亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

本專著探討了衛星在俄烏戰爭中的作用。美國軍方認為太空和反太空系統將在未來戰爭中發揮重要作用。俄烏戰爭為評估這些系統在戰爭中的用途和效果提供了一個機會，因為在以往的戰爭中，沖突雙方都沒有如此大規模地使用衛星技術。

專著的第一部分研究了衛星和反衛星系統在戰斗中的作用，以及空間領域的變化如何影響衛星技術的使用。第一部分表明，衛星為戰場的持久監視和精確性做出了貢獻，但也容易受到電子戰和網絡戰的影響。許多觀察家已經對俄烏戰爭中發生的高技術戰爭發表了評論。本專著的貢獻在于具體研究了衛星和反衛星系統在這場戰爭中的作用。專著還表明，衛星的擴散和商業化提高了能力，改善了安全，并使盟國可以使用衛星。其中許多見解已在軍事航天專業人士的討論中占據重要地位，并正在影響國家安全決策。

專著的第二部分探討了升級問題如何限制了太空和反太空系統的使用。這場戰爭最突出的特點之一是美國和俄羅斯在使用軍事力量方面的克制。這表明，美國和俄羅斯的克制已延伸到衛星和反衛星武器的使用。美國和俄羅斯避免對對方采取直接軍事行動，在使用空間和反空間能力時遵守領土限制，并避免在空間進行破壞性攻擊。美國和俄羅斯還承認政府衛星和商業衛星之間的區別。私營公司本身也實行了各種形式的克制，它們的拒絕服務與任何武器一樣有效。各國可能會繼續以避免升級的方式開展太空行動。某些類型的行動，如電子戰和網絡戰，似乎已經常態化，但仍有可能導致升級的模糊地帶。

各國軍隊應根據升級問題帶來的限制調整其概念和能力。軍隊必須做好在限制范圍內作戰的準備，防止衛星和反衛星武器的某些使用可能導致的升級。限制太空作戰是一個無法回避的問題。美國太空部隊已經認識到，由于環境的物理特征，“太空領域的控制不能依靠壓倒性的破壞力”，并據此界定了太空優勢的概念。升級問題也要求 “空間優勢 ”的目標考慮到領土、目標和武器類型的限制。

現代戰爭的特點是在復雜的多域作戰環境中與對手展開較量，而對手同樣也會采取一系列復雜的戰術。盡管人們早已認識到在這種環境下作戰所面臨的挑戰，但卻很少以結構化的方式對這種環境的復雜性進行界定或研究。

在本報告中，作者評估了量化戰時環境復雜性的數學策略。在對基于線性代數的方法和蒙特卡羅模擬策略進行比較后，他們提供了一個通用路線圖，明確了每種方法的優勢和局限性。這些方法在兩個作戰案例中進行了演示：一個是簡化的壓制敵方防空力量場景，另一個是古巴導彈危機。

研究問題

• 文獻中有哪些衡量復雜性的方法和指標？
• 如何利用這些指標為美國在各作戰空間領域提供作戰優勢？

主要結論

• 有一些有用的復雜性衡量標準，可用于評估整體系統和決策者個人層面的復雜性。
• 系統層面的復雜性衡量的是決策過程不斷增加的卷積，反映的是決策者面臨的總體困難。
• 第二種更細化的方法是研究如何使用不同的指標來確定模擬決策過程中的關鍵點，從而確定可作為目標的特定影響點，以利用其對敵方行動產生巨大影響的潛力。

圖 1.1. 戰略先發制人的對手決策計算圖

圖 3.1. SEAD 流程的概念表示法

圖 3.2. SEAD 流程的二級示意圖

圖 3.3. SEAD 流程的三級示意圖

圖 6.1. 采用藍色反制措施的 SEAD 流程

美海軍遠征部隊缺乏充分估計達到最低戰備水平所需支出水平的能力。目前，海軍遠征作戰企業能力成本計算模型使用Excel求解器以及優化艦隊響應計劃和認證義務報告中的數據預測需求。為了探索改進需求預測的方法，本研究將重點限制在一個項目--爆炸物處理（EOD）、一個組成部分--現役以及一個訓練和測試數據分割上。然后，研究人員嘗試了多級成本匯總的多種預測方法。這些預測方法包括指數平滑法、自回歸綜合移動平均法（ARIMA）和動態回歸模型。然后，分析使用絕對誤差、平均絕對百分比誤差和平均絕對比例誤差等準確度指標，對使用這些方法建立的模型進行評估。分析還嘗試用層次模型預測成本，并用同樣的方法對這些模型進行評估。最后，計算未來兩年的預測值，并將這些預測值與實際成本進行比較。最后的計算模擬了計劃目標備忘錄過程中所要求的程序。

本技術報告發現，在不同的成本匯總水平上，各種模型預測的準確度不同。預測未來兩年 EOD 總成本的最佳模型是 ARIMA 模型。它的預測差異為 10%。預算提交辦公室（BSO）60 以及人員（P）和培訓（T）這兩個戰爭支柱的最佳匯總模型是指數平滑模型。其 Delta 值為 3%。然而，某些匯總水平要差得多，最佳模型在 BSO 70 的供應（S）和設備（E）成本方面的差異為 36%。本技術報告最后對未來研究提出了若干建議。

A. 問題陳述

海軍遠征部隊缺乏充分估計實現最低戰備水平所需支出水平的能力。根據現狀，海軍遠征作戰企業（NECE）能力成本計算模型（NCCM）使用 "Excel 求解器 "和 "優化艦隊響應計劃"（OFRP）及 "認證支出報告 "中的數據預測日常需求。該模型接收從司令部財務管理系統 (DFMS)、標準化會計和報告系統 - 戰地級 (STARS-FL)、過去的 OFRP 計劃表和名義 OFRP 計劃表中獲得的歷史數據。利用最小二乘法優化和各種約束條件，Solver 估算 OFRP 各階段的成本，然后將這些成本應用到各計劃的名義 OFRP 計劃表中。模型中使用的約束條件背后的原因尚不清楚。發起人還認為存在一個更準確的成本預測模型。本研究的目的是探索預測方法，以改進計劃目標備忘錄（POM）過程中需求的確定。

B. 分析工具和過程

作者分析過程的第一步是檢索、審查和整理數據。本技術報告的作者直接從 NCCM 工具收到 CSV 文件形式的原始成本和 OFRP 數據。然后，本分析將年度成本和業務流程更新項目數據合并，確定相關列，然后將數據格式化為適當的數據類型。該分析側重于計劃、BSO、計劃要素 (PE)、組成部分和戰爭支柱。然后將數據分為訓練數據和測試數據。分析使用訓練數據來確定模型中的最佳系數，然后使用測試數據來評估模型的質量。作者還將訓練和測試數據篩選為多個數據框架，代表不同的成本匯總水平： 所有爆炸物處理（EOD）成本；E/S（設備和供應）和 P/T（人員和培訓）支柱的 BSO 60 成本；E/S 和 P/T 支柱的 BSO 70 成本。請注意，BSO 60 是東海岸爆炸物處理單元的主計長，而 BSO 70 是西海岸的主計長。作者選擇 E/S 和 P/T 支柱作為匯總級別，是因為 E 和 S 之間的區別有時并不明確。

本分析使用編程語言 R 和 Fable 軟件包，建立的模型可分為三大類：指數平滑法、自回歸綜合移動平均法（ARIMA）和動態回歸法。作者定義了這些模型類型的各種參數，Fable 會根據訓練數據和各種優化標準確定這些模型的系數。然后，作者利用絕對誤差、平均絕對百分比誤差和平均絕對比例誤差等測試指標，確定每個模型類別中的最佳模型。最后，作者使用兩年預測，比較了預測成本和實際成本。本技術報告還探討了分層方法，但其結果不如上述最佳類別方法。

C. 結論和建議

本技術報告發現，在不同的成本匯總水平上，各種模型預測的準確度不同。預測未來兩年所有爆炸物處理費用最準確的綜合模型是 ARIMA 模型。與實際成本相比，其 Delta 值為 10%。最準確的分解模型是針對 BSO 60 和戰爭支柱 P/T 的指數平滑模型。與實際成本相比，其 Delta 值為 3%。然而，某些級別的匯總模型的準確性要低得多。例如，BSO 70 S/T 成本的最準確模型的 Delta 值為 36%。

因此，標準預測方法可以在一定的匯總水平上以合理的準確度預測需求。然而，在實施這些方法之前，還需要進一步的研究，探索不同的匯總水平和不同的訓練與測試分值。例如，與基于戰爭支柱的聚合相比，基于特殊興趣代碼或列表項目的聚合可能會產生更好的模型，而不是基于支柱的聚合。與此同時，本技術報告中的預測方法可作為 NECE NCCM 的輔助預測方法。

在過去 20 年的全球反恐戰爭中，美國在作戰醫療服務系統方面取得了重大改進。然而，在整個沖突過程中，敵軍的武器裝備、能力或人員都無法與美軍和盟軍相提并論。與能力上被視為近乎同級對手的國家作戰，將在許多不同方面對戰場醫療服務提出挑戰。本文回顧了自俄羅斯于2022年2月對烏行動以來，一直向烏克蘭提供援助、培訓、醫療支持和手術支持的醫療團隊——全球外科和醫療支持小組的經驗。該醫療隊在內科、外科、艱苦環境、沖突地區以及伙伴國能力建設方面擁有豐富的經驗。這篇文章將這場戰爭中的醫療系統與全球反恐戰爭期間使用的系統進行了比較和對比。從中汲取的經驗教訓可以幫助美國預見挑戰，并在未來與能力接近的對手發生沖突時成功規劃醫療服務。

全球醫療和手術支持小組

全球外科醫療服務小組（GSMS）是一個非政府組織，在世界各地的作戰環境和艱苦環境中提供外科和醫療服務方面擁有豐富的經驗。GSMSG 的醫療服務團隊擁有在資源匱乏的環境和戰場上提供醫療服務的經驗。他們還應對過自然災害，如 2018 年的邁克爾颶風和 2020 年紐約市的 COVID-19 大流行病。GSMSG 的人員還具有豐富的軍事經驗，其中包括大量來自美國特種作戰社區的退伍軍人。

GSMSG 最初動員了一支具備作戰外科能力的 10 人小組，在俄羅斯入侵烏克蘭 9 天后進入烏克蘭。他們的任務是為任何有興趣和有能力的烏克蘭公民提供戰斗傷員救護培訓，為烏克蘭民間醫療系統提供戰斗創傷救護培訓和外科手術支持，并為烏克蘭軍事人員和軍醫提供戰斗救護培訓。GSMSG 還輪調了更多的外科醫生小組，他們在創傷、外科重癥監護、燒傷、整形、矯形、血管和神經外科方面具有專長。在烏克蘭國防部和衛生部的合作下，全球醫療服務集團還與烏克蘭武裝部隊、烏克蘭特種作戰部隊（UKRSOF）和烏克蘭特種外科小組的醫生建立了伙伴關系，他們在距離俄羅斯部隊作戰地點 0.5 公里的地方提供了損害控制手術。自抵達烏克蘭以來，GSMSG 小組成員已培訓了 20,000 多名烏克蘭平民和軍人。他們還為 300 多名病人提供了外科手術支持，其中一些病人距離前線最遠達 10 公里。

表 2. 全球外科和醫療支援小組的組成

近鄰對手的威脅：更強的殺傷力

在全球戰爭與反恐行動中，簡易爆炸裝置（IED）造成了重大傷亡。簡易爆炸裝置可同時炸傷多人，甚至使車輛癱瘓。與叛亂/恐怖主義部隊相比，新人民軍擁有更重、射程更遠的武器，因此戰斗傷亡中的發病率和死亡率也隨之增加。雖然可以將簡易爆炸裝置排列成連續爆炸的形式以增加其殺傷力，但在全球戰爭與反恐戰爭中很少使用這種配置。在烏克蘭，使用了配備先進雙定型裝藥或溫壓彈頭的現代便攜式反坦克制導導彈或溫壓火箭炮。這些溫壓武器會造成鈍傷、穿透傷以及大量熱傷害。在最近一次使用這種武器的事件中，距離彈著點 20 米以內的受害者中有 12 人當場死亡。一名距離彈著點 60 米的傷員體表燒傷面積達 80%，盡管經過醫療后送和搶救，仍在 72 小時內死亡。

使用燃燒彈會造成嚴重的深度燒傷、有機磷中毒，以及與燃燒物質相關的蒸汽產生的其他毒性影響。由于燒傷傷員的護理工作十分復雜，而且需要進行大量的人工呼吸，因此給后勤和醫療工作帶來了沉重的負擔。這凸顯了在未來戰斗中對重大熱傷害/燒傷進行規劃的必要性。

廣泛使用的現代反坦克制導導彈在用于攻擊人員或輕型裝甲車輛時，死亡率幾乎高達+75%，因為這些導彈是用來攻擊坦克或掩體的。美軍人員在 “全球戰爭與反恐行動 ”期間很少遇到這種武器。而在這次沖突中，這種武器的使用頻率似乎要高得多。所造成的傷害是毀滅性的，存活率明顯低于火炮和迫擊炮等非定向爆炸傷害。此外，在這場沖突中每天發射近 60,000 發炮彈，這是美軍自二戰以來從未見過的火力。

經常使用區域封鎖彈藥，如反坦克地雷和殺傷人員地雷。這些彈藥采用標準化的一致構造，規模更大。因此，它們更容易獲得、作戰更可靠、更有效、更易于部署。顧名思義，在全球戰爭與反恐行動中使用的簡易爆炸裝置是簡易的，因此可靠性值得懷疑。它們通常由一系列可用的爆炸裝置組成，與廣泛使用的非殺傷人員地雷相比，在特定區域使用的裝置密度要低得多。

本文探討了在烏克蘭沖突的第一年（2014 年 2 月至 2015 年 2 月）中，影響烏克蘭決策者在與歐盟和俄羅斯的關系中做出反應的因素。為解釋烏克蘭的決策，論文采用了博弈論啟發的分析框架，該框架基于四個核心博弈論要素：信息、信任、回報和資源。本研究旨在從三個主要方面豐富文獻：將博弈論啟發的分析框架應用于外交政策分析（并將博弈論的應用擴大到正式建模之外）、將這一分析框架應用于烏克蘭戰爭，以及關注烏克蘭的決策（而非歐盟與俄羅斯的關系）。在方法論方面，論文的貢獻在于設計了訪談指南和訪談項目，將博弈論元素應用于分析框架。還對烏克蘭、歐盟和俄羅斯的政策制定者（政治家、外交官和記者）進行了 38 次精英半結構化訪談。此外，還分析了官方文件和媒體報道，這有助于對訪談數據進行三角測量。按照第一年的四個主題和三個時期進行的專題分析使能夠根據烏克蘭決策者對事件的看法來組織研究結果。

博弈論文獻為提供了外交政策決策中的關鍵要素：有關其他國家（及其領導人）偏好的信息；對來自外國對話者的信號（包括正面和負面信號）的信任；所有參與者的回報結構（他們每個人可能得到的結果）；各方的資源及其在特定互動中投入這些資源的意愿。運用這一基于博弈論的分析框架，可以解釋烏克蘭領導人在 2014 年 2 月至 2015 年 2 月期間與歐盟和俄羅斯對話者關系中的決策。核心實證研究結果表明，烏克蘭決策者有限的外交政策分析和缺乏危機管理經驗是如何導致他們對歐盟和俄羅斯的行動產生誤解的。還指出了削弱烏克蘭外交政策能力的因素：革命后權力結構的變化、領導人原本不愿意為自己的戰爭決策負責、高級官員的腐敗、俄羅斯領導人不可預測的形勢步驟，以及歐盟和俄羅斯有意或無意發出的誤導信號。不過，數據也顯示，在戰爭的第一年里，烏克蘭領導人在外交政策分析和決策方面有學習和改進的跡象。

論文分為引言、五章和結論。第一章介紹了文獻綜述，描述了論文旨在填補的空白，介紹了基于博弈論的分析框架，并解釋了該框架將如何幫助回答研究問題。第二章討論了決策者在 1991-2014 年間如何制定烏克蘭的獨立外交政策，尤其側重于該國與歐盟和俄羅斯關系的演變。接下來的三章涉及 2014 年 2 月至 2015 年 2 月這一時間段，并介紹了通過訪談和文件分析得出的原始實證研究結果。根據關鍵時刻和升級/降級時刻將這一年分為三個時期。起點是 2014 年 2 月 21 日，即亞努科維奇與反對派領導人達成協議以及亞努科維奇傍晚離開基輔（第二天離開該國）的日子。次日晚，即 2 月 22 日至 23 日，普京與幾位顧問舉行了一次會議，會上顯然做出了奪取克里米亞的決定。第三章討論的吞并克里米亞時期于 3 月 26 日結束，這一天俄羅斯接管了烏克蘭在半島上的大部分財產。下一個時期是第四章的主題，從 3 月 26 日持續到 9 月 5 日。這一時期包括 3-4 月頓巴斯的叛亂、反恐行動的開始以及夏季爆發的公開戰爭。本章在《明斯克協定一》的關鍵時刻結束。這一時期發生了許多相關事件，一些學者強調了 5 月 25 日總統選舉后暴力的變化和烏克蘭政治的轉變（阿列克謝耶夫，2016 年；馬普爾斯，2016 年）。不過，將這五個月放在一章中研究，因為吞并克里米亞以及明斯克第一和第二協議是更重要的關鍵時刻，這一點也得到了大多數受訪者的認可。第五章探討了《明斯克協議一》和《明斯克協議二》之間的時期。決定在 2015 年 2 月 12 日結束研究時間框架，因為直到撰寫本文時，《明斯克協議》仍是解決沖突的核心文件，而且僅集中研究這第一年在學術意義上是有價值的，因為這一年發生了如此豐富的事件，參與者的觀念和互動也發生了如此多的變化。在每一章實證研究的末尾，都會附上一張表格，列出在這一時期的核心實證研究成果。現在，將開始對博弈論框架進行更細致的討論，這將使能夠開展進一步的分析，并使新穎的實證研究結果更有意義。

這項工作研究了在任務式指揮設備中嵌入模擬器的實用性和有效性。其目標是僅使用戰區作戰計劃作為模擬輸入，向操作員隱藏所有模擬器細節，使其無需學習新工具。本文討論了一種原型功能，該功能可根據 SitaWare 中生成的作戰計劃以及嵌入式無頭 MTWS 和 OneSAF 模擬器的模擬結果，生成行動方案（COA）分析。在輸入作戰計劃后，指揮官選擇要執行的模擬運行次數，并按下按鈕啟動模擬，模擬在后臺的運行速度比實時運行更快。模擬運行完成后，指揮官可通過圖形和圖表查看結果，對多次運行進行比較。預計未來的能力將允許指揮官模擬任何梯隊和命令，用于訓練和兵棋推演。

在美國陸軍的條令中，結束狀態和條件描述的是沖突后的未來。結束狀態意味著沖突的結束--戰爭結束。許多現代戰爭都缺乏明確的輸贏劃分，因此無法達成和平協議，也無法實現最終狀態的解決。因此，軍事規劃人員需要一個成功解決沖突的框架和條件，以實現結束狀態。

本專著探討了戰爭如何結束。案例研究包括以最終地位解決而告終的戰爭、試圖但未能實現最終地位解決的戰爭，以及在僵持沖突中繼續進行的戰爭。北愛爾蘭戰爭以及以色列和埃及之間的戰爭在經過多年談判和實施之后以最終地位的解決而告終。以色列和巴勒斯坦之間的沖突未能解決最終地位問題，導致第二次起義的暴力爆發。塞浦路斯和納戈爾諾-卡拉巴赫存在著僵持不下的沖突，盡管談判仍在繼續，以期達成協議。

和平進程本質上是危險的，因為無論是失敗還是成功，都會導致相關地區的暴力加劇。不過，某些條件可以減輕這種危險。本專著建議，成功解決戰爭的框架應包括以下因素：穩定力量；沖突局部化；適當當事方的參與和消除不相干當事方；交戰人口的分治或隔離；實現和平的激勵措施；以及停火。

在軍事訓練環境中，可能會發生受傷、友軍誤傷和非致命自相殘殺等重大事件。雖然這些事件提供了寶貴的學習機會，但定量性能數據往往不足以了解此類事件的根本原因。深入的案例研究可以提供寶貴的定性、可操作數據，有助于解決這一問題。本研究收集了陸軍小分隊在干式射擊戰斗演習中的表現、射擊和通信數據，作為衡量、預測和提高士兵和小分隊近戰表現的大型研究工作的一部分。士兵佩戴的傳感器顯示，一些表現最佳的小隊發生了友軍誤擊和自相殘殺事件。因此，我們進行了案例研究，以確定造成這些事件的原因。這篇論文提供了除量化評級之外的班組表現洞察力，并強調了在訓練期間面對重大事件時進行更深入分析的益處。分隊通信數據對于診斷事件根源尤為重要。就自相殘殺事件而言，數據顯示，由于無線電失靈，小分隊成員之間的溝通出現中斷。我們將討論導致自相殘殺事件的具體事件和小分隊的應對措施，以及在各種突發事件中表現優異和表現不佳的小分隊之間的溝通模式。我們將研究如何在模擬訓練環境中重現和操縱突發事件的相關條件以及這些事件的根本原因，使教官能夠控制事件的發生并提供及時的反饋和指導。

具有高度自主性的軍事系統發展帶來了許多作戰優勢。這些系統通常是高度協作的，并允許優化對復雜問題的多效應對。人工智能，包括深度強化學習，有助于提高這些系統的效率。這項工作提出了一個與信任這些算法有關問題的綜合觀點，并提出了一些改善人機信任的準則。這項工作是在由歐盟資助的30個合作伙伴歐洲財團委托編寫的報告框架內完成的。

用于水雷戰的自主水下無人機，MMCM計劃實例

法國和英國在2010年啟動了一項計劃，評估和開發 "海上反水雷"（MMCM）能力，包括在與母艦安全距離外遠程操作的無人系統。通過持續化解靜態水下威脅，這些系統將提供戰略、行動和戰術上的機動自由，確保海上力量的安全投送，包括在海峽等高風險地區。

MMCM計劃的目標是提供一種新的敏捷的、可互操作的和強大的水雷戰能力。它將有助于在現有水雷戰艦退役時取代它們。這一雙邊計劃于2010年底根據法國和英國之間的《蘭開斯特宮條約》正式啟動。在2018年1月的法國/英國峰會上，法蘭西共和國總統和英國首相申明了他們打算迅速將該系統投入作戰服務[13]。

特別是，在2020年測試了四種作戰方案，分別采用了：一個水面無人機及其探測聲納、一個拖曳聲納、兩個水下無人機和一個水下滅雷機器人。前兩種情況主要是隨著任務的進行對威脅進行探測、分類和定位，其次是通過與前一次任務的數據進行比較來改變探測結果，最后是重新定位和識別幾枚地雷并解除其中一枚地雷。

該計劃的核心是在水下環境中自主發展的能力。這種自主性是通過使用人工智能算法，特別是DRL來實現的，以便自主地將無人機從母艦上移開[14]。盡管水下無人機必須能夠自主行動，但仍有許多人機互動：任務準備、驗證地雷分類和實時任務監測、授權投擲炸藥。這種人機互動是由MMI（人機界面）實現的，比如你會發現下面這個界面。

有一些項目旨在優化這些關系并建立信任關系：例如，泰雷茲國防任務系統公司DxLab的AR{iA}NE項目，旨在顯示操作者和人工智能之間可以有真正的互動[14]。人工智能在這里由控制臺的下半部分代表。它的突出顯示取決于性能指數：這就是人工智能以非常直觀的方式與操作者交流的方式。這個演示設備是為工業展覽準備的。它的設計經過特別考慮，給人以未來主義的印象，讓客戶感覺到他正在與人工智能進行交流。該控制臺集成了一個軟件分析界面，為聲納數據的利用提供了實質內容，因此非常適用于研究人機互動，更確切地說，是人機互動。

用于反無人機作戰的輕型自主無人機

國防公司，如泰利斯、空客和MBDA，正在開發項目，旨在提供反無人機（UAV：無人機）解決方案。商用無人機的擴散化和相當便宜的價格引發了安全和保障問題。例如，在無人機和飛機之間發生了一些事件，還有一些情況，如跨越邊界和在監獄中走私貨物（武器、毒品），或向目標運送爆炸物。這些公司提出了智能解決方案，可以檢測無人機，但也可以通過高度的自主性和人類的環形控制來消除它們。這些系統可以對敵方目標進行探測、識別、定位和消滅。反無人機問題被概念化，并通過以下步驟得到部分解決[16]：

• 威脅探測：利用部署在保護區域的地面傳感器，如雷達、聲學、射頻或光電傳感器來解決；
• 威脅分類：在威脅探測步驟中捕獲的地面傳感器數據上執行的后處理任務；
• 威脅識別：這是一項額外的后處理任務，旨在完善前一步獲得的分類，最好是評估一套獨特的威脅特征特征；
• 威脅追蹤：該任務的結果是威脅所遵循的軌跡或一組軌跡。其目的是保持對威脅的關注，并將其保持在系統傳感器的視野范圍內；
• 威脅評估：評估入侵的無人機所代表的威脅程度，例如通過有效載荷分析或行為理解。執行這一步驟是為了收集情報，并可能調整對該威脅的反應；
• 威脅消除：使用物理或非物理損傷使威脅失效。當然，這是迄今為止最不成熟的步驟。中和技術最終應取決于威脅的性質、其威脅程度和環境條件（以避免或盡量減少附帶損害）。

最新項目的目標是創建和展示一個完整的反無人機系統，能夠解決上述六個步驟，并整合兩個主要部分，一個地面部分和一個空中部分。地面部分可由一個作為指揮和控制站的地面控制站和一些地面傳感器組成，其數量和在空間的分布可根據需要和保護空間的配置進行調整。空中部分可以由盟軍無人機隊組成，這些無人機可以是相同的，具有類似的能力（同質蜂群），也可以具有不同的能力，每個都有一套獨特的專長（異質蜂群）。擁有一個空中段提供了兩個優勢。首先，在傳感方面，它使系統具有盯住目標的能力，可能為人類操作員提供實時視覺反饋，但也能對敵方無人機及其有效載荷進行更詳細和有效的分類和識別。第二，在消滅方面，它應該允許防御者部署更多的外科手術式的反措施，特別是避免過多的附帶損害或不想要的副作用。許多國防公司正在為中和部分開發智能DRL解決方案[17]，以便在盟軍無人機群中做出自主決定。DRL算法也可用于指揮和控制站，以監測整體作戰情況。

用于未來戰斗空中系統（FCAS）的重型自主無人機群

未來戰斗航空系統（FCAS）是一個 "系統簇"，它涉及到新一代戰斗機（NGF）、遠程航母（RC）和一個將所有參與者連接在一起的戰斗云系統： NGF、RC群、衛星、戰艦、地面系統等。

遠程運載器是用來做什么的？設想的應用是非常多樣的：通過幾十架飛機的飽和來穿透敵人的防御，誘騙敵機，執行電子戰任務（干擾），為其他飛機指定目標，執行偵察任務，甚至發射導彈而不是作戰飛機。這些新型機組成員為未來幾十年的空中行動開辟了一個巨大的可能性領域：用無人機代替戰斗機發射導彈，這樣就不會有飛行員的生命危險，騷擾敵人的防線，執行偵察任務，等等。這些設備也可以假裝成駕駛飛機，吸引敵人的巡邏隊，為作戰飛機打開缺口。在遠程載具的核心，制造商正在開發人工智能算法，特別是DRL[18]，以控制每架無人機，但也控制無人機群。DRL算法出色的適應性在這里被用來管理高層和自主決策。

"系統簇"的非常高的互連性也要求建立一個抗網絡攻擊的戰斗云。這些攻擊確實可以破譯通信以獲取情報，甚至干擾或破壞通信，或者更糟糕的是，向半自主系統發出錯誤指令。DRL算法可用于應對正在進行的網絡攻擊。這些攻擊確實可以快如閃電，而人類沒有能力做出足夠快的反應。因此，必須使用智能自動系統來抵御攻擊。DRL似乎再次成為快速、自主和適應性行動的良好解決方案[19]。

邁向可信AI

A. 科學的信任和可解釋人工智能

正如我們所說，在自主系統中使用人工智能有很多問題：倫理、法律、政治等等。這就是為什么有必要在這場技術革命的不同參與者之間建立一種信任關系，從研究人員到用戶和工程師。

數學上的保證。為了確保我們提出的技術解決方案的可靠性，最好能在理論上和數學上保證算法的性能。然而，重要的是要記住，有關的保證在性質上是概率性的，因為大多數ML算法的性質是不確定的。因此，我們將試圖證明，例如，如果該算法有無限量的訓練數據可供支配，它就能夠完成提交給它的任務。或者，人們可能會試圖證明該算法收斂到一個解決方案，而且幾乎可以肯定它是以一個已知的和可控的速度收斂的。這種類型的結果保證存在于許多經典的ML算法中，用于解決某些簡單的問題，并受制于關于訓練和測試數據的某些假設。人工智能的整個研究領域都是關于知道什么是或不是可以通過ML學習的問題，以及什么精度：可能是近似正確的學習[20]。在RL方面還有很多工作要做，它仍然是一種年輕的技術，但理論上的保證越來越多[21]。然而，這些理論結果一般都是基于非常強的假設，這些假設往往是還原性的，并沒有考慮無人機在實踐中使用的非常真實的環境，這有時會使它們不那么相關。

可解釋人工智能。第二個軸心是要建立對人工智能所支配的自主系統的信任，即其行動的可解釋性。當我們可以理解導致人工智能獲得結果的原因時，一個算法被認為是可解釋的。一般來說，目前可解釋的ML算法（XAIs）能夠報告相對簡單的決定，例如指出圖像的哪些區域被用來確定它是一個蘋果。關于RL，為算法的可解釋性設想了幾條途徑。

• 一些RL算法是以完全透明的方式建立的，它允許追蹤不同代理在一段時間內做出的決定。然而，這種方法不能應用于DRL，由于使用了人工神經網絡，DRL并不是完全可解釋的。
• 表征學習是另一種方法，它試圖在推理的某些階段提取最相關的信息。
• 也可以訓練另一種人工智能算法來解釋RL算法的行動，同時相互配合[22]。其他的解決方案仍然存在，提及這些解決方案需要太長的時間，這里的興趣主要是要意識到RL算法的可解釋性正在全面發展，在未來的幾年或幾十年里應該會通過新的里程碑。

讓我們細化前面的觀點，像一些作者那樣考慮人工智能算法的區別，這些算法不僅是可解釋的，而且是可解釋的。事實上，為了解釋它們的推理，已經建立了一些后驗算法，但它們并不能幫助理解初始算法的 "黑匣子"。出于這個原因，人們正在對可解釋的人工智能方面進行研究，這樣就可以說明導致輸出的不同推理步驟[24]。即使DRL算法的參數數量非常大，仍然是廣泛實施這種方法的技術障礙，但可以預期在這個領域會有明顯的進展。

B. 性能信任

對受DRL支配的自主系統有信心的第二個論據是測試期間的性能測量。事實上，即使目前關于人工智能可解釋性的知識狀況不允許完美地理解算法是如何達到其輸出的，但實踐中的結果是好的，表明有非常大的發展潛力。

對其他問題進行歸納的能力。首先，用戶對人工智能技術的信心可以建立在算法解決其他問題的良好能力上，或多或少有些類似。例如，眾所周知，Deepmind的AlphaFold 2 DRL算法在預測蛋白質結構方面特別出色[25]。這種優秀的聲譽源于該算法的大量已發表的測試研究，這讓該領域的大多數科學家對其給予了極大的肯定。雖然蛋白質結構預測與自主無人機的使用無關，但將蛋白質中單個原子的放置與無人機在協作作戰任務中的放置相提并論是很容易和有意義的。在前一種情況下使用DRL，以及所獲得的結果，也有可能使最終用戶對DRL應用于另一個領域的潛力充滿信心。

算法驗證。然而，與經典的ML算法不同，不可能在RL中實現我們在第一部分討論的驗證測試。這是因為所涉及的數據是隨時間變化的，而且所提出的問題也是不同的。要限定所識別的對象是否被正確預測是很容易的（是的，它是一個蘋果，或者不是，它是一個梨子）。另一方面，量化無人機和飛機之間合作的成功要微妙得多：許多標準必須被評估（無人機的定位、它們的速度、它們不同行動的時間）。因此，RL算法的性能測量是通過建立針對要解決的任務的指標來完成的。例如，對于負責訪問一個空間區域的無人機來說，比較正確識別目標的比例、任務完成時間或其他更精確的指標是相關的，這取決于情況和要解決的具體問題。

爭取在RL中實現更好的可重復性。最近還強調了RL算法的一個臭名昭著的問題，即當一些研究人員想要復制他們同事的結果時，一些算法的不穩定性[26]。實驗的可重復性是科學中的一個基本問題，因為它構成了被測試定律（例如，萬有引力定律）的有效性證明。在這里，算法性能的證明之一是可以讓它多次承受相同的情況，并在不同的迭代中獲得非常相似的結果。為了克服缺乏可重復性的問題，新的算法開發框架、新的測試程序和明確的指導方針已經到位，使科學和開發團隊對他們的結果有了更大的信心。

C. 建立一個有人-無人之間的信任協作

優化人機互動

人機協作是現代（協作）戰爭的核心，但人類和智能機器之間的成功協作主要取決于信任。然而，安全與新興技術中心對自主性和人工智能相關的研究[27]發現，在美國軍方的科技項目投資中，789個自主性相關項目中只有18個，287個人工智能相關項目中只有11個提到 "信任 "一詞。研究人員沒有直接研究信任，而是將開發更透明、可解釋和可靠的人工智能作為優先事項。這些努力對于培養人機團隊的信任是必要的，但技術驅動的解決方案并不總是考慮這個等式中的人類因素。

對高性能技術的不充分信任會導致人工智能系統的使用不足或廢棄，而對有限的或未經測試的系統的過度信任會導致對人工智能的過度依賴。這兩種情況在軍事背景下都有獨特的風險，包括事故、友軍交火、對平民的意外傷害和附帶損害。為了讓士兵對自主系統有信心，他們必須知道系統在遇到障礙物時將會做什么。從系統工程的角度來看，這意味著要指定和實施一些能力，如通過假設查詢和信息交流進行信息檢索，以便系統能夠以人類操作者容易理解的方式解釋其推理和行為。換句話說，"在系統中建立信任 "是一種以技術為中心的方法，通過改善與信任密切相關的系統特性和能力，如透明度、可解釋性和可靠性，來建立人機團隊的信任。

DARPA的Squad X計劃[28]將美國陸軍和海軍陸戰隊的步兵小隊與配備先進傳感設備的無人地面和空中飛行器配對，以提高敵對環境中作戰人員的態勢感知和決策。X小隊在2019年初進行的一系列實驗[29]的主要收獲之一是，將人工智能納入任務的規劃和演練階段非常重要。這樣做，士兵可以 "在如何信任人工智能方面進行搏斗"。最終，目標是讓人類作戰人員更好地了解這些自主系統在戰場上的表現，并對它們作為未來任務中的伙伴更有信心。

要怎樣才能讓人們信任技術？在使用先進系統時，一些個人或群體是否更有可能感到自信，而另一些人則更不情愿？人機團隊的部署環境如何影響信任？認知科學、神經科學、心理學、通信、社會科學以及其他研究人類對技術的態度和經驗的相關領域的見解為這些問題提供了寶貴的啟示[30]。

解決道德問題

"殺手機器人 "一直引起人們對潛在自主能力的恐懼[31]。法國國防倫理委員會在2021年批準在武器系統中引入一定程度的自主能力[32]。在法國，沒有辦法授權 "殺手機器人"。這一表述指的是LAWS（致命性自主武器系統）。這只是證實了法國幾年來在這個問題上的立場。但事情很復雜，倫理委員會認為不反對引入一定程度的自主權，因此不反對使用PAWLS（部分自主武器致命系統）。將LAWS與PAWLS區分開來的是 "性質上的差異，這與人類在某些關鍵功能中的地位有關"。致命武器系統的設計是為了演化出自己的操作規則，并自行重新定義其任務。它們不需要指揮部對情況的評估。PAWLS可以自主地被賦予某些任務的責任和執行，但只是暫時的，而且只用于識別、分類、攔截或接觸任務。道德委員會明確表示，它不能在沒有人類控制的情況下采取致命的舉措。即使在這個限制性框架內，也必須制定技術和組織保障措施，以防止任何過度行為。委員會認為，應繼續在與國防有關的人工智能和武器系統自動化領域進行研究。其目的是避免任何 "科學和技術上的放棄"，防止對手開發致命性自主武器，并在對手使用這種武器時進行防御。

自主系統不應

• 破壞指揮系統；
• 違背擁有處置武裝部隊的行動自由的憲法原則；
• 不能為遵守國際人道主義法律原則提供任何保證；
• 違背軍事道德和士兵的基本承諾，即榮譽、尊嚴、
• 控制使用武力和人道。

指南：在以人為本的國防人工智能領域建立信任

G1. 為自主軍事系統上嵌入式人工智能的操作使用案例制定并提供一個法律框架。

G2. 確保在所有情況下都有人類的監督，有人類在環形系統。

G3. 保證在發生事故時的責任追溯。這種責任必須始終由人承擔，而不是由機器承擔。

G4. 開發符合人體工程學的人機界面，允許人與機器之間的對話和理解。

G5. 開發穩健、安全、準確、可重復和可靠的算法，以及評估這些標準的方法。

G6. 為與人工智能互動的軍事人員建立培訓計劃，讓他們了解這些算法的機制、能力和局限性。

G7. 通過對算法、數據和設計過程的評估，確保責任、問責和可審計性。

G8. 制定技術評估程序，以評估對上述準則的遵守情況。

G9. 加快歐洲在人工智能技術方面的培訓工作，特別是針對學術和工業環境的DRL。

G10. 加快歐洲在整合人工智能的國防系統方面的立法工作，以保持歐洲在這一法律方面的領先地位，并確認其在這一領域的領先形象。

G11. 發展國際合作，在自主系統領域進行立法。

G12. 促進研究人員、哲學家、律師、政治家和業務人員之間關于自主系統的對話。

G13. 在有關國防人工智能的研究和應用項目中始終包括信任的概念。

G14. 對協同作戰的未來利害關系有一個明確而具體的看法，以便將人和他們的利益置于系統的中心。

本文是卡內基 "俄烏戰爭中的網絡沖突 "系列論文的一部分，該項目旨在更好地理解俄烏戰爭中的網絡元素。卡內基的專家們各自研究了網絡沖突的一個獨特層面：論述了對烏克蘭網絡防御的國際援助；論述了俄羅斯未達到的期望；論述了俄羅斯網絡行動的總體軍事影響。

本文研究了俄羅斯戰時在烏克蘭的網絡行動的軍事有效性，這些行動沒有產生更大戰略影響的原因，以及適用于其他國家的軍事網絡的經驗教訓。本文在以往分析的基礎上，采取了更加系統和詳細的方法，納入了更廣泛的公開可用數據。

本文的一個主要目的是幫助彌合俄烏戰爭的具體網絡分析和一般軍事分析之間的鴻溝。大多數對俄羅斯在烏克蘭的網絡行動的分析都是由網絡專家為自己的領域撰寫的，對非網絡軍事來源和概念的整合有限。相反，對整個戰爭的主要描述幾乎沒有提到網絡行動。為了開始填補這一空白，本文將俄羅斯在烏克蘭的網絡行動置于莫斯科的軍事目標、運動和動能活動的大框架中。它的關鍵點是：

• 俄羅斯的網絡"火力"（破壞性或毀滅性的攻擊）可能對莫斯科最初的入侵貢獻不大，他們對烏克蘭目標造成的損害微乎其微。傳統的干擾使俄羅斯軍隊在爭奪基輔的戰斗中獲得了戰術上的優勢，而對Viasat調制解調器的網絡破壞進一步降低了烏克蘭前線的通信能力，這一點是可信的--盡管未經證實。同時，俄羅斯開場的大規模數據刪除攻擊可能擴大了烏克蘭的總體混亂氣氛，盡管據報道受害者組織只遭受了有限破壞。但在戰爭的前幾周，俄羅斯的網絡攻擊在數量、影響和新穎性方面都急劇下降了。盡管相對于戰前的基線來說，網絡火力仍然很高，但在莫斯科的軍事野心和在烏克蘭的高強度作戰行動的宏大規模上，幾乎沒有登記。

• 網絡火力既沒有對俄羅斯的動能火力進行有意義的補充，也沒有發揮不同于動能武器的特殊功能。許多俄羅斯網絡火力的目標與動能武器所攻擊的烏克蘭系統類別相同，如通信、電力和交通基礎設施，而不是發揮特殊作用。對于幾乎所有這些目標類別，動能火力似乎都造成了多個數量級的損害。雖然網絡火力在某些情況下有可能提供獨特的好處，但這些好處在俄羅斯對烏克蘭的戰爭中并沒有實現。莫斯科的軍事戰略家們很快就放棄了在烏克蘭減少物質或附帶損害或創造可逆轉效果的任何目標，俄羅斯從網絡行動中幾乎沒有獲得可否認性或地理范圍。同樣，俄羅斯的網絡火力也沒有取得任何系統性的效果，可以說它們的成本效益較低，或者至少在能力上受到更大的限制，而不是動能火力。

• 情報收集--而不是開火--可能是俄羅斯在烏克蘭戰時網絡行動的主要重點，但這也沒有產生什么軍事利益。盡管外界對情報過程的評估比火力更難，但俄羅斯炮兵似乎依賴非網絡來源的目標情報（特別是無機組人員的飛行器或無人機），盡管早些時候聲稱莫斯科已經使用惡意軟件對烏克蘭陣地進行地理定位。俄羅斯導彈部隊可能收到了一些網絡衍生的情報，但在少數已知的可信案例中，這種情報似乎對目標決策沒有價值。即使是影響行動，長期以來一直是莫斯科網絡理論的核心，也只從俄羅斯黑客那里得到了最小的已知支持。更為普遍的是，俄羅斯對戰爭的整體態度--從戰役計劃到占領被占領的領土--表明關鍵的軍事決策并沒有受到嚴格的全來源情報程序的指導。

• 雖然許多因素制約了莫斯科的網絡效率，但最重要的也許是俄羅斯網絡能力不足，俄羅斯非網絡機構的弱點，以及烏克蘭及其合作伙伴的特殊防御工作。為了有意義地影響一場如此規模的戰爭，網絡行動必須以俄羅斯顯然最多只能維持數周的節奏進行。莫斯科選擇維持甚至增加其針對非烏克蘭目標的全球網絡活動，并且沒有充分利用網絡犯罪分子作為反對烏克蘭的輔助力量，從而使其能力問題更加惡化。同時，俄羅斯總統弗拉基米爾-普京和他的軍隊似乎不愿意或無法以精確的、以情報為導向的方式來計劃和發動戰爭，而這正是網絡行動的最佳方式。烏克蘭則受益于一個有彈性的數字生態系統、多年來的網絡安全投資，以及世界上最有能力的公司前所未有的網絡支持。

• 隨著戰爭的繼續，俄羅斯的情報收集可能是烏克蘭最大的持續網絡風險。可以想象，如果俄羅斯黑客能夠收集到莫斯科有效利用的高價值情報，他們仍可能產生更大的影響。例如，黑客可能會獲得實時地理位置數據，從而能夠暗殺沃洛季米爾-澤倫斯基總統或及時準確地瞄準烏克蘭軍隊，特別是那些擁有高價值西方武器系統的軍隊；進行黑客和泄密行動，向烏克蘭和西方公眾披露敏感的戰爭信息，如烏克蘭的戰斗損失、內部分裂或軍事疑慮；或收集關于基輔的看法和意圖的寶貴信息，以幫助莫斯科在未來的談判，以及其他情況。俄羅斯的網絡火力構成了不太嚴重的威脅，盡管如果莫斯科將更多的整體網絡能力導向烏克蘭（以其他目標為代價）或更好地利用網絡犯罪分子，這種攻擊可能會成倍增加。

• 俄羅斯在烏克蘭的戰爭為其他軍事網絡指揮部提供了教訓，但這些教訓必須適用于國家情況，并與一系列相關案例研究一起考慮。俄羅斯的經驗表明，網絡火力可以有效地集中在一次突襲或其他主要的炮擊中，但在更大規模、更長時間的戰爭中，它們的意義可能會逐漸消失。在支持各種戰時軍事任務方面，網絡情報收集似乎比網絡火力更有潛力，但這可能取決于是否有合格的分析和決策過程以及相當精確的 "戰爭方式"。在網絡和動能學科方面具有高能力、專業性和準備性的軍隊--如美國和以色列--以前曾利用網絡行動來實現對高價值目標的打擊。然而，即使是一流的軍隊似乎也是在嚴格限定的范圍內取得了最大的網絡成功。因此，將網絡空間視為與陸地、海洋、空中和太空同等地位的 "第五領域 "戰爭，可能是一種誤導。

• 計劃進行大規模戰爭的軍隊應該詢問他們是否能夠真正達到產生和維持有意義的網絡火力高標準。要達到這個標準，可能需要龐大的常備網絡部隊--也許比和平時期或 "灰色地帶 "條件下所需的部隊大很多倍。或者，軍隊可以發展激增的能力機制（例如后備部隊），這在實施上具有挑戰性，并有可能吞噬國內網絡安全。網絡能力的快速再生是另一個關鍵障礙。鑒于戰時網絡能力有限，軍隊可能需要嘗試波浪戰術：短時間內密集的網絡火力，然后是休整期和再生期。波段的頻率越低，與動能火力的密切協調就越重要。如果一個網絡指揮部不太可能迅速擴大規模和再生，那么它也許不應該渴望在重大沖突中進行持續的戰時射擊。相反，它可能會優先考慮在和平時期、灰色地帶或戰前條件下更有選擇性的開火，或像網絡防御和情報收集這樣的非開火活動。

• 各國在網絡情報收集方面的投資應與磨練情報分析、軍事規劃和戰略決策的同等努力相匹配。隨著網絡能力的擴散，各國可能會發現自己能夠收集到的信息比他們在戰時能夠準確解釋和有效使用的信息要多。在這種情況下，廣泛的體制改革--提升分析技術、灌輸專業精神或打擊腐敗--往往比進一步提高網絡收集的技術水平更有價值。無法實施這些改革的國家可能會了解到，精致的軍事網絡情報能力不值得努力去建立。網絡單位也需要被充分整合到所有來源的情報流程中，引導他們去滿足那些無法通過其他方式輕易滿足的信息需求。網絡情報的戰時用例可能包括實時追蹤高價值目標，在關鍵任務情況下驗證人類情報，以及獲取具有持久、多用途價值的非常大的數據儲存庫。

• 網絡防御者應將烏克蘭戰爭作為一個參考點，重新審視和完善他們可能需要打的特定戰爭的先前假設。他們的首要任務是重新考慮潛在的敵人在沖突中利用網絡行動的可能能力，因為俄羅斯的經驗是微乎其微的。然后，他們應該對自己的軍事狀況進行具體的比較和對比。

• 本文的試探性見解代表了對零散的、相互沖突的和不斷變化的數據的一種合理解釋。分析師仍然依賴烏克蘭政府、盟國政府、網絡安全公司和記者的報告來了解俄羅斯的網絡行動、其影響以及更大的烏克蘭戰爭。然而，這些消息來源只有部分知識，而且狹隘的關注不可避免地影響了信息的分享內容、時間和方式。例如，一些消息來源在最近幾個月產生的公開報告比以前少。由此產生的 "網絡戰爭迷霧 "甚至繼續籠罩著最密切關注的網絡事件。整個戰爭彌漫著更大的迷霧，在短短九個月內已經經歷了幾個不同的階段--其發展方式往往令西方分析家（和其他人）感到驚訝。盡管有這種不確定性，世界各國政府將不會等待將感知到的經驗教訓納入軍事網絡戰略、預算、理論和計劃的持續更新。分析師應提供目前可能的最佳評估，同時承認信息差距和隨著時間推移重新評估的需要。

表5. 阻礙俄羅斯在烏克蘭取得網絡成功的因素