《美國法典》第10章第2366條要求美國防部在一個項目進入全面生產之前進行現實的生存能力測試。這意味著通過向作戰配置的系統發射可能在戰斗中遇到的彈藥來測試系統的脆弱性，主要強調對潛在用戶傷亡的測試。在脆弱性測試中還應考慮到系統的易受攻擊性和作戰性能。

脆弱性評估評價了一個系統承受威脅的破壞性影響的能力。對裝甲戰車及其乘員進行這種評估的挑戰是，測試通常是破壞性的。在許多情況下，可用于測試全尺寸系統的資產數量有限。有了良好的測試計劃，一些測試資產可以被修復并再次用于測試；然而，測試設計必須考慮到資產數量少的問題，并選擇最佳點，這對深入的統計推理提出了挑戰。為了緩解這個問題，測試人員從更實惠的來源收集數據，包括組件和子系統級測試。這就產生了一個新的挑戰，構成了本文的前提：如何將較低層次的數據源連接起來，以提供一個可信的系統級的車輛脆弱性預測？本文提出了一個案例研究，展示了解決這個問題的方法。我們強調了基本統計技術的使用--實驗設計、統計建模和不確定性的傳播--在一個描述地面車輛被間接炮火攻擊的戰斗場景中。

用于創建概念性案例研究的數據是不保密的，文件中的信息是基于公開來源的參考資料。所有的數據都是隨機產生的，所提出的模型和結果僅是說明性的。既沒有來自任何政府贊助商的數據，也沒有技術信息。

認知方法在幾乎所有方面可提高現有雷達的性能，這導致了近年來研究的激增，空軍雷達建模和仿真（M&S）工具的一個關鍵差距是缺乏針對分布式全適應雷達（FAR）系統的全面、動態分布式雷達情景生成能力。截至2015年初，所有的研究都是在理論上推進概念，并通過模擬檢驗其性能，或者最多使用預先錄制的數據。沒有關于實驗驗證概念的報告，主要是因為還沒有開發出測試它們的必要硬件。然而，為了確定應用認知處理方法的真正性能潛力，這一步驟是至關重要的。為了解決這個問題，俄亥俄州立大學（OSU）電子科學實驗室（ESL）的認知傳感實驗室（CSL）與Metron公司、空軍研究實驗室（AFRL）和空軍科學研究辦公室（AFOSR）一起，已經開始了一項研究計劃，從分析和實驗上開發和檢驗認知雷達處理概念。

CSL設計并建造了認知雷達工程工作區（CREW），這是世界上第一個專門用來測試完全自適應和認知算法的雷達測試平臺，Metron和OSU開發了一個認知FAR系統的理論框架，在單一傳感器和目標的目標探測和跟蹤范圍內確定了關鍵的系統組件并進行了數學建模。我們一直在開發建模、模擬、分析和實驗能力，以證明FAR系統比傳統的前饋雷達（FFR）系統取得的性能改進。我們從OSU的軟件定義雷達（SDR）系統的模擬場景和預先記錄的數據開始。我們現在有能力利用CREW演示認知雷達跟蹤系統的實時操作。

這個項目的目標是為分布式FAR雷達開發一個基于MATLAB的M&S架構，從而能夠在模擬的、以前收集的和實時的流式數據上進行算法開發和測試。在第一階段，我們開發了一個基線FAR M&S架構，該架構采用面向對象編程（OOP）方法在MATLAB中編碼。它包括一個控制感知-行動（PA）周期運行的FAR引擎和確定下一組傳感參數的軟件對象；從傳感器獲取數據；處理數據以跟蹤目標；存儲和顯示傳感和跟蹤過程的結果。我們開發的模塊實現了模擬和預先錄制的SDR數據實例，以及實時和模擬的CREW數據實例。

第一階段開發的FAR M&S架構允許在模擬和實驗CREW數據源之間，以及在驅動傳感的FAR算法之間進行透明切換。輕松交換傳感和處理對象的能力將允許快速開發和測試認知雷達算法，通過構建M&S功能來避免重復工作和 "單點 "解決方案。它將使工業界、學術界和空軍的研究人員之間的合作成為可能，因為不同研究人員開發的算法可以使用一致的模擬、收集的數據和實驗室條件進行測試和比較。

2018年美國國防戰略強調，有效實施自主性對于未來的交戰至關重要。這種實施的關鍵是測試和評估執行自主任務的系統的能力。本手冊的目的是為測試人員提供工具、方法和見解，以自信地對待空中平臺的自主性測試。選擇空中領域是由于其對空軍任務的適用性，并有助于確定本手冊的重點范圍。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。

本手冊首先概述了目的、關鍵定義和基本假設，以幫助澄清空軍測試中心的 "自主性 "含義。在建立了這種基礎性的理解后，介紹了自主性的測試方法。在機載平臺上測試自主性帶來了獨特的挑戰，因此，要想測試成功，應該利用以下五個原則。早期用戶參與、持續和累積反饋、簡化流程和產品、試點培訓方法和人機互動考慮。總體的測試方法分為兩個范式：測試的三個階段和敏捷開發與運營（DevOps）。

第二種范式的特點是，從目前的測試實踐到結合敏捷和DevOps的原則，有了更大的轉變。敏捷哲學強調個人和互動而不是流程和工具，強調工作產品而不是全面的文件，強調客戶合作而不是合同談判，強調響應變化而不是遵循計劃。它在現代軟件開發中發揮了重要作用，并且隨著自主性的發展，肯定會在未來發揮作用。此外，DevOps是一個革命性的概念，它整合了企業的開發和運營功能。這個過程依靠持續集成、持續交付、持續監控和記錄、微服務以及跨職能的協作團隊來快速實施高質量的產品。隨著空軍開始采用更多的敏捷和DevOps原則，它將能夠實現國防部 "以相關速度交付"、"組織創新 "和 "簡化從開發到實戰的快速、迭代方法 "的目標。

圖 自主性測試執行的四個組件

引言

為了最大限度地提高作戰人員的殺傷力，必須將自主性納入系統，但首先必須對其進行開發、測試和實戰化。2018年美國國防戰略摘要（參考文獻1）和2019年國防授權法案（參考文獻2）已經明確表示，將包含自主性的系統投入使用對于美國保持其競爭優勢至關重要。此外，這兩份文件都呼吁改革國防部的采購程序，以便 "以相關的速度 "產生結果。2019年，空軍首席科學家發布了《自主性：前進的道路》（參考3），該文件為推進自主技術水平建立了一個路線圖和框架，同時支持其向現有系統過渡。為了響應這一更高層次的指導，美空軍測試中心（AFTC）已經制定了一個戰略目標，即 "塑造未來的測試和評估能力，以最大限度地提高作戰人員的致命性"。這一戰略目標的一個關鍵原則是建立一種測試具有自主性和機器學習算法的系統的能力。本手冊支持AFTC的戰略目標，并為機載平臺上的自主性測試所應考慮的因素和方法提供參考。

本手冊的組織結構如下：首先，定義了本手冊的具體目的、關鍵術語和基本假設。此外，第一節概述了本手冊的范圍。下一節制定了在機載平臺上測試自主性的測試方法。本節首先詳細介紹了目前的測試范式應如何適應測試自主性。然后，它討論了應如何利用敏捷和開發與運營（DevOps）原則實施新的測試范式，以最大限度地提高自主性的有效性。最后，總結了測試自主性的要點，并強調了前進的道路。此外，還包括了包括當前自主性測試細節的附錄，以及其他一些有用的參考資料。

1.1 目的

本手冊的目的是為測試人員提供工具、方法和見解，以自信地測試空中平臺的自主性。由于自主性測試所面臨的挑戰的廣泛性和現有測試能力的整體不成熟性，本手冊的內容沒有明確定義具體的最佳實踐。相反，本手冊概述了自主性測試的注意事項，這些注意事項需要在測試過程的每個階段進行，以確保安全、可靠、有效的測試。本手冊旨在成為一個指南針，而不是一張地圖。

本手冊假設讀者有一些飛行測試經驗和/或技術背景。自主性的測試和評估從根本上說是一個多學科的冒險；因此，本手冊涉及一些成功所需的不同觀點。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。在整個國防部有許多研究，以及大量的學術研究，本手冊利用并試圖在此基礎上發展。此外，本手冊承認不能在真空中考慮自主性測試；它提出了自主性系統的開發者和獲取者需要與測試社區進行最佳整合的概念和框架。自主性測試的最終成功取決于未來的項目辦公室是否注意到這本手冊，并在項目的早期對測試進行適當的規劃。

1.2 關鍵定義

自主性：一套基于智能的能力，可以對部署前沒有預先編程或預期的情況作出反應，如《自主性利益共同體（COI）測試與評估》（參考文獻4）所定義。自主性構成了一定程度的自給自足和自主行為（由人類代理決策），如《自主系統的七個致命神話》（參考文獻5）所定義。

自主引擎：平臺或系統上的硬件，承載著自主軟件。

復雜系統：按照《復雜系統動力學》（參考文獻6）的定義，理解各部分之間的相互作用與理解各部分的功能同樣重要的一個系統。

服務：一個獨立的、封裝好的功能單元，通過一個定義好的接口（主要針對軟件）接收輸入并給出輸出，如《面向服務的建模》（參考文獻7）所定義。

任務：由一個或多個服務組成，在一個離散的、確定的時間段內完成一個特定的目標或行動。

信任：按照《組織信任的綜合模型》（參考文獻8）的定義，一方愿意在另一方的行動面前表現得很脆弱，因為他期望另一方會執行對信任者來說很重要的特定行動，而不考慮監督或控制該方的能力。信任主要建立在令人滿意的可靠性和準確性的組合上。

1.3 基本假設

盡管在上一節中對自主性進行了定義，但為了本手冊的目的，進一步澄清 "自主性 "的實際含義是很重要的。以下四個基本假設主要來自2012年國防科學委員會關于 "自主性在國防部系統中的作用 "的研究（參考文獻9），有助于磨練 "自主性 "的含義。

1."自主性 "從根本上說是基于軟件的。

2."自主性 "被認為是相對于特定的任務，在一個離散的時間間隔內，而不是針對整個系統。

3."完全自主 "系統是一個錯誤的說法。所有的自主性都必須在某些時候與人互動，因此被認為是一個人機聯合認知系統。

4.確定和爭論 "自主性水平 "對測試和評估系統是無益的，而且會產生反作用。

1.4 手冊范圍

本手冊著重于測試和評估空域的自主性。之所以選擇空域，是因為它與空軍的任務相關，也因為它給測試和評估企業帶來了獨特的挑戰，而這些挑戰在其他領域并不適用。雖然所介紹的是機載自主性應用的例子，但本手冊所介紹的大部分框架和工具都普遍適用于其他領域。

在本手冊中，被視為被測系統（SUT）的自主性類型是那些在物理世界中的實時應用，通常被稱為 "運動中的自主性"，如國防科學委員會。關于自主性的夏季研究（參考文獻10）。這與 "靜止狀態下的自主性 "應用相對立，后者對于建立一支更具殺傷力的部隊至關重要，并將在 "運動中的自主性 "系統的測試和實戰中發揮重要作用。運動中的自主性 "的例子可以在智能炸彈、無人駕駛航空系統（UAS）中找到，甚至可以作為載人平臺上的一個子組件（即F-16上的地面防撞系統）。確定一個系統是否構成 "運動中的自主性 "的一個有用的方法是用約翰-博伊德的 "OODA "循環來思考，該循環來自《輸贏論》（參考文獻11）。運動中的自主性必須：

• 觀察其周圍的環境，以建立一個世界觀。

• 在世界觀中確定自己的方向。

• 決定一個適當的反應。

• 根據該決定采取行動。

圖1給出了一個層次化的視角，說明了自主性對一個平臺的作用。平臺執行的任務是由各種任務組成的，這些任務建立在較低層次的服務之上。當本手冊中使用 "自主性 "一詞時，它指的是在任務或任務層面采取的行動，這些行動是由服務促成的。在大多數情況下，這些行動目前是由人類操作員執行的。傳統上，測試界并不測試或評估人類操作員，因此必須擴大測試范式，以納入類似人類操作員的自主任務或任務的評估標準。

為了更好地理解圖1，我們以壓制敵方空中防御（SEAD）任務為例。對于執行SEAD的戰斗機平臺來說，干擾敵人的雷達是主要任務之一。此外，像空域整合、空中加油和編隊飛行等任務可能都需要成功完成。而這些任務又需要大量的服務，負責操作各種有效載荷、飛機本身以及指揮和控制功能。

本手冊有意避免使用機器學習（ML）和人工智能（AI）的字眼。ML和AI是實現自主性的工具；本手冊中提出的策略適用于自主系統的測試，無論自主是如何產生的，也無論它如何運作。

防御性欺騙是一種很有前途的網絡防御方法。通過防御性欺騙，防御者可以預測攻擊者的行動；它可以誤導或引誘攻擊者，或隱藏真正的資源。盡管防御性欺騙在研究界越來越受歡迎，但對其關鍵組成部分、基本原理以及在各種問題設置中的權衡還沒有系統的調查。這篇調查報告的重點是以博弈論和機器學習為中心的防御性欺騙研究，因為這些是在防御性欺騙中廣泛采用的人工智能方法的突出系列。本文提出了先前工作中的見解、教訓和限制。最后，本文概述了一些研究方向，以解決當前防御性欺騙研究中的主要差距。

索引詞--防御性欺騙，機器學習，博弈論

I. 引言

A. 動機

傳統的安全機制，如訪問控制和入侵檢測，有助于處理外部和內部的威脅，但不足以抵御攻擊者顛覆控制或提出新的攻擊。欺騙是一種獨特的防線，旨在挫敗潛在的攻擊者。欺騙的關鍵思想是操縱攻擊者的信念，誤導他們的決策，誘使他們采取次優的行動。自從網絡安全研究界意識到利用防御性欺騙的核心思想的好處后，就有了開發智能防御性欺騙技術的不小努力。

文獻中指出，開發防御性欺騙技術有兩個主要的有前途的方向。首先，攻擊者和防御者的策略通常是基于博弈論方法建模的，其中防御者采取防御性欺騙策略，目的是為攻擊者制造騙局或誤導他們選擇不那么理想或糟糕的策略。其次，基于機器學習（ML）的防御性欺騙技術已經被提出來，以創建誘餌物體或假信息，模仿真實的物體或信息來誤導或引誘攻擊者。

網絡安全文獻[1]已經認識到結合GT和ML的協同優勢，例如使用博弈論防御對抗性機器學習攻擊[2，3]或生成對抗性模型來創造欺騙性對象[1]。然而，很少有工作探索GT和ML之間的協同作用來制定各種網絡安全問題。特別是，由于玩家對對手行為的有效學習對于他們相信對手的類型或下一步行動的準確性至關重要，因此使用ML為玩家形成他們的信念，有助于在特定環境下產生最佳博弈。此外，在開發防御性欺騙技術時，基于ML的方法可以提供更好的攻擊者預測或基于大量的可用數據創建欺騙性對象的高相似度。然而，它們可能無法在不確定的情況下提供有效的戰略解決方案，而這一點在博弈論方法中已經得到了很好的探索。因此，這篇調查報告的動機是為了促進未來的研究，采取混合防御性欺騙方法，可以利用GT和ML。

為了區分我們的論文與現有調查論文的主要貢獻，我們討論了現有的關于防御性欺騙技術的調查論文，并在下一節中闡明了我們的論文與它們之間的差異。

B. 與現有調查的比較

一些研究對防御性欺騙技術進行了調查[4, 5, 6, 7, 8]。

Almeshekah和Spafford[8]介紹了在網絡安全防御領域是如何考慮防御性欺騙的。具體來說，作者討論了考慮防御性欺騙技術的以下三句話：計劃、實施和整合，以及監測和評估。特別是，本文從影響攻擊者的感知方面討論了規劃欺騙的模型，這可以誤導防御者實現系統的安全目標。然而，這篇調查報告對建模和整合防御性欺騙的貢獻是有限的，它只針對一組有限的攻擊者。此外，這項工作沒有考慮到在實施防御性欺騙技術時應該考慮的各種網絡環境。

Rowe和Rrushi[7]將防御性欺騙技術分為冒充、延遲、假貨、偽裝、假借口和社會工程等方面。他們不僅介紹了欺騙技術的背景，還探討了防御性欺騙的可探測性和有效性的計算。然而，他們對博弈論防御性欺騙的調查是有限的，缺乏對最先進技術的討論。

表一 我們的調查報告與現有的防御性欺騙調查的比較

Han等人[6]調查了基于四個標準的防御性欺騙技術，包括欺騙的目標、單元、層和部署。他們調查了用于防御性欺騙技術的理論模型，以及欺騙元素的生成、放置、部署和監控。Han等人討論了各種欺騙技術之間的權衡，這些技術是部署在網絡、系統、應用還是數據層。然而，他們對博弈論欺騙的討論并不全面。

Pawlick等人[5]對已用于網絡安全和隱私的防御性欺騙分類法和博弈論防御性欺騙技術進行了廣泛的調查。作者討論了主要的六種不同類型的欺騙類別：擾亂、移動目標防御、混淆、混合、蜜X和攻擊者參與。他們的論文調查了2008-2018年發表的24篇論文，并定義了相關的分類標準，以發展他們自己的博弈論防御性欺騙技術的分類。這項工作很有意思，將移動目標防御和混淆作為防御性欺騙下的子類別。本文討論了用于開發防御性欺騙技術的常見博弈論方法，如Stackelberg、Nash和信號博弈理論。然而，本文對現有博弈論防御技術的調查和分析僅限于博弈論分析，沒有考慮現實的網絡環境，在這種環境下，基于ML的防御性欺騙技術或這兩者的結合（即博弈論和ML）可能會提供更有用的見解和有前途的研究方向。

最近，Lu等人[4]對由三個階段組成的防御性欺騙過程進行了簡要調查：欺騙的計劃，欺騙的實施和部署，以及欺騙的監測和評估。作者討論了基于信息異化以隱藏真實信息和信息模擬以關注攻擊者的欺騙技術。這項工作簡要地討論了博弈論的防御性欺騙，主要集中在討論當前研究的挑戰和限制。然而，只包括了一小部分文獻的內容。此外，本文沒有討論基于ML的防御性欺騙方法。

一些調查論文主要集中在針對某類攻擊的防御性欺騙技術或特定的欺騙技術。Carroll和Grosu[9]研究了欺騙對計算機網絡的攻擊者和防御者之間的博弈理論互動的影響。他們研究了信令博弈和相關的納什均衡。然而，這項調查只關注蜜罐技術，而對欺騙的博弈論分析僅限于研究信號博弈中攻擊者和防御者之間的相互作用。Virvilis等人[10]調查了可用于緩解高級持續性威脅（APTs）的部分防御性欺騙技術。

在表一中，我們總結了我們的調查論文的主要貢獻，與現有的五篇調查論文[4, 5, 6, 7, 8]相比，基于幾個關鍵標準。

C. 主要貢獻

在本文中，我們做出了以下主要貢獻：

1. 我們提供了一個新的分類方案，從概念性欺騙類別、對象的存在（即物理或虛擬）、應用欺騙后的預期效果、最終目標（即用于資產保護或攻擊檢測）和積極性（即主動或被動或兩者）等方面來描述防御性欺騙技術。這提供了對每種欺騙技術的深入理解，以及對如何應用它來支持系統的安全目標的見解。

2. 我們討論了防御性欺騙技術的關鍵設計原則，包括欺騙什么--攻擊者，何時欺騙，以及如何欺騙。此外，基于防御性欺騙技術的關鍵屬性，我們確定了利用博弈論和ML算法開發防御性欺騙技術時的主要好處和注意事項。

3. 我們討論了基于博弈論和ML的防御性欺騙技術的類型以及優點和缺點。此外，使用我們在第二節介紹的分類方案，我們討論了博弈論和ML算法。

4）我們還調查了現有的博弈論和基于ML的防御性欺騙技術所能處理的攻擊。因此，我們討論了文獻中的防御性欺騙技術或多或少考慮了哪些攻擊。

5）我們調查了防御性欺騙技術主要是如何處理不同網絡環境下的應用領域的挑戰，并討論了所部署的博弈論或基于ML的防御性欺騙技術的優點和缺點。

6）我們研究了在博弈論或基于ML的防御性欺騙技術中或多或少使用了哪些類型的指標和實驗測試平臺來證明其有效性和效率。

7）我們廣泛地討論了從本工作中調查的防御性欺騙技術中獲得的教訓和見解以及觀察到的限制。基于這些見解和局限性，我們為博弈論和基于ML的防御性欺騙研究提出了有希望的未來方向。

請注意，本文的范圍主要集中在調查博弈論（GT）或基于ML的防御性欺騙技術，并討論從這個廣泛的調查中得到的見解、限制或教訓。因此，一些沒有使用博弈論方法或ML的防御性欺騙技術被排除在本調查報告之外。

D. 研究問題

我們在本文中討論了以下研究問題。

RQ 特征：防御性欺騙有哪些關鍵特征將其與其他防御性技術區分開來？

RQ 衡量標準：在衡量現有的基于博弈論或ML的防御性欺騙技術的有效性和效率方面，或多或少地使用了哪些指標？

RQ 原則：哪些關鍵設計原則有助于最大化防御性欺騙技術的有效性和效率？

RQ GT：當使用博弈論（GT）設計防御性欺騙技術時，有哪些關鍵設計特征？

RQ ML：當使用ML開發防御性欺騙技術時，有哪些關鍵的設計特點？

RQ 應用：不同的防御性欺騙技術應該如何應用于不同的應用領域？我們在第九節A中回答了這些問題。

E. 論文的結構

本文的其余部分結構如下。

• 第二節提供了欺騙的概念和與防御性欺騙相關的分類標準。

• 第三節討論了設計防御性欺騙技術的關鍵原則。此外，本節還闡明了與其他實現相同防御目標的防御技術相比，防御性欺騙技術的主要特色。

• 第四節解釋了使用博弈論防御性欺騙的關鍵組成部分，并調查了現有的博弈論防御性欺騙技術，以及對其優點和缺點的討論。

• 第五節討論了利用ML技術來開發防御性欺騙技術的關鍵部分。此外，本節廣泛調查了現有的基于ML的防御性欺騙技術，并討論了它們的優點和缺點。

• 第六節描述了現有博弈論和基于ML的防御性欺騙技術所對抗的攻擊類型。

• 第八節介紹了使用博弈論和ML來衡量現有防御性欺騙技術的有效性和效率的指標。此外，本節還調查了用于驗證本工作中調查的那些現有防御性欺騙技術的評估測試平臺。

• 第七節討論了如何為不同的應用領域開發基于博弈論或ML的防御性欺騙技術，如企業網絡、網絡物理系統（CPS）、基于云的網絡、物聯網（IoT）、軟件定義的網絡（SDN）和無線網絡。

• 第九節總結了通過回答I-D節中提出的關鍵研究問題所獲得的見解和經驗。此外，本節還討論了從這項工作中調查的防御性欺騙技術中發現的局限性，并提出了有希望的未來研究方向。

摘要

兵棋模擬是一種決策工具，可以為利益相關者分析的場景提供定量數據。它們被廣泛用于制定軍事方面的戰術和理論。最近，無人駕駛飛行器（UAVs）已經成為這些模擬中的一個相關元素，因為它們在當代沖突、監視任務以及搜索和救援任務中發揮了突出的作用。例如，容許戰術編隊中的飛機損失，有利于一個中隊在特定戰斗場景中勝利。考慮到無人機的分布可能是這種情況下的決定性因素，無人機在超視距（BVR）作戰中的位置優化在文獻中引起了關注。這項工作旨在考慮敵人的不確定性，如射擊距離和位置，使用六種元啟發法和高保真模擬器來優化無人機的戰術編隊。為紅軍蜂群選擇了一種空軍經常采用的戰術編隊，稱為line abreast，作為案例研究。優化的目的是獲得一個藍軍蜂群戰術編隊，以贏得對紅軍蜂群的BVR戰斗。采用了一個確認優化的穩健性程序，將紅軍蜂群的每個無人機的位置從其初始配置上改變到8公里，并使用兵棋方法。進行了戰術分析以確認優化中發現的編隊是否適用。

索引詞：優化方法，計算機模擬，無人駕駛飛行器（UAV），自主智能體，決策支持系統，計算智能。

I. 引言

兵棋是在戰術、作戰或戰略層面上模擬戰爭的分析性游戲，用于分析作戰概念，訓練和準備指揮官和下屬，探索情景，并評估規劃如何影響結果。這些模擬對于制定戰術、戰略和理論解決方案非常有用，為參與者提供了對決策過程和壓力管理的洞察力[1]。

最近，無人駕駛飛行器（UAVs）作為一種新的高科技力量出現了。利用它們來實現空中優勢可能會導致深刻的軍事變革[2]。因此，它們的有效性經常在兵棋中被測試和評估。

由于具有一些性能上的優勢，如增加敏捷性、增加過載耐久性和增加隱身能力，無人機已經逐漸發展起來，并在許多空中任務中取代了有人系統[3]。然而，由于戰斗的動態性質，在視覺范圍之外的空戰中用無人系統取代有人平臺是具有挑戰性的。在空戰中，無人機可以被遠程控制，但由于無人機飛行員對形勢的認識有限，它將在與有人平臺的對抗中處于劣勢。然而，這種限制可以通過自動戰斗機動[4]和戰術編隊的優化來克服。此外，使用無人機可以允許一些戰術編隊和戰略，而這些戰術編隊和戰略在有人駕駛的飛機上是不會被考慮的，例如允許中隊的飛機被擊落，如果它有助于團隊贏得戰斗。文獻中最早的一篇旨在優化超視距（BVR）作戰中的飛機戰術編隊的文章[5]表明，空戰戰術是用遺傳算法（GA）進行優化的候選方案。該實施方案采用分層概念，從小型常規作戰單位建立大型編隊戰術，并從兩架飛機的編隊開始，然后是四架飛機，最后是這些飛機的倍數。在模擬中沒有對導彈發射進行建模。當一架飛機將其對手置于武器交戰區（WEZ）的高殺傷概率（Pkill）區域內一段特定時間，簡化的交戰模擬器就宣布傷亡。事實證明，所提出的方法的應用是有效的，它消除了團隊中所有沒有優化編隊的飛機，并為整個優化編隊的飛機團隊提供了生存空間。

Keshi等人[6]使用了與[5]相同的分層概念，從由兩架飛機組成的元素中構建大型戰術編隊。模擬退火遺傳算法（SAGA）被用來優化編隊，使其能夠克服對局部最優解的收斂。對16架飛機的編隊進行了優化，提出的最優解表明SAGA比基本的GA更有效。最后，為了探索一個穩健的SAGA，對不同的馬爾科夫鏈進行了比較，事實證明自調整馬爾科夫電流更適合所提出的問題。

Junior等人[7]提出使用計算機模擬作為一種解決方案，以確定BVR空戰的最佳戰術，使擊落敵機的概率最大化。在低分辨率下使用通用參數對飛機和導彈進行建模，并改編了名為COMPASS的模擬優化算法，模擬了兩架飛機對一架飛機的BVR戰斗。低分辨率模型假定在水平面的二維空間內有一個均勻的直線運動。使用優化的戰術表明，擊落敵機的平均成功率從16.69%提高到76.85%。 Yang等人[8]提出了一種方法來優化飛機對一組目標的最佳攻擊位置和最佳路徑。該工作考慮到飛機能夠同時為每個目標發射導彈，并將飛機與目標有關的攻擊性和脆弱性因素作為評價攻擊位置的指標。一個高保真模擬被用來模擬每個導彈的飛機、雷達、導彈和WEZ的動態特性。這項工作并沒有解決在BVR戰斗場景中優化一組飛機對另一組飛機的編隊問題。

Li等人[9]提出了一種基于指揮員主觀認識的編隊優化方法，即在空戰中目標設備信息不確定的情況下選擇飛機編隊的問題。首先，計算戰斗機的戰斗力，這是通過指揮員的主觀認識評估目標戰斗力的基礎。戰斗機的戰斗力以能力的形式表現出來，包括攻擊、探測、生存能力、通信、電子戰、預警系統等。因此，通過采用前景理論和綜合模糊評估來優化空戰訓練。最后，一個應用實例證明了該方法在小規模空戰中的可行性。作者聲稱，利用戰斗力評估戰斗情況的能力為優化空戰訓練提供了一種新的方法。

?zpala等人[10]提出了一種在兩個對立小組中使用多個無人駕駛戰斗飛行器（UCAVs）進行空戰的決策方法。首先，確定兩隊中每個智能體的優勢地位。優勢狀態包括角度、距離和速度優勢的加權和。在一個團隊中的每個智能體與對方團隊中的每個智能體進行比較后，每個航空飛行器被分配到一個目標，以獲得其團隊的優勢而不是自己的優勢。為一對對立的團隊實施了一個零和博弈。對許多智能體參與時的混合納什均衡策略提出了一種還原方法。該解決方案基于博弈論方法；因此，該方法在一個數字案例上進行了測試，并證明了其有效性。

Huang等人[11]開發了新的方法來處理UCAV編隊對抗多目標的合作目標分配和路徑規劃（CTAPPP）問題。UCAV的編隊是基于合作決策和控制的。在完成目標偵察后，訓練指揮中心根據戰場環境和作戰任務向每架UCAV快速傳輸任務分配指令。UCAV機動到由其火控系統計算出的最佳位置，發射武器裝備。合作目標分配（CTAP）問題通過增強型粒子群優化（IPSO）、蟻群算法（ACA）和遺傳算法（GA）來解決，并在歸因、精度和搜索速度等方面進行了比較分析。在進化算法的基礎上發展了UCAV多目標編隊的合作路徑規劃（CPPP）問題，其中提供并重新定義了獨特的染色體編碼方法、交叉算子和突變算子，并考慮燃料成本、威脅成本、風險成本和剩余時間成本來規劃合作路徑。

Ma等人[12]開展的工作解決了在BVR作戰場景中優化兩組（R和B）無人機對手之間的優勢地位問題。一個無人機ri∈R對一個無人機bj∈B的優勢是通過ri和bj之間的距離、ri的導彈發射距離的下限和上限、ri的高度和bj的高度之差以及ri的最佳發射高度來估計的。決定性的變量是無人機在兩組中的空間分布和每架飛機在這些組中的目標分配。無人機在三維作戰空間BVR中的可能位置被簡化（離散化），通過立方體的中心位置來表示。每個無人機組都有一組立方體。優化問題被建模為一個零和博弈，并被解決以獲得納什均衡。

Ma等人[12]提出的工作沒有使用高保真模擬來分析無人機空間分布的選擇和分配給它們的目標對BVR作戰的影響。高保真模擬對飛機、雷達、導彈及其導彈的WEZ的動態特性進行建模。這些動態特性也影響到BVR作戰時每架飛機的行動觸發，因此也影響到最終的結果。例如，如果在兩組無人機之間第一次沖突后的時間窗口內考慮高保真BVR作戰模擬，新的沖突可能會發生，直到模擬結束。因此，每個在交戰中幸存的無人機將能夠選擇一個新的目標，這取決于可用目標的優勢值。在[12]中沒有考慮與無人機行為有關的不確定性。有關敵方無人機在戰術編隊中的確切位置及其導彈發射距離的信息是行為不確定性的例子。這兩個信息和上面描述的其他信息在BVR戰斗中是相關的：它們直接影響飛機之間的交戰結果。

在這項研究中，我們試圖解決文獻中發現的一些局限性，如低分辨率模擬、與敵人有關的不確定性的處理以及缺乏對優化解決方案的穩健性的確認，旨在提高兵棋結果的質量。我們的目標是驗證哪些藍色蜂群的戰術編隊可以在BVR戰斗中戰勝紅色蜂群。作為一個案例研究，RED蜂群使用了空軍經常采用的戰術編隊，稱為line abreast[13]。為了評估BLUE蜂群解決方案的穩健性，我們解決了新的問題，改變了RED蜂群每架飛機的位置，目的是估計新的RED蜂群編隊對BLUE蜂群的優化戰術編隊的效率的影響。

我們使用自主智能體和高保真計算機模擬來優化BVR戰斗中的無人機戰術編隊，考慮與敵人相關的不確定性，如戰術編隊中的位置誤差和導彈發射距離。統一行為框架（UBF）被采納為創建自主智能體的基礎。飛機和導彈在三維環境中用六個自由度（DoFs）建模。

該程序將在接下來的章節中進一步討論。

隨著預算削減的增加和空軍機隊的老化，空軍正在尋找創新的方法來減少工具、零件和用品的采購、運輸和庫存成本。特別是，傳統的制造、庫存和運輸飛機零部件和用品可能是緩慢的、昂貴的、對人員有害的和對環境有害的。被稱為"3-D打印"的新制造技術，也被稱為 "增材制造"（AM）被推薦為可能的解決方案，以減少維修時間、采購成本、運輸和庫存成本，同時也比傳統的、制造的替換零件更安全、勞動強度更低、更環保。

本文研究AM能在多大程度上使空軍受益，及其目前的實施情況。本文概述了空軍目前供應鏈的成本、操作失敗和環境影響，以及軍事單位如何利用AM來幫助減少這些問題。雖然正在采取措施在基地和倉庫層面實施三維（3-D）打印，但空軍沒有為其實施提供明確的方向，也沒有充分地利用其好處。因此，本文建議空軍開發可部署的三維打印包，提供三維打印培訓，并對在什么情況下應該購買三維打印機提供更多指導。此外，還就哪些部件應該被打印出來提出了建議，并建立了認證3-D打印飛機部件的正式批準程序。

1 引言

1.1 問題描述

在承包商工廠和軍事后勤中心之間的空軍物資運輸占用了巨大的資源；2013年運輸成本超過了56億美元。

運輸物資的成本如此之高，是因為C-5 "銀河 "運輸物資的平均每飛行小時成本為100941美元，而這還沒有考慮到飛機的維修和保養。因此，隨著作戰節奏的加快，需要更多的零部件。 此外，沖突越遠，運輸成本就越高。

戰爭規劃者試圖為軍隊后勤評估戰爭儲備和備件，然而，他們的評估往往與實際需求不相符合。例如，在2012年，空軍花費了4.861億美元用于交付16架C-27A "斯巴達 "貨運飛機，其中包括6050萬美元的備件給阿富汗空軍。在這16架飛機中，有6架必須被 "拆解 "以獲得備件，以便其他10架飛機能夠繼續運行。拆解是指從武器系統中拆下一個目前可以使用的零件，用于維修需要該零件的飛機，以使其具備任務能力。 C-27A "斯巴達 "計劃最終被認為是不可持續的，因為空軍確定需要額外的2億美元的備件來正常維護飛機。

為了解決與類似問題有關的巨大成本和短缺，陸軍、海軍、美國國家航空航天局、國防部（DOD）供應商和其他組織正越來越多地轉向一種名為 "3-D打印 "的新技術，也被稱為 "增材制造"。這項技術使他們能夠在內部創建零件和用品，從而減少他們的供應鏈和運輸成本。不幸的是，空軍現在才剛剛開始探索三維（3-D）打印的好處。因此，本文探討了以下問題：如果空軍在部署地點實施三維打印，會有什么好處？

空軍將3D打印機和相關原材料運輸到部署地點，允許快速定制飛機零件，減少危險廢物，并削減庫存持有和運輸成本。更重要的是，它可以通過允許部隊根據需要在現場制造工具、零件和用品來提高作戰能力。

增材制造（AM）是通過逐層添加（打印）一種材料（通常是塑料或金屬），直到創造出三維物體。相比之下，減材（傳統）制造則是將材料去除，直到留下所需的物體。AM允許零件的定制和現場生產，對培訓的要求最低。

3-D打印經常使用逆向工程來重新創建，并有可能在3-D掃描儀的幫助下改進現有零件。就像磁共振成像使用磁場和無線電波來創建人體內部器官和組織的詳細圖像一樣，3-D掃描儀創建了一個所需部件的數字副本。這種3-D模型數據可以被儲存起來，用于未來的制造，或使用軟件進行操作，以改進零件的設計。3D制造的零件可以打印出空心或蜂窩狀的屬性，這可以使它們更輕，更能夠承受熱應力。AM允許在制造開始前在虛擬環境中開發和快速測試設計。此外，這些3-D設計可以通過電子方式發送給部署地點的操作員。

在已部署軍事裝備的環境中，實施3-D打印將需要在初期運輸大型打印機、原材料和外圍支持設備。然而，它可以在幾個方面減少運輸和庫存成本。首先，原材料可以被包裝或托盤化，使每立方英寸的材料多于零件本身。因此，濃縮材料可以使飛機載荷的利用率更高，減少補給任務。其次，多余的粉末狀原材料可以被回收到AM工藝中至少14次。此外，原材料通常保留其貨幣價值或升值。因此，多余的原材料可以在私營部門出售，而且安全問題很小。

在部署地點制造零件和用品可以幫助減少運輸成本。空軍老化的機隊的許多備件沒有被提前制造出來，而且供應有限。3-D打印可以降低維護成本，并為空軍提供機會，通過內部制造這些零件來延長其機隊的使用壽命。尋找和運輸稀有零件的時間可以減少，從而提高出勤率（與任務和訓練有關的飛行時間）。

空軍最近為美國本土設施購置了3-D打印機，陸軍和海軍也在早期實施3-D打印，這可能表明AM提供了財務上的好處。AM允許在需要的基礎上生產零件，這可以減少物資儲存的占地面積，消除零件的持有成本，并以更少的停機時間提高操作能力。

這篇研究文獻將使用問題-解決方案的方法來研究空軍如何通過在前沿作戰基地部署3-D打印機來生產飛機零件、工具和用品而獲益。本文首先簡要介紹了3-D打印機和AM，并提供了它們的使用實例。此外，還將對空軍的供應鏈進行總結。在這個總結之后，將徹底描述空軍在部署飛機零部件和用品時面臨的問題和挑戰，以及環境問題和操作影響。下一節將概述如何將3-D打印機部署到戰斗環境中的可能手段。本文的每一節都將使用定量數據來支持所有關于支出、節約、庫存水平和制造產量的主張和建議。最后，將根據研究結果提出實施3-D打印機的建議，隨后是結論。

隨著機器學習模型越來越多地用于做出涉及人類的重大決策，重要的是，這些模型不能因為種族和性別等受保護的屬性而歧視。然而，模型持有人并不是受到歧視性模型傷害的首當其沖的人，因此模型持有人修復歧視性模型的自然動機很少。因此，如果其他實體也能發現或減輕這些模型中的不公平行為，將對社會有益。只需要對模型進行查詢訪問的黑盒方法非常適合這個目的，因為它們可以在不知道模型的全部細節的情況下執行。

在這篇論文中，我考慮了三種不同形式的不公平，并提出了解決它們的黑盒方法。第一個是代理使用，模型的某些組件是受保護屬性的代理。其次是個體公平性的缺乏，這使模型不應該做出任意決定的直覺觀念形式化。最后，模型的訓練集可能不具有代表性，這可能導致模型對不同的保護組表現出不同程度的準確性。對于這些行為中的每一個，我提出使用一個或多個方法來幫助檢測模型中的此類行為或確保缺乏此類行為。這些方法只需要對模型的黑箱訪問，即使模型持有者不合作，它們也能有效地使用。我對這些方法的理論和實驗分析證明了它們在這種情況下的有效性，表明它們是有用的技術工具，可以支持對歧視的有效回應。