隨著必須考慮的大規模作戰行動環境的廣泛性，美國陸軍網絡作戰的重要性也在不斷增加。傳統上，網絡作戰支持被視為一種戰略資產。美國陸軍網絡司令部（ARCYBER）認識到戰術指揮官需要利用網絡效應，并發布了最新政策，允許戰術指揮官提交網絡支持請求。由于網絡目標的影響深遠，而網絡支持資源的能力有限，因此有效處理這些請求非常重要。效率是衡量有效性的主要標準，體現為處理請求的及時性。計算建模提供了一種在幾分鐘內生成和處理超過一百萬個請求的途徑，同時還能比較流程的不同變體，而不是等待在現場吸取經驗教訓。本文創建了一個仿真模型來表示這一請求流程，同時在支持團隊的熟練程度和學習行為中加入隨機變化，然后通過設計的實驗進行結構化測試，以深入了解流程的性能。請求服務時間、到達率、起始熟練程度和學習曲線對整體效率起著重要作用。建議在收集到更多數據后進行進一步實驗。此方法為類似研究中的人類行為效果建模奠定了基礎。

聯合全域指揮與控制（JADC2）是一項在信息共享方面的巨大工作--感知、理解和行動，以增強聯合部隊指揮官的作戰能力。這一工作將利用物質和非物質的解決方案，并修改現有的政策、權力、組織結構和操作程序。JADC2的目標是賦予美軍聯合部隊奪取、維持、保護、獲得信息和知識，以及保持決策優勢和優越性的能力。美國防部專家提出了一些挑戰和問題，包括但不限于：JADC2相關工作的組合管理的需要、JADC2內部的決策權力結構、可負擔性和具體的預算分配、擬議技術的技術成熟度以及最佳技術系統設計和生命周期管理。本文從學術/科學的角度審視JADC2，以確定各領域（工程、科學和社會科學）的學術機構可以為創建一個最先進的聯合全域指揮與控制系統做出貢獻的多種機會。

1 引言

美國軍隊在一個不斷變化的作戰環境中運作，需要快速適應不斷變化的環境。在這樣一個動態環境中，實現和保持信息優勢是最重要的。為此，美國國防部（DoD）建立了聯合全域指揮與控制（JADC2），這是一個旨在提高聯合部隊C2能力的倡議和概念（Hoehn，2022）。然而，由于國防部內部各部門之間存在著巨大的差異，JADC2的發展和實施需要付出相當大的努力，以考慮所有利益相關者和參與機構的不同需求和觀點。

為了指導和監督JADC2的開發和實施，已經成立了一個跨職能的團隊，該團隊將與國防部副部長相關的工作人員合作，該團隊由來自不同機構的高級行政服務（SES）級別的成員組成，例如，國防部、國防部長辦公室、國防高級研究計劃局、空軍、陸軍和海軍（Hoehn，2022）。這個團隊的主要目標和重點是以實施計劃的形式確定和實施指揮和控制的改進。

本文概述了JADC2倡議的現狀，提供了一系列建議，并確定了幾個機會來解決和改進JADC2在技術、組織和數據企業等多個領域的一些關鍵挑戰。本文首先介紹并概述了與聯合性和JADC2有關的重大挑戰。它簡要介紹了JADC2的歷史，然后是JADC2的一般概念性概述。本文的下一部分提供了一套技術和概念解決方案，以及研究、開發和采購技術所需的方向，這些技術將使國防部實現一個有彈性和優雅的JADC2高級解決方案。

2 研究歷史與進展

在JADC2倡議之前，獨特的指揮和控制系統（C2）由每個部隊獨立擁有和運行（Hoehn, 2022; McInnis, 2021; Theohary, 2021; Woolf, 2021）。從歷史上看，每個軍種都開發和獲得了自己獨特的戰術指揮和控制網絡，在不同的武器系統、平臺和操作領域往往不兼容。因此，決策的時間周期和決策所需的關鍵時間敏感數據的傳輸是緩慢的、冗余的和組織上的管道（高級戰斗管理系統，2022），除了地理上分離的指揮單位外，空中、陸地、海上、太空和網絡空間等領域也被分開處理（國防部，2022；費克特，2022；奧羅克，2021；西奧哈里，2021）（高級戰斗管理系統，2022；國防部，2022；美國武裝力量學說，2013）。雖然不同部隊擁有的多個指揮和控制系統使得高度專業化和有效的解決方案得以開發和實施，但它也需要各方面的巨大努力，并限制了所有部隊之間的威脅反應能力和信息共享（Feickert, 2022）。

傳統的C2系統有一個缺點，就是可能容易受到對手的反介入和拒絕攻擊。對手的反介入/區域拒止（A2/AD）戰術，包括電子戰、網絡武器、遠程導彈、先進的防空系統和GPS拒止，可以影響我們的作戰能力和依賴傳感器和技術的決策周期（先進作戰管理系統，2022；弗里德曼，2019；聯合學說出版物5指揮與控制，2012；克雷舍爾，2001）。此外，目前的威脅不再局限于個別領域，這使得我們很難用專門的和部分孤立的解決方案來應對。因此，國防部領導人表示需要以廣泛的方式擴大信息的獲取，以提高整體的靈活性和對來自不同方向的緊急情況的準備（Doctrine for the Armed Forces of the United States, 2013; Jointness - A Selected Bibliography, 1993; Kirtland, n.d.; Transforming the Joint Force, 2003; Woolf, 2021）。

JADC2倡議和擬議的共享基礎設施將加強和提高所有武裝力量和服務的有效性。這樣一個共享的基礎允許同時和連續的行動，以及所有領域的能力的持續整合。近年來，為了聯合特定的行動領域并利用聯合信息和技術的優勢，已經做出了重大努力，如空地戰概念（Kirtland，n.d.）、DARPA的馬賽克戰爭計劃、空軍先進作戰管理系統（ABMS）、海軍的超配項目和陸軍的融合項目（Congressional Research Service，2021b）。在其他國家，如荷蘭和印度，也有不同形式的聯合工作報告（Birch等人，2020；國會研究服務，2022；Nardulli等人，2003）。此外，在2019年和2020年進行了JADC2測試（McInnis，2021）。由于復雜性不成比例的增加，傳感器網絡的連接性越來越強，以及超過人類認知能力的新穎而復雜的聯合技術，到今天為止，還沒有任何特定的解決方案被廣泛實施。

已確定的幾個挑戰如下：

• 需要更多的批準步驟來整合多個領域（Builder等人，1999）。
• 規劃者在相關的多領域操作方面沒有足夠的專業知識，也無法獲得相關的信息（Builder等人，1999）。
• 對多域作戰通信系統的依賴性增加（Builder等人，1999）。
• C2遺留系統的不相容性
• 存在單一領域或以服務為中心的思維方式，以及文化和組織偏見（Builder等人，1999）。
• 整合多個領域增加了統一工作的風險
• 管理方面和預算分配（Alberts & Hayes, 2006）。
• 部門間的沖突和競爭（Alberts & Hayes, 2006）。
• 重疊的組織結構（Hoehn, 2022）。

這些挑戰不僅影響到JADC2的技術或文化可行性，而且也對國會在預算和資助這一重大努力方面構成挑戰（國會研究服務，2021b）。JADC2計劃將解決和應對這些挑戰。

3 聯合全域指揮與控制概念和框架

JADC2設想了未來聯合部隊的指揮和控制能力。它的目標是建立一種作戰能力，能夠在戰爭的各個層次和階段，在所有領域，與合作伙伴合作，有效地感知、解釋和回應。最終目標是以前所未有的速度和相關性提供信息優勢（Alberts & Hayes, 2003; Kirtland, n.d. ）。JADC2戰略采用了系統方法，整合了各種能力、平臺和系統，旨在加速實施聯合部隊C2的必要技術進步和理論變革。JADC2將使聯合部隊能夠使用大量的數據并將其轉化為信息和知識，采用自動化和人工智能，利用安全、有彈性和可適應的基礎設施，并在對手的決策周期內采取行動（Builder等人，1999）。為了解決這些問題，已經制定了一個實施計劃，并任命了一個團隊來監督這個過程。該小組由來自作戰司令部、各軍種、國防機構以及聯合和OSD工作人員的跨職能SES級成員組成。

3.1 感知、理解和行動

感知（Sense）：為了確保聯合數據對所有部隊/軍種和聯合部隊指揮官的可用性和有用性，需要一個共同和共享的感知方法和信息管理技術。該方法要求在作戰環境中可以進行信息收集和提供，并交付給接收者。JADC2結合先進的信息管理技術，實施了一種新穎的數據共享方法。這些網絡是在聯合數據 "結構 "的基礎上建立的，并使聯合部隊能夠實現可用于決策的信息。通過傳感和整合，有可能 "發現、收集、關聯、聚合、處理和利用來自所有領域和來源（友好、敵方和中立）的數據"，并 "分享信息作為理解和決策的基礎"（Kirtland, n.d.）。

理解（Make Sense）：理解的過程包括分析、理解和預測作戰環境以及對手和友軍的行動。在這個階段，數據被轉化為信息，而信息又被轉化為知識。理解需要有能力融合、分析和呈現來自所有領域和電磁頻譜的有效信息。這一階段的一個主要要求是提供安全以及可訪問的信息執行。JADC2開發的能力將利用人工智能和機器學習（ML）來加速聯合部隊指揮官的決策周期（Builder等人，1999；Kirtland，n.d）。技術和程序上的進步也將大大增強聯合部隊在C2降級環境中的作戰能力。

行動（Act）：行動是指作出并向聯合部隊及其任務伙伴傳播決策。這一階段將決策的人的因素與技術手段相結合，以感知、理解和預測對手的行動和意圖，并采取行動。這一步驟包括決策分析、傳達決策和執行階段。新穎的決策支持應用將通過先進的、有彈性的和冗余的通信系統、可利用的和全面的運輸基礎設施以及靈活的數據格式在聯合部隊之間實施，以實現決策的快速、準確和安全傳播。"行動 "還意味著為聯合部隊提供適當的培訓。使用任務指揮的方法，下級指揮官通過了解高級指揮官的行動意圖，被賦予了信心和權力，同時在通信聯系中斷或行動的緊迫性排除了尋求指導的必要時間時，保留了采取行動的能力。任務指揮部為聯合部隊提供了奪取主動權、保持信息和決策優勢所需的敏捷性和信任（Kirtland，n.d.）。

圖1. JADC2行動鏈和過程

3.2 工作路線(LOEs)

JADC2戰略是圍繞五個LOE組織的，以指導該部在提供能力方面的行動，包括數據事業、人力事業、技術事業、與核C2和C3整合，以及使任務伙伴的信息共享現代化。每個LOE都由一個主要責任辦公室指導，該辦公室由高級旗幟/SES人員代表，可以通過聯合能力委員會提出問題，與聯合需求監督委員會互動并提供支持（國會研究服務，2021a）。

LOE 1: 建立數據事業 - 第一個LOE涉及數據結構和基礎設施。作為一種戰略資產，數據必須由JADC2有效管理，以使其能夠抓住、保持和保護信息和決策優勢。為了加速決策過程，聯合部隊必須能夠發現和獲取所有戰爭級別的所有作戰領域中的任何數據和信息。以下關鍵的數據標準化目標已被確定為對JADC2至關重要：

• 建立最低限度的元數據標記標準
• 采用和使用標準化的數據接口
• 實施共同的數據可用性和訪問實踐
• 納入數據安全的最佳實踐
• 建立符合JADC2的信息技術（IT）標準
• 繼續應用數據戰略目標（可見、可得、可理解、可聯系、可信賴、可互操作、可安全）。(Kirtland, n.d.)

LOE 2：建立JADC2人力事業--第二個工作重點涉及利用人工智能和機器學習等創新工具在指揮和控制能力方面的人類和組織表現。這個LOE的任務還包括改革、調整或創建具有結構、敏捷性和資源的組織，以更有效地結合聯合部隊及其任務伙伴的物質和信息力量，從而能夠對聯合信息優勢（JIA）行動進行有效控制（Kirtland，n.d.）。人力企業還將解決領導者的專業發展和培訓問題，并指導和支持JADC2的政策、行動概念（CONOPS）、理論以及戰術、技術和程序（TTPs）的發展，以優化通過JADC2新能力獲得的優勢。

LOE 3：建立JADC2技術事業--第三個目標任務涉及增強共享態勢感知、同步和異步全球協作、戰略和作戰聯合規劃、實時全球部隊可視化和管理、預測部隊準備和后勤、實時同步和整合動能和非動能聯合和遠程精確火力，以及增強評估聯合部隊和任務伙伴表現的能力（Kirtland, n.d.）。技術企業需要提供安全的、具有足夠速度和帶寬的全球通信網絡，以滿足戰爭需要。LOE 3還涉及JADC2的運輸基礎設施，以及確保連續C2能力所需的基本最低功能（通信系統的彈性和多樣性，多級安全，消除單點故障）。

LOE 4： 將NC2/NC3與JADC2結合起來--JADC2將具有與核C2通信協作的能力，因此應在技術和人力企業層面考慮對NC2的要求（Kirtland，n.d）。

LOE 5： 使任務伙伴信息共享現代化--最后一個LOE描述了JADC2的機構互操作性需求和組織架構。聯合部隊指揮官將通過與任務伙伴共享態勢感知，建立并保持對作戰環境的共同理解。當每個伙伴的C2系統的數據可以被其他每個被批準的伙伴訪問、查看和采取行動時，這種整合就實現了（Kirtland, n.d.）。然而，這個LOE中的一些挑戰性任務包括新出現的任務、大型聯盟和不斷發展的技術，這些都是實現這一目標的持續障礙。

圖2. JADC2的工作路線

圖3. JADC2的指導原則、能力和提出的問題摘要

3.3 JADC2的系統性和生命周期觀點： 未來機遇和所需的研究

聯合全域指揮與控制（JADC2）概念建議將所有軍種--空軍、陸軍、海軍陸戰隊、海軍和太空部隊--的傳感器連接成一個網絡。為了實現這一目標，國防部正在追求一些新興技術的整合，包括自動化和人工智能、云環境和新的通信方法。然而，要將多種新技術整合并注入大型遺留系統（SoS），系統和生命周期方法是必不可少的，以確保一個復雜的、具有成本效益的、低風險的、高能力的、獨特的系統，為我們的軍事部門提供一套無與倫比的獨特能力。

在JADC2中有多個組織、技術、社會文化和企業層，它們之間存在著長期的相互作用。對JADC2系統的要求是將遺留系統整合成新穎的、顛覆性的和尖端的技術，這些技術需要以高度可靠、高效和具有成本效益的方式順利地共同工作。因此，作者提出了一個系統的方法來確定這樣一個復雜系統的機會和風險，以確保這一偉大事業的成功。在這一節中，作者提出了JADC2所面臨的多個系統性和生命周期的機會和風險群，并為每個確定的機會提供研究方向和解決方案。

本文討論了五組機會。第一個機會是需要在各軍種/部隊之間建立以文化為中心的新型互操作協作機制，以確保在空軍、陸軍、海軍、海軍陸戰隊、太空部隊和其他國防部門之間形成最佳的協作實踐。第二個機會討論了對決策科學、情景分析和社會文化上的博弈論修改的創新和研究的迫切需求。目前的博弈論應用僅限于理性和一致的行為者，而美國經常面對的對手是部分理性和/或非理性的，其行為的一致性可能有限。第三個機會討論了對日益增長的相互連接的傳感器、決策者和射擊者的網絡進行復雜性管理的必要性。隨著來自所有部隊的傳感器網絡的遺留系統被聯合起來，過剩的網絡復雜性的風險上升，因此，對連接遺留網絡的彈性架構的需求至關重要。作者建議建立一個由硬件和軟件組成的通用翻譯機靈活網絡，以連接所有現有和未來的異質傳感器和資產網絡。第四個機會討論了為JADC2采購項目建立一個新穎而強大的組合管理框架的必要性（以管理、優化、整合和資助JADC2相關的項目和采購項目）。JADC2由軟件、硬件和組織層面的多個采購項目組成，這些項目與當前的遺留系統和現有系統不同步地注入，因此需要高水平的組合管理來協調JADC2生命周期內的多個項目和任務。最后，機會5討論了JADC2作為SoS在以下領域的需求和MBSE的必要性：物資、非物資、政策、權力、組織結構和操作程序（Nilchiani, 2022）。

• 機會1：在服務機構之間建立新的以文化為中心的可操作的合作機制

美國防部的所有部門和部隊都擁有獨特的文化和組織遺產、歷史和溝通方式，他們的資產由遺留系統和各種技術的最新進展組成。JADC2的工作重點（LOEs）之一是人力企業，它涉及JADC2實施的人力和組織方面。然而，問題仍然是什么是JADC2中部隊之間最理想的合作和協作的最佳組織結構？為了滿足JADC2的要求，有哪些潛在的部隊結構變化是必要的（Congressional Research Service, 2021b）？

國防部需要一個獨特的獨一無二的方法來加入部隊，承認每個加入組織的個性和組織身份，獨特的傳統，以及各部隊和部門的價值觀。一個成功的合作解決方案要求不同部門和部隊的有機和最佳合作，同時盡量減少部門間的沖突。這樣一個新穎的解決方案將需要基于最先進的組織身份研究、對每個部隊的價值觀和傳統的歷史和人類學研究，并提出在自愿和相互同意的合作中出現的有機解決方案。JADC2的聯合因素和人類企業需要提供一個獨特的組織解決方案/藍圖，這不是單靠技術就能解決的。圖4總結了第一個機會和相關建議。

建議： 投資于一個獨特的、長期的、文化上的解決方案/組織藍圖的聯合，它具有動態的持久性，而不是有限的、短期的 "解決方案"，不能解決核心的平等、角色和功能。

需要的學術研究： 組織理論，激勵聯合的動機，組織人類學和心理學，以找到最佳和獨特的聯合和協作架構。

圖4. 組織解決方案/藍圖的需求和要求的概念化

• 機會2：需要創新決策分析和社會文化博弈理論的修正

在JADC2的核心中，有三個行動，即感知、理解和對從傳感器收集和處理的數據采取行動，這些行動是相互交織的。感知和整合提供了從所有領域和來源發現、收集、匯總和處理數據的能力。然后使用機器學習（ML）和人工智能（Builder等人，1999），數據得到融合、分析和驗證。最后一步涉及一個關鍵的決策過程，這是關于機會2的建議的重點。

在行動階段，聯合部隊參與制定并向聯合部隊和任務伙伴傳播決策。這個階段的很大一部分任務是結合以下內容：

• 決策的人的因素
• 感知、理解和預測對手的行動和意圖并采取行動的技術手段。

博弈論解釋了決策者互動的情況下的動態（Priebe等人，2020），并在決策過程中使用了幾十年。博弈論的科學重點主要涉及政治、經濟和生物主題和現象（Priebe等人，2020）。博弈論的第一個重大進展是由Borel（1927年；Alkire等人，2018年）在20世紀20年代與馮-諾伊曼一起取得的，他后來還出版了博弈論的里程碑式出版物之一《游戲與經濟行為理論》（Spirtas，2018年）。最近，經濟學中的博弈論在兩位諾貝爾獎得主約翰-F-納什（Michael等人，2017）和約翰-C-漢薩尼（1967）的推動下取得了巨大的進步。

在博弈論中，模型被建立起來以代表整體情況和動態，其中有四個主要方面被定義：第一，決策者，通常被認為是玩家；第二，每個玩家/決策者可以選擇的策略和行動；第三，可能的結果和成果，這與玩家的行動和策略選擇有關；第四，每個玩家的回報與結果/成果有關（Rapoport，2012）。除了這些方面，情景中的參與者和決策者被認為是單獨的理性的，這意味著在每個參與者的角度對回報的判斷是理性的和有序的，此外，每個參與者都假設其他參與者是理性的（Rapoport，2012）。因此，博弈中的玩家可以將他們的知識和對其他玩家的假設納入他們的策略，并可以做出相應的選擇。博弈論允許對利益沖突情況以及合作進行邏輯分析，因此定義了沖突情況下的理性決策理論（Lawlor，2007）。

然而，目前決策分析和博弈論的方法在JADC2中的整合和使用方面存在不足。博弈論假定理性和一致的行為者/對手是沖突局勢中戰略和決策分析建議的基礎。然而，博弈論中并非所有的行為者/對手都是 "理性的"。在社會文化博弈論的修改中，亟需進行新的研究。這門新的決策分析科學應該考慮到來自不同社會文化背景的對手中的非理性和不一致的參與者，并創建一個修正的博弈理論，根據新的信息制定策略。

與修正博弈論的需要一致，還需要對對手的文化規范、傳統和思維方式進行藍圖/系統了解，如《孫子》中提出的基本文化規范和戰略（Bass等人，2014；JNT-501S聯合行動簡介： 課程，2019），并找到考慮到文化差異、價值觀和方法的最佳決策分析方法。孫子兵法》在遠東地區作為權威的軍事和政治指南已有好幾個世紀，在過去的一個世紀里，西方國家也在翻譯和使用。有必要進行學術研究，將《孫子兵法》的原則轉化為抽象的規則和啟發式方法，并創建一個框架，以便能夠深入了解對手的行動，并為JADC2提出行動中的最佳戰略。作為一個例子，《孫子》中關于勝利的五個要領可以解釋如下：

1）戰斗的時機至關重要（關于盡量減少交戰和優化決策點時機的建議)

2）處理優勢力量和劣勢力量的能力（與不同規模和能力的對手交戰的可伸縮性和能力）

3）在部隊的各個等級中應用相同的作戰原則

4）準備和在毫無準備的情況下對付對手（這將指向監視和情報以及積累模式和作戰藍圖）。

5）軍事能力和行動的可擴展性。

圖5. 修正博弈論中需要推進的概念化

促成這些進展的學術研究包括但不限于：組織理論、激勵聯合的激勵措施、博弈論和對非理性和不一致的行為者/對手的修正，以及提取和理解各種行為者/對手的操作原則，這些原則是有文化依據的，如孫子。

• 機會3：傳感器聯合異構網絡的通用轉譯系統：對不斷增長的互連傳感器、決策者和射擊者網絡的復雜性管理

JADC2的核心技術挑戰之一是整合由所有部隊/軍種管理和運作的高技術含量的傳統傳感器網絡。每個軍種都擁有最先進的情報、監視和偵察傳感器網絡，但這些網絡不一定能與其他部隊的戰術網絡互操作。感應和整合是指發現、收集、關聯、匯總、處理和利用來自所有領域和來源（友軍、敵軍和中立）的數據的能力，并為決策分享信息。有效數據整合的要求必須從數據共享和安全的最早階段開始考慮，并應用于整個作戰領域，以提供快速收集、融合和定制數據（Kirtland，n.d.）。

國防部的戰術網絡和資產的異質性給JADC2帶來了一些挑戰，同時也帶來了巨大的優勢。整合多個異質戰術網絡的技術解決方案有很多，而且很多是次優的。每個解決方案都使用特定的系統結構和技術硬件和軟件解決方案的組合。然而，在選擇整合傳感器網絡的最佳技術方案時，有兩個系統特性是至關重要的：靈活性和復雜性。靈活性是指系統以及時和具有成本效益的方式應對各種內部和外部變化的能力，因此對JADC2傳感器網絡至關重要，因為各種情況可能會出現，需要迅速重新安排相互連接的網絡。架構和技術方案的復雜性增加也會導致網絡脆弱，容易出現錯誤和對網絡的攻擊，因此應控制技術方案的復雜性（Chullen & Nilchiani, 2021; Nilchiani & Pugliese, 2017; Priebe等人, 2020; Pugliese等人, 2018）。

當JADC2尋找合并傳感器網絡的最佳技術解決方案時，有多種因素應予考慮：

• 需要對復雜的網絡進行分割和聯合，特別是要適應以文化為中心的互操作協作機制。

• 如果需要，需要對網絡的關鍵部分進行防火墻（通過與網絡的其他部分隔離來保護）和多層安全（例如，將特定服務功能與聯合功能分開，或者如果網絡受到對手的攻擊）。

• 傳感器集成網絡的所有權和管理權： 在所有互聯網絡上的平等所有權與由部隊保持每個網絡的主要所有權并在需要時共享（軍種、盟國和聯盟）之間進行選擇。

• 如何避免單一的聯合性帶來的脆弱性？每個網絡的異質性應該保持不變嗎？

• 如何隔離對手的破壞行為，為他們對我們網絡的攻擊設置防火墻，并作出反應？

• 如何避免和制止網絡中有意/惡意的傳播？噪聲傳播會延遲傳感器的讀取和對結果的解釋，影響有效的決策過程。

過度的網絡復雜性和連接性導致了錯誤（錯誤傳播和來自于跨服務的誤解）和容易受到對手攻擊的風險。技術解決方案應解決定期管理復雜性的問題，并納入靈活性和能力，以便在必要時重新配置傳感器的異質性網絡。與JADC2工作相關的多個國防部倡議一直在研究技術解決方案，包括馬賽克戰爭（DARPA）、高級戰斗管理系統（ABMS；空軍）、聚合項目（陸軍）、超配項目（海軍）、全網絡化指揮、控制和通信（FNC3；國防部長辦公室）和第五代（5G）信息通信技術（國防部首席信息辦公室）。DARPA的 "馬賽克戰爭 "項目特別關注對靈活性的需求和對不斷變化的環境和場景的反應，因此研究對局勢和環境的重新安排和變化做出快速反應的解決方案。

技術解決方案：用于傳感器聯合異構網絡的通用轉譯系統（Rosetta Stone）

連接所有部隊（陸軍、海軍、空軍、海軍陸戰隊、太空部隊）網絡的技術解決方案需要實現一個系統的彈性、靈活性和對需求的響應，并在國防部面臨的不同情況下產生更大的信息和洞察力。通常情況下，過度連接所有部隊/軍種的所有傳感器和資產可能會帶來一些實質性的問題，包括但不限于：1）傳感器和信息傳輸速度減慢；2）數據收集和傳輸過程中出現錯誤和問題的風險增加；3）面對網絡攻擊時的網絡脆弱性以及失去迅速隔離和遏制攻擊的能力。

作者建議探索一個新的概念，即通用翻譯器基礎設施。這個通用翻譯器將包括一個嵌入式硬件和軟件分布式節點的組合，它將作為所有五個部隊/軍種以及所有國防部機構的聯合網絡傳感器和資產之間的接口翻譯器。圖6顯示了通用翻譯器的網絡概念。

通用翻譯器的特點如下：

• 不同的傳統系統之間的翻譯發生在某些物理硬件和軟件節點上，這些節點位于兩個或多個異質的傳感器網絡之間，屬于不同的部隊。

• 沒有必要投資使來自不同部隊的所有傳感器資產成為一個統一的頻率和標準。通用翻譯器將提供網絡之間的翻譯，而傳統系統可以繼續其正常功能而不會中斷。

• 通用翻譯器可以由多個節點以及冗余組成，可以作為翻譯器的分體式網絡運行，并且可以很容易地擴展、現代化，并在未來用最新的最先進的技術進步進行升級，并根據需求重新安排以創建新的網絡功能和地形。這一概念將提供高度的靈活性、適應性和可升級性，并為所有部隊的所有資產和傳感器增加一層安全和保護。

• 通用翻譯器節點將作為兩個獨立網絡之間的瓶頸，可以作為防火墻機制。如果有必要關閉或隔離受到攻擊的傳感器網絡，可以關閉某些翻譯器節點，這將使被隔離的網絡恢復到其原有的功能。

• 通用翻譯器網絡可以嵌入各種安全層，給每個部隊的網絡提供額外的保護和馬賽克戰爭（DARPA）的新型網絡重新排列和協議的能力。

• 每支部隊還可以作為資產的主要擁有者指揮他們的原始資產（傳感器網絡），以及通過許可和激活通用翻譯機與其他部隊分享他們的數據。來自不同部隊的數據可以被共享，而不需要共享每個網絡背后的詳細藍圖和架構。

圖6. 通用轉譯機/Rosetta Stone基礎設施的概念，以及通用轉譯機基礎設施和軟件在兩個機構/部隊之間轉譯數據的詳細視圖（Nilchiani，2022）。

建議： 投資于一個通用轉譯系統，用于傳感器的聯合異構網絡，該系統可以保留特定服務的功能，同時與聯合功能無縫對接，如果受到攻擊，也可以獨立于網絡的其他部分運行。

• 機會4：與JADC2相關的采購計劃的組合管理

在《聯合全域指揮與控制： 國會的背景和問題》（Hoehn, 2022）中，提出了幾組關于管理JADC2-相關工作、預算、成本估算和需求的問題。在這些問題中，有JADC2的支出重點、倡議以及JADC2相關工作的管理。管理與JADC2相關的多項工作的解決方案是采用行業中組合管理的最佳做法，并創建一個全面的國防部組合管理框架來管理多項工作。通過研究工業界在組合管理方面的最佳創新，可以創建創新的系統和企業級框架，使JADC2的聯合工作人員能夠管理、優化、整合和資助JADC2。

JADC2由數據、人力和技術企業的多種努力組成，適合于硬件、軟件、商業和主要采購。處理多個同時進行的能力采購需要一個基于系統的框架來整合多個項目，以及一個組合管理方法來資助、管理和整合JADC2的多個潛在的非同步采購項目。組合管理框架將需要納入JADC2相關項目的共享治理結構（治理架構）。

學術研究： 多個采購項目的組合管理框架, 共享治理架構

圖7. 對所有與JADC2相關的采購計劃進行組合管理的必要性的構想

• 機會5：JADC2作為一個系統的需要、要求和MBSE

聯合全域指揮與控制（JADC2）是一個在物資、非物資、政策、權力、組織結構和操作程序等領域運作的系統，因此需要系統工程工具和方法來保證最優化的系統。基于模型的系統工程（MBSE）可以幫助以最佳方式回答有關單個技術/項目的采購、生命周期管理、定期升級和向JADC2注入新技術，以及JADC2中各種傳感器和資產的所有權和管理等問題。

MBSE可以幫助確定聯合特定的系統、需求和要求，并指導項目和技術組合的采購過程。關于各種部隊和服務的傳感器網絡如何連接、結構和操作概念的技術問題都可以通過系統方法來實現。MBSE還可以為JADC2的生命周期相關問題找到最佳解決方案，包括識別新的顛覆性技術和與當前遺留系統的整合，以及對JADC2不斷增長的互連傳感器和資產網絡的復雜性管理。

MBSE還可以為各種資產的網絡所有權和架構提供建議和解決方案。例如，在尊重每個部隊對其資產/傳感器的主要所有權的同時，能否成功實現和實施聯合？利用通用翻譯器的概念，每個部門可以保留其對資產和傳感器的主要所有權和指揮權，并根據需要分享所有資產的第二所有權。在極端情況下，主要所有者可以將他們的資產與網絡的其他部分分開，以保護他們的資產或其他部門的資產，并在需要時獨立運作。

4 總結

本文概述了聯合全域指揮與控制的現狀，并通過學術研究與開發（R&D）的視角提出了一系列建議和機會。這套機會強調了研發的必要性以及在知識、技術、程序和能力方面的差距，可以使JADC2成為一個有彈性的、敏捷的、適應性強的共享指揮與控制平臺。

文件中提出了以下機會：機會1：部隊之間以文化為中心的新型互操作協作機制（組織和文化研究）；機會2：決策分析和博弈論創新的必要性（根據對手的社會文化細微差別進行修改）；機會3： 機會3：需要為日益增長的相互連接的傳感器、決策者和射手網絡進行復雜性管理和最佳系統架構設計（作者提出了一個由硬件和軟件組成的通用翻譯網絡概念，以連接國防部所有現有和未來的異質傳感器和資產網絡，這將授權重新安排、重組、擴展和注入最新的先進技術，因為它們可用）；機會4： 機會4：需要一個新的、強大的JADC2采購計劃組合管理框架（管理、優化、整合和資助JADC2相關的項目和采購計劃）；機會5：需要基于模型的系統工程（MBSE），將JADC2作為物資、非物資、政策、授權、組織結構和操作程序等領域的一個系統。

制定量化不確定性元數據的軍事標準是解決利用人工智能/機器學習（AI/ML）軍事優勢所固有的問題。通過提供元數據，美國防部可以繼續確定使用人工智能/機器學習的最佳策略，與能力發展同步進行。這種協調將防止在解決與在作戰系統中實施AI/ML有關的困難技術問題時出現延誤。不確定性量化可以使觀察、定向、決定和行動循環的實際數字實施成為可能，解決在戰爭中使用AI/ML的道德問題，并優化研究和開發的投資。

引言

從基礎上講，美國軍隊不需要人工智能/機器學習（AI/ML）。然而，軍隊需要能夠比對手更快、更好地觀察、定位、決定和行動（OODA），以實現軍事優勢。機器有能力以比人類更快的速度進行觀察、定位、決定和行動，從而實現這一優勢。然而，關于允許AI或ML模型 "決定 "最佳軍事行動方案是否合適的問題仍然沒有定論，因為該決定可能導致破壞和死亡。

利用AI/ML的軍事優勢的潛在隱患已經被不厭其煩地提出來。有三個問題仍然是最令人擔憂的：（1）解決賦予AI摧毀事物和人的權力的道德和倫理考慮；（2）平衡發展AI/ML能力的成本和軍事效用；以及（3）確保對機器的適當信任水平，以最佳地利用對能力發展的AI/ML部分的投資。然而，作為元數據納入軍事信息的不確定性量化（UQ）可以解決這三個隱患，同時遵守美國防部的人工智能倫理原則。

美國防部的人工智能戰略將AI/ML技術的成熟作為優先事項并加以激勵。其結果是，試圖快速實施能力的活動紛至沓來，而對能力增長的可持續性或AI/ML使用的高階影響規劃卻少之又少。正如一位國防研究人員所指出的，"當技術變革更多的是由傲慢和意識形態驅動，而不是由科學理解驅動時，傳統上調節這些力量的機構，如民主監督和法治，可能會在追求下一個虛假的黎明時被削弱。"

美國國防高級研究計劃局認為，目前的AI/ML系統 "缺乏必要的數學框架 "來提供使用保證，這阻礙了它們 "廣泛部署和采用關鍵的防御情況或能力。"保證需要信心，而信心需要最小的不確定性。使用AI/ML的系統的這種保證可以幫助解決道德方面的考慮，提供對開發成本與效用的洞察力，并允許其在戰爭中的使用責任由最低層的指揮官和操作員承擔。

通過在AI/ML系統中實施不確定性量化的軍事標準，美國防部可以確保對這些系統非常需要的信任。此外，如果美國防部將不確定性量化作為對開發者的要求，有可行的方法來應用現有的數學方法來確定和傳播不確定性。然而，當軍方將這一標準應用于信息時，它必須牢記不確定性量化的高階效應和挑戰。

AI/ML的不確定性量化

為了解決上述三個陷阱，任何軍事數字系統內部和都應該要求進行不確定性量化。不確定性量化是為系統中的不完美或未知信息分配一些數字的過程，它將允許機器實時表達它的不確定性，為建立對其使用的信任增加關鍵的透明度。美國防部應實施一項軍事標準，規定對數字系統中的每個數據或信息的元數據進行不確定性的量化標記。一旦可用，這些元數據可以通過功能關系傳播到更高層次的信息使用，為AI或ML模型提供所需的信息，以始終表達它對其輸出的信心如何。

理解作為元數據的UQ需要理解計量學的基礎概念--與測量不確定度有關的權重和計量科學。也就是說，一個測量有兩個組成部分： 1）一個數值，它是對被測量量的最佳估計，以及2）一個與該估計值相關的不確定性的測量。

值得注意的是，2008年國際標準化組織（ISO）的《測量不確定性表達指南》定義了測量不確定性和測量誤差之間的區別。這些術語不是同義的："通常在被測物[被測量的量]的報告值后面的±（加或減）符號和這個符號后面的數字量，表示與特定被測物有關的不確定性，而不是誤差。誤差是指測量值與實際值或真實值之間的差異。不確定度是許多誤差的影響"。

在軍事術語中，"測量"是在OODA循環中收集和使用的任何信息。每條信息都是由某種傳感器測量的，并且會有一些不確定性與之相關。作為元數據的不確定性量化將至少采取兩種形式：根據經驗產生的測量不確定性（基于上文概述的計量標準）和統計學上假設的不確定性（通過一些手段確定，其中有很多）。

操作員在使用具有UQ功能的系統時，可以使用系統報告的不確定性來告知他們的戰術決策。指揮官可以利用這種系統在作戰甚至戰略層面上為各種類型的軍事行動設定所需的預定義信任水平，這可以幫助操作人員在使用AI或ML模型時了解他們的權限是什么。這也將有助于采購專業人員為AI/ML能力的發展做出適當的投資決定，因為它將量化效用的各個方面。此外，在使用AI/ML的系統中提供量化的最低限度的確定性要求，可以解決上面討論的三個隱患。

就使用AI的道德和倫理問題而言，對于 "讓AI或ML模型決定將導致破壞和死亡的軍事行動方案，是否符合道德或倫理？"這個問題沒有單一的正確答案。正如所有的道德和倫理辯論一樣，以絕對的方式處理是不可能的。

因此，美國防部應將軍事行動分為三個眾所周知的機器自主性相對程度之一：機器永遠不能自己做的事情，機器有時或部分可以自己做的事情，或機器總是可以自己做的事情。然后，美國防部可以為這些類別中的每一類定義一個最低的確定性水平作為邊界條件，并且/或者可以定義具體行動所需的最低確定性水平。決策或行動的關鍵性將推動UQ邊界的確定。使用不確定性量化包含了在處理使用AI/ML的系統的道德考慮方面的細微差別和模糊性。

當涉及到平衡人工智能/機器學習的成本與使用時，美國防部的受托責任是確保對人工智能/機器學習發展的投資與它的軍事效用成正比。如果人工智能/機器學習政策禁止美國軍隊允許人工智能決定摧毀某物或殺人，那么開發和采購一營完全自主的殺手機器人就沒有任何意義。因此，預先定義的最低不確定性界限將使采購專業人員能夠確定如何最好地使用有限的資源以獲得最大的投資回報。

在能力發展過程中優化對AI/ML的信任，將需要對AI/ML采購中普遍存在的經驗不足以及機器學習中不確定性量化科學的相對稚嫩進行保障。"不確定性是機器學習領域的基礎，但它是對初學者，特別是那些來自開發者背景的人造成最困難的方面之一。" 系統開發的所有方面都應該包括不確定性量化的元數據標簽，無論系統是否打算自主使用。

這些輸出可能會被卷進更高層次的數字能力中，然后需要UQ數據來計算不確定性的傳播。例如，F-16維護者的故障代碼閱讀器應該有不確定性量化元數據標記到每個故障讀數，在源頭提供這種量化。讀碼器本身并不打算納入人工智能或機器學習模型，而且該數據可能不會立即用于人工智能/ML應用，但故障數據可能會與整個艦隊的故障數據進行匯編，并提交給預測倉庫級維護趨勢的外部ML模型。元數據將跟隨這組數字信息通過任何級別的編譯或高階使用。

要求將不確定性量化元數據作為一項軍事標準，實現了美國防部長關于人工智能道德原則的意圖，其中包括五個主要領域：

• 負責任： UQ為判斷提供依據，為開發、部署和使用人工智能能力提供經驗基礎。
• 公平性： 人工智能中的偏見可以用與不確定性相同的方式來衡量，并且是基于許多相同的統計學原理。然后，偏見可以被解決和改善。
• 可追溯性： 要求每個層次的不確定性元數據能夠保證可追溯性。機器的性能問題可以追溯到有問題的部件。
• 可靠性： UQ允許開發人員檢查，并允許有針對性地改進最惡劣的輸入因素。
• 可管理： UQ作為自主性信任等級的邊界條件，可以用來定義實現預期功能和避免意外后果的準則。

采用這些道德原則是為了確保美國防部繼續堅持最高的道德標準，同時接受人工智能這一顛覆性技術的整合。不確定性量化是實現這一目標的實用方法。

在AI/ML中建立信任

蘭德公司的一項研究發現，信任是與人工智能/ML的軍事用途有關的大多數擔憂的根本原因。國防部研究人員指出，"當涉及到組建人類和自主系統的有效團隊時，人類需要及時和準確地了解其機器伙伴的技能、經驗和可靠性，以便在動態環境中信任它們"。對于許多自主系統來說，它們 "缺乏對自身能力的認識，并且無法將其傳達給人類伙伴，從而降低了信任，破壞了團隊的有效性"。

AI/ML模型中的信任從根本上說是基于人類對信息的確定性，無論是簡單的傳感器輸出還是自主武器系統的整體能力。這一點得到了MITRE公司研究的支持： 人工智能采用者經常詢問如何增加對人工智能的信任。解決方案不是讓我們建立人們完全信任的系統，也不是讓用戶只接受從不犯錯的系統。相反，教訓指出了在證據和認知的基礎上形成良好的伙伴關系的重要性。良好的伙伴關系有助于人類理解人工智能的能力和意圖，相信人工智能會像預期的那樣工作，并在適當程度上依賴人工智能。然后，利益相關者可以校準他們的信任，并在授予人工智能適當的權力之前權衡人工智能決定的潛在后果。

通過將機器--數字或物理--視為合作伙伴，軍方可以將其與人類合作伙伴的信任建立技術進行類比。健全的伙伴關系需要有效的雙向溝通和加強合作的系統。"事實上，數字系統輸出中的不確定性措施是沒有用的，除非這種不確定性可以傳達給人類伙伴。一旦機器能夠量化不確定性，并且能夠傳達這種量化，它們也能夠對輸出進行評估并改進系統。

機器對其自身能力的認識的實時反饋，將通過提供每個循環中的不確定性的量化，增加機器的觀察、定位和決定功能的透明度。這種反饋提高了對該特定系統的信任，并通過不確定性的傳播實現了對系統中的系統的信任量化。例如，考慮遙控飛機（RPA）對一個潛在目標的視頻監控。如何確定RPA的傳感器是準確的和經過校準的，視頻流沒有被破壞，和/或操作者已經得到了關于首先將傳感器指向何處的健全的基線情報？

OODA環路的每一個組成部分都有一些相關的不確定性，這些不確定性可以而且應該被量化，從而可以用數學方法傳播到決策層面。在這種情況下，它將導致目標正確性的x%的傳播確定性，使任務指揮官對他們的態勢感知（觀察）充滿信心，并使他們能夠更好地確定方向，更快地決定是否參與。

通過量化不確定性，并將其與各類行動所需的預定信心水平結合起來使用，決策者可以圍繞那些幾乎沒有道德影響的軍事行動以及那些有嚴重道德影響的軍事行動創造邊界條件。國防部高級領導人還可以為開發和應用人工智能/ML能力的投資比例設定門檻，并可以確保投資將被用于實現最佳軍事優勢。這將通過 "量化-評估-改進-溝通 "的循環為使用人工智能/ML的系統提供保證。

不確定性量化允許設置如果-那么關系，以限制機器的可允許行動空間。在另一個簡略的例子中，一個空間領域意識任務可以使用紅外傳感器數據來識別空間飛行器。如果-那么關系可能看起來像這樣： 如果傳感器數據與目標的關聯模型的確定性大于95%，那么該目標識別信息可以在國家空間防御中心目錄中自動更新。如果傳感器數據與目標的關聯模型的確定性大于75%但小于95%，那么機器可以嘗試與確定性大于75%的信號情報（SIGINT）進行匹配，或者可以將信息發送給人類進行驗證。

因此，使用量化的不確定性使指揮官能夠將決策樹根植于人工智能/ML模型可使用的參數中，并指導如何使用這些人工智能/ML模型。在考慮機器自主性的三個相對程度時，指揮官可以預先定義每一類行動的輸入的不確定性水平，作為何時以及在何種情況下讓機器決定是有意義的指導方針，明確界定使用人工智能或ML模型的參與規則。

所有武器系統，無論是否打算納入自主性，都應在其計劃的用戶界面中提供不確定性元數據。了解所有輸入的不確定性對傳統武器系統的用戶和人工智能/ML的應用一樣有利。通過現在提供元數據，國防部高級領導人可以繼續確定使用AI/ML的最佳治理和政策，而不會放慢技術和工程發展。任何這樣的治理都可以在未來通過參考系統內組件級或輸出級的量化不確定性來實施。

數學實現

將不確定性量化和傳播應用于收緊OODA循環，假定功能關系可用于定義軍事情況。函數關系是這種應用的最佳數學方法，因為一般可以證明函數值和輸入變量之間存在因果關系，而不需要具體確定關系的確切數學形式。通過假設這些函數關系的存在，可以使用一個描述不確定性傳播的一般方程式。

一個帶有不確定性條款的通用函數關系看起來像：

其中y是輸出，u(y)是該輸出的不確定性，有n個輸入變量，其相關的不確定性影響該輸出。這表明y取決于n個輸入變量，并且按照 "不精確概率論者 "的風格，y的精確值在y+u(y)到y-u(y)的區間內。

這種旨在改善醫學實驗室研究的想法的直接應用也涉及到軍事決策。"與任何測量相關的不確定性及其通過定義的函數關系的傳播可以通過微分（部分微分）和應用不確定性傳播的一般方程來評估。"這些數學方法將捕捉到在一個非常復雜的系統中許多測量物變化時不確定性的變化。這個不確定性傳播方程可以用標準的統計程序得出，最重要的是，它與函數關系的確切形式無關。

請那些更精通統計學的人將這種方法提交給進一步的案例研究，并確定在需要包括許多輸入變量時，在非常大的系統層面計算傳播的不確定性的可行性。已經表明，"問題越復雜，獲得校準的不確定性估計的成本就越高"。這種方法通過作戰級別的人工智能/ML模型（即涉及一翼或一營的交戰）可能是可行的，但更高層次的戰略不確定性傳播（即包括政治經濟或核因素的戰役級模型）可能需要不可行的計算能力來實時計算。

作為輸入數據集的一部分，通過機器學習模型傳播測量的不確定性比使用統計方法來估計模型內的不確定性要少得多。數據科學家和人工智能研究人員將熟悉大量專注于假設機器學習模型內的不確定性的研究，但許多歷史工作并沒有采取調整認識上的不確定性--ML模型的訓練數據量不足--與訓練數據集中的測量不確定性的方法。

測量的不確定性可以被認為是數據中的噪聲和/或觀察中的變異性。在數字系統中實施不確定性量化時，需要對不確定性的其他方面進行量化，如領域覆蓋的完整性，也就是輸入數據集的代表性，以及軍事問題的不完善建模，這是模型開發過程中不正確的基線假設的結果，最終植根于人類判斷的不完善。

一個更現代的傳播方法，可能計算量較小，可能是使用機器學習來假設不確定性。來自其他學科使用神經網絡的證據顯示，納入已知的輸入數據不確定性，"與不使用它們的情況相比，對做出更好的預測是有利的"。這些研究人員還建議進一步調查在貝葉斯深度學習框架中使用已知的輸入數據不確定性 "作為要得出的不確定性的初始值"，這將是一種與統計學得出的不確定性協同傳播經驗不確定性的方式。

使用數學方法來傳播不確定性，將納入并考慮到不確定性的影響--無法解釋的數據的固有隨機性--以及認識上的不確定性。擬議的軍事標準應將測量不確定性的要求與傳播到高階用途的要求結合起來，如機器學習或更抽象的建模和模擬。用軍事術語來說，通過這種方法使UQ標準化，不僅要考慮基線觀測數據的不確定性，還要考慮與方向和行動有關的數據不確定性。

軍事用途的數學問題

為了繼續與軍事戰略進行類比，功能關系描述了在OODA循環中如何獲得軍事優勢，以及不確定性如何在該過程中傳播。

在這個特意象征性的等式中，觀察和定位是恒定的活動，而決策和行動是時間上的離散事件。所期望的軍事效果的成功概率是基于循環中每個輸入變量的不確定性的傳播：操作者有多大把握(a)他們的觀察抓住了現實，(b)他們以預期的方式定向，(c)他們的決定以預期的方式執行，以及(d)他們的行動沒有被打亂。

這種方法的障礙在于它需要對不確定性的事先了解，這是目前無法獲得的元數據，因為在經驗情況下確定它的成本通常很高，而在統計情況下有許多可接受的方法來生成它。這就回到了建議的解決方案，即征收要求和標準，以提供與每個輸入變量相關的不確定性作為元數據。一旦提供，匯編觀測和定位數據的人工智能/ML系統可以使用元數據進行傳播，并向操作者或指揮官提供情況圖中的總體量化不確定性。當實時使用時，這種方法內在地捕捉了OODA循環的決策和行動步驟的各個方面。

高階效應和挑戰

一項分析表明，將不確定性信息傳達給無人駕駛車輛的操作員并使之可視化，有助于提高人類-AI團隊的績效。但其他人工智能研究人員也表明，"需要更多地研究如何以對用戶有意義的方式，最好地捕捉和呈現開發者的[不確定性量化]"。他們進一步指出，"讓用戶對他們不了解的方面有看似控制的感覺，有可能給人以清晰和知情控制的錯覺，造成額外的自動化偏差，或者干脆讓用戶選擇一個給他們想要的答案的選項。" 這一發現堅實地進入了決策理論和心理學的工作體系。有一些統計方法試圖用算法來定義判斷和決策，使用這些方法有風險。

一項單獨的分析提供了判斷和決策文獻中與決策中使用不確定性估計有關的結論。該研究的結論是，向利益相關者提供不確定性估計可以通過確保信任的形成來提高透明度： "即使是經過良好校準的不確定性估計值，人們也會有不準確的認識，因為(a)他們對概率和統計的理解程度不同，(b)人類對不確定性數量的認識往往受決策啟發式的影響。

作者進一步補充說，"非專業人士和專家都依賴心理捷徑或啟發式方法來解釋不確定性"，這 "可能導致對不確定性的評估出現偏差，即使模型輸出是經過精心校準的"。不出所料，關于這個問題的主要啟示是，所選擇的UQ交流方法應首先與利益相關者進行測試，開發人員應滿足他們的UQ顯示和用戶界面的不同終端用戶類型。例如，向數據科學家介紹不確定性量化應該與向戰時決策的操作員介紹UQ不同。情報界在確定傳達與軍事信息相關的不確定性的最佳方法方面有著悠久的歷史，因此它對 "估計概率詞 "的約定可能是后一類終端用戶的合適出發點。

當考慮在作戰和戰略決策層面使用傳播的不確定性時，有可能使用傳播計算可能使UQ數字變得不相關和不可用，因為在非常復雜的系統中，不確定性接近100%的期望輸出。順便說一句，這是一個有趣的結論，可能指向 "戰爭迷霧 "的數學證明。進一步調查計算非常大的系統級別的傳播的不確定性可能會更好地闡明這個結論。

然而，這種高度傳播的不確定度的潛在缺陷并不足以反駁實施不確定度軍事標準的做法。包括每個級別的元數據標簽，使操作人員能夠檢查哪些因素造成了最大的不確定性，哪些因素是指揮官可以有高度信心的，這仍然是非常有用的信息。當操作員的帶寬在高壓力交戰之外可用時，這些元數據標簽允許操作員檢查功能關系中輸入變量之間的協方差和相關性。這些元數據還可以被采集專業人員用于評估和改進任務，通過識別系統性錯誤并將其消除，以及識別造成隨機錯誤的最嚴重的罪犯。

高度傳播的UQ可能是不相關的，這也強調了發展健全的軍事判斷的永久重要性。正如在任何不確定性非常高的軍事情況下，為實現軍事優勢，將需要具有敏銳性的操作員和指揮官。使用人工智能/ML來觀察、定位、決定和比對手更快地行動，只有在行動優越的情況下才會導致勝利。勝利理論的這一層面與要求、傳播和以標準化的方式交流UQ的論點不同。

最后，AI/ML要求輸入數據是感興趣領域的 "具有適當代表性的隨機觀察樣本"。重要的是，"在所有情況下，我們永遠不會有所有的觀察結果"，而且在感興趣的領域內 "總會有一些未觀察到的情況"。盡管人工智能或ML算法是在一個不充分的數據集上訓練出來的，但試圖在數據抽樣中實現對該領域的全部觀察覆蓋也是不理想的。

當以較高的行動節奏將人工智能/ML應用于OODA循環時，提高領域的覆蓋率并不需要更多的抽樣，而應該通過抽樣中更多的隨機化來實現，重點是確定準確的測量不確定性。上述關于已知輸入數據的研究從理論上和經驗上證明，將數據的不確定性納入一系列機器學習模型的學習過程中，使模型對過擬合問題更有免疫力--當模型與訓練數據集擬合得過于緊密時，就會出現不可接受的ML行為，導致在負責評估未知數據時出現不準確的預測結果。

過度擬合的問題并不是機器學習所獨有的，從根本上說是由輸入數據集的缺陷造成的。"簡單地說，不確定性和相關的無序性可以通過創造一個更高更廣的更一般的概念來代表現實的直接假象來減弱"。這導致了對該領域的最大統計覆蓋，對被觀察系統的侵擾最小。它還最大限度地減少了數據和元數據集的大小，從而在高階使用中提高了UQ傳播方程的計算效率。

結論

實施量化不確定性元數據的軍事標準，并發展傳播、評估、改進和交流該信息的能力，將為繼續追求AI/ML的軍事用途能力提供最大的靈活性。使用人工智能/ML系統的不確定性量化，通過溝通、透明和參與共同經歷來發展這種信任，使人機團隊內部能夠相互信任和團結。使用AI/ML系統實現軍事目標的保證需要量化的不確定性。

與軍事戰略的概念相聯系，這種不確定性量化的整個框架有助于一個成功的組織。通過現在提供UQ元數據，國防部高級領導人可以繼續確定使用人工智能/ML的最佳治理和政策，而不耽誤技術和工程開發。隨著作戰人員使用UQ來發展對AI/ML伙伴的信任，軍隊的觀察、定位、決定和行動的能力將比對手更快，并確保軍事優勢。

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

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

引言

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

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

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

1.1 MDOC5i

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

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

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

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

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

1.2 MDOC5i應用于海軍陸戰隊

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

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

這些投入可以用來幫助決策和影響有利于沖突空間競爭的活動。

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

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

1.3 論文重點和MDOC5i的聯系

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

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

1.4 假設和研究問題

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

本論文的問題包括。

1.無處不在的決策模型能否在GINA的界面中實現？

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

3.該模型是否有切實的方面證明比傳統機器學習技術優越？

4.該模型和GINA平臺能否用于大規模網絡流量分析？

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

1.5 使用的工具

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

1.5.1 全球信息網絡架構

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

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

第二章將深入討論GINA的優點和特點。

1.5.2 ANIME Dark Stax

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

1.5.3 StarUML

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

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

1.5.4 目標光標仿真器

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

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。《美國海軍陸戰隊部隊設計2030》描述了新的概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他對這些行動的調整，美國海軍陸戰隊需要能夠代表與這些預期變化相關的全部變化的模型和模擬。21世紀聯合武器分析工具（COMBATXXI）是由美國海軍陸戰隊和美國陸軍共同開發的戰斗模擬，用于支持建模和分析。在過去的20年里，COMBATXXI擁有研究這些新概念所需的許多基本能力，但目前在一些關鍵領域缺乏真實的表現，如研究海上攔截的新角色的關鍵方面所需的海上水面作戰人員。這種表現需要平臺的識別、瞄準和評估損害，從而確定其繼續執行作戰任務的能力。本研究的目的是檢查與EABO有關的新作戰概念，并利用COMBATXXI模擬確定相關的建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究最后提出了后續工作的建議，以進一步改進或運用所開發的能力。

引言

A. 背景介紹

美海軍陸戰隊作戰發展司令部（MCCDC）作戰分析局（OAD）運行海軍陸戰隊研究系統（MCSS），該系統每季度向整個海軍陸戰隊征求研究提名。每年都有幾項研究需要用高分辨率的戰斗模擬進行建模。21世紀聯合武器分析工具（COMBATXXI）是一個高分辨率的分析性戰斗模擬，自1998年以來，由OAD和美國陸軍白沙導彈發射場研究和分析中心（TRAC-WSMR）共同開發。聯合武器模擬代表了從戰術層面上的單個實體（即車輛、飛機、步兵、艦艇、登陸艇等），直至加強營級單位的行動。

COMBATXXI提供了跨越多個領域的建模能力，包括兩棲作戰、聯合武器作戰和綜合防空。該模擬可用于進行詳細的傳感器到射手的分析，包括直接和間接射擊以及關鍵的指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）的相互作用。對多領域作戰平臺的詳細分析和聯合武器作戰是COMBATXXI的主要功能。這種能力已經由OAD在兩棲戰車（ACV）備選方案分析（AoA）、殺傷人員地雷/集束彈藥（APL/CM）研究、有爭議環境中的兩棲攻擊研究、未來垂直升降能力集3 AoA、ACV中炮能力研究和先進偵察車（ARV）AoA中進行了展示。

目前，OAD正在支持2030年部隊設計（2020年海軍陸戰隊司令部）的幾個方面。帶有概念性戰術、技術和程序（TTPs）的新場景正在被用來進行各種分析。需要包含各種威脅和戰術情況的復雜行為。

海軍研究生院（NPS）建模、虛擬環境和模擬（MOVES）研究所擁有獨特的技術專長，以支持和擴展OAD對COMBATXXI的分析使用。多年來，MOVES開發了創新工具，極大地提高了分析人員使用COMBATXXI模擬的效率和效果。國家核安全局MOVES研究所的任務是通過開發和維護所需的功能，提供技術支持以進行OAD研究和分析技術培訓，提高OAD更充分地運用COMBATXXI的分析能力。MOVES支持OA開發、維護和增強工具和能力，如Behavior Studio、Workbench、Observer/Sensor工具、實體和單位行為，以及Monterey Extensions軟件包。OAD提供COMBATXXI模擬、現有行為、數據、測試方案和文件，作為政府提供的信息（GFI）供NPS使用。分配任務的場景和相關數據庫可以達到營級登陸隊（BLT）或海軍陸戰隊遠征部隊（MEF）的水平，并且可以包括所有海軍陸戰隊空地特遣部隊（MAGTF）的能力（例如，指揮部（CE）、地面戰斗部（GCE）、空中戰斗部（ACE）和后勤戰斗部（LCE））。

B. 范圍和目標

2030年部隊設計包括新的組織，如海上瀕海團（MLR）和新的作戰概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。本項工作的目的是研究與EABO有關的新概念，并利用COMBATXXI模擬確定相關建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該方法在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。

C. 問題陳述

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。美國海軍陸戰隊部隊設計2030描述了新的概念，如遠征先進基地作戰（EABO），需要對部隊結構、任務和作戰能力進行審查。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他適應這種行動的措施，美國海軍陸戰隊需要能夠代表與這些預期變化有關的全部變化的模型和模擬。在過去的20年里，COMBATXXI擁有許多研究這些新概念所需的基本表現，但在一些關鍵領域缺乏現實的表現，例如在研究海上攔截的新作用的關鍵方面所需的海上水面戰斗人員的表現。這種表述需要對這些平臺進行識別、瞄準和評估損害，以確定其繼續執行作戰任務的能力。需要開展工作，審查與EABO有關的新概念，并利用COMBATXXI模擬確定相關的建模方法。

D. 技術方法

為滿足這一需求，本研究對EABO概念進行了研究，并描述了一個能捕捉到這些概念的關鍵方面的名義情景。本研究審查了當前COMBATXXI的能力，以確定需要哪些額外的或修改的能力來解決新概念。該研究描述了一種建模方法（COMBATXXI需要的能力），在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究的結論是對后續工作的建議，以進一步改進或運用所開發的能力。

在贊助商的指導下，如果技術上可行，開發的新功能應在不修改現有Java代碼的情況下實施。NPS MOVES必須提前通知OAD研究主辦方并獲得批準，任何需要新代碼或修改COMBATXXI核心模型現有代碼的開發工作。這種通知使 OAD 有機會與 TRAC-WSMR 和 COMBATXXI 配置咨詢委員會協調潛在的代碼修改。

E. 本文件的組織

第一章是本研究的介紹，提供了關于工作基礎、研究范圍和目標、問題陳述和一般技術方法的背景信息。第二章概述了EABO，作為研究的概念基礎，并描述了一個名義上的情景，目的是確定必須達到的功能能力，以代表感興趣的操作條件，如海上攔截（如船舶代表，瞄準船舶能力，評估船舶能力的損害，并根據所受損害確定持續的任務有效性）。第三章展示了如何在COMBATXXI中實現表示概念場景所需的能力。第四章介紹了在COMBATXXI中執行概念情景的例子，并確定了研究變體的樣本，以檢驗新增能力的應用。第五章提出了研究結論和后續工作的建議。附錄A是報告中使用的術語和縮略語的詞匯表。附錄B提供了用于啟動COMBATXXI中的分層任務網絡（HTN）進程的python腳本清單，以執行概念情景中的實體行為。

為了跟上美國防部（DOD）人工智能（Al）戰略的步伐，美國陸軍在2018年啟動了人工智能集成中心（Al2C）。他們的任務是--與美國各地的公司和大學的人工智能社區溝通，目的是通過人工智能的整合來改善和提高軍隊的能力。

這個頂點項目盡可能地分析了當前美陸軍部（DA）對人工智能的要求狀況，以及它們對人類系統集成（HSI）的包含。該小組審查了發布在獎勵管理系統（SAM）網站上的人工智能合同機會和適用的文件，包括績效工作聲明、工作聲明或目標聲明。第一步是確定這些合同機會中包含的要求是否符合人工智能的定義，即計算機系統有能力執行通常需要人類智慧的任務。如果需求符合人工智能的這一定義，那么分析工作就會繼續進行，并側重于納入HSI，以確保為人類（即操作員、士兵、用戶等）提供便利。研究小組還采訪了主題專家（SMEs），以深入了解軍隊開發和獲取人工智能需求的過程。

在2003年至2022年期間發布到SAM的機會中，只有16%（238個中的40個）在開發過程中足夠成熟，可以考慮進行評估。在這40個被認為足夠成熟的采購開發過程中，只有16個發布的信息包含了相關的文件，可以根據團隊既定的人工智能和HSI標準進行評估。從那里，只有6個帖子符合AL的定義，4個被寬泛地判斷為包括一些對HSI或人為因素的參考。該小組的綜合評估確定，陸軍的人工智能指導還處于起步階段，需要進一步發展和完善。評價還強調，盡管國防部和陸軍指導將HSI納入所有要求，但仍然缺乏對HSI的納入。

這個頂點項目建議，所提出的結果和結論應被用來進一步制定人工智能需求的采購指南，并特別注重納入HSI。我們還建議，未來的研究應納入機密需求以及由其他交易機構通過財團管理的需求。

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。

2020年，美國和愛沙尼亞指派北約合作網絡防御卓越中心開展為期兩年的5G供應鏈和新一代電信基礎設施相關的網絡安全項目，以解決北約盟國和緊密合作伙伴的戰略、法律和政策問題。該項目的目的是研究電信網絡供應鏈安全的不同方面，支持相關研究并為聯盟勾勒出建議。隨后，CCDCCOE在2021年發表了《軍用5G網絡的供應鏈和網絡安全研究報告》。這第二份報告側重于軍事運動背景下5G網絡的實際問題，是第一份研究報告的后續，采用了智能海港和C-V2X支持的公路運輸兩個案例研究。

新技術的出現為許多行業創造了巨大的利益和潛在的使用案例，同時也是大國競爭領域的一種工具。為此，電信和通信技術已被大小國家用于政治和軍事優勢--有時在規模和相對實力不同的競爭對手之間帶來一定程度的均勢和平衡。5G蜂窩通信的推出是在逐步和持續的基礎上進行的，需要軍隊、情報部門和私營部門不斷調整，以避免任何潛在的不利因素。然而，5G技術也給軍事部門帶來了許多新的解決方案和應用。隨著技術的不斷發展，即使不為軍隊本身開發5G解決方案，也會出現新的風險和威脅。由于民用技術的快速發展和軍隊對民用解決方案的依賴，例如軍事行動，5G將不可避免地到達軍隊并影響日常運作。因此，所有相關各方都需要做好準備，應對5G帶來的機遇和風險。隨著新的風險和威脅的上升，今天需要考慮和解決網絡安全方面的問題，以消除未來的潛在威脅，特別是對北約盟國的軍隊和密切的合作伙伴。因此，網絡機會和風險都需要從技術角度進行評估，以了解在北約國家間移動設備和物資時對軍隊的影響。為了實現北約的功能意識，使用案例將作為向該領域的政策制定者提出建議的基礎。

該報告以智能港口和智能公路為案例，研究了2030年軍事行動場景下與5G連接技術相關的網絡安全挑戰。該報告旨在提高人們對通過公共和私人5G網絡運作如何影響北約和平時期的集體防御的認識，從而為決策者提供與5G網絡相關的可能挑戰的循證信息。

該報告介紹了2030年波羅的海地區軍事行動的未來前景故事情節。然后，它提供了兩個5G用例的描述，即智能海港和智能公路，這兩個用例在2030年可用于為北約的集體防御目的運輸軍事裝備和物資。基于與5G實施相關的風險和威脅分析，報告強調了軍隊使用私人和公共網絡可能面臨的主要網絡安全風險和挑戰。最后，報告制定了一套建議，供盟國和/或北約決策者在發展5G基礎設施和制定網絡相關政策和決策時考慮。

美國導彈防御局（MDA）和空間發展局（SDA）目前正在開發高超音速導彈防御系統的要素，以防御高超音速武器和其他新興的導彈威脅。這些要素包括國防空間架構（NDSA）的跟蹤和運輸層以及各種攔截器項目。隨著MDA和SDA繼續開發這些系統，國會可能會考慮對監督和國防授權及撥款的影響。

背景介紹

高超音速武器，像彈道導彈一樣，飛行速度至少為5馬赫，或大約每秒1英里。與彈道導彈不同，高超音速武器不遵循彈道軌跡，可以在到達目標的途中進行機動。據報道，俄羅斯在2019年12月出動了其第一批高超音速武器，同時一些專家認為，中國早在2020年就出動了高超音速武器。預計美國在2023年之前不會裝備高超音速武器。(關于俄羅斯、中國和美國的高超音速武器項目的概述，見CRS報告R45811，高超音速武器：國會的背景和問題，作者是凱利-M-賽勒）。

高超音速武器的機動性和低飛行高度可以挑戰現有的探測和防御系統。例如，由于雷達探測的視線限制，大多數地面雷達在武器飛行后期才能探測到高超音速武器。這給防御者留下了極少的時間來發射攔截器，以抵消入境武器的影響。圖1描述了陸基雷達對彈道導彈和高超音速武器探測時間的差異。

圖1. 基于地面的彈道導彈探測與高超音速武器的探測

美國國防官員表示，現有的地面和天基傳感器架構都不足以探測和跟蹤高超音速武器；前國防部負責研究和工程的副部長邁克-格里芬指出，"高超音速目標比美國通常通過地球靜止軌道上的衛星跟蹤的目標要暗淡10到20倍。"

國防空間架構

SDA開發了國防空間架構，以 "統一和整合整個[國防部（DOD）]和行業的下一代能力"。NDSA的目標是成為一個 "單一的、連貫的、有七個層次的擴散空間架構"，其中包括圖2中描述的數據跟蹤和傳輸層，并在下面討論。其他層包括支持移動地面資產目標的監護層；提供基于空間的指揮和控制的戰斗管理層；提供 "潛在的GPS否認環境的替代定位、導航和授時"的導航層；探測深空潛在敵對行動的威懾層；以及為其他NDSA層促進衛星操作的支持層。一旦全面投入使用，NDSA將包括550顆衛星并提供全面的全球覆蓋。

跟蹤層

跟蹤層是為了 "提供全球指示、警告、追蹤和瞄準高級導彈威脅，包括高超音速導彈系統"。作為該層的一部分，SDA正在開發一個寬視場（WFOV）衛星的結構，最終將提供全球覆蓋。SDA要求在2023財政年度為第0階段跟蹤活動提供8130萬美元，為第1階段跟蹤活動提供4.998億美元（也稱為彈性導彈預警導彈跟蹤-低地球軌道）。

與SDA的跟蹤衛星協同工作的將是高超音速和彈道跟蹤空間傳感器（HBTSS），以前被稱為空間傳感器層，它是由MDA與SDA和美國空軍合作開發。與WFOV相比，HBTSS將提供更靈敏，但更有限的（或中視場[MFOV]）覆蓋范圍。出于這個原因，WFOV旨在為HBTSS提供提示數據，然后HBTSS可以為地面攔截器提供更具體的目標質量數據。到2023年，SDA計劃擴大跟蹤層，包括70顆WFOV和MFOV衛星，據SDA主任德里克-圖爾尼爾博士說，"這將使我們在低地球軌道上有足夠的覆蓋面，以便我們基本上可以有區域性的持久性"。MDA要求在2023財政年度為HBTSS提供8920萬美元。

2020財年NDAA（P.L. 116-92）第1682條要求導彈防御局局長 "開發一個高超音速和彈道導彈跟蹤空間傳感器有效載荷"。2021財年NDAA（P.L. 116-283）第1645條確認，MDA局長與SDA局長協調，負責開發和采購傳感器有效載荷，"至少到2022財年"。第1645節還要求最遲在2023年12月31日開始對傳感器有效載荷進行在軌測試，并在 "此后技術上可行的情況下 "盡快將傳感器有效載荷納入SDA更廣泛的天基傳感器架構。最后，2022財年NDA（P.L. 117-81）第1662條禁止MDA主任"[授權]或[承諾]為生產衛星或與此類衛星運行相關的地面系統的記錄計劃提供資金"。如果滿足某些條件，包括確定 "由于技術、成本或進度因素，這種限制會延遲交付可運行的[HBTSS]"，空軍負責空間采購和集成的助理部長可以放棄對HBTSS的這種限制。

圖2. NDSA的部分內容

傳輸層

美國防部表示，NDSA的傳輸層旨在將跟蹤層與地面的攔截器和其他武器系統連接起來，將 "加強包括導彈防御在內的若干任務領域"。據國防部稱，SDA已經為運輸層的第1階段授予了三個原型協議，"一個由126個光學相互連接的空間飛行器組成的網狀網絡"，將于2024年9月開始發射。運輸層最終將包括一個由大約300-500顆衛星組成的星座。SDA要求在2023財政年度為 "數據傳輸層、傳感器能力和備用位置、導航和計時能力 "提供8.164億美元。

攔截器

MDA已經探索了一些消除對手高超音速武器的方案，包括攔截導彈、超高速彈丸、定向能武器和電子攻擊系統。2020年1月，MDA發布了一份關于高超音速防御區域滑行階段武器系統攔截器的原型提案要求草案。該計劃旨在 "減少攔截器的關鍵技術和集成風險"；然而，據當時的MDA主任喬恩-希爾海軍中將稱，它在2030年代的某個時候才會準備好過渡到開發。MDA轉而將重點轉向較近的解決方案，并在2021年4月啟動了滑翔階段攔截器（GPI），它將與宙斯盾武器系統整合，并在2020年代中期至末期提供高超音速導彈防御能力。洛克希德-馬丁公司、諾斯羅普-格魯曼公司和雷神導彈與防御公司已經獲得了GPI的 "加速概念設計 "階段的合同。

此外，2022財年NDAA（P.L. 117-81）第1664條授予MDA主任 "預算、指導和管理適用于 "高超音速導彈防御的定向能源項目的權力。國防高級研究計劃局（DARPA）也正在進行一項名為 "滑翔破壞者 "的計劃，其目的是 "開發關鍵的組件技術，以支持一種輕型飛行器，用于在非常遠的距離上精確對付高超音速威脅。" DARPA要求在2023財年為 "滑翔破壞者 "提供1830萬美元。總體而言，MDA在2023財年為高超音速防御申請了2.255億美元，低于其2.479億美元的2022財年申請和2.878億美元的撥款。

國會的問題

一些分析家認為，天基傳感層--與跟蹤和瞄準系統相結合以引導高性能攔截器或定向能量武器--理論上可以提供防御高超音速武器的可行選擇。2019年導彈防御審查報告指出，"這種傳感器利用了從空間可看到的大面積，以改善跟蹤，并可能瞄準先進的威脅，包括高超音速[武器]。" 其他分析家對高超音速武器防御的可負擔性、技術可行性和/或效用提出質疑。此外，一些分析家認為，美國目前的指揮和控制架構將無法 "快速處理數據，以應對和消除即將到來的高超音速威脅"。

一些分析家還對目前SDA和MDA在高超音速導彈防御方面的分工提出質疑。SDA主任Tournear此前曾對這兩個機構之間可能存在冗余的批評作出回應，稱兩者都向負責研究和工程的國防部副部長報告。然而，從2022年10月1日起，SDA將改為向負責采購和整合的空軍助理部長報告。國會可以監督這種新的報告結構對效率和效能的影響。

國會的潛在問題

• 加快對高超音速導彈防御方案的研究是否必要且在技術上可行？高超音速導彈防御方案的技術成熟度是否值得目前的資金水平？

• SDA和MDA是如何在高超音速導彈防御的各種要素上進行合作的？它們目前的作用是增加還是減少了成本以及技術發展的速度和效率？

• 國防部是否具備執行高超音速導彈防御所需的能力，如適當的指揮和控制架構？