議、損失函數正則化、利用輔助任務和時空特征聚合。此外，我們觀察到Transformer是大多數數據集中定位小目標的主要方法之一。然而，鑒于[11]主要評估了超過160篇專注于基于CNN的網絡的論文，沒有對以Transformer為中心的方法進行深入探索。認識到該領域的增長和探索步伐，現在有一個及時的窗口來深入研究當前面向小目標檢測的Transformer模型。本文的目標是全面了解在應用于小目標檢測時，變換器令人印象深刻的性能的貢獻因素，以及它們與用于通用目標檢測的策略的區別。為了奠定基礎，我們首先強調了著名的基于Transformer的SOD目標檢測器，并將其與基于CNN的方法的進步進行比較。

自2017年以來，該領域已經發表了許多綜述文章。在我們之前的調查中[11]，對這些綜述進行了廣泛的討論和列表。最近的另一篇調查文章[12]也主要關注基于CNN的技術。當前調查的敘述與前人截然不同。本文的重點是將焦點具體縮小到Transformer上——這是以前沒有探討過的一個方面——將Transformer定位為圖像和視頻SOD的主要網絡架構。這需要為這種創新架構量身定制一個獨特的分類法，有意識地將基于CNN的方法邊緣化。鑒于這個主題的新穎性和復雜性，我們的綜述主要將2022年后的工作優先考慮。此外，我們還闡明了在更廣泛的應用領域中用于小目標定位和檢測的新數據集。本調查中研究的主要方法是為小目標定位和分類量身定制的方法，或間接解決了SOD的挑戰。驅動我們分析的是這些論文中針對小目標的檢測結果。然而，早期的研究指出了SOD的結果，但要么證明了低于標準的性能，要么忽略了開發方法中特定的SOD參數，因此沒有考慮納入本綜述。在本調查中，我們假設讀者已經熟悉通用對象檢測技術、它們的架構和相關的性能指標。如果讀者需要對這些領域有基礎的了解，我們建議讀者參考我們以前的工作[11]。

本文的結構如下：第2節概述了基于CNN的物體檢測器、Transformer及其組件，包括編碼器和解碼器。本節還涉及了基于Transformer的物體檢測器的兩個初始迭代：DETR和ViT-FRCNN。在第3節中，我們對基于Transformer的SOD技術進行了分類，并全面深入研究了每類技術。第4節展示了用于SOD的不同數據集，并在一系列應用中對它們進行了評估。在第5節中，我們分析并比較了這些結果與早期從CNN網絡得出的結果。本文在第6節中總結了結論。

指揮、控制、通信、計算機、情報、監視、偵察（C4ISR）是一個系統，有助于提高指揮官的態勢感知和決策能力，同時也有利于更好地進行作戰計劃和執行。數字化的信息和通信技術的快速發展使C4ISR組件和網絡能力有了相應的進步。

同時，現代沖突區從一個線性戰場轉變為一個跨越多個領域和維度的廣闊戰斗空間，這對戰爭的認知方面提出了更高要求。最近的戰役凸顯了技術領先的C4ISR在各級沖突中提供的優勢，現在人們對C4ISR能力對軍事理論的影響有了更大的接受度。決策者們正在尋求更加優化的傳感器幾何結構以提高覆蓋率，并通過安全、普及的通信網絡實現信息的實時流動，以實現信息優勢。先進的數字工具和數據處理能力正在被利用，這將有助于簡化決策過程，縮短OODA周期。

所有的現代軍事行動都涉及協作行動，戰斗力的協同應用決定了網絡化的C4ISR組件。然而，這些能力在傳統上是孤立開發的，以滿足特定領域或功能的需要。這些以服務為中心的封閉式架構阻礙了互操作性和聯合行動。雖然所有的遺留系統都需要通過適當的協議進行整合，但這些系統的未來發展模式將探索新興技術提供的機會，以實現整合或互操作的架構，并提高系統的能力。

美國是這一概念的最早實踐者，并通過持續的投資和創新保持了優勢。它正在認真地追求聯合全域指揮和控制（JADC2），包括新興技術及其應用，目的是實現和保持信息和決策優勢。在中國，信息優勢一直是其軍事理論的一個決定性因素，現在已經演變成 "智能化"，特別強調探索人工智能（AI）和量子計算以增強C4ISR能力。俄羅斯和烏克蘭的C4ISR都在研究、評估和討論其功效。在全球范圍內，對C4ISR系統能力提升的投資正呈現出上升趨勢。

近年來，印度在傳感器多樣化和規模化、提高系統間的互操作性和實現網絡中心化方面的工作也得到了加強。信息技術的內在力量正在被利用來提供未來的、創新的解決方案。通過政府和私營企業的參與，最近在2022年7月推出了75種基于人工智能的產品和技術，其中15種與C4ISR有關。Atmanirbharta的工作不僅將激勵國內工業，而且還將確保系統的穩健性和彈性。最重要的是，系統將得到及時的升級，沒有任何合同上的復雜性。

本期雜志在繼續尋求解決與國家安全和聯合作戰有關的問題時，全面涵蓋了與技術密集型軍事C4ISR系統有關的各個方面。

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。

本報告描述了北約STO RTG IST-149無人地面系統和C2內互操作性能力概念演示器的研究和實驗工作。無人地面車輛（UGVs）在現代戰斗空間中正變得越來越重要。這些系統可以攜帶大量的傳感器套件，從前線提供前所未有的數據流。另一方面，這些系統在大多數情況下仍然需要遠程操作。重要的是要認識到，如果沒有適當的方式在聯盟伙伴之間交換信息和/或將其納入C2系統，ISR數據在很大程度上將是無用的。該小組的主要目的是找到改善這種情況的方法，更具體地說，調查從操作員控制單元（OCU）控制UGV和接收數據的可能標準，并在現實世界的場景中測試它們。

該項目的努力有兩個方面。比利時的貢獻是在歐盟項目ICARUS中所做的工作。這個項目涉及一個用于搜索和救援的輔助性無人駕駛空中、地面和海上車輛團隊。互操作性在幾個不同的實驗中得到了驗證。ICARUS聯盟由幾個國際合作伙伴組成，其中比利時是這個小組的鏈接。第二項工作是該小組的聯合努力，在小組內進行實驗，展示UGV和OCU之間的互操作性。該小組于2018年在挪威的Rena進行了最后的演示。

這兩項工作都使用了無人系統聯合架構（JAUS）和互操作性配置文件（IOP），以成功實現系統間的互操作性。試驗表明，有可能相當容易地擴展系統，并在相對較短的時間內實現與部分標準的兼容。弗勞恩霍夫FKIE和TARDEC都開發了軟件，將信息從IOP域傳遞到機器人操作系統（ROS），并從該系統中獲取信息。ROS是一個廣泛使用的軟件，用于開發UGV和其他類型機器人的自主性，并被該小組的許多合作伙伴所使用。Fraunhofer FKIE和TARDEC提供的軟件對試驗的成功至關重要。

報告還討論了如何在采購前利用IOP標準來定義系統的要求。該標準本身定義了一套屬性，可以在采購新系統時作為要求來指定，可以是強制性要求，也可以是選擇性要求。這使得采購部門更容易定義要求，供應商也更容易符合要求，同時也明確了OCU在連接到系統時，在控制系統和可視化系統中的數據方面需要具備哪些能力。

該小組2018年在挪威瑞納的試驗重點是對UGV進行遠程操作，以及接收UGV的位置和視頻反饋。由于這是一次成功的試驗，下一步將是使用更高層次的控制輸入和反饋來測試互操作性，例如，向UGVs發送航點，并根據系統的感知接收系統周圍環境的地圖。

軍隊正在研究改善其多域作戰（MDO）中的通信和敏捷性的方法。物聯網（IoT）的流行在公共和政府領域獲得了吸引力。它在MDO中的應用可能會徹底改變未來的戰局，并可能帶來戰略優勢。雖然這項技術給軍事能力帶來了好處，但它也帶來了挑戰，其中之一就是不確定性和相關風險。一個關鍵問題是如何解決這些不確定性。最近發表的研究成果提出了信息偽裝，將信息從一個數據域轉化為另一個數據域。由于這是一個相對較新的方法，我們研究了這種轉換的挑戰，以及如何檢測和解決這些相關的不確定性，特別是未知-未知因素，以改善決策。

背景

現代世界受到了技術和全球連接的基礎設施動態的重大影響。隨著這種新環境的出現，許多領域的決策過程面臨更大的挑戰。領導者和決策者必須考慮各種因素的影響，包括那些屬于已知和未知的數據來源[9]。

雖然這不是一個新的概念，但在一些論文中已經提出了對已知和未知因素進行分類的定義。當條件是"已知-已知"（Known-Knowns）：那么條件是有我們知道和理解的知識，已知-未知（known-Unknowns）：條件是有我們不知道但不理解的知識，未知-已知（Unknown-knowns）：條件是有我們理解但不知道的知識，以及"未知-未知"（Unknown-Unknowns）：條件是有我們不理解也不知道的知識[6]。在圖1中，對知識的已知和未知分區的討論是圍繞一個問題展開的。圖中所選的是與對風險的認識和理解有關的。

在這四種情況中，"已知-已知"是最明顯的一種，人們可以對一個特定的問題有完整的了解，而 "未知-未知"則完全相反，也是最具挑戰性的一種。因此，重點應該是制定策略，以發現可能的未知數，從而將其轉換為已知數的數據。然而，在許多情況下，這可能不是小事，這可能需要應急計劃和適應性技能來應對不可預見的情況。

已知-未知的任務計劃需要被徹底觀察。然而，由于已知的部分，只要有足夠的時間和資源投入，就可以找到一個合理的方案。最后，為了處理未知數[11,22,23]，人類是最著名的直覺模型，具有很強的預知能力[5]。因此，包括來自個人或團體的建議可以幫助對那些被遺漏的數據進行分類，從而被機器學習模型認為是未知的。

我們在圖2中提供了上述與我們的 "已知 "和 "未知"知識相關的不確定性區域的可視化表示。在這項研究中，我們將未知數視為圖像數據中未見或未檢測到的對象類別，通過應用第3.1節所述的圖像-音頻編碼方案，這些對象可以被發現或重新歸類為已知數。

圖2：我們提出的方法的可視化表示，說明了已知和未知對的前提。當我們離開綠色區域外的中心，踏入其他顏色的區域時，人類知識的邊界變得模糊和混亂。"？"代表需要探索的區域。紅色區域的點狀周長表示該區域的無界性，因為對該區域及其存在缺乏任何知識。向內的點狀箭頭表示目標應該是將這個紅色區域匯聚到任何可能的黃色、藍色或綠色區域。按照這個順序，理想情況下，每一個包絡區域都應該被收斂到它所包絡的區域。

動機與挑戰

任何決策都會受到風險存在的嚴重影響，任何能夠幫助識別和了解已知和未知的過程都是理想的。此外，對未知數據的識別和檢測可以使風險最小化。然而，面對先驗知識并不奢侈，只有少數數據樣本可供分析的情況很常見。軍事決策者，如指揮官，在做出關鍵決定時可能沒有什么選擇，最終可能完全依賴于他們的專業知識和新數據的輸入。他們可能會利用以前的經驗來分析傳來的信息，并捕捉可能的未知數據，以盡量減少風險。這種方法可能仍然不能涵蓋所有的未知因素。

本文工作的動機是決策中的主要挑戰，即我們完全依靠有意義的和足夠的數據來支持決策。另外，決策者必須對用于提供數據支持決策的技術的性能和結果有信心。因此，我們研究了當深度學習模型的性能由于缺乏豐富的數據樣本而受到限制時，如何提高決策過程中的信任水平。我們關注一個訓練有素的模型如何能夠高精度地檢測和識別未知（未檢測到的）物體；該模型區分新的觀察是屬于已知還是未知類別的能力。

這項工作背后的動力來自于美國陸軍的IoBT CRA項目中的一個問題，該項目將設備分為：紅色（敵人）、灰色（中立）、藍色（朋友）資產。類的屬性和行為是非常不確定的，與前面提到的第1.1節中的已知或未知的挑戰有關，因為要么來自友好來源的數據可能被破壞，要么敵人有可能被欺騙成友好數據來源[1,2,3,4]。因此，以較高的置信度對這些資產進行分類是一項具有挑戰性的任務。應對這一挑戰的最初步驟是，從這些設備中獲取數據，例如圖像、文本或音頻，并調查未知數據是否可以被分類為已知數據。

提出的方法

我們的方法包括選擇圖像數據和建立一個深度學習框架來解決分類的挑戰。圖像類被特別選擇來代表類似于軍事行動中常用的地形景觀。

因此，我們的框架由兩個獨立的部分組成；對從原始數據集獲得的圖像進行分類，以及對使用圖像-音頻編碼方案從圖像獲得的音頻信號進行分類（第3.1節）。

由于編碼將數據從一個數據域（圖像）轉換到另一個數據域（音頻），預計會有信息損失。為了解決上述轉換后的數據樣本的挑戰，我們提出了以下問題：當數據被編碼方案轉換后，我們能否提高模型的性能，從而將未知數轉換成已知數？我們怎樣才能彌補模型的低性能，從而使以前的未知數據能夠用于提高決策過程中的可信度？在模型的性能和正確分類數據以支持決策之間的權衡是什么？

聯合全域指揮與控制

美國武裝部隊正面臨著對互操作性和多域作戰（MDO）需求增加的挑戰。這促使美國國防部（DoD）創建了聯合全域指揮與控制（JADC2）計劃。從作戰角度來看，這種現代化將提高交戰速度，通過C2節點將目標和態勢數據無縫傳輸到戰斗的前沿，獲得力量倍增效應和作戰優勢。

這一問題空間非常復雜，并受到目前實施的數以千計的脆性、孤島、遺留系統和設備、支持單一安全領域的專用網絡以及各種具有硬編碼、專有接口和結構的數據策略的阻礙，這些都需要在戰術網絡上進行數據解包、翻譯和重新打包。這種方法產生了巨大的開銷，扼殺了實時網絡，阻礙了交戰的速度--而此時，實時信息傳遞是最重要的，可能意味著成功或失敗的區別。

為了推動競爭力的提高，美國防部通過了一項數據戰略，該戰略指出："美國防部是一個以數據為中心的組織，以速度和規模使用數據以獲得作戰優勢和提高效率"。此外，它還規定："所有國防部領導人都有責任將數據作為武器系統對待，并管理、保護和使用數據以實現作戰效果"。實施全國范圍內的數據中心化政策的效果是推動各領域（陸軍、空軍、海軍、海軍陸戰隊）走向統一的行動。

JADC2計劃是為了加速實施敏捷的、高度響應的系統而設立的，它使美國空軍、美國陸軍和美國海軍分別在先進作戰管理系統（ABMS）項目、聚合項目和超配項目中實施針對具體軍種的解決方案，以滿足這些網絡和互操作性需求。這些系統的實施證明，現在有十個新出現的數據需求，指導并完善了JADC2的成功實施：

- 1. 數據中心化

- 2. 網絡傳輸不可知

- 3. 多域安全架構

- 4. 零信任/安全

- 5. 模塊化開放系統架構（Mosa）和開放標準

- 6. 云到戰術邊緣的連接和啟用

- 7. 設計具有數據持久性的斷開操作

- 8. 互操作性

- 9. 可擴展性

- 10. 網絡健康工具

1. 數據中心化

為了在戰爭速度上實現決策主導權，JADC2系統必須向決策者和決策人工智能（AI）和機器學習（ML）系統提供數據，跨越不同的作戰指揮，從戰術邊緣到霧到云。這恰恰與2020年9月30日宣布的美國防部數據戰略相吻合，該戰略指示國防部領導人將所有國防部資產演變為以數據為中心的資產，將數據視為武器系統。這份文件概述了這一戰略的七個目標--使數據可見、可及、可理解、可鏈接、可信賴、可互操作和安全（VAULTIS）。

數據中心主義指的是一種系統架構，在這種架構中，數據是主要的和永久的資產，而應用程序來來往往。軟件組件通過共享的數據對象進行通信，而不是交換信息，這些對象似乎是本地數據。應用程序直接讀取和寫入這些對象的值，這些對象被緩存在每個參與者中。

作為JADC2系統的理想選擇，RTI Connext?建立在一個對等的、以數據為中心的架構上，以線速向AI和ML提供關鍵的實時數據，不需要服務器或經紀人。Connext與網絡發現能力松散耦合，實現了網絡組件的 "即插即用 "能力。這使得用戶可以動態地將新的功能插入到網絡中，并由操作技術自動發現，而不需要關閉他們的系統。

Connext架構通過設計支持VAULTIS。它的應用編程接口（API）推動了以一致的、可理解的格式跨多個硬件和操作系統平臺的訪問和可視性；它的實時發布訂閱（RTPS）線協議推動了快速和一致的互操作性；它的開放安全功能實現了實時跨多個安全域的可信訪問。

Connext是領先的軟件連接框架，用于在下一代國防系統中實施以數據為中心的架構。Connext實現了從以網絡為中心的系統到強大的以數據為中心的環境的清晰、開放的標準的遷移，在許多情況下使用相同的網絡設備。

2. 網絡傳輸不可知

JADC2網絡必須支持所有的網絡傳輸，因為這些網絡包括眾多的物理鏈接，如高頻、V/UHF通信鏈接、SATCOM、固定電話和/或光纖。因此，有必要通過廣域網絡將數據在路徑中所有這些可能的鏈接轉移到戰術邊緣，而不損失數據的完整性。此外，JADC2網絡必須消除訓練和作戰之間的障礙，以實現 "邊戰斗邊訓練 "的模式。有了適當的泛域網絡，由空中、地面或海上的多個角色組成的混合合成[訓練]環境的機會是無限的。

Connext在所有的網絡傳輸中工作，包括UDP、TCP、InfiniBand、共享內存等等。Connext自然地將這種連接延伸到士兵訓練系統。這種方法使得從供應商鎖定的、基于服務器的、使用HLA、DIS、CIGI和TENA標準的傳統訓練環境遷移到使用Unity?和Epic Games的Unreal Engine?的現代開放游戲系統。Connext為所有的訓練系統提供了從任何行動領域獲取實時數據的機會。這就實現了非常豐富的平臺，讓士兵在戰斗中訓練，并使用他們在戰斗中的確切數據。Connext是下一代訓練系統的理想連接基礎，比如美國陸軍的合成訓練環境（STE）。

3. 多域安全架構

JADC2的挑戰是支持多域作戰（MDO），其中每個網絡域的數據可以被多個武裝部門、多個國防供應商系統和聯盟伙伴安全地共享。美國的全球軍隊目前有數以千計的網絡專門用于特定的供應商、傳感系統、武器系統或指揮與控制（C2）平臺。這些網絡中的每一個都有自己的安全策略和對該領域數據的控制，通常是通過一個單級安全的專用網絡管道。這種網絡傳統上對移動中的數據和管道內單一安全域的清晰數據有可信的端點，或對管道內的所有內容進行完全加密。許多這樣的系統使用跨域的平臺，配置起來很有挑戰性，修改起來也很麻煩，以獲得數據給任務伙伴。

Connext實現了一個開放的、安全聯合的數據結構，因此作戰數據可以在適當的安全梯隊級別上共享。

4. 零信任/安全

零信任環境假定對手在網絡中無處不在。網絡架構必須支持確保整個交付環境中所有作戰域的數據安全。每個安全域的單個數據主題都需要用獨特的數據認證和加密策略來保護，因此只有擁有適當證書的各方才能訪問這些主題。多個專用網絡管道不能再成為一種要求。相反，多個軍事領域必須能夠在允許的情況下在優化的網絡管道上安全地共享數據，從而實現高網絡效率和低運營成本。這整個環境必須是基于標準的，以便所有領域的高擴展性和快速部署。

RTI Connext? Secure，基于開放的對象管理小組（OMG?））的安全標準。數據分發服務?（DDS）安全標準，運行在工作的Connext系統之上，使其能夠快速地將成熟的認證、訪問控制、加密模塊納入混合域、零信任的JADC2網絡。Connext Secure實現了一個獨立于硬件和網絡平臺的基于標準的安全架構。Connext Secure也是保護移動數據部署的理想選擇，它可以保護單個數據元素，在共享網絡管道上有不同的安全證書。這種方法使每個安全域對專用網絡的需求變得過時。

分享來自不同安全領域的作戰數據的能力也可以使具有脆性、難以推進的網絡被剝離，為國防團隊節省數百萬的成本。

5. 模塊化開放系統結構（Mosa）和開放標準

所有JADC2的未來采購都應該完全接受MOSA和開放的工業標準。這將有助于美國武裝部隊從專有的、爐灶式的解決方案遷移到一個開放的系統結構，實現所有部門所期望的 "系統的系統 "方法。開放標準也使美國武裝部隊減少對單一供應商的依賴，為符合MOSA的供應商敞開大門，加強競爭。再往前走一步，美國國防部可以采用DDS作為建立MDO能力的基礎。這可以逐步進行，以減少風險和管理現金流。期望的結果是一個多廠商、多領域的網絡，數據在 "所有傳感器、最佳射手、正確的C2節點 "的參與范式中被無縫共享。

Connext是基于開放的DDS標準，由OMG管理。它被用于國防網絡，形成了20多個MOSA標準的連接基礎，包括FACE?，MOCU，海軍開放架構，OMS，ROS 2，SOSA，TMSC，UMAA，UCS等等。

RTI完全致力于開放標準，是第一家為其Connext TSS產品獲得FACE一致性認證的公司，該產品滿足FACE傳輸服務段（TSS）的所有要求。

6. 云到戰術邊緣的連接和啟用

JADC2網絡必須有企業云到戰術邊緣的連接。必須支持多種戰斗云和戰術云技術，包括谷歌協議緩沖區（GPB）、Apache Kafka?和其他傳統的和新興的網絡策略，以便使用最新的人工智能和ML實現即時決策。

由于云系統的相似性，云的啟用相對容易。更具挑戰性的是，利用各種不同的微處理器和圖形處理單元（GPU）與最新的嵌入式AI和ML引擎，使戰術邊緣具有類似的能力。用云環境中的先進的實時決策來啟用戰術邊緣網絡系統，將在戰場上提供一個一致的任務環境，即使是在網絡斷開、擁堵和競爭的情況下。Connext使用基于開放標準的技術推動從云到戰術邊緣的實時數據連接。Connext是松散耦合的，有一個發現機制來檢測新的能力，實現即插即用的范式。

7. 設計具有數據持久性的斷開操作

JADC2網絡肯定會受到對手在整個通信鏈中的不斷攻擊。因此，操作應該被設計成有彈性的，以處理關鍵作戰期間的有限帶寬、斷開設備和擁擠/競爭的網絡可用性。此外，數據傳輸的服務質量（QoS）必須被設計為在數據可用性降低期間提供數據的持久性，這可能會導致實地作戰人員的數據被拒絕。

Connext有超過20個QoS設置來實現數據的持久性--它的發現能力允許網絡在網絡攻擊、故障或設備、節點和系統丟失后自動修復并恢復高速運行。Connext能夠在完全連接、有損、有限帶寬和斷開連接的操作中，讓正確的作戰人員安全地訪問數據。

Connext實現了一個戰術邊緣到云的環境，支持使用共享數據的共同外觀和感覺。通過這種方式，它可以減少行動鏈中所有作戰人員的培訓要求。

8. 互操作性

JADC2必須支持不同系統之間的快速互操作性，為作戰人員帶來最新的技術和能力。做到這一點的最快和最簡單的方法是擁有一個開放的、基于標準的線路協議，這樣網絡應用就可以說同樣的語言。

Connext支持RTPS線路協議，該協議基于OMG管理的開放標準。JADC2系統中的RTPS保證了用不同編程語言編寫的、由不同國防供應商部署在不同系統上的應用程序之間的互操作性。這實現了一個單一的、集成的、連貫的JADC2網絡。

9. 可擴展性

JADC2系統必須能夠快速擴展以支持不同的部署設計。當作戰單位 "加入戰斗 "并被插入到現有的網絡中時，結構應該相應地擴大而不失去完整性。加入的單位將需要相同的數據模型知識，以正確地與現有單位對接。請注意，由于網絡是 "設備無關的"，并遵守MOSA和通用數據模型，加入的單位可以無縫接入JADC2網絡--簡單地說，這就是互操作性的體現。

Connext提供點對點架構，消除了對網絡服務器和經紀人的依賴，因此能夠在設備和作戰人員之間以物理速度提供安全數據。這一點已經在國防部署中得到了證明，包括擁有超過1000萬個發布-訂閱對的傳感器到射手平臺。

10. 網絡健康工具

JADC2網絡應該準備好不斷受到攻擊。部署具有更大速度和帶寬的新網絡并不能減輕這些攻擊，也不能使我們的決策比對手更快。將需要一些工具來確定網絡的健康狀況、連接性和可用性。

RTI Connext基礎設施服務使開發者能夠快速擴展和整合基于各種技術的實時、分布式系統。Connext基礎設施服務涵蓋了廣泛的使用案例，包括云發現服務、網絡集成服務、數據庫集成服務、路由服務和持久性服務。這些網絡健康工具提供了獨特而強大的功能，推動了任何分布式系統能力的提高，并有助于加快部署時間。

此外，RTI監控器和管理控制臺工具使JADC2網絡的跨網絡操作有了一個綜合的視角，包括對錯誤、流量、資源使用的詳細統計，日志分析和系統網絡拓撲顯示。

總結

這十項JADC2網絡能力--數據中心性、網絡傳輸無關性、多域安全架構、零信任、MOSA、開放標準、云到戰術邊緣連接性、為具有數據持久性的斷線作戰設計、互操作性、可擴展性和網絡健康工具--將實現一個真正的任務伙伴環境，包括所有聯合傳感器、指揮和控制。我們各軍種和聯盟伙伴生態系統的優化武器系統構成了一個成功、可部署和可維護的JADC2環境的基礎。

Connext是一種商業產品，已經在國防網絡中得到驗證，是唯一能夠滿足所有這些苛刻的網絡要求的技術。它現有的部署足跡大大降低了實現一個可行的和強大的JADC2環境的成本和時間。Connext的點對點架構消除了服務器和經紀人，使全世界所有的作戰域都能以物理速度實時訪問數據，并以戰爭的速度進行決策主導。Connext是理想的連接基礎，使一個統一的網絡能夠一體運作。

先進作戰管理系統（ABMS）是美國空軍創建下一代指揮和控制（C2）系統的最新計劃項目。ABMS建議使用云環境和新的通信方法，使空軍和太空部隊系統能夠使用人工智能無縫共享數據，以實現更快的決策。空軍將ABMS描述為其創建物聯網的努力，這將使傳感器和C2系統相互分解（與空軍傳統上執行C2的方式相反）。該計劃是空軍對國防部全域聯合指揮與控制（JADC2）工作的貢獻，重點是使國防部的作戰決策過程現代化。

ABMS最初的設想是取代目前指揮空戰行動的E-3機載預警和控制系統（AWACS）（圖1），但后來有了更廣泛的范圍。前空軍負責采購的助理部長威爾-羅珀指示，該計劃應減少對指揮中心和飛機的關注，而是創造數字技術，如安全云環境，在多個武器系統之間共享數據。羅珀博士表示，2018年國防戰略所設想的有爭議的環境迫使空軍重組ABMS項目。2021年5月，空軍副參謀長大衛-奧爾文將軍在DefenseOne的一篇文章中說："ABMS究竟是什么？它是軟件嗎？硬件？基礎設施？策略？答案是都是"。換句話說，空軍將ABMS設想為一個采購項目，它既要采購東西，又要實施其他非開發性的工作，該部門認為這些工作同樣重要：指揮和控制空軍的新技術。

自ABMS成立以來，國會已經對下一代C2系統的發展表示了興趣。空軍表示，ABMS是一個非傳統的采購項目。因此，國會對空軍替換老舊系統的方法和試驗新興技術的方法提出了質疑。

ABMS的開發工作

迄今為止，空軍已經進行了五次活動，以展示其希望最終投入使用的新C2能力。2019年12月，空軍在其第一次ABMS "on-ramp"（空軍用來表示演示的術語）中，展示了從陸軍雷達和海軍驅逐艦向F-22和F-35戰斗機傳輸數據的能力。這次活動還展示了空軍的統一數據庫（UDL），這是一個結合天基和地基傳感器追蹤衛星的云環境。

2020年9月，ABMS進行了第二次"on-ramp"。這第二次上線演示了通過使用超高速武器作為防御手段，探測和擊敗一個飛向美國的模擬巡航導彈。此外，ABMS還展示了 "探測和擊敗破壞美國太空行動的手段"的能力。根據空軍的新聞稿，"70個工業團隊和65個政府團隊 "參加了這次活動。

空軍在2020年9月下旬舉行了第三次"on-ramp"，以支持珍珠港-希卡姆聯合基地的 "勇敢之盾 "演習。在這次活動中，空軍展示了使用KC-46加油機通過將數據從較老的第四代戰斗機轉發到較新的第五代飛機，如F-22，來執行戰術C2。2021年5月，空軍表示，為KC-46采購通信吊艙將是ABMS項目的第一個能力發布。空軍說："在戰斗中，無論如何，郵機將需要在作戰附近飛行，支持戰斗機，因此將它們作為指揮和控制系統，無論是作為主要的還是彈性的備份，都是有意義的。"

2021年2月在歐洲舉行了第四次"on-ramp"。根據新聞稿，空軍由于預算限制而減少了這次活動規模。這第四次將包括荷蘭、波蘭和英國在內的盟國聯系起來，進行聯合空中作戰。據美國駐歐洲空軍司令哈里根將軍說，這第四次活動測試了美國和盟國用F-15E飛機發射AGM-158聯合空對地對峙導彈（JASSM）執行遠程打擊任務的能力（見圖2），同時利用美國和盟國的F-35飛機執行空軍基地防御任務。

本預計2021年春季進行第五次"on-ramp"在太平洋地區，但由于預算限制，取消了這次活動。

GAO的報告建議

2019財年國防授權法案（NDAA）指示政府問責局（GAO）評估ABMS計劃。在2020年4月的一份報告中，GAO向空軍總設計師建議采取四項行動來提高項目績效。

1.制定一個計劃，在ABMS開發領域需要時獲得成熟技術。

2.制作一個定期更新的成本估算，反映ABMS的實際成本，每季度向國會匯報一次。

3.準備一份可購性分析，并定期更新。

4.正式確定并記錄參與ABMS的空軍辦公室的采購權力和決策責任。

空軍助理部長同意了所有的建議。前空軍參謀長David Goldfein將軍不同意這些建議，他指出GAO的分析沒有反映機密信息。美國政府問責局表示，它可以接觸到機密信息，這些額外的信息并不影響其分析和建議。

ABMS的管理結構

根據GAO關于ABMS的同一份報告，空軍最初確定由空軍總設計師（普雷斯頓-鄧拉普），來協調空軍每個項目執行辦公室的ABMS相關工作。GAO對這種管理結構可能導致ABMS缺乏決策權表示擔憂。然而，在2020年11月，羅珀博士選擇空軍快速能力辦公室作為ABMS項目執行辦公室。首席架構師辦公室繼續開發全軍的架構（即軟件和無線電如何能夠相互連接），以支持ABMS。

國會就AMBS采取的行動

國會已經對ABMS系統的發展表示了興趣。下面的清單總結了國會在前三個NDAA中的行動：

• 2019財政年度NDAA（P.L. 115-232）：

  • 第147節：限制E-8 JSTARS飛機退役的資金可用性

• 2020年國防部（P.L. 116-92）：

  • 第236節：與先進戰斗管理系統有關的文件

• FY2021 NDA (P.L. 116-283) ：

  • 第146節：移動目標指示器要求和先進戰斗管理系統能力的分析
  • 第221節：與先進戰斗管理系統有關的問責措施

2021財年國防撥款法案（P.L. 116-260 C分部）將ABMS的資金從要求的3.02億美元減少到1.585億美元，理由是 "不合理的增長和預先融資"。

在ABMS的整個發展過程中，國會對在確定合適的替代物之前退役舊的C2系統如JSTARS和AWACS表示關注。國會還指示空軍制定傳統的采購理由，如成本估算和需求文件，以確保國會和軍方都了解要采購的東西。這些行動反映了美國政府問責局的建議。

關于國會的潛在問題

• 使用ABMS方法分解指揮和控制的風險是什么？

• 空軍應如何平衡創新、實驗與采購成熟技術？

• ABMS提供了哪些傳統指揮與控制系統無法提供的機會？

• 利用6.8軟件和數字技術試點計劃預算活動代碼中的新預算授權靈活性，ABMS是否會受益？