本論文探討了支持分布式海上作戰（DMO）的兩種不同通信架構的選項。這兩種架構分別是星形網絡和無線網狀網絡。為本研究開發場景模型的目的是幫助讀者更好地理解緊密結合的數據類型、數據速率和所需網絡功能對網絡設計的影響。本研究針對需要視頻、語音和數據鏈路組合的場景中的各種資產，對每種架構進行了評估。它深入分析了每種設計所固有的信息傳遞延遲，并評估了每種網絡的可靠性。研究發現，利用機載路由功能的低地球軌道衛星星形和網狀網絡可提供最低的定時延遲。研究還發現，通過專用通道提供視頻饋送時，網絡抖動最小。最后，網狀網絡的可靠性略高于傳統的星形網絡，這是因為數據鏈路具有冗余性，而且缺少一個可能易受攻擊的中心樞紐。因此，利用特設無線網狀通信網絡將支持在分布式海上作戰進行有限的進攻性聯合火力打擊期間部署自適應部隊包。

圖 1. 星形網絡拓撲（左）和全網狀拓撲（右）。

在任何戰斗環境中，良好的通信都是取得勝利的關鍵。即使是在擁有堅實通信基礎設施的地理位置，如果戰地指揮官不能及時收到來自戰地資產的正確信息報告，也會造成混亂。在海戰中，尤其是在近海，通信基礎設施充其量也是微乎其微。

為響應美國防部長關于改進聯合火力（JF）行動的號召，本畢業設計探討了支持分布式海上行動（DMO）的兩種不同通信架構的選項。這兩種架構分別是星形網絡和無線網狀網絡。

為本研究開發情景模式的目的是幫助讀者更好地理解緊密耦合的數據類型、數據速率和所需網絡功能對網絡設計的影響。這有助于突出已實施網絡的設計限制。模擬結果用于定義基準參考和可追溯數據要求，以支持為 JF DMO 設計的戰術網絡。

A. 戰術通信網絡拓撲結構

網絡設置通常用拓撲結構來描述，拓撲結構是網絡內節點排列和通信的物理方式（美國陸軍工程部，1984 年，7）。本研究評估了圖 1 左側所示的傳統星形網絡和圖 1 右側所示的多層網狀通信網絡，并量化了這些鏈路的排列可能對操作產生的影響。

1.星形網絡

最廣泛使用的無線網絡拓撲結構是星形幾何模式。星形拓撲結構包括一個中心節點，所有信息都通過該節點流動。在星形格式中，所有信息都必須從每個參與資產發送和接收，并通過中心樞紐路由。這種配置中的中心節點是單點故障。如果中央節點離線，整個網絡就會癱瘓。

2.無線網狀網絡

多層戰術無線網狀網絡是指在網絡內共享信息的過程。網狀網絡描述了一種配置，其中每個節點都具有通信能力，可以相互發送和接收信息。在網狀網絡中，節點是自組織的，可根據需要通過路由算法自動建立（Shillington 和 Tong，2011 年）。

B. 結論

本研究的設計要求側重于網絡配置、對信息定時延遲的影響、網絡抖動和可靠性。研究發現，使用具有機載路由功能的低地球軌道（LEO）衛星的星形和網狀網絡可提供最低的定時延遲。研究還發現，在提供視頻饋送專用通道時，網絡抖動最小。最后，網狀網絡的可靠性略高于傳統的星形網絡，這是因為數據鏈路具有冗余性，而且沒有潛在的易受攻擊的中心樞紐。因此，在分布式海上行動的有限進攻性聯合火力打擊中，利用特設無線網狀通信網絡將支持部署自適應部隊包。

21 世紀迄今為止最重大的軍事變革之一是無人（也稱無機組人員）系統的發展。這項技術發展迅速--從玩具遙控汽車到國家兵力改造和采用的資產。隨著技術的改進，無人駕駛系統不僅出現在地面上，還出現在空中、水上和水下。無人駕駛飛行器的種類之多令人震驚，既越來越小，也越來越大。現在，它們的大小從大黃蜂到潛艇不等。

盡管技術仍在不斷發展，但無人資產發展的一個重要階段是將其融入行動。現有的系統現在已經足夠有用，可以為戰場上的作戰人員提供支持，它們正越來越多地接受測試并編入作戰部隊。例如，2022 年 10 月初，荷蘭皇家陸軍宣布，它已與機器人和自主系統（RAS）部隊一起向立陶宛部署了四輛武裝履帶式混合模塊化步兵系統（或 THeMIS）無人地面車輛（UGV），這被軍方官員稱為西方首次涉及武裝 UGV 的作戰試驗。這些系統可以裝備機槍、榴彈發射器和反坦克導彈，因此可以為其他兵力提供支援。即使沒有裝備武器，這些 UGV 也很有用，因為它們可以通過運輸補給品（包括重型武器、水和彈藥）減輕士兵的體力負擔。愛沙尼亞國防軍已經在馬里部署了非武裝型 UGV，與愛沙尼亞士兵一起提供后勤支持，這是法國領導的反叛亂行動 "巴爾卡內行動 "的一部分。在烏克蘭，非武裝 UGV 也被用于傷員后送。照片顯示，俄羅斯軍方已經部署了全副武裝的 Uran-9 機器人坦克，以支援烏克蘭盧甘斯克地區的部隊。

無人機（UAV）、無人水面飛行器/船（USV）和無人水下飛行器/船（UUV）的發展為海軍提供了一系列新的能力。隨著技術的進步，無人系統的能力會越來越強，而且在大多數情況下會更加自主。在開發用于進攻的系統的同時，也需要開發用于防御的系統。隨著系統和行為體的擴散，防御敵方兵力將變得更加復雜。

本文將簡要討論海事領域無人系統的實例，并指出使用這些系統所固有的挑戰和問題。變化發生得如此之快，以至于本文只能提供這些系統的開發和使用情況的一個縮影。需要注意的是，本文總體上側重于大西洋/西方舞臺。

無人駕駛飛行器

在過去的 20-25 年里，無人駕駛飛行器 (UAV) 被開發、改造并用于軍事用途。無人駕駛飛行器/系統（UAV/UAS）--有些人稱之為無人機--曾經是簡單的偵察工具，現在已被用于一系列復雜的軍事用途。美國武裝系統，如 "捕食者 "和 "收割者 "無人機，在阿富汗和伊拉克（以及巴基斯坦和索馬里）的使用表明，軍事技術和無人系統的使用發生了真正的轉變。

鑒于西方國家/北約最近卷入的沖突--即阿富汗、伊拉克和敘利亞--很少強調海上問題，因此大部分注意力都放在地面部隊和空軍使用無人機上也就不足為奇了。盡管如此，無人機對海上兵力的好處顯而易見。無人機可提高對海洋的感知能力，進行遠程監視，將態勢感知范圍擴大到艦載傳感器范圍之外，還可進行目標捕獲、空中預警、空中加油，還可用于補給和/或物資運輸。傳統上，這些功能需要從航母上起飛的飛機或以軍艦為基地的直升機來實現，但現在，無人機可以以更低的成本和更強的可持續性為艦船提供一些相同的優勢。

利用無人機進行反潛戰也成為可能。在反潛戰中，水面艦艇試圖在不傷害艦艇和船員的情況下探測和跟蹤潛艇。這包括從艦艇聲納以及聲納浮標（可探測水下聲音并傳送相關信息的浮標）和飛機（加拿大通常使用直升機）操作的浸入式聲納收集信息。有跡象表明，正在設計無人駕駛飛行器，以便利用直徑較小的電纜進行聲納浸入，這將減輕有人駕駛飛機的任務。

除了增加監視范圍、擴大戰艦航程和承擔與反潛戰有關的任務外，無人機還能為海軍帶來其他好處。無人機能力可以廣泛分散到整個艦隊。不再是只有大型艦艇才能具備航空能力--小型艦艇可以攜帶輕型無人機，大型艦艇可以攜帶大型無人機（或許多小型系統）。系統的多樣性意味著一些戰艦可以搭載多個系統，而且這些系統可以同時向多個方向發射。在作戰情況下，這種改進的戰術畫面有助于確保有效的防御。

迄今為止，尚未討論過使用無人機作為武器的問題。雖然加拿大皇家海軍/加拿大沒有使用武裝無人機，但其他國家卻在使用。無人機正在成為沖突中的有力資產，未來將變得更加有力。本文僅探討具有海上因素的用途，但即便如此，還是可以很容易地找到最近在這種環境中使用無人機的例子。例如，在烏克蘭沖突中，無人機被用于破壞俄羅斯黑海艦隊總部和克里米亞的一個海軍基地。根據情報報告，這些襲擊導致俄羅斯海軍將其潛艇從克里米亞遷至俄羅斯新羅西斯克基地。除襲擊俄羅斯海軍基地外，烏克蘭還使用土耳其中空長航時無人戰斗機（Bayraktar）幫助奪回蛇島，擊沉俄羅斯海軍巡邏艇，并可能在黑海艦隊旗艦 "莫斯科號"（RFS Moskva）被導彈擊中前分散其注意力。俄羅斯使用伊朗研發的 Shahed-136 無人機進行反擊，攻擊烏克蘭港口的目標（以及城市中的目標，但本文的重點是海上目標）。2021 年 4 月，作為 "超級蜂群 "項目的一部分，美國海軍在加利福尼亞附近海域進行了一次演習，摧毀了一艘使用無人機群進行模擬攻擊的水面艦艇，以說明這種攻擊是可能發生的，并制定了抵御這種攻擊的戰術。

2022 年 10 月，挪威海上石油平臺上的工人發現無人機在平臺周圍盤旋。2022 年 10 月，挪威海上石油平臺上的工人發現無人駕駛飛行器在平臺周圍盤旋，這引起了人們的擔憂，擔心這些無人駕駛飛行器可能被俄羅斯用來瞄準/破壞能源生產或運輸設施。為此，挪威部署了軍艦在海上平臺周圍巡邏。這說明了武裝無人機的另一面--既然可以武裝攻擊，就必須進行防御。因此，各國正在開發防御無人機攻擊的手段和培訓。例如，2022 年 10 月底，德國海軍的一艘護衛艦成功地利用艦載激光武器系統反擊了短距離和超短距離無人機。

無人水面航行器器/無人艦艇

與航空飛行器一樣，無人水面艦艇（USV）的相關技術也在迅速發展。與無人機一樣，無人水面艦艇也能為海軍艦隊帶來各種益處。它們已被用于水雷和反水雷行動、兵力和港口保護以及反恐/禁毒行動。USV 還可用于跟蹤和攻擊潛艇、進行監視以支持海上行動、繪制特定區域的 "生活模式圖"（以確定異常行為）以及進行兩棲攻擊。

USV 越來越多地用于防御攻擊的訓練演習。海軍艦艇，尤其是在港口或靠近海岸時，很容易受到小型快速爆炸艇（越來越多的無人駕駛船只）的攻擊。在這種情況下，識別威脅并做出反應的時間非常有限。為了解決這一問題，包括加拿大在內的許多國家的海軍都使用了模仿小型快速攻擊艇設計的 USV 來模擬攻擊并進行應對訓練。

關于 USV 的早期研究大多集中在排雷方面，因為排雷活動會給船只和人員帶來危險。如果 USV 可以進行排雷，那么將減少對傳統資產的威脅。這些系統已經取得了進展，一些國家已經開發或采用了這些系統。例如，2022 年 10 月初，英國國防部的 USV 演示成功展示了在蘇格蘭沿海的真實條件下（即不同深度、水流和潮汐流）以及在埋有類似地雷的模擬雷場中的自主獵雷技術。

USV 的另一個用途是巡邏。USV 可以持續巡邏和監測海洋入口，收集沿岸地區的活動數據。澳大利亞正在與工業界和智囊團探討將有人駕駛巡邏艇改裝為 USV 的可能性。澳大利亞奧斯特公司獲得了一艘退役的阿米代爾級巡邏艇，以開始自主和遙控系統的規劃、改裝、測試和評估。這是 "巡邏艇自主試驗"（PBAT）的一部分，該試驗旨在 "在巡邏艇上建立機器人、自動化和自主元素，提供概念驗證演示器，以便在未來為 RAN（澳大利亞皇家海軍）提供可選擇的乘員或自主操作"。

從也門和烏克蘭最近發生的事件中，可以看到 USV 正在如何加入戰斗序列。在也門內戰期間，攜帶炸藥的遙控船被廣泛用于攻擊沙特（或阿拉伯聯合酋長國）船只。例如，2017 年，一艘裝滿炸藥的無人艇在也門近海撞擊沙特護衛艦 Al-Madinah，造成兩名水手死亡，船只受損。

在烏克蘭戰爭中，USV 也曾亮相。2022 年 4 月，美國稱將向烏克蘭提供數量不明的 "無人駕駛海岸防御艦"。2022 年 9 月，國際媒體報道稱，克里米亞塞瓦斯托波爾俄羅斯海軍基地外的海岸線上沖出了一艘（可能是兩艘）簡易 USV，大小與皮劃艇差不多。(這艘船不是美國提供的那種。）船的照片顯示，這是一架由商用水上船只部件制成的水面無人機，可能裝有炸藥。它裝有照相機、紅外線傳感器、通信天線、船首傳感器和噴水推進器（類似于 Sea-Doo 的推進器）以提高速度。2022 年 10 月，類似的烏克蘭 USV（也有無人駕駛飛行器）再次對俄羅斯黑海艦隊發動襲擊，據說損壞了多艘艦船。這次襲擊的一個有趣之處是，其中一艘 USV 的視頻可以在網上觀看。

目前尚不清楚 9 月份發現的第一艘無人潛航器的去向，也不清楚它為什么會出現在岸上，但這是俄羅斯和烏克蘭戰爭中在黑海使用這種船只的第一個已知例子。正如第二起事件所示，該 USV 很可能被用于瞄準和/或攻擊（因為它很可能裝有炸藥）。鑒于這些 USV 非常低調，它們將是風險較低、隱蔽性較強的無人機替代品，因為它們可以在水中非常低的位置徘徊，以免被發現。俄羅斯宣布已經摧毀了最初的船只，這無疑是因為它攜帶了爆炸物，但第二次襲擊表明烏克蘭的武器庫中還有更多的 USV。

也門和烏克蘭并不是使用無人水面艦艇的唯一戰場。伊朗革命衛隊海軍已研制出快速水面攻擊艦，并可能已向也門胡塞武裝提供了 USV 及其使用培訓。但有趣的是，迄今為止，這些攻擊型 USV 往往是對載人船只的改裝，保留了駕駛員的位置，因此也可用于其他行動。這與在克里米亞發現的版本形成鮮明對比，后者專門設計為無人駕駛，其體積小、低調，很難被觀察和/或摧毀。

為了對抗伊朗的影響，美國海軍（USN）第五艦隊于 2021 年 9 月成立了一個無人系統和人工智能兵力特遣部隊，將新技術整合到美國海軍在中東地區的行動中。59 特遣部隊與地區合作伙伴合作，以巴林和約旦亞喀巴的行動中心為基地，將新的無人系統和人工智能（AI）整合到海上行動中。成立 59 號兵力的目的是收集和使用非保密系統，這簡化了調整收集方法和共享信息的過程。此外，與許多緩慢的采購系統不同，特遣部隊被賦予了嘗試不同無人系統和人工智能供應商的任務，并迅速將不同的平臺引入第五艦隊。據美國海軍中央司令部、美國第五艦隊和海上聯合部隊司令布拉德-庫珀中將稱，"目標是與合作伙伴共同運營一個分布式綜合系統網絡，以顯著擴大我們能看到多遠"。庫珀表示，"美國及其盟國希望在 2023 年夏季之前擁有一支由 100 艘無人水面艦艇組成的兵力，在從紅海到波斯灣的水域巡邏"。2022 年 1 月，作為第 22 次國際海上演習的一部分，來自 10 個國家的 50 多個無人系統舉行了一次大型無人海上演習。演習的目的是將這些無人潛航器連接起來，并形成統一的圖像--這兩點都取得了成功。

隨著各國紛紛開發新系統，這就提出了一個問題：海軍兵力如何能夠共同行動，最大限度地發揮系統的效能。因此，最近舉行了一些海軍演習，以演練與其他海軍系統的合作。在 2022 年 10 月 7 日為期一天的演習中，美國海軍（以及美國海岸警衛隊的一艘艦艇）和英國皇家海軍（RN）的艦艇在阿拉伯灣進行了一次名為 "幻影范圍 "的雙邊演習。這次演習的特點是使用無人系統--三艘 Saildrone Explorer USV--和人工智能來加強艦員和岸上操作人員的海上監測。在這次演習中，USV 上的傳感器能夠定位和識別水中的訓練輔助設備，并將可視化圖像傳送到指揮中心。2022 年 9 月，美國海軍和以色列還進行了另一次雙邊演習（"數字盾牌"），重點是利用無人系統提高海上感知等。在這次演習中，使用了 Devil Ray T-38 和 Saildrone Explorer USV。這些演習表明，各國都希望提高合作能力，有效利用這一新技術。這必須在多邊和雙邊基礎上進行。北約于 2018 年 10 月啟動了海上無人系統倡議，以促進在聯盟海軍行動中使用無人系統。北約也一直在為此進行演習。2022 年 9 月，北約舉行了兩次演習--"2022 年使用海上無人系統的機器人實驗和原型驗證演習"（REPMUS22）和 "2022 年動態信使演習"（DYMS22），以測試新型海上無人系統（MUS）的訓練、準備和互操作性。這些演習包括空中、水面和水下資產。動態信使號 "是 "北約第一次全面的作戰試驗演習，其具體重點是將無人系統納入海事領域，更具體地說是北約海上特遣艦隊"。

來自 16 個北約成員國的 18 艘艦船、48 臺無人機和 1,500 多名人員參加了演習。北約的兩個海軍常備小組以及私營部門和學術界的代表都參與了這項活動。

美國啟動了一個非常有趣的 USV 項目。在 "無需人員操作的船舶"（NOMARS）計劃中，美國國防部高級研究計劃局（DARPA）與工業界合作，正在研究一種全新的船舶設計，即 "潔凈表方法"。他們在設計船舶時假定船上永遠不會有人類。這意味著所有與人類相關的設計要求都可以取消，例如，沒有空氣、沒有生活空間、沒有食物準備或儲存空間等，這在歷史上還是第一次。然而，隨之而來的是維護問題。如果沒有船員進行維護，就需要重新考慮飛船的 "發電、推進、機械陣容和控制方案，以確保在各種天氣、溫度和海況下執行長期任務時的持續功能"。這些飛船--原型名為 "Defiant"--將需要冗余、模塊化和分布式混合發電。該計劃為建造截然不同的戰艦提供了可能。我們的想法是想象、設計并展示一艘完全無人駕駛的戰艦，它可以說明性能和能力的提高，可以與有人駕駛的戰艦并肩作戰，也可以單獨作戰。

無人駕駛水下航行器/無人潛艇

無人潛航器（UUV）是最新開發的無人系統--不過需要指出的是，一些民用機構多年來一直在使用遙控無人潛航器。這些系統的技術難度很大，特別是有效的通信具有挑戰性，但又必不可少。需要注意的是，由于各國都在尋求開發既能在水面又能在水下運行的系統，因此可能與 USV 技術有一些重疊。例如，英國皇家海軍/皇家海軍陸戰隊正在為海上突擊行動尋找一種無裝甲水面和水下航行器（USSV）原型。據稱，他們需要的是一種能在部署時從水面轉換到水下的船只，以便將貨物/補給運送到前沿基地、偏遠島嶼或危險環境中，從而減少對載人運輸的威脅。

盡管存在技術上的困難，UUV 的發展和應用仍然十分迅速。它們開始用于執行各種任務。美國海軍的 "無人潛航器（UUV）總體規劃 "確定了以下任務：

• 情報、監視和偵察
• 反水雷
• 反潛戰
• 檢查/識別；
• 海洋學；
• 通信/導航網絡節點；
• 有效載荷投送；
• 信息戰；以及
• 時間緊迫的打擊。

除這些任務外，UUV 在最近幾個月還發揮了一個新的作用--監測和保護水下基礎設施，以保護國家安全。2022 年 9 月，波羅的海海底的 "北溪 "管道遭到破壞，中斷了從俄羅斯到西歐的天然氣輸送（此前已因政治原因中斷）。雖然誰干的、怎么干的等問題還沒有公開答案，但這一事件加劇了人們對海底基礎設施易受攻擊的擔憂。各國正在努力開發監測和保護海底通信電纜的方法。例如，法國海軍于 2022 年 10 月首次使用 UUV（"HUGIN Superior "深海水下無人機）開展行動，作為其探索性海底控制能力的一部分。

目前已開始采用可定位、跟蹤、識別、瞄準和摧毀敵方潛艇或水雷的 UUV。一些無人潛航器已研制成功，可從潛艇上發射。(到目前為止，UUV 可以從潛艇上發射，但其回收工作仍在進行中）。具有諷刺意味的是，防御型 UUV 是對抗 UUV 攻擊群的必要手段。潛艇的設計目的是與其他潛艇或其他大型資產交戰，它們無法消耗有限的魚雷來對付小型但可能致命的 UUV。此外，潛艇往往沒有近防武器，這使其容易受到小型 UUV 的攻擊。因此，有可能需要發射一次性攔截型 UUV 來防御潛艇，或許可以誘導來襲的魚雷和/或摧毀它們。

與航空和水面系統一樣，隨著技術的發展，正在生產多種類型和尺寸的 UUV。美國海軍 UUV 總體規劃將其分為四個級別：

1.便攜式：排水量 25-100 磅；續航時間 10-20 小時；由小型水上船只手動發射（如 Mk 18 Mod 1 劍魚 UUV）；

2.輕型：排水量 500 磅以下；續航時間 20-40 小時；從使用發射-回轉系統的 RHIB 上發射，或從水面艦艇上用起重機發射（例如，Mk 18 Mod 2 Kingfish UUV）；

3.重量級：排水量最大 3,000 磅；續航時間 40-80 小時；從潛艇發射；

4.大型：排水量達 10 長噸；由水面艦艇和潛艇發射。

為了說明目前正在開發的 UUV 的尺寸，俄羅斯開發了一種重約 100 公噸的 UUV，稱為 "海神狀態 6 "或 "末日魚雷"，這是一種自主的核動力 UUV，能夠投送常規和核有效載荷。其他國家也在迅速開發和采用各種規模的 UUV。例如，美國海軍已經部署了 "剃刀背"（Razorback）中型 UUV 的早期型號，并正在采購升級型號。此外，美國海軍正在開發五種機器人超大型無人潛航器（XLUUV），可在海底布雷，并防止敵人進入水道和海岸。

雖然出現過延期和成本增加的情況，但所有這些 XLUUV 都計劃于 2024 年完成。2022 年 9 月，英國宣布皇家海軍已獲得三艘新型 REMUS 100 UUV。最后一個例子是，波蘭將在其正在建造的 Kormoran II 級獵雷艦上配備無人水下能力，以協助在波羅的海和北海執行海底搜索和勘測任務。

有關無人駕駛系統的考慮因素

在開發和采用大多數新的軍事用途系統的過程中，有許多固有的考慮因素和挑戰，無人駕駛技術也是如此。首先，也許最重要的考慮因素是，在不久的將來，這些系統將從簡單的無人駕駛變為自主系統，事實上，正如前面提到的幾個例子所表明的，一些自主系統已經投入使用。兩者之間的差別非常明顯--請看美國在伊拉克和阿富汗行動期間進行的 "捕食者 "無人機襲擊。當時，這些無人機是由坐在美國空軍基地的人操作的。操作員可以通過 "捕食者 "的攝像頭實時觀察一個人或一個地方。準備就緒后，作戰員按下按鈕向目標開火。雖然無人駕駛系統在類別上存在差異，但無人駕駛系統就像這個例子一樣--有一個操作員在控制，實時發出指令。而自主系統一般都預先編好程序，以執行特定任務。一旦編好程序，它就可以繼續運行，而無需有人對其進行遠程控制。(美國海軍多年來一直在研究無人自主艦艇，中國和俄羅斯也是如此，并且都取得了重大進展。例如，2019 年初，美國海軍 40.2 米（132 英尺）長的中排水量無人水面艦艇（MDUSV）"海上獵人 "號（Sea Hunter）成為第一艘從圣迭戈到夏威夷珍珠港往返自主航行的船只。除了護航船上的人員短暫登船檢查電氣和推進系統外，船上沒有一名船員。

與增強自主性相關的是對錯誤或故障責任的法律和道德擔憂。如果自主系統出錯導致人員死亡，或者 USV 撞沉民用船只，那么責任/罪責和賠償責任的界限并不明確。如下文所述，這說明有必要制定有關使用自主系統的政策和法律。

其次，西方國家的海軍都面臨人員短缺的問題，而使用無人艦艇有可能解決這一問題。從長遠來看，無人系統有可能取代配備船員的軍艦。美國的 NOMARS 計劃就是在這條道路上邁出的重要一步。

第三，話雖如此，但必須指出的是，"無人/無船員 "技術并不意味著沒有人員參與。無人系統需要一組人員來操作、發射/回收和維護。系統本身可能是無人駕駛的，但它們有與之相配套的大量支持團隊。負責操作和維護這些系統的人員所需的技能組合與軍艦上的普通船員不同，即這些系統是技術性極強的資產，船員需要精通電子、計算機軟件和硬件以及賽博安全。此外，在勞動力市場緊張的情況下，招聘具有操作和維護系統技能的人員將是一項挑戰。

或者，這些系統可以而且通常由制造這些系統的公司進行維護。但這意味著，如果系統由制造商維護，軍艦（和海軍基地）將需要為工業代表提供住宿。除了住宿和外包成本外，人們還對在作戰中使用合同服務供應商提出了質疑。這些問題始于美國在伊拉克開始將重要資產（以及其他服務）的維護外包。例如，有人質疑工人的忠誠度（對所服務的國家還是對雇傭他們的公司），有人質疑公司員工是否愿意在戰區服役，有人質疑戰爭法對非國家行為者的適用性，有人質疑如果出了問題應承擔的責任，等等。

第四，根據系統的不同，使用無人駕駛系統可能會節省成本。這可能體現在幾個方面。首先，根據其大小和復雜程度，購買價格可能比其他資產低得多。因此，一艘軍艦部署多架小型無人機的價格可能只是一架直升機的價格。其次，另一項成本節約可能是人的生命。在某些情況下使用無人系統可以減少人員傷亡。如果使用無人系統，即使系統沉沒、墜毀或被擊落，人員也不會有任何危險。第三個考慮因素是與人員相關的財務成本。人員成本很高--對加拿大來說，這些成本占國防預算的主要部分--因此，減少人員意味著減少工資、養老金和福利的成本。但需要注意的是，無人系統的成本并不總是很低，例如，2019 年 6 月被伊朗擊落的美國海軍 "全球鷹 "無人偵察機的成本就超過了一架基本的 F-35 戰斗機。此外，美國 XLUUV 的成本也一直存在爭議，據估計，5 架 XLUUV 的成本為 6.21 億美元。

第五，雖然降低成本在理論上聽起來不錯，但也有不利之處。正如最近所見，俄羅斯使用成群的無人機攻擊烏克蘭的城市。據傳，俄羅斯購買了數千架伊朗無人機用于烏克蘭戰爭，因為每架無人機的價格僅約（2 萬美元），比普通軍用導彈便宜得多。這里的關鍵是，如果這些系統的價格相對低廉，那么不僅強國的軍隊買得起，小國也買得起。小國可能買不起戰斗機或潛艇，但它可能買得起致命的無人駕駛系統。這些系統可能無法產生單個大型武器的效果，但它們同樣可以造成殺傷和破壞。此外，如果價格低廉，叛亂團體、犯罪組織和恐怖分子等非國家行為者也將買得起這些系統。這將增加威脅行為者的數量。現在，兵力不僅要保護自己不受其他國家兵力的攻擊，還要保護自己不受任何有能力購買、武裝和操作無人系統的個人或組織的攻擊。

第六，根據部署船只的不同，在為大型無人系統尋找存儲空間時可能會遇到困難。一些大型無人機的機翼或槳葉可以折疊，因此可以容納在現有的機庫中，但其他無人機則不然。與大多數技術一樣，這些系統不能暴露在鹽水和鹽氣中，因此必須找個地方存放，以避免系統受損。

第七，將這些系統生成的數據與艦艇作戰管理系統和其他來源的數據進行整合可能會遇到困難。這些新系統善于收集數據，但如果無法訪問這些數據，它們就沒有什么用處。如果一個系統擁有先進技術（無人機/無人潛航器/無人潛航器），而另一個傳統系統沒有，則很難整合數據。必須有一種方法來收集數據、傳輸數據和分析數據。這意味著各國海軍將面臨越來越大的壓力，需要更新艦載系統并利用最新的數據分析技術來處理傳入的傳感器數據。我們很可能會看到各國海軍正在努力采用人工智能系統來分析數據。

第八，隨著各國海軍開發自己的系統，盟國和/或友邦在確保其系統的兼容性和互操作性方面將面臨越來越多的挑戰。無人系統不僅必須與本國艦艇通信，還必須相互通信，并與其他盟國/友好國家的系統通信。因此，如前所述，在西方，我們已經看到北約正在增加這方面的演習。當然，隨之而來的是對系統安全性的擔憂。這些系統依賴于復雜的計算機程序，因此需要輔以額外的網絡安全措施來防止黑客攻擊。有許多船只的 GPS 導航系統被欺騙，即坐標被篡改，確保這種情況不會發生在無人/自主系統上至關重要。

第九，隨著越來越多的無人技術被海軍--甚至所有軍種--采用，各國將需要就如何使用、在何處使用以及為何使用制定政策方針。需要與工業界、學術界以及各國政府合作，制定作戰概念和條令，推動將這些系統納入作戰行動。同樣，聯盟也需要制定共同的政策，并在采用這些系統時制定相關的國際規則。這種技術將對戰爭產生影響，而在過去，對戰爭行為有重大影響的技術的發展導致了有關技術使用和開發的國際協議--例如 1899 年和 1907 年的《海牙公約》以及《核不擴散條約》。

第十，隨著這些系統的擴散，其使用將使現有民用和軍用能力的運作復雜化。無人機如何避開民用飛機？空中交通管制員能否確保飛抵民用機場的噴氣式飛機與在附近發射的軍用無人機之間不會發生沖突？換句話說，將如何進行空中交通管理？如何消除水下船只的沖突？目前有一套水域空間管理系統，如果友好國家的潛艇在當地水域，各國可以知道它們的位置。這是為了避免碰撞。UUV 將如何與潛艇解除沖突？或者說，UUV 和 USV 是否有足夠先進的系統來避免碰撞？這些問題都需要認真考慮。

結論

本文僅簡要介紹了無人駕駛系統的發展情況。在空中、水面和水下等所有環境中，變化都在迅速發生。幾乎每天都有新的發展。這里重要的不是無人資產的具體細節，而是它們如何影響海軍兵力的結構和使用。在結構方面，這些系統已經導致了海軍兵力的一些組織變化。例如，2022 年 10 月，韓國宣布其海軍總部將進行重組，其三個編號艦隊將被海上無人兵力司令部取代。該司令部將由無人水面艦艇編隊、無人水下航行器編隊和無人機編隊組成。其他國家也需要考慮改變其組織結構。這些系統可能會支持更多分布式艦隊的呼吁--即許多小型資產相對于少量大型資產。

變化還不止于此。這些系統不僅會影響艦隊資產和海軍的組織結構，還會影響采購、人員和培訓。它們將影響預算。美國海軍提出的 2023 財年預算要求為大型和中型 USV 使能技術提供 5.493 億美元的研發資金，為 UUV 提供 6070 萬美元的額外資金。這些數字將繼續增長。據估計，到 2030 年，僅 UUV 的銷售額就將從目前的 40 億美元增長 150%。

在使用方面，這些系統正在迅速進入海軍的戰斗序列，這將影響戰斗的方式。海軍兵力面臨的一系列威脅有所增加。敵人的戰艦、導彈、魚雷、海盜和犯罪分子依然存在，但現在又多了一個大雜燴，不友好的行為者可以利用這些系統來威脅海軍兵力。

這些系統將繼續存在。隨著時間的推移，它們將變得更加復雜，更加無處不在。海軍如何采用和應對這些系統將決定未來的海戰。

大數據是當今媒體和政府討論的主題。當大數據與人工智能相結合時，它被描述為一個 "簡易按鈕"，可以減少人類的分析負擔。一些人認為這是對秩序的潛在威脅，而另一些人則認為這是在大肆炒作，卻鮮有驚天動地的成果。什么是大數據，為什么它對情報界（IC）和聯合軍事行動的未來至關重要？

在這篇文章中，作者認為，信息革命通過大幅增加情報采集器的數量和種類，從根本上改變了情報工作。基于采集器創建了一個由分析師和機器組成的全球網絡，促進了數據和信息的快速共享。這一網絡也使作戰人員希望更快、更切合行動需要地評估威脅和目標定位的機會。此外，它還通過在賽博領域創建新的權力和收集中心重塑了威脅環境——在這里，對手可以招募成員、策劃打擊，并通過在線集體利用有命令的和受啟發的攻擊。在當前人力和資源有限的環境下，再加上這些因素，需要制定新的戰略來規劃和執行情報、監視和偵察（ISR）行動，并在組織、培訓和裝備分析人員方面進行投資，使其具備在現代信息環境中取得成功的工具。從概念上講，大數據是這一環境的核心，它將推動了解未來如何收集、組織和分析數據、信息和情報。

撥開迷霧——什么是大數據？

顧名思義，大數據歸根結底就是收集、存儲和處理大量數據和信息。情報分析師很快就會指出，收集和存儲大量信息并不是什么新鮮事，幾個世紀以來，這一直是情報實體的核心目的。非軍事分析人員會定期對大量數據進行分類，根據數以萬計的跨多個變量的案例觀察結果，對復雜的問題集進行定量評估。那么，是什么讓大數據變得與眾不同？這個短語最早出現在 2000 年代初，當時行業分析師 Doug Laney 將大數據定義為有別于以往模式的三個主要因素，稱為 "三個 V"：

• 規模性：信息時代使數據和信息的獲取和存儲成為可能，這些數據和信息可以在前所未有的規模上進行保存、定期訪問和分析。以前用于分析的大多數數據庫可包含在一個數據庫（如 Microsoft Excel 數據庫）中，行數從幾行到幾萬行不等。大數據可收集數百萬至數十億個數據點。

• 高速性：以前所未有的速度獲取大量數據和信息，必須及時處理。例如，Twitter 在 2013 年每天收到 5 億條更新（推文）；每條推文構成一個信息數據點。

• 多樣性：數據和信息的格式多種多樣，來源各異。

過去，需要信息的分析師或實體可以決定收集的內容和存儲的方式，但如今，由于數據量大、速度快，有必要建立系統來管理和整合以各種形式獲取的數據；從圖像到 Twitter 或 Facebook 條目，再到對話或演講的副本。隨著對大數據認識的加深，當今許多學者在這三個維度的基礎上增加了其他維度，如可變性和復雜性。在美國空軍和其他機構中，在此基礎上增加了第四個 "V"：

• 真實性： 大數據可訪問的數據量大、速度快、種類多，其中包括大量噪音和與問題集無關的數據。這可能會造成數據分析異常，并在選擇哪些數據重要以及如何分析這些數據時產生分析偏差。大數據戰略必須包括保持數據 "清潔 "的流程和對大數據工作危害的分析意識。

大數據出現后，一個新詞--大數據分析--開始流行。這些術語經常被交替使用，但卻代表了同一事物的兩個不同側面。大數據代表了一種快速編譯、存儲和訪問大量數據和信息的流程，這些數據和信息來源眾多，結構各異。大數據分析代表的是能夠將大數據轉化為洞察力的工具、技術和流程--從作戰環境的情報準備到威脅預警，從預測性作戰空間感知到目標選擇。這些洞察力反過來又影響著從戰略威懾行動到近實時（NRT）戰術交戰等各種軍事和外交行動的決策。

關于大數據潛力與炒作的爭論主要源于對大數據和大數據分析的誤解。大數據的“啦啦隊”歷來對大數據有四種令人興奮的說法，但這些說法充其量不過是樂觀的過度簡化：（1）數據分析產生的結果準確無誤；（2）無需抽樣，因為大數據允許捕捉所有可能的數據點；（3）大數據中的高度相關性使得關于因果關系的定性辯論成為過眼云煙；以及（4）統計模型同樣無關緊要，因為 "數據自己會說話"。事實上，大數據并沒有消除數據收集和數據分析中的傳統挑戰，但它確實從根本上改變了出現問題的地點和方式。主要的挑戰源于最后的說法：數據永遠不會為自己說話。收集、組織和處理數據的方式決定了數據向用戶傳遞的信息。復雜的算法執行了其中的許多功能，從而實現了大數據分析，但這些算法，即使在機器學習的幫助下，也必須由人類編程，并為回答預先指定的問題而量身定制。這意味著大數據在收集、顯示和分析過程中仍會出現偏差，分析人員必須對此有清醒的認識。大數據使數據點的訪問量呈指數級增長，從而有助于從更多的數據點進行更快的分析，但糟糕的大數據分析也會帶來糟糕的分析。

大數據如何重塑情報

在大數據的四個 "V "中，分析人員直到最近還主要面對第一個和第三個 "V"，但規模較小，更易于管理。收集的速度、國家行為者構成的威脅的相對一致性，以及按照情報學科生產線（INTs--信號情報[SIGINT]、地理空間情報[GEOINT]、圖像情報[IMINT]、人類情報[HUMINT]、開放源情報[OSINT]以及測量和信號情報[MASINT]）進行的分析和分割，使得能夠將工作劃分為獨立的數據問題，由專家對其進行分塊分析，并通過將各組成部分結合起來得出所有源情報答案。

信息革命對美國空軍情報核心能力（收集、分析、目標定位和整合）的影響首先集中在收集方面，其次是威脅分析和目標定位分析（見圖 1）。可用的收集器和傳感器急劇增加，全球一體化的 ISR 實現了 NRT 利用。與此同時，作戰需求也將威脅分析和目標定位分析轉向 NRT，以深入對手的 OODA 循環。在資源緊張的時代，近期內幾乎沒有大幅增加人力的跡象，要改變情報生產以滿足當今的作戰需求，不太可能通過進一步革新收集或分析來實現。如今，即使在國家情報局內部，數據和信息收集的數量、速度和種類也已增長到這樣一個地步：如果沒有計算機程序和自動化流程的幫助，分析人員再也無法對收集到的所有信息進行充分篩選，甚至無法對其進行存儲，更不用說分析了。此外，賽博時代的到來改變了從公開來源收集信息的性質，使開源分析從一種輔助分析的信息源發展成為一門真正的情報學科--OSINT--圍繞著收集、分析和生產的技術、管理和法律問題。

圖 1. 信息革命對收集、分析和目標定位的影響

未來的發展方向是數據管理和情報規劃，以促進以問題為中心而不是以需求為中心的美國空軍情報工作。工業生產模式已跟不上信息環境的發展。正如美國國家地理空間情報局局長羅伯特-卡迪羅在今年早些時候指出的那樣："如果我們試圖手動利用預計在未來 20 年內將獲得的商業衛星圖像，我們將需要 800 萬名圖像分析人員。即使是現在，每天僅在一個戰區使用一個傳感器，我們收集到的數據就相當于三個 NFL 賽季--每場比賽。而且是高清晰度的！" 分析人員比以往任何時候都能獲得更多的信息，并擁有更多的工具來收集信息以填補知識空白。讓這些分析人員為指揮官提供已知信息、評估信息和未知信息，并使用正確的工具回答剩余的情報問題，是在正確的時間向正確的決策者提供正確信息的途徑。在規劃和執行基于效果的 ISR 戰役時，必須采用與進攻性空中行動相同的靈活多變的方式。

四個 V 與情報收集

反恐戰爭的特點，加上信息革命對精確目標定位的創新，使美國空軍的工作重心從投放彈藥量轉向對 ISR 收集的需求。1943年10月14日，施韋因富特（Schweinfurt）空襲納粹德國，293架轟炸機需要3小時的情報支持，而2006年阿布-穆薩布-扎卡維（Abu Musab al-Zarqawi）空襲，15分鐘的出動需要600多個小時的情報支持。精確打擊需要精確情報，這就將人力負擔從飛行行動轉移到處理、利用和分析上，以促進打擊行動。由于認識到為提高打擊能力而對情報的需求不斷增加，因此收集平臺、傳感器和帶寬都在穩步大幅增加，以支持 "后送 "行動，但人力卻不一定相應增加，無法在規定時間內分析大量收集的情報，為行動提供便利。與此同時，重點轉向 "后方 "作戰，再加上信息時代作戰的優勢和弱點，進一步模糊了歷史上對前方和后方作戰區域的劃分，使這一作戰環境概念對現代兵力而言成為過時的概念。

對于 GEOINT 來說，最明顯的表現是對全動態視頻（FMV）收集的需求激增。在過去十年的大部分時間里，美國空軍的 FMV 需求量一直居高不下，而這并不是美國空軍一家的事情，因為陸軍、特種作戰部隊和伙伴國都在不斷擴大其機隊規模，增加遙控飛機（RPA）的出動架次，并投資帶寬以滿足近乎貪得無厭的需求。與 "就地部署 "狀態相關的高工作量導致情報界在 2015 年前不斷掏空其員工隊伍，圖像分析師的流失速度超過了他們接受培訓的速度。此后實施的幾項提高生活質量的舉措減少了工時，緩解了壓力，但也導致能力下降。2015 年，美國空軍將 RPA 巡邏次數從 65-60 次短暫減少，以幫助飛行員、傳感器操作員和情報人員隊伍健康發展，但作戰現實迫使軍方用承包商補充現役 RPA 兵力，以滿足需求。

圖 2. 信息革命對美國空軍目標定位的影響

在情報界之外，FMV 獲得了最多的關注，但即使在 GEOINT/ IMINT 領域，它也只是為滿足行動需求而爆炸性增長的情報來源之一。包括伊拉克、敘利亞和阿富汗在內的許多作戰地區對多光譜圖像、超光譜圖像和地面移動目標指示源的需求都在持續上升。專用傳感器套件為美國空軍提供了前幾代產品無法比擬的收集能力。然而，這些傳感器套件需要培訓、人員配備和時間密集型的分析質量，這使得每個傳感器都是人力密集型的，使有限的圖像分析人員難以處理不斷增加的收集任務。

如果不借助大數據解決方案，GEOINT 傳感器和收集能力的爆炸式增長會給有效分析帶來另一個重大挑戰。以各種圖形格式收集的各種數據信息對分析人員來說是 "無法發現的"，有時被稱為暗數據。已開發的 GEOINT 通常有文本摘要，可通過類似谷歌圖像搜索的查詢進行搜索，但如果沒有文本提示分析人員，相關圖像可能會一直埋藏在數據檔案中，無法發現。大數據算法和自動開發模板可使 NRT 中的所有圖像與地理坐標綁定，與已知位置對齊，并自動歸檔到可搜索的分層數據庫中，并隨時間推移提供相關圖像。雖然當前的 ISR 模式以操作為中心，需要出動新的架次來收集地理空間信息（特別是針對生命模式等問題集），但大數據分析將為未來的分析人員提供訪問歷史數據資料庫的途徑，以及快速篩選可能成千上萬張圖像的工具，以查看隨時間推移而發生的變化并分析其意義。

對收集和分析的需求呈指數級增長的不僅僅是 GEOINT。收集平臺的增加也導致了包括 SIGINT 有效載荷在內的各情報學科收集器有效載荷的增加。隨著收集機會數量的增加，以及信息時代全球網絡化威脅的出現，收集信號的數量、速度和種類也在不斷增加，其速度往往超過我們招募和培訓分析人員的能力。如果沒有大數據分析的前景來幫助分析人員找到分析收集的關鍵部分，那么 RPA 獲取的數小時視頻可能數年都得不到分析；如果沒有自動化工具來對數百億字節的收集信息進行分類，那么數小時的截獲通信可能得不到分析。除 SIGINT 和 GEOINT 外，MASINT 的收集和生產需求也同樣呈現出蓬勃發展的態勢，合成孔徑雷達和相干變化探測等能力的需求量越來越大。

開源情報

也許沒有什么例子比 OSINT 作為一門真正的情報學科的誕生更能說明大數據四維收集的巨大變化了。當說 OSINT 是一門新學科時，許多冷戰時期的分析師會告誡說："不，我們一直都有 OSINT，中央情報局（CIA）的開源中心就是證明。事實上，從時任中央情報局局長艾倫-杜勒斯（Allen Dulles）的一句話開始，數十年來，一條常用的經驗法則就是：超過 80% 的情報分析最終都來自于開放源代碼。這些都是事實，但從條令上講，將其定性為公開來源情報更為恰當。作為一門情報學科，OSINT 與互聯網和社交媒體的普及直接相關，因此需要開發新的技術來搜索和發現信息，進行監督以確保情報界遵守保護公民和信息安全的相關法律和命令，并對這一過程進行管理。如果沒有大數據分析解決方案，分析人員就不可能對現有的數十億個數據點（數量、種類和速度）進行分類，不可能識別相關和不相關的數據（真實性），不可能保障公民的權利和遵守其他適用的法律法規，也不可能發現滿足客戶需求的相關情報見解。

信息革命帶來了一種新的在線共享文化，許多人稱之為過度共享。對情報界來說，好處是通過 Twitter、Facebook、Snapchat、博客和許多甚至尚未發明的社交媒體網站，情報部門可以接觸到世界各地數以千萬計的被動收集者。20 世紀 90 年代，分析人員面臨的前景是，在他們有時間完成情報評估周期之前，CNN 就可能進行戰損評估。如今，如果一架 RPA 失去連接并墜毀，很可能在確認飛機失聯之前就會在 Twitter 上被多次報道和轉發。學術研究和情報分析現在依賴于情感分析，其實質是推特上 "趨勢 "的一個復雜和可定制的版本，以確定人群的情緒，作為未來活動（內亂等）的潛在預測因素。

行動的時間需求

在大多數關于大數據的商業討論中，速度主要是指獲取信息的速度。對于情報行動而言，速度同樣適用于作戰員、指揮官和其他決策者需要情報輸出以促進行動的速度。對美國來說，打擊 "伊斯蘭國 "的行動主要是一場以空中為中心的行動，強調有意識地和動態地瞄準目標，以孤立和削弱一個固定基礎設施有限的原生態國家，并使其很容易融入人群，以防御打擊。這種組合，再加上必須盡量減少附帶損害的風險，只會增加對 ISR 的需求。這包括尋找目標并確定其特征，保持對潛在目標地點的監視，以及了解居民的生活模式。聯軍兵力航空兵指揮官小查爾斯-布朗（Charles Q. Brown Jr.）中將在 2016 年 5 月明確提出了這一點，他說："因為它能幫助我做的就是開發目標，這樣我們就能在開發這些目標的同時進行打擊。我擁有的 ISR 越多，我就能將平民傷亡的風險降到最低，并繼續我們的精確空襲行動"。

在這種情況下，"更多 "既指數量，也指時間，因為在動態打擊中，信息發揮作用的時間極短，尤其是與機場、指揮掩體或部分通信網絡等傳統目標相比。FMV 的 NRT 特性及其在行動的接戰/收尾階段的關鍵作用使許多觀察家得出結論，如今更容易實時鎖定目標，但實際上這只是促進打擊的情報冰山一角。聯軍兵力需要一個全球同步的分析人員網絡，迅速融合圖像、電子截獲情報和線人提供的線索，提示潛在的打擊目標。全球一體化的 ISR 可通過及時獲取更多的收集信息為這些網絡提供便利，但隨之而來的是嚴重的真實性問題。與此同時，這一系統也引起了人權組織對平民傷亡問題的關注，以及更多傳統空襲行動支持者的批評，認為即使按照近期空襲行動的標準，打擊目標的總數量也是不夠的。ISR 團體以及更廣泛的情報界必須面對分布式作戰、分析質量控制和數據集管理等復雜的管理問題，以便讓 ISR 和實時行動的作戰人員充分了解目標開發的進展情況。

威脅性環境

伊拉克和敘利亞伊斯蘭國（ISIS）經常呼吁通過所謂的數字哈里發進行 "獨狼式 "恐怖主義，這凸顯了互聯網對西方安全構成的挑戰。在此之前，像 4chan/"匿名者 "這樣的網絡集體利用網絡的連通性建立了信息共享的無政府社區，最終促進了在一些問題上的集體行動。美國軍事情報機構歷來將常規軍事優勢視為其任務的重點，而在信息時代，武器化敘事正迅速成為國家安全行動的重點。只有獲得并有效利用大數據解決方案，才能了解信息時代的威脅環境。雖然應對這一挑戰的任務最終可能會落到美國國防部等非國防部實體的肩上，但美國空軍的任務要求了解和防御賽博領域。因此，美國空軍情報分析師必須站在分析和發現網絡領域威脅的最前沿。

過去十年的反恐和反叛亂行動使美國空軍情報分析員精通于監控和評估沖突地區的恐怖網絡，特別是伊拉克的基地組織和阿富汗與塔利班有關聯的組織。然而，賽博集體是一個獨特的挑戰。賽博集體缺乏集中的指揮結構，而是主要通過在線社區規范和價值觀來運作。它們的成員是開放的，沒有正式的招募或保留機制，其戰略規劃也微乎其微。大多數賽博集體傾向于抵制任何人成為其集體的領導者或發言人；有影響力的人可能會在有限的時間內出現，但成員的開放性和多樣性使得任何人都無法在不分裂集體的情況下長期出現。由于成員人數有限，意識形態單一，小型社區可能會形成較強的內部等級制度，但這也限制了大型集體的全球覆蓋面和影響力。圖 3 簡要說明了等級制度、網絡和賽博集體之間的區別。

情報集體的特點是提供了一個可以被滲透的論壇，引發獨狼或狼群攻擊；信息同時在集體的一個圈子內傳播，發起行動--想想快閃族--幾乎沒有預警。與此同時，集體的無政府主義特征往往使其理由也是無政府主義的；他們的工作方式通常是反對權威人物和濫用權力，而不是積極尋求以新的主流意識形態取而代之。因此，許多通過集體招募的個人發起的獨狼和狼群襲擊，即使受到具有特定意識形態的組織的啟發，也不一定表現出對特定意識形態立場的親近，而只是表現出其反動性。例如，奧蘭多夜總會槍手奧馬爾-馬特恩可能并不了解伊斯蘭國、基地組織和真主黨之間的區別，盡管這些組織在教派和戰略上有顯著區別。然而，根據賽博集體的特點，這些組織因反西方情緒和對西方秩序的無政府主義觀點而在網上聯系在一起。煽動混亂以報復道德錯誤的呼聲在這種環境中傳播，而具體的意識形態信息和與特定團體更正式的結盟可能不會傳播。

圖 3 等級制度、網絡和賽博集體。

這種新的分布式組織給情報機構帶來的挑戰是，作為多管齊下戰略的一部分，對集體進行滲透的前景，其目的是同時通過深層國家的攻擊破壞對手的穩定，同時通過網絡和等級組織對地方政府集中式更有組織和戰略性的暴力。圖 4 說明了這種混合模式的可能形式，由一個中央戰略領導核心指揮多個部門的行動，包括招募、宣傳、培訓、直接行動、與網絡的協調以及對賽博集體的在線宣傳滲透。由于這些網絡廣泛多樣，傳統的網絡制圖是不可能實現的，因為它們的變化速度非常快，信息通過賽博集體共享的速度也非常快。要識別網絡中的影響者，需要大數據解決方案來跟蹤信息流量，識別哪些主題可能成為趨勢，哪些信息可能在哪些領域被接受，并識別這些信息中可能預示攻擊策略變化（大規模槍擊、撞車和下一次威脅演變）的趨勢變化。這種對敵方組織和信息的了解程度對于在作戰層面及以上直接打擊敵方至關重要，但對于兵力保護的戰術指示和警告可能更為重要。

正如對手可以利用賽博領域通過影響力開展行動一樣，他們也可以利用賽博工具挫敗情報并放大其信息。其中最突出的是機器人的使用；機器人軟件旨在通過社交媒體和其他在線渠道自動傳播信息。這些機器人可以扭曲數據進行情感分析，通過讓輿論看起來更受歡迎的波段效應左右輿論，通過賽博自動傳播虛假信息，并擴大招募范圍。對俄羅斯在 2016 年大選中的潛在活動的調查重點不是傳統意義上的黑客攻擊威脅，而是由機器人針對特定集體發布信息的社交工程。展望未來，在復雜的多領域環境中工作的分析人員必須了解賽博領域威脅的新特性。只有更好地了解大數據分析并認識到其作為工具的威力及其脆弱性，才能保持基本的態勢感知，更不用說獲得行動上的理解。

圖 4. 被滲透的賽博集體的混合威脅

工業時代的情報模式與信息時代的模式

大數據的三個 V 及其對敵我雙方的影響，使得有必要重新思考情報生產的工業模式。所有情報操作人員從基礎課程開始就接受五步情報周期的培訓，即規劃和指導；收集；處理、利用和傳播（PED）；分析和制作；以及傳播（PCPAD）。這種結構化和可重復的程序確保了生產步驟的清晰度，并對分析過程進行制衡。這種結構化和可重復的過程確保了生產步驟的清晰，并對分析過程進行制衡。它還包含官僚因素，特別是對美國空軍情報部門這樣的大型組織而言，它將 PCPAD 周期的各個步驟與不同的單位/辦公室聯系起來。信息時代的情報模式必須找到超越官僚模式的方法（不是取代它，而是補充它），并促進分布式企業級的數據管理，以支持滿足業務需求的決策質量情報。數據科學必須被視為信息時代情報界的核心能力，傳統的情報分析師必須與熟練的計算機科學家和數據管理人員攜手合作，促進情報的生產。

美國空軍情報工作面臨的另一個挑戰/機遇是情報與 ISR 的混淆。美國國防部將 ISR 定義為 "為直接支持當前和未來行動，對傳感器、資產以及處理、利用和傳播系統的規劃和操作進行同步和整合的活動。這是一種綜合的情報和行動職能"。盡管它是情報與行動的結合，但它只是整個情報周期的一個子集。如圖 5 所示，任務分配是規劃過程的最后部分，通過 ATO 向各單位分配需求，而收集和 PED 則反映了 PCPAD 周期的這些階段。

圖 5. 情報生產的工業模式

這種模式建立了情報分析的基礎設施，在評估國家行為者方面證明是有效的，但其時間順序的特點實際上給空軍的 ISR OODA 循環帶來了限制因素。ISR 規劃是通過 72 小時 ATO 任務分配周期執行的，并受收集管理流程的制約，根據該流程，在執行 ATO 任務之前，指揮官對收集目標（需要成像或以其他方式收集的地點）的優先級進行排序和堆疊，并通過董事會或裁判的優先級排序流程進行排序和堆疊。隨后是分析流程，美國空軍的作戰級分析可能需要數天時間，而國家機構的全資源制作則需要數周時間。從 ISR 的角度來看，這與美國空軍的靈活性原則相悖，該原則應使 ISR 操作人員能夠將 ISR 效果集結并機動到作戰環境的關鍵點，以便在時間、空間和目的上進行整合。此外，由于 ISR 來源日益復雜，基礎情報數據和信息的儲備也在增加，未來制定優先情報需求、指揮官關鍵信息需求和其他情報收集請求的傳統模式不太可能繼續成為確定收集資產優先次序的有效手段。

在 2005年前后，ISR 操作人員面臨的挑戰是如何向客戶解釋："不要申請像'捕食者'這樣的資產，而要申請像 FMV 這樣的能力"。如今，這個問題變得更加復雜，因為收集資源更加專業化，數量也更多，這使得 ISR 戰術人員最有能力確定哪種 ISR 資源最適合填補情報缺口。增加 OSINT 等被動傳感器以及對現有 HUMINT、SIGINT、GEOINT 和 MASINT 數據進行可發現的大數據分析，可以在不需要額外收集的情況下迅速解決客戶感知到的問題，其可信度足以證明不重新分配資產是合理的。雖然在近期內，絕大多數資產和收集分配將繼續通過這一標準流程執行任務，但必須將一部分機載 ISR 資產和分析能力專用于信息時代的替代方案，以直接影響 NRT 的空襲行動。

信息時代的替代方案是由 ISR 兵力主導的以問題為中心的情報。ISR 流程的行動輸入不應是收集任務，而應是感知到的情報問題，然后 ISR 專家可將其轉化為細化的 ISR 問題、情報缺口，并在聯合行動計劃中確定 ISR 傳感器的優先級，以填補這些缺口。ISR 兵力由單一指揮官授權，擁有有機的收集需求管理和收集行動管理權限，有權為指定的作戰目標制定綜合 ISR 計劃。這是推進美國空軍中央司令部 2009 年指令的下一步，該指令將 ISR 任務類型命令（MTO）編纂為支持作戰應急行動的關鍵。如果沒有一支特定的 ISR 特遣部隊，擁有 ISR 資產的所有權和分配任務的權力，那么目前的 MTO 結構更像是用于重新分配任務的 ISR 協調卡，而不是《聯合出版物 3-50：人員恢復》中定義的真正的任務類型命令。

圖 6 所示的這種 ISR 兵力模式將有機機載 ISR 資產的規劃流程重組為以問題為中心的模式，并結合大數據分析來細化任務 ISR 問題。“情報云”由整個情報部門中的國家情報局 OSINT 數據和完整的多情報分析數據庫組成，使分析人員在流程的最初階段就能為客戶的問題提供答案，同時根據對情報部門實際已知情況的深入了解來完善他們的情報問題。然后，ISR 戰術人員可以匹配最佳收集平臺，以填補情報空白。然后，在指揮官的授權下，ISR 特遣部隊可以通過 MTO 的意圖隨時重新分配 ISR 行動的任務；在實踐中，指定的操作員擁有傳感器任務分配權。這樣，就能與 PED 和融合實體合作，對收集工作進行 NRT 改進，最大限度地發揮傳感器的作用。然后，ISR 兵力產品可在 NRT 中同時分發給作戰客戶，供其做出規劃和目標選擇決策，并分發給更廣泛的情報部門，供其進一步分析，并最終納入情報云，供未來利用。

如圖 6 所示，要在情報分析和 ISR 任務分配中采用這種大數據解決方案，還要求美國空軍情報部門在今后的人員選擇上有更大的考慮。迄今為止，除了情報軍官和士兵外，情報部門還接受了許多科學領域的專家。為了使大數據在未來發揮作用，美國空軍情報企業必須吸納數據科學家、計算機程序員和具有賽博領域專業知識的社會科學家，以理解我們所獲取數據的性質，并有效分析賽博領域的運行環境。

圖 6. 機載情報、監視和偵察兵力模型。

結論

套用一句老話，你可能對大數據不感興趣，但大數據對你感興趣。大數據塑造了現代信息環境，通過信息共享和訪問云，大數據已經在徹底改變分析人員獲取和解讀數據的方式。對手利用復雜的賽博環境招募人員、影響民眾，并以只有通過大數據解決方案才能發現的方式對美國利益實施攻擊。收集和存儲原始數據的能力不斷超越處理所收集數據的能力，這意味著在龐大的信息數據庫中，很可能已經有了情報客戶今天提出的問題和明天將提出的問題的答案。如果沒有大數據解決方案來管理不斷收集的數據和信息，并迅速將其提供給 ISR 規劃人員，以促進更智能、更及時的收集工作，美國空軍情報部門將面臨信息過載，導致決策癱瘓。在正確的時間向正確的客戶提供正確的信息意味著重新思考 ISR 規劃，并采用大數據解決方案來應對面臨的 ISR 挑戰。

本綜述旨在介紹統計和統計分析在軍事搜索探測技術評估和報告中的應用。目標受眾是參與軍事搜索能力開發的人員，他們以前可能沒有接受過統計分析方面的培訓，但其他需要做出以證據為基礎的能力開發決策的人員也可能會發現一些介紹性概念是適用的。本介紹旨在利用軍事搜索中使用的技術的技術評估中常見的例子，讓讀者熟悉統計分析的基本概念和語言，因此敘述直接指向具體的討論和概念，而繞過了在學術性更強的綜述中會考慮到的大型重要數學主題。因此，本導論并不力求詳盡，而是為感興趣的讀者提供參考，介紹業界使用的通用語言和概念，并就如何以合理的統計方式報告結果以及解釋他人提供的結果提出建議。

雖然承擔能力開發任務的軍事人員往往擁有多年的經驗和作戰洞察力，但并非所有人都接受過足夠的科學或技術培訓，使他們能夠在整個能力發展過程中從容應對要求他們進行的顯性或隱性風險效益評估中的統計和概率方面的問題。作為技術評估工作的一部分，他們需要將軍事要求轉化為技術要求，確定并分離出相關的物理參數進行測試，設計并執行實驗試驗，進行分析并解釋數據，最終做出以證據為基礎的能力發展決策，這些決策將在未來數年內影響國家能力。這可不是一項小任務。

面對預算和資源有限的壓力，同時又要負責以同樣不斷變化和改進的各種戰備等級的成套技術來應對快速發展的威脅，我們有強烈的動機來確保用于評估軍事技術有效性和局限性的資源能夠產生足夠高質量的證據，為投資和能力發展決策提供可靠的依據。此外，通過開發和應用完善的科學和統計方法，技術評估所投入的努力也能為更廣泛的盟軍能力發展社區提供支持。為確保分析的科學性、客觀性和統計有效性而付出的更多努力，將增加合作伙伴之間的信任，從而使報告的結果可以被有信心地接受，從而限制多余的工作，利用國家投資，促進相互依賴和互操作性的目標。

本文闡述了認知戰的特征及其對虛假信息和計算宣傳的使用，以及認知戰在戰爭和非戰爭沖突中的政治和軍事目的。文章討論了應對認知戰爭的防御和進攻措施，特別是符合相關道德原則的措施。

認知戰的特征

認知戰的定義多種多樣。下面是幾個有影響力的定義，了解一下這個詞的含義： "認知戰是一種戰略，其重點是改變目標人群的思維方式，并通過這種方式改變其行為方式"（Backes & Swab, 2019）；"外部實體將輿論武器化，目的是（1）影響公共和政府政策，（2）破壞公共機構的穩定"（Bernal et al.）

因此，認知戰是最近從心理戰和信息戰等相關的非動能戰爭形式中發展出來的。認知戰在很大程度上依賴于新的通信和信息技術，特別是人工智能。認知戰的主要特點包括：以全體民眾為目標（而不僅僅是戰時的軍事目標），側重于通過改變民眾的思維方式來改變其行為，而不僅僅是就具體問題提供零散的虛假信息（例如，否認戰爭中的傷亡程度）、 例如，否認動能戰爭中的傷亡人數），依靠日益復雜的心理操縱技術（以及潛在的神經生理學技術，如經顱直接顱骨刺激（Bernal 等人，2020 年，第 32 頁；DeFranco 等人，2020 年）），以及破壞機構穩定的目的，尤其是政府，盡管最初往往是間接地破壞認識機構的穩定，如新聞媒體組織和大學。重要的是，認知戰能夠利用新的公共傳播渠道，如社交媒體，而民眾對社交媒體的依賴性已與日俱增。此外，與傳統的意識形態競爭（如冷戰期間蘇聯與西方之間的意識形態沖突）相比，認知戰的每個主角都有一個試圖 "推銷 "的思想體系或準體系，而認知戰最初也非常注重通過強調現有差異和宣傳極化觀點（如宣傳極左翼和極右翼觀點），在目標人群中播下分裂和破壞合作的種子。簡而言之，認知戰爭大量使用計算宣傳。

眾所周知，社交媒體平臺的出現以及相關的網絡技術，如算法和自動化軟件（如模仿真人的機器人），都是認知戰的重要組成部分、 眾所周知，社交媒體平臺和相關網絡技術的出現，如算法和自動化軟件（如模仿真人的機器人），使各種行為者傳播虛假信息、錯誤信息、陰謀論、仇恨言論和宣傳的數量呈指數級增長（Cocking & van den Hoven, 2018），這些行為者包括公民個人、單一問題壓力團體、右翼和左翼極端主義團體、恐怖組織、犯罪組織，在某些情況下，如俄羅斯，還包括政府。按照伍利和霍華德（2019 年，第 4-5 頁）的說法，將后一種為政治議程服務的現象稱為計算宣傳。計算宣傳的一個特點是有助于形成回聲室，在回聲室中，用戶接觸到的信息會強化他們自己的觀點。因此，社交媒體算法會調整用戶接觸到的內容，從而形成過濾泡沫。因此，個人用戶被隔離在各種觀點之外，主要接觸與自己觀點相似的用戶。這就強化了用戶的觀點，而忽略了與之競爭的觀點和可能對用戶觀點提出質疑的信息，從而導致 "硬"觀點的增加，這種觀點是不可修改的。其結果是削弱了以證據為基礎的討論，政治話語兩極分化，助長了未經證實的極端主義觀點（D'Alessio，2021 年）。

需要將認知戰與網絡戰爭、非戰爭狀態的網絡沖突、網絡恐怖主義、網絡犯罪、網絡間諜以及所稱的隱蔽認知戰--一種隱蔽行動（Miller, 2016a; Miller & Bossomaier, 2023）等類別（有時相互重疊）區分開來。雖然網絡犯罪這一類別目前已在法律中得到確立，但其他一些類別尚未確立，或者說，至少它們是否已得到令人滿意的詳細闡述還存在爭議。具體而言，在戰爭概念方面存在一個問題或一系列問題，因為它可能適用于也可能不適用于網絡沖突，包括認知戰爭。

關于這些不同類別之間的區別，需要區分四種傷害或損害。首先是對人本身造成的傷害（身體或心理傷害）。這里的心理傷害應從廣義上理解，包括欺騙性或操縱性地誘導錯誤的信念或不必要的情感態度，以破壞自我管理。第二，對建筑物、信息和通信技術硬件及其他人類手工藝品（以及支持個人和集體人類生活的自然環境）造成的損害。第三，正如迪佩爾特（2010：384）所指出的，存在網絡 "損害"（或者用術語來說是 "軟損害"），例如對軟件和數據的損害（相對于有形的信息和通信技術硬件本身而言）。第四，機構損害或傷害；即對機構程序和宗旨的破壞，例如安全機構的重大泄密事件，機構對領土控制的喪失。在這方面應該指出，破壞特定的機構程序和目的可能是為了破壞機構本身，特別是如果機構行為者本身或其服務對象的信念和態度成為攻擊目標，例如，如果他們對機構的信任受到削弱，例如，在 2020 年總統選舉中美國選舉機構的情況。認知戰的主要重點是第一種傷害，更具體地說是心理傷害，以及第四種傷害，即機構傷害或損害。

有鑒于此，是否應將認知戰理解為戰爭、戰爭之外的一種沖突或秘密行動（或兩者的某種組合）？

認知戰爭：戰爭、非戰爭沖突和秘密行動

這里要提出的第一點是，認知戰爭所特有的上述兩種傷害（心理傷害和制度傷害）雖然本身通常不被認為是戰爭的決定性因素，但至少在理論上可能有一個門檻，在這個門檻上可以適當地使用 "戰爭 "一詞。與此相關的是，這兩種傷害可能有一個門檻，在這個門檻上，發動動能戰爭可能在道義上是正當的。此外，即使造成的其他傷害/損害（即對人類本身造成的身體傷害程度和對有形財產的破壞程度等）不構成戰爭，也可能達到戰爭所確定的心理或制度傷害/損害的門檻。同樣，即使所造成的其他種類傷害/損害的程度沒有達到使戰爭正當化的心理或制度傷害/損害的門檻，也可能達到這一門檻。此外，心理和制度上的傷害/損害可能也有臨界點，在這個臨界點上，戰爭之外的嚴重破壞或有害反應在道義上，或許在法律上，都是合理的。這種反應可能包括經濟制裁等；但也可能包括各種形式的秘密政治行動，特別是秘密認知戰（下文將詳細介紹）。

有些人聲稱，網絡戰爭是與常規戰爭，特別是核戰爭并列的一種獨特的新戰爭類別。以此類推，也可以說認知戰爭是一種獨特的新戰爭類別，盡管鑒于其基于網絡的 "攻擊 "的性質，認知戰爭顯然與網絡戰爭重疊。然而，這兩種說法都值得商榷。粗略地說，常規戰爭必然涉及 "殺人和毀物"，以奪取和控制領土（在自衛戰爭中最終是自己的領土）。然而，無論是網絡沖突還是認知戰爭，都不一定涉及這些事情。但也許網絡戰爭是網絡沖突的一種，涉及有組織的團體參與一系列持續的網絡攻擊，在這些攻擊中，關鍵基礎設施遭到大規模破壞，導致大量人員傷亡，例如，許多網絡攻擊中的一次在寒冬中破壞了電網的物理組件，間接導致大量人員死亡。以此類推，認知戰爭也許是網絡空間沖突的一種，在這種沖突中，有組織的團體持續不斷地制造虛假信息、進行宣傳和使用操縱技術，以控制網上言論和詆毀政治對手（包括以毫無根據的說法破壞他們的聲譽），并以弱勢群體（如精神失常者）為微觀目標，破壞政治體制，最終可能導致大范圍的暴力叛亂和現有政治秩序的崩潰。

當然，除此之外，當代環境下的常規戰爭也會使用網絡武器，更廣泛地說，它還具有重要的網絡維度。例如，2022 年 2 月俄羅斯入侵烏克蘭。它涉及一系列廣泛的網絡攻擊，包括對烏克蘭銀行和政府部門的攻擊（Alazab，2022 年）。然而，可以說，在一場常規的動能戰爭中，網絡層面必須成為主導層面，戰爭才能被合理地描述為網絡戰爭。此外，當代環境下的常規戰爭，包括當前俄羅斯對烏克蘭發動的戰爭，都有一個重要的認知戰維度。根據等價推理，可以說，在一場原本常規的動能戰爭中，認知戰維度必須成為主導維度，戰爭才能被合理地描述為認知戰。

然而，可以說，至少到目前為止，認知戰還沒有上升到被合理定性為戰爭的沖突門檻；相反，它所包含的活動被更恰當地定性為非戰斗沖突（相對于非戰斗兵力）。當然，認知戰爭實際上并沒有導致大規模的 "殺人毀物"（即使它有可能這樣做，盡管是間接的）；也沒有導致占領和控制領土。此外，迄今為止，認知戰爭還沒有導致體制遭到破壞，以至于民族國家的政治秩序被推翻。因此，認知戰（以及更廣泛的基于網絡的沖突（Miller, 2019; Miller & Bossomaier, 2023））或許更適合被視為一種非戰爭狀態的沖突（Galliott, 2019; Gross & Meisels, 2017; May, 2017）--或者說是常規戰爭的一種輔助手段。認知戰除了具有非動能特征外，還經常發生在各方公認的和平時期，例如俄羅斯對 2020 年美國總統大選的干預。此外，認知戰的許多事例可被恰當地視為秘密行動的一種。考慮一下這一建議。

民族國家對其他民族國家發動認知戰的一個問題是所謂的歸屬問題；網絡攻擊也存在這個問題，盡管網絡取證技術的發展明顯緩解了這一問題（Lucas, 2013, p. 371; Office of the Director of National Intelligence, 2018; Rowe, 2013, p. 401）。與常規戰爭中的大多數攻擊不同，或者說，與常規的攻擊或盜竊犯罪不同，此類敵對活動存在一個重大的認識論問題：可靠的責任歸屬問題，以及反過來說，有罪的攻擊者否認責任的可信度問題（至少，如果這些攻擊不是作為常規戰爭的一部分進行的--因為在后一種情況下，他們可能不會否認）。由于網絡空間中的行為體通過間接途徑密集地相互聯系在一起，因此往往很難確定這種敵對認知活動的來源，甚至很難知道這不僅僅是普通公民在進行政治交流時的表達，盡管這種交流消息不靈通，而且充斥著意識形態。

由于存在歸屬 "問題"，因此否認的可信度也很高，再加上被攻擊的自由國家對傳播自由的承諾，這使得認知戰成為專制民族國家在避免直接戰爭（實際上是避免使用致命兵力甚至脅迫性兵力）的同時破壞自由國家的一種極為有用的戰略。實施認知戰的民族國家通常會采取歷史悠久的秘密行動戰略，有時也被稱為秘密政治行動（約翰遜，2021 年）。從歷史上看，秘密政治行動的策略包括暗殺 "敵 "國的政治領導人、在戰場外定點清除恐怖分子頭目、資助政變和其他叛亂運動，還包括通過散布虛假信息和宣傳、部署挑釁者等手段破壞 "敵 "國的穩定（Perry，2009）。

秘密政治行動通常是非法的，但也許不一定，至少在其所針對的民族國家中是非法的，即使在國際法中也是如此。這是秘密政治行動不公開進行的原因之一，盡管至少在和平時期進行的秘密政治行動中，這可能不是主要原因。戰爭之外的秘密政治行動雖然可能涉及殺戮和破壞財產，但其目的通常是為了避免戰爭，或至少是避免動能戰爭；此類秘密政治行動的全部意義在于削弱敵國，或保護自己不被削弱，同時似是而非地否認自己正在這樣做，從而避免直接（動能）戰爭。因此，在核戰爭陰影籠罩下的冷戰時期，秘密政治行動是蘇聯和美國都青睞的策略，或者說，俄羅斯在對美國采取侵略姿態時對其青睞有加，如最近利用劍橋分析公司（Cambridge Analytica）干預美國大選的事件就表明了這一點，這絕非偶然。

最合適的道德范疇或哲學傳統中的一般描述是所謂的 "骯臟之手"。隱蔽政治行動是典型的 "臟手 "范例（盡管許多 "臟手 "行動顯然不屬于隱蔽政治行動）；為了實現某種假定的更大道德利益（就隱蔽政治行動（包括隱蔽認知戰爭）而言，是為了實現相關民族國家的更大道德利益（假定）），而去做在道義上是錯誤的（而且通常是非法的）事情。民族國家的這一更大道義利益大概就是國家安全（而不是國家利益，后者在某些情況下客觀上可能并不是一種利益，例如征服外國）。臟手行為在道德上的等同錯誤通常包括以下事實：(1) 故意對無辜者造成嚴重傷害；或 (2) 故意對有過錯的人造成嚴重傷害，但傷害與他們的過錯嚴重不相稱；和/或 (3) 違反道德上合理的法律。臟手 "行動的典型例子是對恐怖主義嫌疑人實施酷刑以獲取信息，以及在和平時期對外國政府的可疑武器設施進行非法網絡攻擊，如對伊朗核設施的 Stuxnet 攻擊。請注意，在 "骯臟的手 "的情況下，"骯臟的 "行動在道德上可能是合理的，也可能是不合理的。無論如何，"骯臟 "行動都是一種法律或道德上的錯誤，受到嚴重傷害的人受到了傷害，至少其合法權利受到了侵犯。事實上，既然如此，"臟手 "行為通常是非法的。既然如此，就產生了一個重要問題，即如何追究那些在自由社會中從事秘密政治行動的人的責任（Regan & Poole, 2021）。

在此，重要的是要將 "臟手 "行動與合法的、道德上合理的但仍然有害的行動區分開來。據推測，士兵在戰時的致命行為和其他有害行為，只要符合正義戰爭理論（訴諸戰爭權和戰時法），就不是 "臟手 "行為。警察的有害行為（如使用強制兵力實施逮捕）只要符合法律規定的、社會公認的、客觀上正確的道德原則，也不屬于臟手行為（米勒，2016a，2016c）。

如果這一觀點是正確的，那么隱蔽的政治行動，也就是隱蔽的認知戰爭，就對標準執法模式和正義戰爭理論提出了特別的挑戰。一方面，根據定義，隱蔽認知戰爭（或多或少）是戰爭之外的有害行動；其存在的理由通常是在不引發戰爭的情況下傷害 "敵 "國，尤其是在核大國的情況下，避免引發核戰爭。此外，就國家安全而言，其職權范圍可能比從民族國家的領土完整和政治獨立角度理解的國防更為廣泛。因此，適用正義戰爭理論有些不妥；它在很大程度上失之偏頗。

另一方面，根據定義，隱蔽的認知戰爭（或多或少）是非法的（至少在其所針對的民族國家）。因此，從道義上講，人們強烈反對使用這種手段。然而，由于下文闡述的原因，在某些場合和某些領域，例如自由安全機構對參與無理認知戰的有罪專制國家行為者的對等打擊（下文將詳細闡述），使用認知戰似乎在道義上是合理的。此外，（顯然）其存在的理由并不是執法，就像執法機構開展的警務工作一樣。因此，"執法 "模式的應用在很大程度上沒有觸及問題所在；問題在于許多秘密的政治行動，因而也是秘密的認知戰，盡管是非法的，與執法活動不一致，或至少是不協調，但在道義上顯然是正當的。

反擊認知戰

在戰爭、經濟蕭條、大流行病和其他災難已經造成不穩定影響的情況下，或者在已經存在兩極分化社會的情況下，如英國脫歐、全球金融危機后的美國或以色列/阿拉伯沖突后的中東，認知戰可能會更成功。因此，俄羅斯抓住 COVID 大流行的機會，加大了認知戰的行動力度，例如向美國民眾宣傳各種陰謀論。同樣，俄羅斯利用劍橋分析公司（Cambridge Analytica）在美國總統選舉中挑撥。此外，基地組織和 "伊斯蘭國 "等恐怖組織也利用認知戰技術，在各個國家招募心懷不滿的青年加入他們的事業，更重要的是，通過讓他們的 "敵人 "反應過度來挑撥離間，就像 9/11 雙子塔爆炸案一樣，事實證明，基地組織在知名度、在心懷不滿的穆斯林中的聲望等方面都取得了巨大成功。

重要的是要明白，認知戰爭是在已經存在的社會、制度和技術背景下發生的，在這些背景下，假信息、錯誤信息、陰謀論、宣傳、仇恨言論等的大規模擴散已經產生了破壞穩定的影響，其中大部分并非出于明確的政治目的（盡管可能無意中達到了這樣的目的）。

一方面，還需要區分計算宣傳（如虛假信息、意識形態/準意識形態/群體思維和仇恨言論），其內容明確或含蓄地表達了傳播者的政治意識形態，（如 另一方面，計算宣傳的內容并不如此表達，例如，俄羅斯國家官員向美國受眾傳播反疫苗陰謀論或美國右翼民族主義準意識形態，以挑撥美國關系。

認知戰的出現帶來了相當大的挑戰，尤其是對致力于倫理或道德（交替使用這些術語）價值觀和原則的自由國家而言，如傳播自由、民主進程、法治、以證據為基礎的真相說明等。因此，雖然有必要遏制虛假信息，但同時也要求在不損害傳播自由的情況下這樣做。同樣，有必要打擊參與認知戰的國家，但自由國家通過散布自以為是的虛假信息或試圖操縱專制國家的公民來達到這一目的是有問題的。另一個問題涉及責任。鑒于認知戰爭的性質，除了政府和安全機構之外，還需要各種機構承擔起打擊認知戰爭的責任，例如，承擔起建設抵御虛假信息、意識形態和操縱技術的責任。這些責任到底是什么，應該分配給哪些機構？籠統地說，包括政府、安全機構、媒體組織以及學校和大學等教育機構在內的多個機構（或至少是其成員）應承擔集體責任（可理解為共同責任（Miller, 2006, 2016b, Ch. 5））。

在其他地方，提出了一系列打擊計算宣傳的對策（Miller, 2020; Miller & Bossomaier, 2023）。這些措施包括：

• 政府頒布法律，要求 Facebook 和 Twitter 等大眾社交媒體平臺為其平臺上的煽動和仇恨言論等非法內容承擔法律責任。

• 對大眾社交媒體平臺實行強制許可制度，許可的條件是其平臺上的內容必須符合由政府設立的獨立法定機構（如澳大利亞電子安全專員辦公室）確定和裁定的最低認識和道德標準。

• 盡管如此，如果合法內容不符合這些最低認識和道德標準（例如，由于明顯虛假），并且被人為（例如，通過機器人）或以其他方式非法放大，社交媒體平臺有責任刪除這些內容，但只能根據上述獨立法定機構的裁決（公開透明）進行刪除。

• 法律規定，大眾社交媒體平臺的賬戶持有者必須在獨立法定機構注冊，然后由該機構發放唯一的身份標識，但必須在核實賬戶持有者的身份（如護照、駕照等）后方可發放。

• 在大眾媒體公共傳播渠道上傳播具有政治意義的內容（包括但不限于對國家安全有影響的內 容），并擁有大量受眾（如超過 100 000 名追隨者）的傳播者，在法律上必須公開其身份 （其他條件不變）。

這些措施都與認知戰爭有關。然而，這些措施并不足以打擊從事認知戰的敵對國家（而且，如果不重新設計認識論機構，這些措施可能也不足以打擊其他環境中的計算宣傳）。關于自由國家為打擊參與認知戰的敵對國家（如俄羅斯針對烏克蘭的計算宣傳活動）而應采取的措施。

在這里，需要區分微觀層面的人際言論（如約翰-布朗在街角對瑪麗-史密斯講話）和利用大眾媒體傳播渠道的宏觀層面的言論。還需要區分這種宏觀層面的言論的兩種形式。首先是通過大眾媒體公共傳播渠道向大量受眾發表的宏觀社會導向性言論。例如，CNN 的新聞廣播和美國前總統唐納德-特朗普在 Twitter 上的傳播。這些傳播的受眾數以百萬計，而且這些傳播來自受眾成員所熟知的單一已知來源。此外，重要的是，這些傳播都是公開的，因為所有上述信息都是傳播者和受眾成員共同知曉的。因此，每個傳播者和受眾都知道信息來源是誰，傳播內容是什么，也知道受眾中的其他人都知道這些，也知道其他人都知道這些，以此類推。

其次是宏觀層面的、基于個人資料的、有針對性的、通過大眾媒體渠道向數百萬人發表的、表面上是私人交流的言論。這種宏觀層面的言論可能涉及使用機器人向選定的個人發送數百萬封電子郵件，而這些人并不一定知道同樣的通信正發送給數百萬個收件人，而且（至少最初）是由單一來源發送的。） 這種形式的宏觀言論受到計算宣傳者的青睞，如劍橋分析公司。

顯然，正如其他地方所論證的（Miller, 2020; Miller & Bossomaier, 2023），通過表面上私人交流的大眾媒體渠道向數百萬人發表基于個人資料、微觀目標的宏觀言論，并沒有道德權利。事實上，恰恰相反，政府在道義上有義務打擊此類言論（包括訴諸上文總結的手段）。然而，事實也將證明，外國人并沒有道德權利對國內公民發表宏觀層面的社會導向性言論，這對禁止俄羅斯大眾媒體頻道（如今日俄羅斯）等具有影響。因此，要為大衛-斯洛斯（David Sloss）倡導的政策提供理由，即取締今日俄羅斯和類似的大眾媒體渠道（斯洛斯，2022 年）。在此之前，需要進一步明確 "社會導向型言論"（Miller, 1994, 2001, 2010）的概念；這是一種公共傳播形式。

社會導向型演講是指演講者以社會成員的身份向社會其他成員發表演講（在上述討論的意義上公開發表演講）。在這里，"社群 "可以松散地理解為一個社會團體。因此，它可以是一個小的地方社區，也可以是一個大的國家社區，甚至是國際社區；它還可以是一個學術界、商界或政界社區（這只是對該術語的松散意義上的社會群體的幾個例子）。社會導向性言論的例子包括英國首相發表全國講話，安東尼-福奇博士在美國有線電視新聞網（CNN）上對美國民眾說他們應該接種疫苗，以及一名被當地警方殺害的黑人的母親呼吁在她所在的城市舉行非暴力示威活動以示回應。

那么，通過大眾媒體的公共傳播渠道向數百萬人發表社會導向性言論，即發表宏觀層面的社會導向性言論的所謂道德權利又是什么呢？至少在原則上，公民 A 作為 A 的政治群體的成員，有向 A 的政治群體的其他成員發表言論的道德權利。這是一種自由權，因為如果一個人在某一時刻行使這一權利，那么其他人可能就無法行使，事實上，即使在相當長的一段時間內，可能也不是每個人都能行使這一權利；公民太多了，不可能做到這一點。更具體地說，在現代大眾社會中，行使這一自由權利需要利用大眾媒體的公共傳播渠道。但是，雖然大眾傳媒渠道使大眾受眾成為可能，每個人都可以成為大眾受眾的一員，但大眾傳媒渠道并不能使大眾演講者成為大眾受眾的演講者。即使在原則上，也不可能讓每個人，甚至是大多數人都成為大眾受眾。只有少數人才能成為大眾傳播者；公民人數太多，公共傳播渠道太少，不可能人人都成為大眾傳播者。因此，在這里和在其他地方一樣，需要有一個公平的程序來管理這一自由權利；而這一公平的程序可能很難找到。然而，如果是外國行為者試圖向本國以外的國內受眾進行傳播，就沒有必要確定這樣的公平程序，因為這樣的外國行為者并不擁有相關的自由權。因此，俄羅斯國家行為體（以及更廣泛意義上的俄羅斯公民）并不擁有向美國公民就重大政治問題進行宏觀交流的道德權利（具體而言，即自由權利）。同樣，美國國家行為者（以及更廣泛意義上的美國公民）也不享有就重大政治問題與美國公民進行宏觀交流的自由權利。

當然，外國行為者也無權向本國受眾以外的其他國內受眾進行社會定向傳播。畢竟，鑒于他們不是相關社區的成員，他們無法參與上述定義的社會導向行動。然而，有人可能會認為，外國國家行為者在使用大眾傳播渠道向其國內受眾以外的其他國內受眾公開傳播方面擁有不那么嚴格（比向其國內受眾成員進行社會定向傳播的權利更不嚴格）的自由道德權利。外國國家行為者（如俄羅斯國家行為者）行使這種宏觀層面的道德權利（假設存在的話），將取決于有關國內受眾（如美國公民）是否準備傾聽有關傳播；也就是說，美國公民沒有傾聽的道德義務。在此，需要再次援引共同權利的概念。

與上述觀點一致，假定，一個政治共同體的成員作為該共同體的成員，有一項共同的道德權利來傾聽那些無權通過大眾傳媒公共傳播渠道向他們發表社會導向性言論的發言者的言論。因此，美國公民擁有在 "今日俄羅斯 "節目中收聽俄羅斯國家行為者講話的共同權利。請注意，作為一項共同權利，它將被共同行使；也就是說，任何一個單獨行動的公民都沒有這樣的權利。然而，這種共同權利也包含不這樣做的共同權利。因此，美國公民擁有共同的道德權利，可以禁止外國國家行為者使用大眾媒體的公共傳播渠道，包括社交媒體，向他們即美國公民公開傳播具有政治意義的信息。與公民成員的其他共同權利一樣，這一共同權利可由公民選舉的代表公民行使。簡而言之，自由政府（如美國政府）有道義上的權利禁止外國行為者利用大眾媒體傳播渠道向有關自由國家的公民公開傳播具有政治意義的信息，而且，如果有關傳播包含計算宣傳等內容，則可能有道義上的義務這樣做。事實上，如果有關外國參與了認知戰爭，那么就有明確的道德義務來實施此類禁令。因此，同意斯洛斯（Sloss，2022 年，第 6 章）的觀點，即俄羅斯等國家行為者在 Facebook、Twitter 和其他 "大科技 "上的賬戶應被撤銷，因為這些行為者參與了與自由國家的認知戰，特別是參與了旨在破壞自由國家關鍵機構的計算宣傳活動。

必須指出的是，上述關于宏觀層面、社會導向、具有政治意義的言論的共同道德權利與社區每個成員通過非大眾媒體公共傳播渠道的傳播渠道傾聽外國國家行為者的微觀層面的人際權利是一致的。因此，上述禁令不適用于俄羅斯境內的俄羅斯公民與美國境內的美國公民之間的微觀交流。另一方面，這種微觀層面的人際權利并非絕對權利。與大多數（如果不是全部）道德權利一樣，它在某些條件下可以被推翻。然而，從本質上講，它是人類進行自由言論的基本自然道德權利，因此，存在著反對侵犯這一權利的強烈推定；這一推定只能被具體而重要的道德考慮因素所推翻，而不能被全面的國家安全訴求等因素所推翻。

認知戰：進攻性措施

迄今為止，一直在關注針對認知戰的防御措施。現在是考慮進攻性措施的時候了。當然，在自衛的大背景下，針對攻擊者的非動能攻擊性措施（假設它們可能有效）是有理由遵循互惠原則的（Miller, 2016a, 2016b, 2016c; Miller & Bossomaier, 2023）。

假設有關的進攻措施是非動能的。如果是這樣，而且這些措施針對的是有過錯的攻擊者，那么可能會認為，除了有效性的可能性以及遵守互惠原則的可能性之外，幾乎沒有任何限制（如果有的話）。如果敵國的某些成員正在散布虛假信息、宣傳、意識形態和仇恨言論，并通過計算宣傳和其他操縱手段來達到這一目的，那么捍衛者在道義上也有權這樣做，至少如果目標受眾是敵國的有罪成員的話。也許是這樣。然而，在這一點上馬上就會出現兩個問題。

首先，這些非動能措施可能具有動能戰爭所特有的致命或其他動能效果。例如，傳播虛假信息、宣傳和仇恨言論的目的是煽動暴力。更一般地說，認知戰技術的使用不能脫離其動能效應，當然也不能脫離其預期的動能效應。畢竟，參與認知戰的全部意義最終在于改變行為。

其次，許多非動能措施如果只針對有罪的攻擊者，就不會有效。例如，宣傳（部分）包括旨在削弱敵方戰爭努力（在動能戰爭的總體背景下）的虛假信息；目標顯然是全體平民。此外，在認知戰中適用有罪責/無罪責的區分是有問題的，當然也不符合正義戰爭理論家和其他人在動能戰爭中使用致命兵力時所依據的相對明確的戰斗人員/非戰斗人員的區分。

在認知戰爭中適用有罪/無罪/有罪的區別是有問題的，因為，舉例來說，一個專制國家的安全部隊正在參與認知戰爭，該國家的許多平民成員可能會支持認知戰爭，但這只是微弱的支持，他們口頭上向朋友和家人表示支持，除此之外沒有任何影響力，也沒有提供任何物質支持。此外，在這樣做的過程中，他們自己也可能不知不覺地成為相關專制國家虛假信息和操縱性宣傳的受害者。既然他們是這種意義上的受害者，也許他們并沒有真正的罪責。但是，如果是這樣的話，在實踐中又該如何將他們與那些只是完全了解其安全機構所使用的虛假信息和操縱性宣傳手段并在口頭上贊同使用這些手段的公民區分開來呢？后一類人是有罪的（或比前一類人更有罪），但實際上卻無法與前一類人區分開來。

將在動能戰爭背景下進行的認知戰與在 "和平時期"（即在沒有動能戰爭的情況下）進行的認知戰區分開來。因此，自 2022 年 2 月俄羅斯入侵烏克蘭以來，烏克蘭和俄羅斯在動能戰爭的背景下展開了一場認知戰爭。相比之下，俄羅斯對美國發動了某種程度的認知戰爭，例如，它試圖干涉美國總統選舉，并在更大范圍內挑撥離間，但這并不是在俄羅斯對美國發動動能戰爭的背景下進行的。可以說，在后一種情況下，即一個自由國家在 "和平時期 "發動一場道義上合理的（假定的）認知戰爭，訴諸有害的進攻性認知戰爭措施，將目標對準敵對國家中不可定罪（或至少罪責小得多）的成員，不僅沒有必要，而且至少在中長期內可能會適得其反。相反，以下三方面的措施組合可能就足夠了：(1) 基本上是防御性的認知措施，例如 實施上述打擊計算宣傳的措施，包括禁止敵對國在防御國的公共傳播渠道上進行宣傳；(2) 針對敵對國的虛假信息、宣傳和操縱性使用制定反敘述，但反敘述本質上不是虛假或操縱性的，因此不是有害的攻擊性措施； (3) 酌情針對 "敵 "國的罪責成員采取有害的攻擊性措施，例如：(a) 在 "敵 "國的領土上進行攻擊；(b) 在 "敵 "國的領土上進行攻擊；(c) 在 "敵 "國的領土上進行攻擊。

那么，在動能戰爭（或可能是動能戰爭的威脅）背景下開展的認知戰又是什么呢？鑒于動武戰爭的利害關系遠大于純粹的認知戰爭，而且利害關系就在此時此地，因此需要放寬限制，避免對交戰國中不可定罪的成員使用有害的攻擊性措施。(如上所述，假定一個自由國家的視角來決定其對敵對國家在道義上不合理地使用認知戰爭的反應，盡管這一次是在動能戰爭的背景下（由自由國家對敵對國家，實際上是交戰國，正義地發動戰爭）)。在這一點上，必要性和相稱性的一般原則具有明確的適用性。此外，在這種動能戰爭的背景下，適用于使用認知戰爭方法的有罪/無罪區分就不那么有說服力了。在這方面，它類似于與動能戰爭密切相關的道德和法律歧視原則。根據 "區別對待 "原則，非戰斗人員不能成為蓄意攻擊的目標，但如果軍事行動符合 "軍事必要性 "原則，而且根據 "相稱性 "原則，非戰斗人員在軍事行動中被非蓄意殺害的人數不致過多，則允許非戰斗人員在軍事行動中被非蓄意殺害。然而，正如在上文所看到的，如果對非戰斗人員或以其他方式劃定的無辜（即不可定罪的）平民造成的預期傷害不是死亡或嚴重身體傷害，那么歧視原則（或相關原則）的作用就小得多，因為在使用認知戰爭技術的情況下，這種傷害很可能不是死亡或嚴重身體傷害。因此，在某些情況下，例如，如果沒有直接或間接造成死亡或嚴重人身傷害（或沒有不成比例地造成死亡或嚴重人身傷害--見下文），通過傳播虛假信息、宣傳和/或仇恨言論故意傷害不可定罪的公民在道義上可能是正當的。

(1) 使用有關認知戰技術（假定其本身在道義上是錯誤的）所造成的傷害的性質，如 (2) 使用有關認知戰手段是有效的，而且沒有比它更有效、危害性更小（從各方面考慮）的手段來實現它所服務的道德上重要的軍事或政治目的； (3) 使用道德上錯誤的手段及其造成的傷害，與該手段最終實現的軍事或政治目的所具有的道德分量相比，并不是不相稱的。

最后一點涉及到在發動正義動能戰爭的背景下使用認知戰爭技術可能導致的不可定罪公民的死亡或重傷。如果這些死亡或重傷不是有意造成的，那么訴諸必要性和相稱性原則，使用有關認知技術在道義上可能是合理的。這與戰斗人員根據必要性、相稱性和區別對待原則使用致命兵力無意殺害不可定罪的公民（或至少是非戰斗人員）在道義上是合理的。另一方面，如果非可判罪公民的死亡或重傷是有意為之，則很可能違反歧視原則。然而，在后一種情況下，如果涉及有意造成的死亡或傷害，很可能會因兩個因素而產生道德問題。首先，這些認知技術的使用與所造成的死亡或嚴重傷害之間存在間接（因果）關系。其次，那些直接造成嚴重傷亡的人本身必須對這些傷亡承擔一定的（也許是全部的）道義責任，盡管他們的行為在一定程度上是基于那些將他們作為認知戰技術目標的人所誘導他們的信念和其他態度，其目的是讓他們的目標也這樣做。可以說，在這類情況下，存在著共同的道德責任（米勒，2001 年，第 8 章，2006 年，2016b，第 5 章）；認知戰技術的使用者及其目標在道德上對由此造成的不可定罪公民的傷亡負有共同責任。成功使用認知戰爭技術來煽動對不可治罪的公民實施暴力就是一個例子。

結論

本文對認知戰進行了描述，發現認知戰要么是動能戰爭的一個非動能層面（如俄羅斯人在 2022 年入侵烏克蘭時使用的認知戰），要么是一種非戰爭沖突，最重要的是，是一種秘密行動，即隱蔽的認知戰（無論是在戰爭中還是在和平時期進行）。此外，還概述了一系列在道義上有正當理由的打擊認知戰的防御措施，并根據針對敵國不可定罪成員的問題，提出了支持采取有限制的進攻措施來打擊認知戰的論點。

與單個無人飛行器相比，無人飛行器蜂群具有巨大的意義，因此越來越受到研究人員的關注。許多研究僅關注這一復雜的多學科群體所面臨的少數挑戰。其中大多數都存在一定的局限性。本文旨在從控制、路徑規劃、架構、通信、監控和跟蹤以及安全問題的角度，認識和安排相關研究，以評估蜂群的運動規劃技術和模型。然后，本文介紹了對無人機蜂群的最新理解以及蜂群智能（SI）概述。研究考慮了多種挑戰，并介紹了一些方法。研究結果表明，蜂群智能在這個時代處于領先地位，是無人機蜂群最重要的方法，可在不同環境中做出獨特貢獻。這些研究的整合將成為有關蜂群知識的基礎，為運動規劃問題提供指導，并加強對現有方法的支持。此外，本文還能提出新的策略，為今后的工作奠定基礎。

1 引言

無人機因其潛在的應用而在我們的生活中具有重要意義。單個無人機的功率、能力、傳感和飛行時間都受到限制。這就提出了采用無人機蜂群系統的要求。無人機蜂群克服了單個無人機的缺陷和限制，并協助更大規模的團隊合作，成功完成空中任務。無人機蜂群的優勢在于數量眾多，因此能帶來多種可能性。其中許多好處包括在更短時間內完成任務、冗余和協作執行任務。

1.1 背景

蜂群并不是一個現代概念。它存在于自然界中，是由生物種群的合作和相互交流所激發的[1]。通過研究鳥群、蟻群的運動、蜜蜂的合作、魚群和狼的捕食，無人機群的概念應運而生。動物界的團結使我們有可能實現一個共同的具有挑戰性的復雜目標。

然而，蜂群并不局限于自然現象。它還受到一種軍事戰術的啟發，在這種戰術中，來自多個軸心的許多單位以協調和刻意組織的形式攻擊一個共同目標[2]。自公元四世紀以來，蜂群戰術就在軍事史上出現過。然而，如今蜂群作戰已將傳統的指揮和控制概念轉變為創新概念。此外，一個人能夠同時指揮和控制多架無人機。

1.2 相關工作

由于無人機蜂群具有遠距離作業、增強魯棒性和靈活性等重要能力，因此正在不斷發展[3]。蜂群智能對技術、科學、社會等許多領域以及檢測、跟蹤、運輸等各種系統都有很大影響 [4]。對于無人機蜂群的運動規劃，不同的研究考慮了控制設計、路徑規劃算法、通信結構、監控和跟蹤架構以及安全飛行協議等方面的許多改進[5]。

研究人員在文獻[6]中將計算技術與數學模型相結合，研究了通信效果。這種方法簡化了建模過程，但建模速度較慢且內存不足。文獻[7]提出了一種基于分散、領導者-追隨者策略的控制器，以及基于樹狀網絡的幾何結構。這項研究實現了多架無人飛行器在保持同步的情況下到達一個共同點。此外，建議的設計顯示出靈活性和穩健的性能。不過，這項研究僅限于有限數量的無人機。在 [8] 中，研究人員為無人機群的新型路徑規劃開發了一個框架。所提出的算法實現了高效的路徑規劃，減少了能量和檢查時間。此外，它還為確定各種參數提供了指導。

在[9]中，研究提出了一種計算蜂群控制和模擬其分布式行為的算法。研究和模擬顯示了不同場景下的通信延遲效應。文獻[10]在考慮有限通信距離影響的同時，提出了一種帶有彈性指標的改進算法。這一策略在一次監視任務中得到了實施，結果表明它是一種能有效面對外部干擾和威脅的更現實的方法。最近的一項研究[11]將 PIO 算法、比例積分控制器和比例積分微分控制器的概念用于無人機集群的編隊控制。這一策略優于傳統方法，并提供了安全的飛行協議。相關調查部分對這一技術的發展進行了進一步的廣泛思考。

1.3 動機與貢獻

本文的動機是在單一平臺上收集可能阻礙無人機群性能的多種挑戰。此外，還要提供適當的方法作為解決方案，以實現最佳運動規劃。這項研究可以幫助研究人員探索多種運動規劃策略及其貢獻和局限性。選擇適當的運動規劃技術和模型可以快速完成復雜的任務，同時還能實現應用的點對點目標。本文的主要貢獻如下

• 解釋蜂群智能及其面臨的挑戰。
• 從過去十多年的幾篇研究文章中詳細分析運動規劃技術及其貢獻和局限性。
• 提出未來發展方向，為研究人員提供指導。

1.4 本文組織

本文分為多個部分。第 2 節介紹了無人機蜂群的現狀。第 3 節評估了蜂群智能的概念。第 4 節介紹無人機蜂群面臨的挑戰。第 5 節對用于應對無人機蜂群諸多挑戰的技術和模型進行了廣泛調查。第 6 節討論了主要發現和局限性。第 7 節給出結論，第 8 節就今后的進一步研究和開發工作提出建議。

2 現狀

由于采用了人工智能（AI）技術和邊緣計算，蜂群可以集體做出決策，并使用相對簡單的指令完成空中任務[12]。Veronte 自動駕駛儀已經開發了跟隨領導者、執行任務、路徑規劃、感應和避讓等功能。這些功能的進步使團隊合作成為可能，并確保了任務的成功。監視和攻擊誘導是全球蜂群的一個里程碑事件。無人機群這一改變游戲規則的能力既有利于大國，也有利于小國。蜂群的其他重要方面包括聯合決策、自我修復和自適應編隊飛行。無人機群仍處于進展階段，正在開展進一步研究，以進一步增強系統。進一步的重點包括擴大人工蜂群智能的能力，提高蜂群代理的自主狀態，以及商品化以降低成本影響。

無人機蜂群最令人驚嘆的地方在于其利用蜂群智能技術在民用和軍用方面的應用[13]。民用機構正在利用蜂群技術實施更大的計劃。美國國家航空航天局（NASA）也在利用這種基于人工智能的蜂群技術進行氣候變化分析[14]。這樣做的結果是完成了所需的工作，而這些工作在使用一個人時是不可能完成的。此外，許多發達國家已通過相關法規，普及無人機群的商業應用。無人機群在電力線和結構檢查、精準農業、測量、搜索和救援行動等方面表現出巨大的性能。

然而，無人機蜂群因其在軍事用途上的潛力和效率而備受矚目。如果在戰斗中，無人機蜂群中的一些無人機被擊落，那么剩下的無人機仍能以類似的戰術、威力和靈活性完成任務。雷神公司（Raytheon）在美國國防部高級研究計劃局（DARPA）項目的一次實戰演習中使用了蜂群操作，證明了這一點[15]。雷神公司的蜂群具有通信和協調能力。此外，所有個體都有傳感器、攝像頭和戰術突擊套件（TAK）集成能力，可用于環境探索。

蜂群技術正在增強軍隊執行復雜環境任務的能力。許多國家的軍隊，如美國和中國軍隊，在最高級別的蜂群行動模擬測試和觀察方面處于領先地位[16]。一些國家的軍隊，如英國軍隊，正在將這項技術用于實時作戰。英國還試驗過萊昂納多公司的 "光輝云"（Brite Cloud）蜂群，其中包含電子戰干擾器。同樣，俄羅斯很快也將大型無人機蜂群誘導技術 "Flock 93 "作為其軍隊的目標。此外，它還試圖在 2025 年之前填補這一空白。伊朗、土耳其和印度也在嘗試利用分布式智能和邊緣計算，使這項技術更加成熟和普及。無人機群是空戰的未來，而未來就是現在[17]。

3 蜂群智能(SI)初探

在這個世界上，我們觀察到，所有個體都希望放大自己的智慧。為了實現這個目標，他們認為并更喜歡一起工作，就像蜂群、魚群和鳥群一樣。這是因為他們相信，他們在群體中比單獨行動更聰明。由于具有反饋回路的實際系統的深度相互聯系而形成的一種新智能，被稱為蜂群智能[18]。簡單地說，蜂群是一個由所有比單個更聰明的大腦組成的大腦。蜂群智能是生物啟發人工智能的一個不斷發展的領域 [19]。

此外，利用蜂群智能，許多腦袋會遵循一個單一的思維。所有個體都遵循明確的規則，不僅彼此互動，還與環境互動。這種自適應策略需要大量的個體。它能夠對相似個體的集群進行調度、聚類、優化和路由選擇。蜂群智能強調任務在日程表中的相對位置。它遵循求和評估規則進行調度。蜂群中所有相似個體的協作稱為聚類。例如，蜂群中的無人機不同于其他群組的無人機。它能夠通過優化從所有可行結果中提供最佳和低成本的解決方案。此外，它還具有潛在的路由能力。它模仿螞蟻的原理，前向螞蟻收集信息，后向螞蟻利用這些信息[20]。

3.1 蜂群智能元素

蜂群智能的主要方面包括分布、聚合、合作、自組織、涌現和模仿自然行為[21]。分布是蜂群智能的首要特征，因為所有個體都能選擇并執行自己的行動。個體通過間接改變環境進行互動的現象被稱為 "靜能"（stigmergy）。這種現象使它們能夠感知周圍環境，并切斷個體間的互動。另一個重要行為是蜂群中所有無人機的合作[22]。無人機通過合作解決復雜的任務，并利用蜂群智能展示其集體行為。蜂群智能的另一個方面是自組織。這種行為基于正反饋、負反饋、波動放大和不同的社會互動。正反饋是通過分配更多的無人飛行器來放大，從而獲得更好的結果。負反饋是為了穩定，避免所有無人飛行器都趨于相似的狀態。自組織現象通常觀察到兩種反饋之間的緊張關系，如復雜網絡、市場、蜂窩自動機等。自組織現象的另一個特點是突現性，突現性可以是弱的，也可以是強的。如果個體行為可追溯到自發特性，則稱自發為弱自發。如果個體行為無法從涌現屬性中追溯，則稱涌現為強涌現。此外，無人機群是通過從自然蜂群行為中獲取靈感來建模的。一般來說，蜂群行為包括覓食、筑巢和在環境中一起移動。因此，模仿這些自然蜂群行為是蜂群智能的另一個關鍵方面[23]。

3.2 蜂群智能級別

蜂群智能有兩個層次。第一個層次是利用正反饋信息素來標記較短的路徑，并向其他人發出進入信號。而第二級蜂群智能則使用負信息素來標記不愉快的路線，并且不向其他蜂群發出進入信號。

3.3 蜂群智能應遵循的原則

蜂群一般遵循五個原則。接近原則、質量原則、多樣化響應原則、穩定性原則和適應性原則 [24]。根據就近原則，蜂群的基本個體可以很容易地對環境變化做出反應，而環境變化是由它們之間的相互作用引起的。質量原則允許蜂群只對位置安全等質量因素做出反應。多樣化響應原則使設計分布的方式能夠最大限度地保護所有個體不受環境波動的影響。穩定性原則限制蜂群在環境變化時表現出穩定的行為。適應性原則顯示了蜂群的敏感性，因為蜂群的行為會隨著環境的變化而變化。最廣泛使用的原則是所有個體之間的吸引、避免碰撞和自組織。在遵循吸引原則時，它們會靠得更近，并集中在一個相似的方向上。在遵循避免碰撞原則時，它們會保持一定的距離以避免碰撞。而在自組織規則中，它們會與鄰居互動，但不會信任所有鄰居。

3.4 蜂群智能的機制

蜂群智能的機制涉及蜂群中個體的環境、互動和活動。蜂群中的個體之間沒有直接的交流[25]。它們是通過環境變化來相互影響的。因此，環境變化可以作為外部記憶。這種模擬工作是通過應用蜂群所有成員的滯后行為來完成的。此外，個體在感知-反應模型和任何隨機模型之間的平衡中選擇自己的行動。然后，它們根據感知-反應模型做出反應和移動，同時感知和影響當地的環境屬性。

3.5 蜂群智能使用的語言

原蜂群語言、蜂群語言、Star-Logo 語言和增長點語言是用于蜂群智能的編程語言。原初蜂群語言使用非定常介質抽象來為蜂群編程[26]。這種無定形介質抽象是通過利用一種來自 Proto 連續時空模型的語言和一種在所提供的硬件上估算該模型的運行庫而獲得的。蜂群智能的另一種語言是一種稱為蜂群的分布式編程語言。它的基本概念是移動計算而不是數據。蜂群類似于 Java 字節碼解釋器的原始版本。現在，它作為 Scala 庫得到了應用。Star-Logo 不僅是一種編程語言，也是分散系統的可編程建模環境。利用這種編程語言，可以模擬不同的現實場景，如市場經濟、鳥群、交通堵塞等。而要對非定域性計算介質進行編程，生長點語言是必不可少的。這種編程語言能夠生成預先指定的復雜模式，如任意電路的互連形式。

3.6 蜂群智能的意義

蜂群智能有許多重要意義，這里將討論其中一些。它能使蜂群靈活應對外部挑戰和內部干擾。即使某些代理出現故障，它也能以穩健的性能完成任務 [27]。它使蜂群的可擴展性從幾個個體到一百萬個個體不等。蜂群中沒有中央機構或控制。它具有完全的適應性，只能提供自組織解決方案。變化在網絡中的傳播速度非常快。所有這些都有利于個體集群。

4 蜂群挑戰

4.1 蜂群控制

無人機蜂群的基礎是在規劃的路徑上控制所有單個無人機。為了解決蜂群編隊中的重建、防碰撞、搜索和跟蹤問題，需要開發適當的控制系統框架和控制器 [28]。集中式和分布式是自動化集群的兩大控制平臺。集中式平臺的主要優點是輸出質量更高，但可擴展性有限。而分散式平臺的主要優點是可擴展性更強，復雜性更低。無人機群網絡保證了節點的連接性，簡化了應用設計。傳感器輸入與環境和目標的先驗知識是傳統模型的基本要素。

各種研究利用多層分布式控制框架克服了這些問題。控制器的設計在無人飛行器的流程設計中至關重要。許多研究建議使用 ANFIS 控制器來減少學習誤差和提高控制器的質量。在無人機按照特定路徑運動的過程中，機載萬向節系統的控制會直接影響目標跟蹤性能。一些研究提出了用于萬向節系統建模的非線性哈默斯坦塊結構，以提高模型預測控制器（MPC）的效率。這也提高了在外部干擾下實時跟蹤目標的性能。其他編隊控制方法包括領導者-追隨者策略、共識理論、虛擬結構法、行為法等。圖 1 表示 [29] 中給出的使用領導者-跟隨者控制器的分布式制導模型概念。圖中第一列給出了領導者引導算法，其他兩列則代表跟隨者。該模型中的預分配拓撲結構不可更改。

圖 1. 使用領導者-追隨者控制器的分布式制導模型。

4.2 蜂群路徑規劃

無人機蜂群的路徑規劃具有相當大的挑戰性 [30]。為了解決這個 NP 難問題，許多研究都提出了路徑規劃算法。這些算法分為經典算法和元啟發式算法，如圖 2 所示。經典算法需要環境信息，而元啟發式算法則需要實時位置和測量的環境要素信息。如圖 2 所示，路線圖算法（RMA）、A* 算法和人工勢場法（APF）就是經典算法的一些例子。如圖 2 所示，粒子群優化算法（PSO）、鴿子啟發優化算法（PIO）、果蠅優化算法（FOA）和灰狼優化算法（GWO）是元啟發式算法的一些例子。

圖 2：無人機群的路徑規劃算法

蜂群路徑規劃可分為動態路徑規劃、三維路徑規劃、區域覆蓋路徑規劃和最優路徑規劃 [31]。動態路徑規劃對于無人機群在復雜環境中執行任務至關重要。為確保動態路徑規劃，許多研究人員建議使用卡爾曼濾波器的碰撞概率、人工勢場（APF）與墻跟法（WFM）、軌跡檢測、場景理解框架等方法。所有這些方法都能提供更好的方向估計、更好的性能并避免路徑沖突。三維路徑規劃比較復雜，但許多研究都采用元啟發式算法來處理。如 GWO 算法實現可行的飛行軌跡，FOA 算法進行局部優化，PIO 優化初始路徑。

所有這些算法都能有效地用于無人機群在威脅和緊急情況下的三維路徑規劃。無人機可在所有興趣點區域移動的路徑規劃是區域覆蓋路徑規劃。許多研究建議采用五態馬爾可夫鏈模型、改進的勢能博弈論和網絡-物理系統。為了實現最佳路徑規劃，無人機的電池容量、匹配性能和能耗都是需要認真考慮的問題。研究建議采用耦合和分布式規劃策略、移動人群感知系統（MCS）和節能數據收集框架來實現最佳路徑規劃。

4.3 蜂群架構

對于蜂群實施來說，無人飛行器的結構非常重要 [32]。架構是設計、管理和優化技術的結合。蜂群架構可以基于通信、任務條令、控制等。基于通信的蜂群架構有兩種形式。基于 Ad-hoc 網絡的架構和基于基礎設施的蜂群架構。這兩種架構都很有前途，在復雜環境下表現良好。

在設計蜂群架構時，考慮作戰任務也很重要。研究認為，如果不考慮任務條令，則是不謹慎的。目前設計蜂群系統的方法包括自下而上的建模方法和自上而下的設計方法。同樣，基于控制的架構也有利于蜂群。圖 3 給出了 [33] 中提出的基于任務的蜂群可組合性架構（MASC）。該框架側重于階段、戰術、戰術和算法。根據該圖，任務解釋了整個任務，階段評估了特定時期，戰術是個體在執行任務時按特定順序使用的方法，游戲描述了蜂群的行為，算法是程序。此外，將分布式行為控制方法與集中式協調聯系起來，可以有效地執行蜂群航空任務。航空航天架構可以高效地完成思考任務、執行任務、反應任務和社交任務。此外，物聯網（IoT）也支持蜂群架構并促進互動。

4.4 蜂群監控與跟蹤

蜂群面臨的另一個主要挑戰是監控和跟蹤。在蜂群運行期間，所有無人飛行器的位置、狀態和外部環境都會隨時間發生變化。此外，蜂群還要適應這些變化并相應地調整自己的行為。為此，持續監控和跟蹤至關重要。許多研究人員提出了不同的控制模型、仿真模型和仿真工具，以解決監控和跟蹤難題。動態數據驅動應用系統（DDDAS）是一種解決方案，可協助環境和任務的適應[34]。

圖 3. MASC 框架。

目標搜索需要考慮有效的方法和控制策略。如果目標知道搜索者的移動性和位置，那么搜索的復雜性就會增加。分布式戰略還為自動目標識別（ATR）問題提供了解決方案。許多研究人員建議采用分層探測解決方案、學習型尖端軟件和最佳技術來跟蹤蜂群中的無人機。圖 4 展示了使用改進型豆類優化算法（BOA）的空間分布情況，該算法基于 [35] 中開發的種群進化模型。在該圖中，蜂群空間分布為三層，即臨時調度層、個體層和父層。BOA 展示了有效的目標搜索能力、新興的群體智能和分布式協作互動。使用 BOA 的個體分布可表示為

圖 4. 單個無人飛行器的空間分布。

4.5 蜂群通信

通信是無人機蜂群面臨的主要挑戰之一[36]。在嘈雜復雜的環境下，無人機群需要準確高效的數據通信來執行任務。數據通信取決于適當的結構化網絡。圖 5 顯示，無線 ad-hoc 網絡能夠提供高效通信，如文獻 [37] 所述。圖中一個基站與兩架無人機相連。這兩架無人機又與另一組無人機相連。無人機的內部連接是獨立的，但相互連接則依賴于基站。有三種形式的網絡，包括 Flying Ad-hoc Network (FANET)、Mobile Adhoc Network (MANET) 和 Vehicle Adhoc Network (VANET)。FANET 網絡為少數無人機與 GCS 之間的通信提供了一個網絡，而其余無人機則相互通信。FANET 增強了通信范圍以及在蜂窩基礎設施有限和存在障礙的地區的連通性。MANET 和 VANET 與 FANET 相互連接。因此，除了移動性、更好的連接性、能源限制等少數幾個特點外，FANET 具有與其他兩種形式相似的特點。MANET 不需要互聯網基礎設施的任何支持，只需一定數量的移動設備即可組成。而 VANET 由地面車輛組成。

為了快速部署，無人機蜂群充當空中基站，為通信基礎設施提供支持。這種無線網絡在無人機與物聯網（UAV-IoT）、無人機與蜂窩卸載（UAV-CO）、無人機與應急通信（UAV-EC）等之間成功實現。這些都提高了傳輸效率，減少了響應延遲。此外，高效通信還能解決合作、控制和路徑規劃等其他挑戰。因此，有效通信是無人機群的基礎。

圖 5. 用于多組無人機的 Ad-hoc 網絡

4.6 蜂群安全距離協議

在無人機蜂群協作中，自組織行為對每個無人機都至關重要。在自組織蜂群飛行過程中，所有無人機之間都要進行數據傳輸和通信，以便做出適當的決策。但在復雜的飛行條件下，無人機之間存在碰撞的風險。因此，關鍵挑戰之一是為安全飛行提供避免碰撞協議[38]。由于無人機的持續移動性、有限的資源和空中鏈路的不穩定性，這些協議是必要的。蜂群中的所有無人機成員必須通過多跳連接了解彼此的位置。其中大多數都需要全球定位系統（GPS），而在沒有 GPS 的情況下，無人機的位置可以通過三個已知位置節點的歐氏距離公式來估算。有幾種研究利用鵝群算法、雷諾法則和鴿群算法提供了安全飛行協議。除此之外，許多優化算法也能促進無人機群達成共識。雷諾協議使用了三種成群行為規則。首先是分離規則，即無人機試圖遠離蜂群中的相鄰無人機。其次是對齊規則，無人機試圖與相鄰無人機的速度保持一致，以避免碰撞。第三種是凝聚規則，即無人機試圖靠近相鄰的無人機以形成集群，從而分享相同的位置。使用雷諾規則的自組織飛行模型是根據 [39] 的想法給出的。所有這些規則可歸納為以下公式

這里，N 表示蜂群中無人機的數量，sij是兩個無人機 i 和 j 在時間 t 中的位置，?? ∈ N?? (??) 與 ?? 表示具有局部最小值的吸引力-反斥勢函數。這些規則為無人機蜂群提供了適當的安全飛行協議，但仍有局限性，應加以改進，以實現更安全的軌跡規劃。

5 相關綜述

無人機蜂群的成功運動規劃需要重要的優化算法和相關基礎設施或模型。表 1 提供了對應用于無人機群運動規劃的技術和模型的全面探討。本綜述將提供對以往和當前研究中使用的無人機群所面臨挑戰的適當技術的詳細和更好的理解。

Kim 等人[40]考慮使用卡爾曼濾波器與協方差交集（CI）算法和平滑法，以及字符串匹配法來觀察使用無人機群進行空中監測的情況。研究人員采用隱馬爾可夫模型（HMM）進行路徑規劃，實現了跟蹤精度的提高和跟蹤誤差的降低。Oh 等人[41]提出了一種矢量場制導方法來跟蹤移動物體。該研究還為此引入了一種兩階段方法：帶有費舍爾信息矩陣（FIM）的 K-means 聚類和合作對峙跟蹤法。結果表明，對峙群跟蹤成功，允許局部重新規劃，并將所有感興趣的目標保持在傳感器的視場（FOV）范圍內。Sampedro 等人[42]提出了無人機群的全局任務規劃器（GMP）和代理任務規劃器（AMP）。他們的建議提供了一個完整的操作性強、穩健、可擴展且靈活的框架，可自動執行許多高級任務。

Yang等人[43]分析了11種用于無人機群的群智能（SI）算法。該研究解釋了這些算法的特點和原理，并分析了不同的算法組合和多架無人機的任務分配。Hocraffer 和 Nam [44] 對與人的因素有關的人-系統界面進行了元分析。該分析為開始研究提供了基礎，增強了態勢感知（SA），并取得了高效成果。Lee 和 Kim [45] 利用線性和非線性控制器研究了多旋翼動態模型，用于多無人機的軌跡跟蹤控制。研究結果表明，線性控制器易于應用、魯棒性好并能提供最優性，一些非線性控制器也易于應用、直觀并能提供全局穩定性。Yang 等人[46] 將正交多群合作粒子群優化算法與知識庫模型（MCPSO-K）聯系起來。該技術收斂速度更快，避免了過早收斂，降低了計算成本，并確保了粒子的均勻分布。

表 1. 應用各種技術和模型進行無人機群運動規劃的綜合綜述。

Guastella 等人[47] 將運行空間視為三維網格，并將修改后的 A* 算法用于多無人機的路徑規劃。研究人員發現，該算法減少了計算時間，改善了規劃軌跡，并能自動重新分配目標。Duan 等人[48]通過將記憶算法（MA）與可變鄰域下降算法（VND）相結合，給出了一種新穎的混合元啟發式方法，用于多無人機的路徑規劃。結果優化了路徑，給出了高效的結果，并高效地解決了容量車輛路由問題（CVRP），甚至是非確定性多項式時間難（NP-hard）問題。Koohifar 等人[49]將帶有遞歸貝葉斯估計器的擴展卡爾曼濾波器（EKF）和克拉默-拉奧下界（CRLB）用于無人機群的路徑規劃。分析表明，所提出的方法成功地規劃了未來的跟蹤軌跡。此外，CRLB 的性能也優于其他方法并有所提高。

Shao 等人[50] 將魯棒性誤差符號積分（RISE）反饋控制器與擴展狀態觀測器（ESO）相結合，并使用了殘余估計誤差。這一策略解決了整塊干擾問題，實現了跟蹤精度、有效性和優越性。Campion 等人[51]研究了用于無人機群的蜂窩移動基礎設施、機器學習和分布式控制算法、機器-機器（M2M）通信和第五代（5G）網絡。該研究表明，所應用的技術緩解了以往研究的限制因素，提高了無人機群的效率和商業用途。Shao 等人[52]提出了基于擴展狀態觀測器（ESO）的魯棒控制器，并采用了動態表面控制（DSC）設計和基于擾動觀測器（DOB）的控制技術。該建議在提高抗干擾能力的同時，在跟蹤方面也顯示出了有效和卓越的效果。Mammarella 等人[53] 將基于樣本的隨機模型預測控制（SMPC）和制導算法應用于無人機群的跟蹤控制。所應用的算法有效地處理了噪聲和參數不確定性，保證了實時跟蹤和良好的穩定性能。

Huang 和 Fie [54]介紹了粒子群優化（GBPSO）的全局最佳路徑競爭法。該策略提高了搜索能力，避免了局部最小值，并提供了質量和速度更優的可行最優路徑。Ghazzai 等人[55]提出了帶寬饑渴和延遲容忍的應用，并利用典型的微波（μ-Wave）和高速率毫米波波段（mm-Wave）進行軌跡優化。此外，研究還采用了分層迭代方法。雙波段增加了多無人機的停靠位置，并最大限度地減少了服務時間。Liu 等人[56] 利用快速模型預測控制方法和擾動估計方法實現了分布式編隊控制算法。該策略適用于任意的、隨時間變化的規定形狀編隊，并在規定的二維（2D）或三維形狀上實現了平衡配置。

Xuan-Mung 等人[57] 使用了魯棒飽和跟蹤反步態控制器 (RAS-BSC) 和 Lyapunov 理論。研究人員發現，所提出的機制提供了閉環系統的穩定性，并限制了跟蹤誤差和擴展狀態觀測器（ESO）誤差。此外，它在不確定性條件下具有快速和魯棒性，性能優越。Fabra 等人[58]為無人機群提出了一種基于任務的無人機群協調協議（MUSCOP）。該研究在多種條件下實現了高度的蜂群凝聚力，并在位置偏移誤差較小的情況下實現了最少的同步延遲。Causa 等人[59]采用多全球導航衛星系統（multi-GNSS）星座方法和邊緣成本估算方法對多個無人機進行路徑規劃。這些方法減少了計算時間和整個任務時間，為離線和近實時場景下的任務分配問題和規劃提供了快速解決方案。

Brown 和 Anderson [60] 應用昆式多項式軌跡生成方法、多目標粒子群優化（OMOPSO）和區域搜索雷達模型來優化無人機群的軌跡。這種組合可獲得最大數量的較佳軌跡，減少重訪時間和燃料消耗，并提高探測概率。Mehiar 等人[61] 為無人機群開發了量子機器人達爾文粒子群優化算法（QRDPSO）。該優化算法提供了更穩定、高效和快速的最優解，避開了障礙物，克服了通信限制。此外，該算法在搜救行動中達到了全局最優。Wang 等人[62]為多架無人機提出了領導者跟隨模型、Routh-Hurwitz 準則、共識協議和模型預測控制器。所應用的方法預測了領導者狀態的變化，減少了達成共識的時間，并保持了編隊的形狀。

Altan [63] 針對無人機群提出了元啟發式優化算法、Harris Hawks 優化（HHO）和粒子群優化（PSO）。他建議的方法在多幾何路徑上表現最佳，并能快速確定控制器參數。HHO 性能更優，克服了穩定問題，并給出了最少的沉降、峰值時間和過沖。Wang 等人[64]開發了神經關系推理（NRI）模型以及無人機群和彈簧顆粒之間的映射表。所開發方法的結果能夠提高位置檢測性能。此外，它還將三維空間中的運動投射到二維平面上，設計的算法預測了運動軌跡，并給出了較高的精度。Rubí 等人[65]針對無人機群采用了四種 PF 算法，即反步法（BS）和反饋線性化（FL）算法、非線性制導法（NLGL）算法和胡蘿卜追逐（CC）幾何算法。比較結果表明，路徑跟蹤 BS 算法在偏航誤差和路徑距離方面表現更優，而 CC 算法需要的數據更少，并且證明易于適用于任何路徑類型。Selma 等人[66]使用混合控制器、自適應神經模糊推理系統（ANFIS）和 PSO 算法對多個無人機進行軌跡跟蹤。結果表明，PSO 算法能自動調整 ANFIS 參數，通過提高控制器質量最大限度地減小跟蹤誤差，并且性能優越。

Xuan-Mung 等人[57] 使用了魯棒飽和跟蹤反步態控制器 (RAS-BSC) 和 Lyapunov 理論。研究人員發現，所提出的機制提供了閉環系統的穩定性，并限制了跟蹤誤差和擴展狀態觀測器（ESO）誤差。此外，它在不確定性條件下具有快速和魯棒性，性能優越。Fabra 等人[58]為無人機群提出了一種基于任務的無人機群協調協議（MUSCOP）。該研究在多種條件下實現了高度的蜂群凝聚力，并在位置偏移誤差較小的情況下實現了最少的同步延遲。Causa 等人[59]采用多全球導航衛星系統（multi-GNSS）星座方法和邊緣成本估算方法對多個無人機進行路徑規劃。這些方法減少了計算時間和整個任務時間，為離線和近實時場景下的任務分配問題和規劃提供了快速解決方案。

Brown 和 Anderson [60] 應用昆式多項式軌跡生成方法、多目標粒子群優化（OMOPSO）和區域搜索雷達模型來優化無人機群的軌跡。這種組合可獲得最大數量的較佳軌跡，減少重訪時間和燃料消耗，并提高探測概率。Mehiar 等人[61] 為無人機群開發了量子機器人達爾文粒子群優化算法（QRDPSO）。該優化算法提供了更穩定、高效和快速的最優解，避開了障礙物，克服了通信限制。此外，該算法在搜救行動中達到了全局最優。Wang 等人[62]為多架無人機提出了領導者跟隨模型、Routh-Hurwitz 準則、共識協議和模型預測控制器。所應用的方法預測了領導者狀態的變化，減少了達成共識的時間，并保持了編隊的形狀。

Altan [63] 針對無人機群提出了元啟發式優化算法、Harris Hawks 優化（HHO）和粒子群優化（PSO）。他建議的方法在多幾何路徑上表現最佳，并能快速確定控制器參數。HHO 性能更優，克服了穩定問題，并給出了最少的沉降、峰值時間和過沖。Wang 等人[64]開發了神經關系推理（NRI）模型以及無人機群和彈簧顆粒之間的映射表。所開發方法的結果能夠提高位置檢測性能。此外，它還將三維空間中的運動投射到二維平面上，設計的算法預測了運動軌跡，并給出了較高的精度。Rubí 等人[65]針對無人機群采用了四種 PF 算法，即反步法（BS）和反饋線性化（FL）算法、非線性制導法（NLGL）算法和胡蘿卜追逐（CC）幾何算法。比較結果表明，路徑跟蹤 BS 算法在偏航誤差和路徑距離方面表現更優，而 CC 算法需要的數據更少，并且證明易于適用于任何路徑類型。Selma 等人[66]使用混合控制器、自適應神經模糊推理系統（ANFIS）和 PSO 算法對多個無人機進行軌跡跟蹤。結果表明，PSO 算法能自動調整 ANFIS 參數，通過提高控制器質量最大限度地減小跟蹤誤差，并且性能優越。

Liu 等人[67]提出了一種動力學控制器、基于分布式β角測試（BAT）的拓撲控制算法和飛行 ad-hoc 網絡（FANET）用于無人機植群。這種機制可以進行鄰居選擇，并大大減少通信開銷。Madridano 等人[68]應用三維概率路線圖（PRM）算法、機器人操作系統（ROS）架構、Mav-Link 協議、Pixhawk 自動駕駛儀和匈牙利方法進行三維軌跡規劃。這種組合使用最短的時間生成了最優解，并減少了計算時間和總行程距離。Zhou 等人[69]分析了采用不同 SI 算法的層次控制框架。該分析對主要技術的發展趨勢、未來研究和局限性進行了分類。Wubben 等人[70] 采用 MUSCOP 協議和仿真工具 Ardu-Sim，為多個無人機提供恢復能力。該協議有效地處理了失去領導者和后備領導者的問題，并引入了可忽略的飛行時間延遲。

Selma 等人[71]將基于自適應網絡的模糊推理系統（ANFIS）和改進的蟻群優化（IACO）用于控制軌跡跟蹤任務。事實證明，該策略性能優越，大大降低了均方誤差（MSE）和均方根誤差（RMSE），使無人機能在最短時間內達到預期軌跡。Altan 和 Hac?o?lu [72] 使用基于牛頓-歐拉法的三軸萬向節系統、哈默斯坦模型和模型預測控制（MPC）算法進行目標跟蹤。這種機制能穩定地跟蹤目標，即使在外部干擾下也表現出魯棒性。Sanalitro 等人[73]提出了一種飛鶴系統，該系統采用基于優化的調整方法和內環或外環方法。該系統處理了旋轉和平移軌跡帶來的參數不確定性，保證了穩定性，并提高了 H∞ 的性能。Chen 和 Rho [74] 根據最終用戶（EUs）的要求，利用自組織圖（SOMs）引入了 SI 技術。該技術可實現無人機陣列的自組織，并將無人機重新配置為樞紐或終端。此外，它還能有效地共享信息。

Qing 等人[75]將改進的蟻群優化（ACO）、最小捕捉算法和歸零控制障礙函數（ZCBF）應用于多蜂群。結果表明，所提出的算法為實時決策提供了最佳結果。此外，它還有效地提供了無碰撞和無規避的軌跡。Miao 等人[76]提出了一種多跳移動中繼系統、最小保密能效（MSEE）最大化傳輸方案，并利用塊坐標下降法（BCD）、連續凸近似（SCA）技術和 Dinkelbach 方法為多架無人機生成了一種算法。結果保證了收斂性，并在能效和保密率方面有了重大改進。Shao 等人[77] 將無人機群的多分段策略與改進的粒子群優化-高斯偽譜法（IPSO-GPM）相結合。研究結果表明，所應用的機制提高了求解的最優性，生成了高質量的軌跡，并耗費了最少的運行時間。

Gu 等人[78]建議采用網絡集成軌跡聚類（NIT）來確定無人機群的子群。這種聚類方法反應迅速，準確性高，在復雜環境中證明是有效、容錯和穩定的。Ling 等人[79]提出了一種規劃算法；針對無人機群的開箱即用軌跡繪制和多輪蒙特卡羅模擬。該算法可在噪聲和不穩定通信條件下工作，并被證明適用于合作蜂群應用。Yao 等人[80] 為無人機群采用了群智能和優化算法。結果表明，所提出的無人機群控制算法有效提高了無人機群的自主性和巡檢效率，并最大限度地降低了巡檢成本。Xia 等人[81]提出了針對無人機群的多代理強化學習（MARL）與多無人機軟行為批判（MUSAC）。所建議的機制允許做出智能飛行決策，降低了功耗，提高了跟蹤成功率，并為探測覆蓋提供了高性能。

Nnamani 等人[82] 將網格結構方法應用于無人機群。研究結果表明，該方法提高了通信保密率和物理層安全性，并評估了竊聽者未知位置的最佳半徑。Xu 等人[83] 為無人機群設計了通信感知集中式和分散式控制器。他們提出的控制器實現了較高的航點跟蹤精度。在兩種控制器之間，分散控制器的性能更優，并能保持穩定。Sharma 等人[84]研究了用于無人機群路徑規劃的多種 SI 算法。分析表明，PSO 的計算復雜度較低，ACO 具有良好的可擴展性，而 Firefly 則利用單一算子搜索解決方案。Han 等人[85]采用大規模多輸入多輸出（MIMO）和基于中心極限定理（CLT）的反向散射通信系統來分析性能和優化軌跡。這種組合在檢測寄生裝置和分離寄生信號方面表現出色。此外，它還降低了能耗并優化了軌跡規劃。

Zhou 等人[86]使用了多目標跟蹤（MTT）系統、基于智能無人機蜂群的協同跟蹤算法和多目標 Lyapunov 優化模型。結果表明，在提高軌跡預測精度的同時，執行復雜度和能耗也有所降低。Brown 和 Raj [87] 應用反應式跟蹤和帶有預測性預定位的反應式跟蹤來研究初始蜂群形成的影響。跟蹤的性能更優越。

Sastre 等人[88]應用無碰撞蜂群起飛啟發式（CSTH）的兩種改進算法和基于歐氏距離的 CSTH（ED-CSTH）算法來分析軌跡和批次生成。本研究還使用了 ArduSim 模擬器和垂直起降（VTOL）技術，以及用于無人機群的庫恩-蒙克雷斯算法（KMA）。所提出的方法優化了計算時間，確保了安全距離，并縮短了起飛所需的時間。而 KMA 被證明是現實條件下最合理的選擇。Bansal 等人[89] 針對無人機群提出了一種可擴展的身份驗證-證明協議 SHOTS，該協議采用了物理不可克隆函數（PUF）、Mao Boyd 邏輯方法和 Christofides 算法。作者為無人機群提出了一種輕量級認證和證明機制，利用物理不可克隆函數（PUF）以輕量級方式確保物理安全和必要的信任。

6 討論

多架無人機的重要性正在擴大其在許多領域的合作行動和應用。無人機群被部署在不確定、室內、室外、交通等多種環境中。研究結果表明，決策、控制、路徑規劃、通信、監控、跟蹤、瞄準、碰撞和避障等諸多挑戰可能會阻礙無人機群的運動規劃。調查顯示，針對不同的挑戰，所有研究都采用了不同的方法。如任務規劃架構提供了一個完整的操作性強、穩健、可擴展和靈活的框架。許多控制器，無論是線性控制器還是非線性控制器，都被證明易于應用、直觀、穩健，并能提供最優性和全局穩定性。改進的模型預測控制器可確保對蜂群進行實時監控和跟蹤。此外，它們還提高了跟蹤的準確性、有效性和優越性。機器學習、5G 網絡和其他技術緩解了以往研究的限制因素，提高了蜂群的效率和商業用途。在本章介紹的所有這些不斷發展的技術中，蜂群智能技術被認為是可靠、高效地部署蜂群的合適解決方案。此外，它還能實現自我組織、重新配置、控制、有效共享信息、降低檢測成本和提高自主性。

除了上文提到的蜂群和技術發展的諸多優勢外，還存在許多重要而有趣的限制，可能會阻礙蜂群性能的發揮。其中，大規模蜂群的制造成本仍然很高。現有的負載體積龐大、價格昂貴，大多不適合追求高性能。因此，輕型、低成本的載荷和平臺對蜂群的形成至關重要。電池容量對完成空中任務意義重大。持久耐用的電池對于連續執行任務至關重要。然而，電池容量可以通過增加無人機重量來提高。而重量的增加也會要求能量消耗的增加。為了提供合適的電池解決方案，必須有這樣的系統，它能方便、快速地用補充電池替換耗盡的電池，并能為其他電池充電。另一個限制因素是隱私保護協議。這對于在敏感地點安全部署蜂群至關重要。否則，可能會導致國家安全問題。

7 結論

介紹了無人機蜂群技術的最新發展，顯示了其在不同用途，特別是軍事領域的應用前景。本章概述了蜂群智能，解釋了其各個方面、層次、機制、遵循的原則和意義。然后，討論了蜂群面臨的挑戰和不同研究人員給出的方法。此外，為了分析蜂群的運動規劃，我們研究并匯編了多種研究。所有這些研究論文都提供了不同的方法來應對無人機群所面臨的挑戰。其中許多方法都基于蜂群智能等趨勢技術，并優于傳統策略。所有研究結果都表明了使用蜂群而非單個無人機的重要性。最后，我們討論了本文的主要發現和一些局限性，并對未來工作提出了一些建議。

8 未來工作

盡管蜂群智能正處于新興階段，但預計在未來幾年，這項基于人工智能的技術將取得更大進展。未來的研究可以為蜂群設計更智能的控制器、最佳路徑規劃算法、穩健的架構、監控、目標搜索策略、高效的通信結構和安全的飛行協議。大規模蜂群的飛行問題和編隊維護仍需要未來的探索。在建模過程中，必須考慮無人機的大小和負載，以提高蜂群控制的魯棒性。在未來的整體系統中，將為綜合任務場景提供解決方案。無人機群在曲線上的路徑規劃需要更高效的算法。此外，能夠在任何復雜環境中快速給出優化路徑的算法也是未來的工作重點。有必要開發低成本傳感器，以解決集體監測和目標跟蹤問題，同時還能提供高精度和抗噪聲能力。還需要開展更多研究，通過升級頻段、合作對抗和信號失真監測，實現無人機群之間通信網絡的標準化。為了提高在威脅環境中的反應速度，重點將放在設計動態傳感和強大的安全飛行協議上。對于能滿足下一代網絡的情報輔助計劃來說，各種考慮因素至關重要。例如，第六代（6G）網絡應被用于蜂群的無線通信服務。這將極大地提高編隊、任務協調、人機互動等方面的重要性。在此基礎上，應改進系統，使其能夠理解和適應環境，并對用戶反饋做出快速反應。這可以進一步提高系統的靈活性以及網絡的可靠性和性能。

人工智能（AI）是公認的顛覆性技術，它能迅速改變各種業務和行業。它還能改變與國家安全和國防有關的功能（流程和系統）。雖然人工智能主要不是在國防部門開發，但它有望通過提高國防相關活動的效力、效率和速度，改變未來沖突的特點。然而，雖然人工智能在替代或協助決策中的人為因素方面潛力巨大，但它仍無法取代人類的戰略思維。本文首先回顧了與人工智能技術相關的意義、當前發展和挑戰。然后，文章從國防能力、決策制定和戰略思維三個方面分析了人工智能對國家安全和國防的影響。文章最后展望了人工智能在安全與國防領域的總體前景，期待其在支持決策方面的最大價值。

1 引言

人工智能（AI）是我們這個時代爭論最多的技術突破之一，顯然也是最不為人所知的技術突破之一。它讓人著迷，同時也讓人恐懼。它讓人著迷的是其潛力，從其日常應用和大國在這一領域的優勢決心中就可以看出這一點。它也常常讓人擔憂，因為進一步的進步可能會導致人類能力的超越。后者在大眾文化中尤為突出。

盡管人們經常討論人工智能的未來能力，但在商業世界中，人工智能是 "當下"，并且已經滲透到我們生活的許多領域。除其他外，人工智能還能翻譯文本、識別數字媒體上的物體和人臉、識別垃圾郵件、駕駛汽車、用聊天機器人取代客戶服務、扮演私人助理的角色、創作藝術作品以及玩游戲。

人工智能已成為一個 "炒作 "詞，其影響有時被視為過于樂觀甚至深奧。因此，有必要分析這一技術的發展趨勢，并預測其對我們社會和生活的全面影響。

人工智能的所有可能性和潛在應用還有待探索。有些人的期望很高。人工智能能否為我們帶來 19 世紀末幾項技術為我們祖先的生活帶來的影響，我們拭目以待。第二次工業革命帶來了電氣化、鐵路、電報和汽車等技術，從許多方面影響了人類的生活。這些技術促進了生活水平的提高，使生活變得更快、聯系更緊密、可能性更豐富，并創造了新的社會關系和生活模式。作為第四次工業革命的一部分，人工智能有望改善人們的生活質量，提高人們的收入水平（Schwab，2016）。

與歷史上許多其他顛覆性技術一樣，人工智能有望創造機遇，但也會帶來挑戰。它可能會帶來經濟機遇（Tegge，2018 年），并通過許多積極的應用帶來益處。與先進的機器人技術和其他新興技術一起，它可能會推動人類的努力，甚至在制造、運輸、醫療保健和教育領域取代人類。

可以說，人工智能的進一步發展將帶來新的顛覆，并帶來巨大的經濟、社會、法律、倫理和安全挑戰。這些挑戰可能涉及經濟安全（因為人工智能預計將在許多領域取代人類（搶走人類的工作）），也可能削弱已實現的人權（個人和政治自由）。這可能會造成普遍的經濟不平等或政府對人口的廣泛和侵入性監控。

在國際關系中，人工智能已經成為戰略競爭的一個方面。主要大國認為走在人工智能技術的前沿對于未來全球經濟和軍事實力的競爭至關重要。雖然 "殺手機器人 "的發展仍停留在科幻電影的范疇，但人工智能已經在國防能力中得到了應用。目前，人工智能被視為一種前瞻性工具，尤其是在流程和系統中，其重點是在數據泛濫的環境中縮短決策時間（即決策）。

本文的分析僅限于人工智能在國家安全和國防領域的潛在應用。本文首先探討了什么是人工智能及其重要性，然后回顧了與人工智能相關的挑戰。文章的核心部分是研究人工智能對國家安全和國防的影響。最后，文章對人工智能技術未來的預期發展和使用進行了總結和思考。

2 人工智能介于神話和現實之間

目前，關于人工智能的公認定義尚不存在。人工智能是一個概念，或者說是一個領域，包括 "邏輯、概率和連續數學；感知、推理、學習和行動"（Russell and Norvig, 2003, p.vii）。在將人工智能描述為一個實體時，將其稱為 "智能體 "更為準確。從這個意義上說，人工智能是 "研究從環境中接收感知并執行行動的智能體"（Russell and Norvig, 2003, p.vii）。

Gartner 公司將人工智能簡單定義為 "模仿人類表現的技術，通常是通過向人類學習"（Andrews，2018 年，第 6 頁）。更具描述性的是，人工智能使機器從 "經驗 "中 "學習"，適應新的輸入，并執行類似人類的任務。

多種新技術已被廣泛歸類為人工智能。如今，大多數人工智能應用在很大程度上依賴于它們的子領域，如機器學習（ML）和深度學習（DL）。這些技術可以 "訓練 "計算機通過處理大量數據和識別模式來完成特定任務。

事實上，正是機器學習技術讓人工智能系統能夠在沒有明確編程的情況下進行學習。人工智能系統通過識別以前未定義的模式來 "學習"。機器學習還能讓智能體快速吸收和消化反饋信息。其結果是，與傳統的基于人類的反饋系統相比，人工智能所連接的系統在工作中變得更加出色。然而，人工智能體并不 "理解 "它們所執行的任務，至少目前如此，在不久的將來也不會如此，而且也無從得知它們是如何得出結論的。

人工智能的魅力可能就在于，我們不能指望它按照一套預先確定的算法 "行事"。我們可以以漢森機器人公司開發的社交型仿人機器人索菲亞為例，它經常接受采訪，甚至成為了沙特阿拉伯公民。另一個原因可能是，人工智能不同于其他技術進步，因為它不需要我們像使用計算機那樣通過學習如何使用來適應。實際上，人工智能就是創造適應我們的技術，而不是相反。

在本文中，我們將交替使用 "人工智能 "一詞，作為一個概念（一項技術或一個領域）和一種能力（一個AI智能體）。

2.1 理論框架

一般來說，人工智能是 "計算機系統執行通常需要人類智能的任務的能力，如視覺感知、語音識別和決策"。(卡明斯，2017 年，第 2 頁）

經濟合作與發展組織（OECD）在其定義中涉及知識和行為。經合組織將人工智能定義為 "機器和系統獲取和應用知識以及執行智能行為的能力"（經合組織，2016 年，第 86 頁）。就知識而言，以目前的發展水平，人工智能可以獲取和應用知識，但無法轉移知識。

Teradata 的 "企業人工智能現狀 "報告（伯恩，2017 年，第 3 頁）將人工智能定義為 "利用人機認知交互實現企業決策自動化的能力，機器能夠通過感知和持續學習、推理和推斷、決策和行動來增強和輔助人類能力，從而推動業務成果"。這一定義描述了人工智能的能力及其在增強和協助與業務相關的人類能力方面的目的。

最后，人工智能技術在國防領域的應用也備受關注。美國國防部將人工智能描述為 "機器執行通常需要人類智能的任務的能力--例如，識別模式、從經驗中學習、得出結論、做出預測或采取行動--無論是以數字方式還是作為自主物理系統背后的智能軟件"（USA DoD, 2018, p.5）。這一定義還涉及自主系統的使用。自主性在國防領域尤為重要，因為它能使系統（平臺）自動（如自主決策）、在程序設定的范圍內甚至 "自我管理"。人工智能對自主系統至關重要，因為它有助于在處理大量數據時做出決策。

當我們考慮人工智能時，重要的是要區分人工智能現在是什么或能做什么，以及未來可能或將要實現什么。目前，人工智能分為人工狹義智能（ANI）、人工通用智能（AGI）和人工超級智能（ASI），人工狹義智能是指在特定任務中，機器智能等同于或高于人類智能；人工通用智能是指在任何任務中，機器智能都能達到人類智能的全部水平；人工超級智能是指在任何任務中，機器智能都能超過人類智能（Spiegeleire, Maas & Sweijs, 2017）。

目前，所有現有的人工智能應用無一例外都屬于 ANI。人工智能已經以各種姿態出現在我們身邊。它往往不為人所注意，比如我們的搜索引擎、語言翻譯器或設備上的個人助理。目前，人工智能助手領域有四個領跑者： 亞馬遜的 "Alexa"、蘋果的 "Siri"、谷歌的 "Assistant "和微軟的 "Cortana"。而從 2023 年開始，由 OpenAI 公司開發的 ChatGPT 在自然語言處理領域廣受歡迎。

雖然根據目前的趨勢，專家預測人工智能將在本世紀中葉出現，但人工智能的出現時間仍存在爭議。許多專家預計，在此之后，人工智能會相對較快地出現，但很少有人預計這會引發 "人工意識"。

2.2 人工智能的演變

人工智能之所以能取得今天的重大進展，主要得益于算法質量的不斷提高（得益于計算機科學研究的進步、新的編程語言等）、計算能力的不斷增強以及數據的無處不在。

總體而言，人工智能的發展自其概念提出以來一直基于不同的技術；從 20 世紀 50 年代到 70 年代基于神經網絡，從 80 年代到 2010 年代基于機器學習，到今天則基于深度學習。事實上，主要由學術機構和研發組織完成的早期工作為我們今天看到的人工智能應用奠定了基礎。

20 世紀 50 年代末，美國正處于冷戰時期。當時的國會代表愿意在人工智能上投入巨資，將其作為更大安全戰略的一部分。當時的重點是語言翻譯，主要是俄譯英和英譯俄。1954 年至 1966 年被稱為 "樂觀的十年"，然而，突破并沒有像承諾的那樣迅速到來。與人工翻譯相比，機器翻譯速度更慢、成本更高、準確性更低，因此對機器翻譯的投資被突然取消。20 世紀 70 年代初和 80 年代末的這段發展停滯期通常被稱為 "人工智能的冬天"。

隨著計算機硬件（即大功率微處理器）的強大，人們對人工智能產生了新的熱情。此外，新技術，特別是與深度學習相關的技術，以及可以在現有示例中 "訓練 "后學習任務的神經網絡，開啟了人工智能的新時代。因此，在十年內，人工智能已從研究機構和大學的原型開發轉向工業和現實世界的應用。

盡管該領域取得了進步，但一些人認為，包括紐約大學心理學教授、長期對人工智能持懷疑態度的加里-馬庫斯（Gary Marcus）在內，"人工智能的歷史已經過去了六十年，我們的機器人所能做的不過是播放音樂、掃地和競標廣告"（馬庫斯，2018 年，第 5 頁）。還有一些人，如 Siri 核心專利的共同作者呂克-朱莉婭（Luc Julia）聲稱，人工智能甚至還不存在（Cagan，2019）。事實上，人工智能的發展仍然缺乏一個有凝聚力的、超前的理論基礎，而且是以一種臨時的方式進行探索。

就其未來發展而言，人工智能可能將與物聯網的發展齊頭并進。也就是說，人工智能（通過機器學習）可以迅速從數據中得出意義。它可以識別智能傳感器和設備數據中的模式并檢測異常情況。這種更接近數據收集地點的潛力可能會引導人工智能的未來朝著小型系統的方向發展。

開發和使用人工智能的一個基本特征是，投資規模并不是獲得技術效益的關鍵。在商業領域，開發人工智能解決方案往往只需要數據和機器來解決具體問題，最重要的是要有 "商業案例"。因此，成功的關鍵在于在定義案例時要有清晰的愿景。這使得那些在人工智能發展方面投入資金看似較少的國家和組織也能獲得巨大收益。

在許多人的想象中，人工智能的發展也會引發 "末日 "景象。然而，盡管科幻小說和電影中描繪了這樣的場景，但能夠自我維持、自我完善并有可能主宰人類的 "超級智能 "的實現，至少在不久的將來，仍然是一種神秘的可能性。

3 人工智能的挑戰

在社會中引入人工智能的結果并非都是有益的。與這項技術的實施相伴而生的破壞將對安全產生或隱或顯的影響。

例如，在經濟領域，人工智能系統預計將影響就業市場，可能會造成失業并加劇不平等。除了社會和經濟方面的挑戰，還應該分析其他一些問題，以評估人工智能的潛在影響。如今，我們可以確定幾個與人工智能相關的問題，如其相關性（在功能和適用性方面）及其負責任的使用（關于其決策的自主性和數據的獲取）。

3.1 人工智能的相關性

關于人工智能的相關性，使用人工智能的一個重要方面是提供 "訓練 "人工智能系統所需的數據源。由于人工智能需要數據，可用的數據量越大，它能 "學習 "的算法就越多，人工智能的成果也就越好。數據創建量在持續增長。例如，2013 年，90% 的可用數據都是在前兩年創建的（Jacobson，2013 年），這為人工智能的發展創造了非常有利的條件。對數據的這種需求使得云服務、社交媒體、電子商務或其他行業中能夠獲得大量數據的大公司自然而然地在各種人工智能領域處于領先地位。這包括語音識別、面部識別和自然語言處理。

因此，數據的可用性與人工智能的相關性密切相關。就目前的技術水平而言，使用人工智能處理數據有其局限性。只要相關數據的范圍較窄，人工智能就能發揮作用。換句話說，人工智能要求數據集具有相當明確的特征，包括形狀類型或模式系列。目前，使用人工智能支持決策的最大障礙是人工智能潛在的 "主觀性"。更具體地說，提供給人工智能系統的數據中的偏差會在其決策中復制或放大偏差。人工智能的運行在很大程度上取決于是否有可靠的、經過精心挑選的、符合目標的數據（Poussart & Wyman, 2018）。

3.2 對人工智能的控制

人工智能得出結論的過程不受用戶的直接控制。也就是說，人工智能做出的 "結論 "并不一定是最初的、有順序的算法或預測步驟的結果，因為人工智能體會 "學習"。因此，人工智能的進一步發展及其在社會中的應用絕不能處理不當。另一個值得關注的問題是網絡領域的隱私問題。控制問題還包括利用人工智能進行虛假宣傳的問題，如 deepfake（Villasenor，2019 年）。自動監控私人數據等做法以及上述挑戰可能會導致公眾對人工智能的不信任，甚至引發社會對人工智能的強烈批評。因此，數據驅動的人工智能系統的發展必須確保適應數據收集、使用和存儲的法律框架（例如，見歐洲議會，2018 年）。

最后，賦予人工智能系統做出可能改變生活的決定的自主程度仍然是一個關鍵問題。理想情況下，應確保人工智能體只能提供建議，而不是自主做出決定。然而，這并不總是可行的，尤其是當人工智能用于某些國防平臺時，決策速度至關重要。

3.3 效率與人類包容性

人工智能的兩大優勢是可擴展性和可用性。人工智能系統可以每周 7 天、每天 24 小時運行，而且不會疲勞、生病或感到壓力。因此，雖然人工智能并不比人類更聰明，但它的生產力要高得多。這些特點使其更容易以較低的成本進行采購。

諾亞-哈拉里（Noah Harari）完美地描述了在包括人工智能在內的大量基于新技術的新經濟中，人變得 "無關緊要"（例如不需要）的可能性（Harari，2018）。這是 "傳統 "資本主義問題的演變，在 "傳統 "資本主義中，許多人感到 "被剝削"。除此之外，哈拉里警告說，將所有信息和權力集中于一處的愿望是 20 世紀專制政權的主要障礙，而在 21 世紀可能會成為他們的決定性優勢。人工智能使之成為可能，因為它可以集中處理大量信息，使集中式系統遠比分散式系統更有效率。

4 人工智能及其對國家安全和國防的影響

人工智能在國防（即軍事事務）中的應用尚未形成概念，其發展預計將隨著其實施而發展。假定可以將人工智能與其他一些發明相比較，這些發明已在軍事領域得到應用，并為那些使用它的人帶來了巨大優勢。全球定位系統（GPS）就是一個例子。現代互聯網和手持式 GPS 的前身是美國研究人員在 20 世紀 70 年代開發的。20 年后，在第一次海灣戰爭（"沙漠風暴行動"）中，美軍對信息技術和精確彈藥的廣泛應用震驚了世界。這次行動的成功鞏固了美國幾十年來作為卓越軍事強國的地位。

雖然人工智能在國防領域的應用尚未形成概念，但除美國之外的經濟和軍事強國不會等待。正如法國前國防部長弗洛倫斯-帕利（Florence Parly，2019 年）所說，人工智能對法國國防部的潛在好處是強大而眾多的。當大國的兵力已經在磨礪自己的算法時，法國不能冒險錯過這一技術轉變。這僅僅是今天和未來保持相關性的當務之急。

4.1 人工智能在國防能力中的應用

人工智能已應用于許多新平臺，例如 F-35 噴氣式戰斗機、現代水面戰艦、導彈防御火控系統和網絡防御。它可能適用于許多以決策速度為特征的新興系統。利用人工智能工具制定戰略和作戰行動方針的工作還有待開發。

人工智能在未來可能發揮重要作用的一個領域是無人戰爭（自主系統）。在過去的幾十年里，戰爭的概念已經發生了演變，包括高科技戰場的能力發展。無人機、高超音速導彈、自主系統（即武器化機器人）、水面鼬鼠群（艦船）等平臺以及人工智能的使用，都有助于想象戰爭性質的變化。這種 "新 "戰爭的主要特點之一是武器系統的自主性增強，以減少或避免對戰場上稀缺、緩慢和昂貴的人力存在的依賴。在這種情況下，人類不再參與導航、控制和決策過程。未來的戰場如果高度技術化，在地面和戰斗中心（如決策）的人類將越來越少。

目前，人工智能的開發大多在商業部門（私營公司）進行。目前在自主系統開發方面，商業與軍事研發支出存在巨大差異，這可能會對軍事系統中的自主類型和質量產生連帶影響。在國防中使用人工智能和自主系統的一個關鍵問題是，國防部門是否能夠開發和測試安全可控的自主系統，尤其是發射武器的系統（Cummings，2017）。

4.2 決策中的人工智能

目前，人工智能在國家安全和國防領域的主要用途是對越來越多的傳感器收集到的大量數據進行分析。人工智能用于國家安全目的的一個例子是美國國防部高級研究計劃局（DARPA，2019 年）試圖開發基于模式的人工智能能力（詳見：Pezzulo & Butz，2012 年），以加強對復雜世界事件的推理并產生可操作的洞察力。其結果應該是能夠快速理解世界事件，這對于為國家安全工作（即決策制定）提供信息至關重要。

國際關系、人類社會甚至自然界（物理環境）的變化本身就會對國家安全產生重大影響，也可能構成產生更廣泛影響的因果鏈的一部分。這些事件往往不是簡單的偶發事件，而是由眾多次要因素（包括行為體和時間軸）組成的復雜現象。

面對可用但非結構化數據量不斷增長的挑戰，國防（情報）部門顯然需要一種工具來揭示和理解不同的事件、它們之間可能存在的關系及其基本要素。這就是人工智能發揮作用的地方，因為能夠創造出比對手更快、提供更好決策的人工智能體的國防部門將占據優勢。

然而，挑戰在于人工智能需要數據，而數據可能存在偏差。為了確保決策的可靠性，必須了解不良或錯誤（"中毒"）數據對決策的負面影響，以及如何檢測和隔離不良數據。這是一個商業部門目前尚未解決，但國防部門必須解決的系統問題。

人工智能在軍事領域的應用可以通過 OODA（觀察、定位、決定、行動）循環來概念化（詳見：Poussart & Wyman, 2018）。由于當前的技術發展水平，人工智能目前主要用于觀察階段。對應用（如圖像識別、數據挖掘技術）的信心至關重要，但目前可能難以實現。決定 "階段會帶來法律問題，尤其是涉及到自主系統時。實施能夠做出決定的自主系統是可行的，但需要標準和協議（控制的法律方面）。當做出反應的時間比人類的反應時間短時，就需要實施自動反應（行動階段）。這一階段與 "決定 "階段一樣，無疑是最敏感的階段，需要人工智能和自主系統達到非常成熟的發展水平。總的來說，人工智能有望改變未來沖突的性質，因為它有可能提高整個 OODA 循環中與防御相關活動的效果、效率和速度。

要評估人工智能對國防的影響，就必須預見到人工智能將給國家安全和國防概念本身帶來的深刻變革。以往的工業革命不僅給生產方式，也給人們的生活方式帶來了重大變化。有鑒于此，我們當然可以預見，作為第四次工業革命的一部分，人工智能將引發社會結構、關系和價值觀的變革。

目前，人工智能和新技術往往只被視為對包括國防在內的現有體制框架的擴充。北約的小冊子《戰爭愿景：2036 年》就是將未來武器和軍事能力與現有政治、社會和軍事結構疊加在一起的例子之一（菲利普斯和科爾，2016 年）。人工智能在國防領域的應用，尤其是在自主系統中的應用，也可能導致決策者產生某種自滿情緒，因為人們期望它能消除或最大限度地減少自己兵力中出現（人類）傷亡的風險。

4.3 人工智能在戰略思考中的應用

人工智能在戰略思考方面的應用能力仍有待提高。雖然人類似乎可以利用人工智能生成內容和回答問題，但該工具仍無法在地緣政治分析和理解行為體行為方面進行 "思考"。簡而言之，人工智能仍然沒有 "戰略文化"。

一項與美國國家戰略相關的研究就說明了這一點。Elena Wicker（2021 年）利用機器學習創建了人工遞歸神經網絡 "bernardcodie "程序。她用美國國家安全戰略的全部語料庫數據對其進行了訓練。這意味著自該文件于 1987 年授權制定以來，美國發布的所有 17 項國家安全戰略。作者使用一個人工智能工具，在前 17 個國家安全戰略的基礎上創建了新的美國國家安全戰略。結果似乎是相關的，但顯示出詞語的選擇是分析的核心，表明該工具嫻熟地識別了戰略語言中的模式和一致性。因此，Elena Wicker 認為，利用人工智能制定戰略的方法仍需改進，不能取代人類的直覺。盡管如此，人工智能在與人類分析相結合時還是很有用的，因為它可以提供一個全新的視角（復雜系統中智能體之間的聯系），拓展人類對戰略的理解。

同樣，我們用一些與全球安全和國防有關的簡短問題來測試人工智能的能力。這是 2023 年 1 月 13 日與基于人工智能的在線工具 ChatSonic（網址：//writesonic.com/chat）"討論 "的兩個問題：

Drazen Smiljanic："在烏克蘭打敗俄羅斯的最佳戰略是什么？

ChatSonic："在烏克蘭擊敗俄羅斯的最佳戰略是烏克蘭不讓俄羅斯兵力包圍。要做到這一點，可以對俄軍發動破壞性攻擊，阻止其兵力集結，同時開展防御和進攻行動，為反擊創造機會。烏克蘭還必須繼續接受美國及其盟國的援助和培訓，并繼續投資和發展尖端軍事技術，以保持對俄羅斯的技術優勢。" DS: "克羅地亞的最佳防御戰略應該是什么？"

ChatSonic："對克羅地亞來說，最好的國防戰略是在該地區保持強大的軍事存在，同時投資和發展尖端軍事技術，以保持對潛在對手的技術優勢。克羅地亞還應繼續加強與北約和其他地區盟國的聯系，以確保集體安全。克羅地亞還應明確表示，如果局勢升級，它將不會派遣任何部隊，以表明它致力于和平解決地區緊張局勢和沖突"。

雖然這些答案似乎很有意義，但它們并不是戰略制定、地緣政治分析或類似領域通常使用的任何方法的產物。結果表明，就目前文本生成和語言翻譯的發展而言，人工智能仍可被理解為一系列具有自然語言處理能力的算法，這是其能力的核心。而不是更多。不過，人工智能可以提供一個獨特的機會，從整體上評估戰略文件的 "體裁"，并識別所用語言的模式和一致性。

5 關于未來使用人工智能的結論和思考

幾乎每一天都會有關于人工智能的新文章和討論，關于它將給我們的日常生活帶來哪些革命性變化，以及關于主要經濟大國所做的大規模投資。然而，與人工智能相關的話題及其未來發展可能會引起爭議。末日論者對可能由人工智能和智能機器統治的未來抱有烏托邦式的幻想，而技術理想主義者和烏托邦主義者則認為人工智能相關技術只會促進人類福祉。在這兩者之間，還有一些打著哈欠的懷疑論者，他們要么聲稱人工智能領域取得任何重大進展（成本效益方面）的時間太長，要么甚至認為真正的人工智能根本不存在。事實上，人工智能技術已經出現在我們身邊，而且其潛力還在不斷增長。

目前，預計在不久的將來，人工智能發展的大趨勢不會放緩。然而，這種謹慎并非毫無道理。人工智能的發展已經經歷了兩次 "人工智能寒冬"，因此在未來一段時間內也應考慮到這種可能性。

人工智能真正令人擔憂的是其未來的應用。在樂觀的情況下，人工智能將提供一個經濟機遇，如果平衡和處理得當，可能會帶來許多積極的應用。預計人工智能幾乎會對社會的各個方面產生影響：勞動力市場、交通、醫療保健、教育和國家安全。在最好的情況下，它將成為適應人類的技術，并將對人類和人類產生深遠的變革。

人工智能在國防能力中的應用呈增長趨勢。也可以預見，人工智能將在戰略競爭中被用作弱者（就軍事實力而言）的工具。因此，可能會出現以不對稱為主的競爭或沖突。在這種情況下，可以將人工智能作為一種手段，更準確地接觸和處理目標國家和社區的個人及其態度和情緒。這樣，人工智能就可以被用來試圖分散甚至破壞對手社會的穩定，更準確地說，是破壞其輿論的穩定。一些國家，特別是非民主國家，也可能決定利用人工智能來觀察和控制本國公民的態度和行為。

人工智能作為安全和國防領域潛在的游戲規則改變者，其最有益的用途可能是決策。深度學習算法為改善態勢感知和對信息環境的理解提供了前所未有的機會，使人工智能服務對最高級別的決策大有裨益。未來，人工智能有望在識別趨勢和驅動因素以及各類人類活動的潛在結果方面提供獨一無二的深刻見解。這將使其在前瞻性分析、處理不確定性和復雜性方面大有用武之地。

通信網絡在軍事行動中的重要性與日俱增，時間緊迫的目標定位、秘密特種作戰、指揮與控制、訓練和后勤等任務領域都在很大程度上依賴于通信網絡及其服務。另一方面，商業通信也極大地改變了我們的社會和通信方式。目前最新的網絡模式--5G 及超5G（5GB），具有高速度、低延遲、高可靠性和高通信密度的特點。雖然國防機構使用 5GB 商業網絡可以提供更大的靈活性和效率，但也面臨著新的挑戰，即需要高標準的網絡保護和苛刻的工作條件和環境。在本文中，我們將討論通信網絡在幾種潛在軍事應用中的重要性，特別是在戰爭、訓練、后勤和特殊任務站中的應用。我們介紹了軍事應用中采用的通信趨勢。然后，我們介紹了各種 5GB 關鍵性能指標及其在軍事通信系統中的使用案例。我們還闡述了軍事通信網絡所面臨的獨特挑戰，這些挑戰不太可能通過商業5GB 研究來解決。我們還討論了用于軍事通信系統的各種 5GB 使能技術。最后，我們介紹并分析了用于 C 波段專用軍事通信的 5GB 新型無線電。

引言

當今世界，及時獲取信息已成為實現軍事目標的關鍵環節。無線通信網絡是及時傳遞準確無誤信息、促進軍事行動高效順利進行的重要手段，也是影響作戰能力的主要組成部分之一[1]。通信系統和網絡應用在軍事行動中發揮著越來越重要的作用，時間緊迫的目標定位、隱蔽的特種作戰、指揮與控制（C2）、訓練和后勤等任務式領域都非常依賴于它們的大容量接入、高機動性互聯和穩健傳輸。典型的軍事通信使用異構無線通信技術，如圖 1 所示，可分為四種場景[2]。

• 第一種場景是戰爭場景，描述的是進攻/防御環境下的實際作戰指揮情況。C2 信息和語音通信在營、旅和部隊各級之間不斷消散。該場景包括艦船、飛機和車輛的動態聯網，以及發射平臺和移動/便攜式通信設備，這些設備需要移動性、廣覆蓋、安全性、互聯性以及與第三方應用平臺的連接。

• 第二種場景是訓練/演習場景，通過作戰、艦船、飛機和車輛開展演習訓練活動。它由配備真實或虛擬/增強現實應用的固定和移動訓練基地組成，為戰斗提供演習指導。在這一場景中，需要大容量、廣覆蓋和更高數據傳輸速率的固定和移動網絡相結合，以支持每平方米大量用戶、大量小尺寸數據包，并幫助收集遠程數據/視頻/語音。

• 第三種場景是后勤保障，由軍隊組織實施物資、裝備、資源和資金的分配，以及包括數字軍營固定網絡在內的各種服務。它主要包括固定或移動通信網絡上的數據、語音和視頻等基本通信。數字軍營的商業網絡和車輛/船舶的一般連接也屬于這一類。

• 第四種場景是特殊安裝場景，即執行各種軍事任務的特定網絡安裝平臺。聯網方式包括固定和移動綜合連接，需要在現有平臺上建立一個特殊網絡，以解決通信問題。它包括中繼站、作為基站的無人駕駛飛行器（UAV），以及任何其他可利用現有商業通信提升網絡性能的接入點。

圖 1. 軍事無線通信場景。

基于上述四種情況，軍事領域的通信可根據通信類型、組件、應用、最終用戶和國家進一步劃分為各種類型，如表 1 所示[3]。軍事應用對通信的基本要求是在固定和移動網絡平臺上建立快速、準確、保密和不間斷的通信網絡。新興的 5GB 網絡技術在支持國防網絡方面大有可為，其增強的通信和網絡功能可大大提高吞吐量、降低延遲、提高能效并降低成本，從而滿足許多軍事應用場合的需求。互聯或自動化設備，包括智能軍事基地/總部、自動駕駛車輛、精確訓練/演習系統、戰爭機器和精密機器人，都可能受益于 5GB 技術。此外，軍事領域的 5GB 技術可能會促進情報、監視和偵察系統及處理，并允許采用新的 C2 方法和簡化后勤系統以提高效率[4]。然而，商用 5GB 通信系統與國防 5GB 通信系統之間存在著重大差異。國防網絡缺乏廣域固定基礎設施，包括集中的資源和干擾管理設計，無法在網絡拓撲不斷變化、電磁環境復雜、傳播條件具有挑戰性的環境下支持服務。

表 1 軍事通信類型

在本文中，我們詳細介紹了用于軍事應用的 5GB 通信技術，并討論了早先移動連接創新和發展的主要兵力，如今在無線通信行業中所占的比重如何大大降低。主要貢獻概述如下：

• 我們根據軍事通信需求設計了三種典型的 5GB 應用場景。

• 我們合理解釋了軍事通信技術中峰值數據速率的下降趨勢。

• 根據軍事任務和行動的不同優先級，將 5GB 的性能指標定義為不同類別。

• 我們分析了 5GB 支持的各種關鍵技術及其在軍事通信場景中的獨特應用挑戰。

• 我們闡述了 5GB 使能技術及其在軍事通信中的可能應用和未來研究方向。

• 我們介紹了用于專用軍事通信的新型 C 波段 5G 新無線電，并分析了其在公平性約束下的性能。

本文其余部分的結構如下。第二節介紹了軍事通信系統的技術發展趨勢。第三節討論軍事通信的關鍵性能要求。第四節介紹 VGB 技術及其在軍事領域的應用案例。第五節列出并討論了軍事通信中的各種通信和安全挑戰。第六節介紹軍事通信的關鍵技術推動因素和研究方向。第七節從 5G NR-U 軍事專網的角度展開。最后，第八節對本文進行總結。

技術趨勢

從互聯網到蜂窩通信的不同領域，今天的大多數技術創新都源于早幾個世紀國防資助的技術。然而，現在越來越多的人認為，軍事需求不再是推動通信技術進步的主要動力。根據美國研究與發展公司 1999 年的研究[5]，美國軍方市場僅占美國信息技術總需求的 2%，低于 1975 年的 25%，而且此后的趨勢還在加快。此外，如圖 2 所示，2010 年的一份報告[6]、[7]、[8] 強調了美國國防部（DoD）影響力的下降。從圖中不難看出，目前商業通信技術正在推動通信技術的發展。商業技術的快速發展不僅局限于無線數據傳輸速率，還涉及移動速度、密度、可靠性、安全性、魯棒性等多個方面。

圖 2. 商用蜂窩技術正在超越其專有技術 [6]、[7]、[8]。

商業無線技術的最大推動力是集電話和計算功能于一體的智能手機的問世。移動中輕松上網和處理多媒體數據的功能為蜂窩通信帶來了巨大的沖擊[7]。除技術進步外，商業技術發展的日新月異也可以從一些商業統計數據中看出，如政府和私人（三星、Version、中興、蘋果、高通等）在信息和通信技術（ICT）研發方面的巨額投資。2012 年，全球在信息和通信技術方面的投資約為 2 791 億美元，僅美國就投資了 1 485 億美元，而美國國防部則花費了 3.85 億美元[9]、[10]。

因此，在某些一般情況下（如后勤場景），軍用手機技術（如商用智能手機）被原封不動地使用，而在其他情況下，由于安全問題，手機的直接改裝和使用被嚴格禁止。不過，制造商會根據使用情況的獨特需求定制設備（以提高耐用性）。專用設備中也使用了蜂窩長期演進（LTE）商用芯片組[11]。如文獻[12]所述，已經對 5G 技術及其潛在軍事應用進行了技術評估研究。技術報告[12]包括

• 為北約利益相關方提供知情的技術意見和建議；

• 確定 5G 技術和 5G 基礎設施的軍事應用機會；

• 制定初步的 5G 軍事參考方案，并提供支持理由；

• 為與利益相關方的后續討論提供結論和建議；

目前，各種形式的跨代通信正處于實驗驗證和演示階段，如超寬帶通信、光通信、空間通信、太赫茲連接和量子通信[13]、[14]。表 2 列出了在 12 個美國軍事設施作為試驗床進行的 5G 應用測試和實驗的初始階段[4]。2020 年 9 月 18 日，國防部提交了一份信息請求，以更好地了解 5GB 技術中的動態頻譜共享。2022 財年，國防部為 5G 和微電子技術申請了 3.74 億美元，2021 財年批準了 4.39 億美元用于 5G 技術。隨著空間通信和智能通信技術的出現，軍事通信正朝著寬帶、集成和軟件技術方向發展。根據全球數據[15]的市場分析，在 2021 年至 2028 年的預測時間段內，軍事通信市場預計將以 11.54% 的速度增長。這一增長主要受軍事戰術通信創新需求的推動，到2021年，全球軍事戰術通信創新的價值將達到1510億美元。

表 2 美國 5GB 軍事設施和測試平臺

軍事通信的關鍵性能要求

軍事通信網絡是決定作戰能力的重要組成部分之一，是確保有效和無縫執行軍事行動的重要途徑。軍事通信必須滿足基本標準：必須快速、準確、隱蔽和不間斷。表 3 從優先級、可用性、延遲、可靠性、用戶速率、移動性、連接密度、安全分類和能效八個方面總結了軍事應用的關鍵性能指標。這些 KPI 目標值，如軍事通信系統的可靠性達到 5 個 9，是由于在具有挑戰性的關鍵任務場景中需要高度可靠和彈性的通信能力。此外，實現通信的高可靠性會對系統設計產生重大影響，因為需要考慮幾個關鍵方面，如冗余和多樣性、穩健的基礎設施、可擴展性和靈活性、快速恢復和復原以及互操作性。詳細說明如下：

表 3 軍事通信系統的關鍵性能指標

A. 優先事項

軍事任務既包括基本通信服務，如消息、數據、語音和視頻，也包括關鍵服務通信，如作戰設備、車輛、機器人等觸覺操作中的 C2 通信。因此，應根據軍事任務的重要性確定網絡資源調度的優先級。而且，必須根據任務進展或作戰情況實時動態地改變優先級。軍事通信可分為高、中、低三類，分別用于戰爭實時對抗活動、訓練活動和后勤裝備保障任務。

B. 可用性

軍事通信被歸類為關鍵通信，因此網絡的高可用性至關重要。在任何特定地點，正常運行時間都應達到 99.9999%。確保基站（如冗余骨干單元）、回程（如用衛星取代光纖作為回程）和核心網絡高可用性的技術必須采用高冗余方案和自主邊緣設計。

C. 延遲

數據包到達目的地所需的時間是軍事應用中最重要的問題之一。當設備需要進行近乎實時的通信時，延遲會產生很大的影響（如物理或虛擬現實）。在軍事應用中，端到端延遲的目標是 1 毫秒，即從終端發送數據到另一端接收數據之間的時間（即傳輸、處理、排隊和傳播）。此外，無人機器人/作戰平臺的遠程控制和操作服務要求延遲時間小于 1 毫秒 [2]、[16]、[17]。

D. 可靠性

安全通信和警報系統是任務關鍵技術的范例，需要持續、可靠的連接。這些應用中的 C2 通信必須由可信度極高的鏈路提供支持。網絡應為各種特定情況和功能下的特定軍事活動提供可信服務，并在軍事活動的整個執行過程中評估網絡的可信度。通信技術應為武器打擊提供 99.999% 的可靠性，為指揮與控制提供 99.9% 的可靠性，為服務支持提供 99% 的可靠性。

E. 機動性

軍事通信需要支持從低速到高速的移動設備，如飛機、艦船和陸地戰車。在規定的服務質量（QoS）和無縫傳輸條件下，必須支持的最高速度為：最高時速大于 200 公里，中等時速為 2 至 200 公里，最低時速的獲取設備和車輛小于 2 公里。

F. 數據傳輸速率

軍事通信的用戶是作戰人員的設備、人員身體區域網絡、雷達、導彈、傳感器和其他武器設備。在特定條件和環境下，網絡的峰值數據傳輸速率可達每秒 20 千兆比特[2]。

G. 設備密度

單位面積可容納的最大設備數量稱為設備密度。軍事應用包括在戰場或作戰體區網絡中分布和互聯的大量傳感器，這些傳感器應保持特定的服務質量水平。因此，必須支持高密度區域內每平方公里 104 個設備的連接密度。同樣，在中密度和低密度部署區，每平方公里的連接密度分別為 100-104 個和少于 100 個。

H. 安全

它描述了軍事應用的安全級別。在物理網絡中，服務根據其安全級別進行邏輯隔離。機密、秘密和不安全是三個安全級別，分別獲得軍事服務中定義的高、中、低安全級別位置。

I. 能源效率

軍事任務一般包括離岸行動、登陸行動和遠離指揮所的控制行動。終端設備及其網絡應盡可能保持單位能耗可傳輸和檢索的信息量。一般來說，與戰場和一般遠程控制操作相比，武器中的傳感器需要較高的能效。

軍事通信的其他關鍵性能指標包括網絡訪問時間、低攔截概率、電子設備的魯棒性以及自組織、自修復和動態資源管理等網絡管理能力。除網絡性能要求外，國防網絡還需要針對陸基、空基和水基通信系統所采用的不同設計和技術系統進行架構優化。此外，每個架構都應進一步優化為低空平臺（LAP）、中空平臺（MAP）和高空平臺（HAP）等子級別，其中包括各種設備類型、獨特功能以及不同級別之間缺乏兼容性等問題。相比之下，人們希望網絡架構能利用聯合學習等機器學習技術提供更大的自主支持，這有助于根據部署場景自主組織網絡參數。抗干擾性對軍事至關重要，因為入侵者在戰爭中會使用無線電干擾方法來干擾軍事通信。波束成形和大規模多輸入多輸出（mMIMO）的抗干擾能力有待進一步研究。服務隔離是另一個重要特性，有助于國防網絡設備的運行，不受其他設備活動和/或基礎設施/服務提供商不請自來的任何直接或間接影響。這種隔離可以是資源層面的，也可以是管理層面的，可以在無線電層面為各種應用實現不同的子載波或分離的無線電資源塊。最后，成本并不是軍事通信的關鍵問題，但網絡基礎設施的資本支出（CAPEX）和運營支出（OPEX）成本必須降低到較低水平。

5G 技術及其在軍事通信中的應用案例

5GB 無線通信改變了蜂窩技術的功能，而不僅僅是像前幾代那樣提高數據傳輸速率和擴大覆蓋范圍。5GB 通信系統的主要目標包括：每秒 1 至 20 千兆比特的吞吐量；小于 1 毫秒的延遲；1000 個連接設備和單位面積 1000 倍的帶寬；超高速的大規模連接；99.999% 的可用性；100% 的覆蓋率；卓越的能源經濟性--能耗最多可降低 90%，機器類通信的電池壽命最長可達 10 年[19]。第三代合作伙伴計劃（3GPP）正積極致力于通過徹底改變蜂窩網絡的構建方式、可連接的節點、使用的工作頻率以及發揮的功能來實現 5G。智能交通、汽車、醫療、工業、農業、物流、能源、衛星、海事等領域的政府和私營部門將從中受益匪淺。表 4 比較了 4G、5G 和 6G 蜂窩通信支持的功能。

表 4 4G、5G 和 6G 蜂窩通信的比較 [18]

一般來說，5GB 應用分為三類：增強型移動寬帶（eMBB）、海量機器類型通信（mMTC）和超可靠低延遲通信（URLLC）。首先，也是最重要的先決條件是 eMBB，它是 4G/LTE 向 5GB 發展的必然趨勢，可支持瀏覽速度提高 10 倍，即目標瀏覽速度將從每秒 1 千兆比特開始，下載速度將超過每秒 200 兆比特。其次，開發 mMTC 是實現物聯網（IoT）目標的必要條件，即實現日常智能小工具、汽車和工業設備的互聯。最后，URLLC 是 "關鍵任務 "應用的有用應用，這些應用需要實時收集數據，以便了解態勢和快速決策。圖 3 描述了商用 5G 的三個類別及其目標應用和一般用例。此外，不同場景對各種應用的要求也不盡相同，因此我們在表 5 中描述了基于不同場景的 5G 應用的關鍵性能要求。

表 5 與場景相關的 5G 應用關鍵性能指標

圖 3. 5GB 通信技術的潛力及其應用案例。

5GB 技術的上述概念與軍事通信在全球范圍內提供綜合多媒體服務的操作要求相似。5GB 能夠將傳感器與配備強大人工智能算法的無人機和機器人連接起來，這將帶來更快、更高效的武器，并減少參與戰爭災區的士兵人數。有了 5GB 固定無線接入 (FWA) 服務，軍方可以在沒有有線連接基礎設施的地區實現最后一英里的固定連接。毫米波、波束成形、mMIMO 和共享頻譜接入技術相結合，可在防御中實現超高速全雙工連接。此外，由于 5GB 技術可實現側向鏈路通信，因此無需使用衛星或通信中繼無人機等集中式基礎設施，即可實現戰斗機和機器之間的點對點通信。軍方內部也在爭論 5GB 技術的脆弱性、基礎設施和覆蓋范圍，但有一點是肯定的：如果沒有 5GB 通信，國防和其他領域就幾乎不可能充分挖掘大數據、人工智能和云處理所帶來的潛力。

5GB 無線網絡有望為幾乎所有可以想象到的設備帶來無處不在的連接，從而產生一系列具有不同需求的新的相關服務。例如，完全自主的戰車將需要使用各種無線通信技術來實現車對車（V2X）通信。同樣，為了實現基地/倉庫的數字化和觸覺操作中機器人活動的自動化，軍事物聯網（mIoT）將依賴于廣泛的連接、云計算資源、人工智能和大數據分析。為了向作戰人員提供定制化的精準醫療服務，移動和電子醫療將依賴于分散的模塊化架構和更好的數據保護措施，而大量的 mIoT 設備將提供大量的數據支持。然而，5G/物聯網通信架構與軍事通信架構在目標、作戰環境、網絡特性、安全性和互操作性方面仍存在巨大差距。以下是一些需要考慮的關鍵區別：

• 5GB 通信架構旨在為商業用戶提供高速、低延遲的連接，而軍事通信架構則應滿足軍事行動的特定需求。

• 5GB 網絡主要在民用環境中運行，滿足城市、郊區和農村地區預先確定的覆蓋范圍和容量要求，而軍事通信系統則在動態且往往充滿敵意的作戰環境中運行。

• 5GB 網絡采用基于云的核心網絡集中式架構，而軍用系統通常采用分布式架構以提高彈性。

• 5GB 網絡通過網絡切片和虛擬化等技術優先考慮可擴展性和高效資源分配，而軍用通信系統則強調彈性、適應性和自主聯網能力。

• 5GB 的互操作性基于標準化協議和接口，可實現商業用戶之間的無縫連接。而軍用通信系統則需要各種軍用無線電系統和設備之間的互操作性，通過互操作性標準（如聯合戰術無線電系統（JTRS））來實現。

大多數軍事服務不容易符合 eMBB、mMTC 和 URLLC 三類 5GB 用例，而這三類用例一般是根據其所需的性能質量來定義的。因此，5GB 用例不僅可以根據性能特征進一步分類，還可以根據正在發生的交互類型進一步分類：士兵之間、機器之間或士兵與機器之間。圖 4 提供了各種軍事用例的分類，涵蓋了廣泛的交互和性能劃分。這些需求表明，網絡轉型需要使用 NFV（網絡功能虛擬化）、SDN（軟件定義網絡）、MEC（多接入邊緣計算）和服務間網絡切片等技術手段，以滿足日益增長的服務需求。要實現這些目標，需要 5GB 系統設計者、用例開發者和垂直行業之間的協調。

圖 4. 軍事應用中的 5GB 用例。

軍事通信中的通信和安全挑戰

如圖 4 所示，新興的 5GB 連接，特別是對軍事而言，將不僅僅是快速連接的電話交談和快速的多媒體下載。事實上，5GB 可能會成為現實，國防指揮官稱之為 "信息層[20]"，在這里，來自視頻、音頻、傳感器、目標、監視甚至遠程武器瞄準器的數據都可以從作戰工作環境（如飛機駕駛艙或艦橋）快速、輕松地接收到。有了信息層，作戰人員有望管理和訪問遠程電器/設備、工作場所小工具、訓練儀器和計算工具，并與世界上任何地方的同行進行通信。5GB 的能力將極大地改進情報、監視和偵察（ISR），以及更快、更安全的指揮和控制，使后勤工作更加井然有序，使無人駕駛車輛更加擁擠，并使虛擬現實和增強現實技術在模擬、演習和任務式試驗中得到廣泛應用。此外，地球上任何地方的即時連接、具有空中重新瞄準功能的智能超音速武器、對戰場關鍵任務信息的大量獲取，以及可在商用空域與客機安全并肩飛行的無人戰斗機/無人機，都是 5GB 的可能性所在。

盡管 5GB 商業通信技術取得了巨大突破，其中大部分可為國防部門所用，但仍需要在 5GB 通信和網絡方面進行以軍事為重點的研究和更新。值得注意的是，軍事通信中采用的具體技術可能會根據行動的性質、信息的敏感程度以及特定時間的可用技術而有所不同。軍事組織會不斷改進其通信戰略，以應對新出現的威脅，并采用新技術來增強安全性和應變能力。以下是一些旨在保護敏感信息、防止未經授權訪問、確保可靠傳輸和保持行動有效性的技術。

• 先進的加密方法，如公鑰加密法，通常用于保護機密信息。

• 采用雙因素認證和生物測定等強大的認證方法，確保只有獲得授權的軍事人員才能訪問敏感信息。

• 軍事通信系統采用自適應波束成形、頻率敏捷性和功率控制等抗干擾技術，以減輕干擾攻擊的影響，并在具有挑戰性的環境中保持通信能力。

• 直接序列擴頻（DSSS）和跳頻擴頻（FHSS）等擴頻技術用于在寬頻帶內傳播信號，使其具有更強的抗干擾和抗干擾能力。

此外，軍事通信網絡還面臨著商業研究和創新無法解決的獨特挑戰。具體包括

• 1）商業蜂窩連接依賴于組織完善且安全的基礎設施，而另一方面，軍事部門可能需要在沒有此類基礎設施的地區進行連接。此外，通信網絡大多受到惡劣天氣和多變地形的影響。海上、空中和敵方領域的軍事通信不能依賴永久性基礎設施，也不能配備固定基站（BS）。此外，軍事通信網絡對廣域覆蓋和海、陸、空、天多域連接的需求也沒有得到商業網絡的充分考慮。

• 2）軍事通信網絡的拓撲結構隨時動態變化，不像商業網絡有集中的網絡服務，如固定的核心網絡與接入網絡。多跳網絡在軍事通信中更為常見。這種網絡的理論基礎在商業網絡中并不像只使用單跳鏈路的網絡那樣明確和成熟。

• 3）軍事通信由多個異構網絡組成，其中包括多種無線電接入技術的共存，以及在同一地理區域內運行的不同規模的小區。商業網絡也可以是多種多樣的，但它們不必應對相同程度的時間和地理變化。在動態環境中，跨異構網絡連接仍然是一個關鍵問題。

• 4）軍事通信網絡必須能夠抵御強電磁干擾，同時還能提供安全傳輸，提高保密性和可靠性。它們必須應對干擾和電子戰等敵對行動，以及計算機、傳感器、無線電等領域的新型先進商業技術激增所帶來的復雜性和先進性。

• 5）軍事通信正遭受著帶寬低且時斷時續的困擾，因為它不斷失去以前專用于軍事用途的頻譜。其中一個例子是公民寬帶無線電服務（CBRS）頻段（3550-3700MHz），該頻段以前僅由軍方和海軍使用，但現在通過采用一般授權訪問（GAA）和優先訪問許可（PAL）計劃的共享訪問方式開放給商業使用。

• 6）由于 5GB 尚不成熟，其標準、安全原則和頻譜規則仍在制定過程中，因此很難加快軍方向 5GB 的過渡。5GB 需要考慮全套設備保護、穩健的物理層、動態網絡路由、獨立于 GNSS 的網絡定時、隱藏流量模式、低檢測概率以及分散方式的網絡節點驗證。

• 7）由于 5GB 網絡將傳輸大量敏感的個人、商業和政府數據，因此將成為潛在對手的目標。對手可能會參與間諜活動，危及全球人民的隱私和權利，和/或削弱關鍵基礎設施。

• 8）要確保軍方能夠在全球 5GB 環境中執行任務十分困難，因為潛在對手試圖控制主要伙伴國的 5GB 市場，這可能使他們通過供應鏈漏洞、惡意軟件和/或內部威脅獲得未經授權的網絡和數據訪問權限。因此，對手可能會利用對 5GB 市場的控制來推進安全和外交政策目標，最終損害國家利益。

• 9）其他潛在問題 [4]：

  • 什么樣的頻譜管理策略（如頻譜共享、頻譜重新分配）既能最好地保障國防部的任務，又能滿足商業需求？

  • 盟國和伙伴國開發的 5GB 基礎設施會對本國的國家安全造成什么威脅？是否有可能控制這種風險？

  • 國家是否應該限制與使用敵國提供的 5GB 設備的國家進行情報合作？

  • 商用 5GB 技術在多大程度上容易受到對手的干擾攻擊？

  • 由于軍事 5GB 的進步或使用，是否需要修改作戰原則、兵力組織、條令或態勢？

當我們把所有這些考慮因素與更普遍公認的挑戰（如對堅固性、安全性和隱蔽性的要求）相加時，就會發現軍事通信仍然需要大量的研究和開發。盡管網絡為作戰行動提供了更大的靈活性和更高的效率，但由于需要高度的網絡安全、特殊的作戰環境和設置，網絡也帶來了一些新的挑戰。對網絡的依賴與日俱增，因此，充分理解和解決這些問題，為現有和未來的軍事通信系統提供穩健安全的基礎設施就顯得尤為重要。 由于軍隊在充滿敵意和爭議的環境中工作，5GB 系統的安全性、隱私性和可信度至關重要。由于對機密信息泄露的安全擔憂，目前在軍事領域采用現有 5G 解決方案受到限制。在此背景下，[21] 號報告研究了 2030 年軍事行動場景中與 5G 連接技術相關的網絡安全挑戰。有必要使用基于風險的框架來確保在敵對環境中使用的設備、武器系統和應用程序的 5GB 網絡的保密性、完整性和可用性。5GB 網絡中的一些威脅包括認證和密鑰協議攻擊、頻譜切分攻擊、導致欺騙的尋呼攻擊、性能下降和拒絕服務攻擊。此外，物理層安全還可通過波束成形、協同傳輸和人工噪聲注入來補充傳統的加密方案[22]。

在未來的 5GB 網絡中，將使用邊緣云計算、開放無線接入網（O-RAN）、應用編程接口（API）、基于服務的架構、物聯網和虛擬/云基礎設施，但這些都可能成為被攻擊的威脅載體，并與 DoS、中間人、隱私泄露等聯系在一起。5G 網絡核心基于網絡虛擬化技術構建，而網絡虛擬化技術嚴重依賴 HTTP 和 REST API 協議，這些協議都有可能遭到破壞。此外，對手還可能發起干擾攻擊。因此，有必要提供邏輯隔離技術和物理層保護。此外，保護設備免受冒充攻擊和中間人（MiTM）攻擊對于確保個人信息的安全也至關重要。這些風險包括身份欺騙、使用惡意基站、利用薄弱的身份驗證協議、缺乏端到端加密以及物聯網設備的漏洞。攻擊者可以冒充合法設備或用戶，截獲和篡改數據，并利用身份驗證過程中的弱點。雖然 5GB 提供了強大的加密功能，但端到端加密可能并不總能得到執行。此外，5GB 網絡中大量的物聯網設備可能會增加出現漏洞和設備受損的可能性。為應對這些風險，有必要采取強有力的安全措施，如強大的身份驗證、加密、安全網絡配置和持續監控。[23]、[24]、[25]、[26]和[27]等文章中的研究與合作對于解決新出現的威脅和 5G 網絡特有的漏洞至關重要。為了提高安全性，必須不斷用最新的操作系統和應用程序補丁更新設備。強大而獨特的密碼加上雙因素身份驗證可提供額外的防御層。連接公共 Wi-Fi 網絡時應謹慎，可使用虛擬專用網絡 (VPN) 進行加密瀏覽。驗證應用程序權限、從官方渠道下載應用程序以及警惕網絡釣魚企圖都是必不可少的預防措施。安裝信譽良好的移動安全軟件、加密設備和定期備份數據也是建議采取的措施。通過采取這些措施，用戶可以最大限度地降低移動設備遭受冒充攻擊、MiTM 攻擊和其他安全漏洞的風險。

此外，底層硬件的可信度也會對 5GB 系統的安全性產生影響。在私有 5GB 系統中，在集成來自多個供應商的 5GB 設備時，存在供應鏈安全威脅和對手威脅。軍方應確保 5GB 設備和網絡的可信度，這可以通過確保與合作伙伴和行業的密切合作來管理。他們應證實供應商遵守嚴格的監控、檢查、物理安全、操作安全和實踐指南，同時不安裝來自對手的 5GB 設備。

關鍵技術推動因素和研究方向

A. 頻譜

美國聯邦通信委員會（FCC）在拍賣 CBRS 頻譜 5GB [28]之后，正致力于釋放越來越多的頻譜供 5G 使用。在交易覆蓋范圍和容量的基礎上，FCC 將可用頻段分為低頻段、中頻段和高頻段。低頻段（1 GHz 以下）頻譜為軍事通信提供了廣闊的覆蓋范圍，在數百平方英里范圍內，單個 BS 就能為數千名用戶提供服務。另一方面，中頻段（1 GHz - 6 GHz）被認為是理想的頻段，因為它可以長距離傳輸大量數據。此外，中頻段還具有良好的抗雨能力和強大的覆蓋容量比，并采用共享頻段機制，可與傳統頻段技術共存。最后，高頻段（6 千兆赫以上）可實現超高數據傳輸速度和小距離高帶寬通信，這是自動駕駛汽車、虛擬現實以及智能基地/總部/倉庫等其他數據密集型應用所必需的。因此，軍事通信技術可以利用這些頻段及其獨特的特性來實現其任務目標 [29]，[30]。此外，多頻段操作和多頻譜共享范例可通過在 RAN 上集成/聚合所有或任何頻段來實現，這將以更低的成本提高數據的可靠性、可用性和彈性 [31]、[32]、[33]。 多種多樣的 5GB 頻段為大容量、廣覆蓋和電磁獨立的軍事系統打開了大門。

B. 國防網絡切片

網絡切片允許多個垂直部門利用共同的網絡基礎設施，同時保持完全隔離[34]。利用網絡功能虛擬化（NFV）、軟件定義網絡（SDN）和虛擬專用網絡（VPN）等技術，形成一個跨端到端（E2E）網絡基礎設施的邏輯網絡[35]。5G 有三種基本的網絡片：eMBB、mMTC 和 URLLC。eMBB 網絡片需要高流量帶寬、高密度用戶和中低移動性[36], [37], [38]。eMBB 片可以支持虛擬/增強現實（VR/AR）媒體以及軍事訓練、超高清視頻監控、軍用可穿戴設備等應用。mMTC 片包括大量聯網設備，這些設備通過無線電鏈路需要最小的吞吐量和間歇性低流量非延遲敏感數據。軍事物聯網（MIoT）是 mMTC 的用例之一，它是一個連接軍事設施、作戰設備、武器裝備和士兵的智能設備網絡。URLLC 切片要求移動場景中的數據服務具有最小延遲和高可用性 [39]，[40]。遠程控制和觸覺通信涉及近乎實時的人機（或機機）界面，是軍事網絡中的一些應用。此外，國防部（MoD）作為運營商，也可以通過相同的遠征 5GB 基礎設施為不同兵力提供軍事網絡切片，以同時滿足延遲關鍵型、可用性關鍵型和可靠性關鍵型通信的需求。網絡切片還允許軍方將商業基礎設施切片用作專用的類似于托管領土的私有基礎設施，為用于戰術的私有軍事系統提供系統級解決方案。

C. 分布式計算

移動云計算（MCC）是一種創新的移動計算系統，它結合了各種云和網絡技術的動態資源，在異構環境中通過互聯網隨時隨地為大量移動設備提供無限的能力、容量和便攜性[41], [42]。根據數據處理和數據存儲發生在移動設備之外的位置，基于云的 MCC 資源可分為四類，它們是近端固定云、近端固定計算實體、近端移動計算實體和混合云。云功能在戰術環境中最具優勢。空軍可利用戰術云來監視、管理、控制和保衛其許多航空資產。通過邊緣和云計算，空軍每周可節省數百萬美元的加油機加油費用，特別是在噴氣機在空中飛行時，通過云中更好的預測后勤服務，可節省加油機加油費用。此外，可部署的戰術云還能讓海軍和特種作戰部隊在戰術邊緣作戰時擁有更好的通信和 C2 網絡。例如，士兵可能正在執行監控任務，但當他們到達某個地點時，情況可能發生了變化，從而將行動轉變為情報、監視和偵察（ISR）任務。邊緣計算使他們能夠修改自己的邊緣設備并啟動軟件，從而在現場收集更多數據并進行更深入的分析，無論這些設備是否連接到網絡。同樣，通過在國防云中運行完全獨立的移動核心和小型 RAN，MCC 可以實現應用層面的低延遲和集群的自主運行（無回程連接）。

D. 側鏈路通信

5GB 新無線電（NR）技術使能器將允許設備通過一種稱為 Sidelink 通信的過程直接相互通信 [43]，[44]。Sidelink 可在專用、許可和非許可等不同配置下運行，可在不同環境中靈活采用。此外，由于 Sidelink 將通信鏈路限制為一跳，因此可顯著降低延遲，多跳中繼有助于節省功耗、克服鏈路預算限制并提高延遲和可靠性，這對于關鍵任務應用至關重要。此外，NR Sidelink 中繼自然擴展了互聯智能邊緣，為交通安全、公共安全通信、范圍和容量擴展提供了動力。用于 AR/VR 戰斗的體域網絡服務可受益于 Sidelink，利用其直接連接取代藍牙連接，并最終取代 Wi-Fi 連接，還可在沒有網絡覆蓋的地區用于士兵之間的通信。因此，許多軍用小工具的通信架構可能會發生革命性的變化。軍用通信不再為每種使用情況提供不同的無線電接口，而是可以完全依賴 Sidelink 作為廣域、局域和個人區域通信的鏈接。此外，基于 Sidelink 的中繼或多鏈路中繼也可在軍事通信中實施，以實現小區覆蓋并在惡劣環境條件下提供支持。Sidelink 也是 MIoT 未來發布的候選功能[45]。因此，Sidelink 可用于多種 "無基礎設施 "的戰術場景，其中需要無線系統的多層和/或網狀布局。

E. 波束成形和大規模多輸入多輸出

波束成形是一種將無線信號導向特定接收設備的方法，而不是像廣播天線那樣將信號向四面八方傳播[46]。波束成形通過將信號集中式地傳送到某個方向來提高接收器的信號質量。這意味著數據傳輸更快、更準確。此外，這種精確度可以在不增加廣播功率的情況下實現。以前，開發波束成形系統的成本很高，因為需要多個大型天線組件，這就必須采購額外的材料。利用商用 5GB 毫米波技術[47]是將商用蜂窩系統定向波束成形系統的尺寸、重量和成本降至最低的最佳選擇。這是因為毫米波具有高頻輸出，可在狹小的空間內安裝數百個小型天線。基于毫米波的波束成形更容易在軍事平臺上實現系統集成。波束成形在軍事應用中有多種用途，如改進的定向波束成形將使戰術通信比標準廣播天線更有效，因為軍方可以同時使用和重復使用分配的每一片頻譜。波束成形通信系統有助于在前線綿延數百公里的偏遠地區進行多域沖突，還可根據兵力（GPS）位置對紅軍進行無效定位。此外，在地面和空中機器人戰車上使用波束成形通信技術，可以讓士兵操縱無人設備進入敵對地形，同時與它們保持聯系。定向波束成形和 mMIMO 技術有助于提高網絡的魯棒性。它還被視為解決軍隊面臨的主要通信挑戰之一，即多個獨立無線網絡共存的解決方案。

F. 非地面網絡（NTN）網絡

5GB NTN 可在非地面平臺上實現 5G NR 的優勢 [26]、[48]、[49]。非地面網絡技術解決方案正在第 16 版工作中進行評估，而規范預計將在 3GPP 第 17 版發布。前幾代無線網絡只能為部分基于 NTN 的通信提供連接[50]。另一方面，5GB 預計采用三維（3D）異構架構，其中地面基礎設施與 NTN 或衛星網絡（如無人機、高空平臺 (HAPS)、低地球軌道 (LEO) 等）相輔相成，以促進無處不在、大范圍和極高的連接性 [51]。NTN 可在交通擁堵和服務不佳的地區提供按需、成本較低的連接，以及回程、高移動性數據傳輸、高吞吐量和無處不在的連接服務。3GPP 正在根據不同空域間連接的嚴重程度推廣各種 NTN 設計 [52], [53]。3GPP 預測了以下目的：

• 衛星將用戶信號從饋線鏈路復制到服務鏈路，反之亦然，從而創建一個透明的基于衛星的 RAN 架構。

• 基于衛星的自適應 RAN 架構，其中衛星有效載荷重新生成從地面接收的信號，同時實現衛星間通信。

• 多連接設計，包括兩個透明的 RAN（地球靜止軌道（GEO）和低地軌道（LEO）的組合），并協助集成 NTN 和地面接入。

多年來，近地軌道網技術一直被用于協助氣象、監視攝像機、電視廣播、遙感和地圖制導等軍事功能。目前，空天技術的進步為地面技術和 NTN 技術的融合鋪平了道路，使軍事通信服務有了更復雜的觸覺應用。一些極端情況下的應用包括 (1) 當地面網絡擁塞或癱瘓時，NTN 可提供替代連接路徑，以提供持續的無線網絡覆蓋；(2) NTN 平臺可結合移動邊緣云功能，為地面終端提供更強的計算和存儲能力，實現 3D 連接； (3) 衛星平臺與地面網絡的頻譜聚合可通過空間網狀網絡向地面設備提供高容量連接；(4) NTN 終端可在無法接入有線回程的地點無線處理地面回程請求；(5) 無人機和衛星還可充當 MIoT 流量的移動收集器，為基于傳感器的服務提供全球連接。

圖 5 顯示了概念架構，表 6 顯示了用于軍事應用的五項關鍵使能技術摘要。要充分挖掘 5GB 在軍事應用方面的潛力，可以考慮應用特定的 5G 技術，而不是整個 5G 生態系統。必須對 5GB 關鍵技術及其面向國防的適用性研究進行詳細的研究和分析，并調查將 5GB 應用于作戰各個方面和領域的可能性，確定能力極限。

表 6 關鍵賦能技術概述

圖 5. 軍事應用的關鍵使能技術。

各種頻譜的使用、防御網絡切片、分布式計算和側鏈路通信等 5G 使能技術可極大地幫助實現高可靠性和低延遲通信。

• 使用各種頻譜有助于創建冗余路徑并確保連續運行，這有助于提高可靠性并減少因信道擁塞而造成的通信延遲。

• 網絡切片可在共享基礎設施內創建專用虛擬網絡。通過分配專用資源和優先處理流量，網絡切片可確保 URLLC 應用獲得必要的帶寬和延遲保證，從而實現高可靠性和低延遲。

• 分布式計算使計算能力和存儲更接近網絡邊緣，從而通過在靠近 URLLC 應用程序的地方處理數據來改善延遲。此外，由于處理資源與應用之間的距離最小，因此可以實現超低延遲。

• 利用 Sidelink 通信功能，軍事應用可以通過直接和近距離通信、提供冗余和支持 ad hoc 網絡來實現更低的延遲和更高的可靠性。

• 采用先進的天線系統（如 mMIMO）可通過分集、空間復用和波束成形技術增強信號強度、覆蓋范圍、可靠性和吞吐量。

• 在某些情況下，NTN 提供的替代基礎設施和連接選項可以克服地面網絡的局限性。軍事行動可以利用縮短距離、冗余、廣覆蓋、抗災能力、獨立基礎設施和低延遲解決方案來提高通信可靠性和減少延遲。

5G NR-U 軍事專用網絡透視

海軍雷達使用的 C 波段（3.55-3.7GHz）可視為實現軍用 5GB 專用蜂窩系統的關鍵頻段之一 [54]，[55]。這是因為這些頻段利用率極低，雷達占用率每年僅為 9% 到 25% [56]。此外，這些頻段存在于有限的地理區域；因此，通過實用的保護距離和嚴格的干擾保護機制，可以建立與現有海軍雷達共存的二級 5GB 軍事通信系統。在此背景下，我們提出了 5GB NR-U 技術（3GPP Rel-16），作為軍事通信系統的一種有吸引力的方法。NR-U 源自已被廣泛接受的 LTE-U/LAA 方法，其中對 LTE 協議棧進行了調整，以協助與雷達和 Wi-Fi 等其他技術共存 [57]、[58]。此外，對 LTE 協議棧的此類更改可顯著減少雷達所需的投射距離，從而增加信道中的頻譜接入機會。例如，NR-U gNB 可感知雷達旋轉模式，并相應調整其占空比（開-關持續時間），使其傳輸不與正在進行的雷達傳輸重疊。此外，NR-U 還支持公平共存，在這種情況下，Wi-Fi 服務受到的影響不會超過同一載波上的額外 Wi-Fi 網絡。因此，如圖 6 所示，NR-U 與傳統的 Wi-Fi 或新的 Wi-Fi 連接可以很容易地為多樣化和密集的軍事后勤環境進行設置。

圖 6. 5GB NR-U 部署場景。

在本研究中，我們考慮的部署場景是軍方覆蓋一個有限的地理區域，如文獻 [59] 所述，該地理區域被進一步劃分為三個部分：雷達區、專屬區和后勤區。后勤區由其覆蓋范圍周圍的多個 NR-U 小區組成。在評估中，我們采用了單個 NR-U 小區，其性能可復制到其他 NR-U 小區。我們使用 MATLAB 開發了一個系統級仿真平臺。NR-U BS 在 3.5 GHz 信道中支持的 NR-U 用戶數量和其他網絡參數如表 7 所示。在同一信道中，Wi-Fi AP 和 Wi-Fi 站與 NR-U 服務共存。NR-U 用戶和 Wi-Fi 站在小區覆蓋范圍內任意分布。在 Wi-Fi 網絡中，所有 STA 都利用一種稱為分布式協調功能（DCF）協議的載波感知方案來爭奪信道接入權，而 NR-U BS 則采用 ETSI 支持的 LBT 類別 4（用于 FBE 方法）[60] 或占空比基礎方法（在適當的持續時間內自適應地占用共享信道）。

表 7 模擬參數

結論

5GB 技術擁有影響任何國家經濟和國家安全的重要能力。軍隊必須學會采用 5GB 所提供的連接性，以必要的速度、精度和效率開展行動，從而在未來保持有效性和生存能力。當前的 5GB 技術為軍事應用帶來了多方面的機遇和風險。軍方蘭德公司的主要任務應該是加快開發和部署支持 5GB 的能力，同時確保其系統強大、安全、有彈性且可靠，能夠抵御對手。

目的

美國政府面臨著保持作為世界上空間物體編目數據提供者的步伐挑戰。用非傳統的傳感器來增強能力，是一種快速和低成本的改進。然而，巨大的交易空間和未開發的系統性能要求給成功的資本化帶來了挑戰。本文旨在通過一個多學科的研究，更好地定義和評估增強功能的效用。

設計/方法/途徑

假設的望遠鏡架構在不同的時間里被建模和模擬，然后在啟發式算法中使用多目標優化對性能措施和約束進行評估。決策分析和帕累托優化確定了一套高性能的架構，同時保留了決策者設計的靈活性。

研究結果

建議將容量、覆蓋率和未觀察到的最大時間作為關鍵性能指標。在1017個架構中，共有187個被確定為最佳表現者。總共有29%的傳感器被發現在80%以上的頂級架構中。其他考慮因素進一步將交易空間減少到19個最佳選擇，這些選擇為每個空間物體平均收集49-51個觀測數據，平均最大未觀測時間為595-630分鐘，提供地球同步軌道帶的冗余覆蓋。這意味著與模擬的僅有政府的基線結構相比，能力和覆蓋面增加了三倍，未觀察到的最大時間減少了2小時（16%）。

原創性/價值

這項研究利用基于物理學的模型和現代分析技術，驗證了增強型網絡概念的效用。它客觀地回應了要求改進編目工作的政策，而不是僅僅依靠專家得出的點解決方案。

許多軍事人工智能的研究和開發資金是針對短期內可以實現的戰術級系統的改進。在這里，人工智能（AI）的潛在好處往往受到感官輸入質量和機器解釋能力的限制。然而，為了充分理解人工智能在戰爭中的影響，有必要設想它在未來戰場上的應用，傳感器和輸入被優化為機器解釋。我們還必須嘗試理解人工智能在質量上和數量上與我們的有什么不同。本文介紹了綜合作戰規劃過程中自動化和機器自主決策的潛力。它認為，人工智能最重要的潛力可能是在戰役和戰略層面，而不是戰術層面。然后探討了更多機器參與高級軍事決策的影響，強調了其潛力和一些風險。人工智能在這些情況下的應用發展應該被描述為一場我們輸不起的軍備競賽，但我們必須以最大的謹慎來進行。

1 引言

目前，人工智能（AI）的民用發展大大超過了其在軍事方面的應用。盡管知道網絡將是一個重要的未來領域，但國防部門還沒有習慣于數字-物理混合世界，因此，國防部門與新的社會技術的顛覆性變化相對隔絕。在軍事上運用人工智能的努力往往集中在戰術應用上。然而，人工智能在這些領域的好處受到輸入傳感器的限制，它們被用來復制人類的行為，并在需要與物理環境互動的角色中使用。在作戰和戰略層面上，軍事總部的特點是信息的流入和流出。如今，這些產品無一例外都是完全數字化的。考慮到作戰計劃的過程，可以看出，即使在目前的技術水平下，其中有很大一部分可以可行地實現自動化。這種自動化的大部分并不構成可能被理解的最純粹意義上的人工智能，即 "擁有足夠的通用智能來全面替代人類的機器智力"。然而，軟件可以在特定任務中勝過人類的事實，再加上高級軍事決策過程被細分為此類特定任務的事實，使其成為比較人類和機器決策的優點、限制和能力的有用工具。這樣做，人類的能力似乎有可能被輕易取代。因此，追求軍事決策自動化的動機肯定是存在的。本文討論了部分自動化軍事決策的潛力和實用性，并想象了為這些目的無限制地發展人工智能可能帶來的一些風險和影響。