C4ISR是指为国防和战略决策者执行指挥和控制指令提供可操作情报的技术。最近在系统、技术和工艺方面的进步使得态势感知(SA)得到加强,并能深入了解对手的能力。这种增强的态势感知将有助于最大限度地减少从最初感知威胁到随后决决策减轻威胁的时间,从而提高C4ISR能力。本文对可用于改善决策和SA的当前和即将到来的技术进行了回顾。

引言

军队的 "神经系统",即用于最佳利用实时态势感知(SA)的子系统的集合,被称为C4ISR--指挥、控制、通信、计算机、情报、监视和侦察。 C4ISR是任何防御行动的骨干,确保战场的透明度。它从各种来源收集和组织数据,对其进行分析,然后将其传播给所有相关机构,以便采取协调和迅速的行动。

C4ISR的价值正在从静态的决策过程中急剧转变,以前指挥官是根据预先确定的标准进行决策,而现在则是动态的决策过程,其灵活性是建立在系统中的,使各指挥部的指挥官能够更有效地进行近实时的互动,并在必要时进行中期修正。

由于电子、IT、通信、计算能力等方面的进步,数据的质量有了巨大的增长,而且这种趋势将继续下去。由于这些进步,产生了大量的数据,这可能会给分析带来压力,使其能够将许多来源的数据关联起来,评估它们,并几乎实时地交流有用的发现。

C4ISR中使用的信息将来自各种来源和数据类型,包括卫星和航空图像、图片、文本、音频和视频、传感器数据等。在实施C4ISR过程中需要考虑的方面有:

  • 所有参与组织之间必须有共同的标准和协议
  • 共同的数据格式和数据字典以实现信息的无缝交换
  • 具有地理参照数据的通用地理信息系统
  • 共同的坐标投影系统
  • 标准的政策和程序
  • 联合加密系统

本文讨论了当前和新兴技术的设计,以保持C4ISR对国家的相关性和实用性。

C4ISR的体系架构

C4ISR从各种来源接收数据,包括服务和情报组织。在这种情况下,所有这些利益相关者可能不愿意披露他们的内部架构,包括数据和应用程序,这是一个重要的考虑。因此,应建立联合网络中心架构,允许所有机构在必要时或应要求分享已确定的数据,同时对其他数据进行保密。

每个机构都有自己的安全网络,就像一个 "岛"。C4ISR实施中的网络架构必须被设计成包括各种'网络岛',并有安全的整合点。一个 "网络岛 "内的自主性和几个 "网络岛 "之间的安全互操作性是需要实现的关键原则。每个 "网络岛 "都有一个信息交换网关(IEG),通过数据二极管连接。这个IEG将只包含已经确定的数据,然后通过不同的数据二极管与剧院共享数据中心(TSD)共享。然后,这个TSD将把数据传输到中央共享数据中心(CSD)。一个组织/机构的IEG不会同时连接一个'网络岛'和一个TSD,保护'网络岛'存储的私人数据。

C4ISR可以在集中式或联合式架构中实施。图1描述了一个集中式架构,其中所有的TSD数据被集中存储、分析,并在客户/服务器(C/S)模型中发布。

在集中式架构中,如果与CSD的网络通信失败,所有实体都将失去ISR支持。这些组织/机构将继续在独立的垂直筒仓中运作,它们之间的整合只有在CSD层面才可以想象。

图 1:C4ISR 的集中式架构

图2描述了一个联合架构,在这个架构中,各 "网络岛 "的TSD以点对点模式连接。任何组织或机构的IEG将通过点对点连接的TSD从其他组织收集数据。每当建立与数据二极管的连接时,IEG就会与其安全的'网络岛'同步数据。由于资源的分配,冗余和生存能力在联合架构中是更好的。

此外,C4ISR架构将在 "需要知道 "的基础上满足执行者的信息推送模式,在 "知道所有 "的基础上满足决策层指挥官的信息牵引模式。

图 2:C4ISR 的联合架构

该架构的子系统应该有适当的维持模式,考虑到可集中管理的操作系统、计算要求、可扩展的存储、可靠的网络和网络安全。

应用

应用构成了SA的核心。过去十年中的各种技术创新导致了安全保障能力的提高。无论是在服务或机构层面,还是在中央指挥和控制中心,都部署了应用程序以满足要求,提高性能,并帮助及时和适当的决策能力。下面详细介绍了一些改善SA的技术:

1、数据收集、整理和编目

在以网络为中心的战争中,C4ISR的大量数据的开发正在加速进行,增加了数据流的速度。这是由于技术的进步、更多传感器的部署、向数字数据的转换以及其他因素造成的。来自卫星和航空平台、物联网传感器、监视资产和其他来源的高分辨率、高频率数据以图像、视频、音频、无线电信号和其他类型的数据形式提供了大量的数据。这种大量的数据不仅带来了高效处理方面的挑战,而且还需要高性能的计算系统来提供近乎实时的检索和分析基本数据,以便做出合适和及时的决策。

  • 有助于改善SA的数据收集或情报收集的不同来源有:
    • 人类情报(HUMINT)
    • 开放源码情报(OSINT)
    • 信号情报(SIGINT)
    • 图像情报(IMINT)
    • 地理空间情报(GEOINT)

数据有各种类别和格式。一些用于改善SA的数据类型是:

  • 地理空间数据,如图像,有卫星图像(EO、SAR、IR、超光谱等)、航空图像(天底、斜面)、矢量数据(简单特征、点云、三维数据模型、时间序列网格数据、数据立方体等)、数字海拔模型(DEM)、数字地形模型(DTM)、肖像图片、景观图片等。
  • 文本数据,如简单文本、结构化文本数据、结构化数据库、非结构化文本数据、图形数据库等。
  • 音频数据,来自音频记录、电话/手机通话记录、电声传感器等。
  • 来自摄像机、网络摄像机、监控传感器等的视频数据。

数据目录,如时空资产目录(STAC),为不同环境下的数据源的语义分类、索引和组织,以及用元数据充实原始数据,提供了一个很有前景的解决方案。包含数据描述的数据目录可以作为网络服务提供。RESTful API的实施在应用中发现和使用数据,以提高SA。

2、地理空间应用

地理空间技术是C4ISR应用的骨干。它提供地理空间图像和地图分析能力。它还为用户提供了了解地貌、事件发生地、部队部署及其范围、可及性、时间和地点的变化等的能力。

  • 地理空间数据发布。地理空间数据可以通过遵循OGC标准进行发布(图3)。地理空间应用程序可以在独立或网络模式下消费发布的数据。
  • 地理空间图像数据分析。寻找新的目标、发现变化、进行监视、规划任务、评估战斗损失评估(BDA)的战斗结果、战斗秩序(OOB)分析等,是分析来自卫星和空中平台的地理空间图像数据的主要目标。它们有助于估计对手的军事力量,定位和跟踪对手的部队,观察对手军事单位的定位和部署,密切关注敌人的主要供应路线,他们的武器储存设施的活动,行动方案的评估,等等。掌握定位地下发射井/掩体/弹药库等隐藏设施的艺术和科学,将为战略和战术规划提供关键信息。地理空间图像分析将在其识别中发挥关键作用。图像解读任务包括:特征检测、定位、识别、鉴定、比较、解释、理解和预测。

图3:地理空间服务

  • 三维地形可视化。三维景观可视化使指挥官在远离行动的情况下,也能更好地欣赏真实世界的场景。采用现代三维投影仪/AR-VR/全息投影,而不是沙盘模型,增强了他们做出明智决策的能力。地形分析包括许多表面分析功能,如定位最高点和最低点,评估能见度,确定视线,生成视线棚,路径剖面的构建,高程剖面的查看,阴影浮雕的创建,最陡峭路径的计算,为高程/坡度/方面创建彩色编码图像,显示坡度轮廓和箭头,切割和填充量分析,规划战术部署,以及3D飞越可视化。

  • 变化检测。对多时空的卫星和航空照片进行检查,以检测战略特征的变化。在给定的参考图像中确定的特定物体与目标图像中发现的特征进行比较,以检测物体的出现、消失或位置的变化。变化检测为了解对手的行为和意图提供了有用的洞察力。变化检测的自动化过程目前正处于开发阶段。自动化将使其更容易快速分析众多图像。

3、人工智能应用

机器人和人工智能(AI)是技术和认知智能的结合,用于模拟、处理信息和知识,在机器中建立模仿人类行为的能力3。无人系统预计将在未来的战争中占据主导地位,而人工智能将是一个关键因素。2022年7月11日,印度国防部长在新德里举行的 "国防中的人工智能"(AIDef)研讨会上,推出了75种新开发的人工智能产品/技术。为了使国防服务和战略机构现代化,目前正在努力充分利用AI的潜力。从这个角度来看,下面探讨了各种基于人工智能的应用。

  • NLP搜索、语言支持和情感分析。自然语言处理(NLP)使用深度学习(DL)来理解词语之间的含义和关系。情报专家在NLP中采用HUMINT、OSINT和其他类型的情报数据,以获得相关的主题发现、序列映射和生成式总结。NLP将在C4ISR的背景下提供SA,并将改善决策。

  • 带有地理空间技术的NLP可以帮助各机构理解和欣赏事件在时间和空间上的协调和关联性。

  • 对一种语言形式、其意义和环境的技术研究和检查被称为语言学。人工智能在解释计算机背景下的语言学方面起着关键作用,这将有助于智能的发展。语言AI模型可用于各种任务,如翻译、音译、语音转文字、文字转语音、图像转文字等。

  • 通过印刷品、电子和社交媒体流通的信息对情报机构非常有价值。对这些数据的分析可能为情报机构提供对某些群体和/或公众的暗流和情绪的重要洞察力。组织可以使用NLP来评估公众情绪,监测社交媒体、新闻等,并根据悲伤、悲痛、喜悦、愤怒等情绪对在线互动进行分类。NLP可以用来发现风险,关注行为,并防止危机的发生。

  • 图像中的物体识别和分类。在地理空间图像中,被识别的物体类型、其类别及其随时间的相对变化,为C4ISR指挥官规划其战略提供了关键信息。人工智能是一种解决问题的久经考验的技术。当然,图像和/或照片的比例与物体的分类有很大关系。物体应在图像或照片中清晰可见,以便进行分类。卷积神经网络(CNN)是用来分析地理图像的最常用技术之一。大多数现代人工智能检测系统已被训练为识别预先定义的物体。未来属于预训练的模型,它将通过自动分类和识别防御对象并协助决策来改善SA。

  • 面部识别。面部识别是一种生物识别解决方案,是专门为识别人脸而创建的,没有任何身体接触。它可以帮助提高任何组织或重要设施的安全性。面部识别的主要目标是识别、分类、确认,并在必要时消除任何确定的威胁。

  • 视频流中的自动事件识别。来自无人机、物联网设备和闭路电视摄像机的视频流是监控和SA的关键来源。来自不同来源的自动视频数据分析可以帮助及时分析大量的数据并提高输出质量。隐马尔科夫模型(HMMs)和CNNs需要大量的训练数据来配置网络以识别事件。相反,当训练视频数据不足时,贝叶斯网络可用于事件识别。

  • 超级分辨率。在国防应用中,主要挑战之一是从低分辨率图像中提取信息。超级分辨率可以解决这个问题。超级分辨率(SR)是通过对低分辨率(LR)图像应用一种算法来获得高分辨率(HR)图像的过程。一般来说,SR需要多个不同分辨率的图像来生成HR图像。在国防应用中,很多时候很难获得多张图像。单一图像超分辨率(SISR)具有基本的低水平视觉问题。SISR旨在从单一的低分辨率图像中恢复高分辨率的图像。

  • 在卫星图像上采用超分辨率将提高C4ISR系统对国防目标的识别、分类和变化检测的分析能力。

  • 先进应用。国防部队和情报机构的现代化正朝着自动化方向发展,配备强大算法的机器人分析现有数据,应用人工智能技术,并做出决策。

    • 信息融合。监控应用使用了大量的传感器,如运动探测器、接近传感器、生物识别传感器,以及一系列的摄像机,如彩色摄像机、夜视成像摄像机、热成像摄像机等,从不同的角度和分辨率监控国防目标。信息融合通过帮助从观察到的数据中提取有洞察力的知识,对SA有很大贡献。SA结合了低层次的信息融合(跟踪和识别),高层次的信息融合(基于威胁和场景的评估),以及用户完善(物理、认知和信息任务)。信息融合将不同传感器捕获的数据之间的冗余度降到最低,例如,不同摄像机捕获的相同或相似的景象。此外,信息融合还有助于在摄像机之间进行交接,当被其中一个摄像机跟踪的物体从其视野中移出并进入另一个摄像机的视野中时。在雾/边缘计算范式中,传感器/物联网节点的信息融合减少了传输到服务器的数据。

    • 自动图像注册/正射矫正。具有特定地理位置的信息提取始于多时空和/或多传感器图像的图像注册。然而,该程序是时间和劳动力密集型的。由于进入的数据量越来越大,需要将从卫星和其他航空图像中近乎实时地提取有意义的信息的程序自动化。

    • 图像登记和正交化被用于国防和安全应用,如目标检测、识别和跟踪、车辆导航和监视等。

  • 物联网和传感器。随着新技术的发展,新的传感器被开发并用于国防。士兵健康监测传感器、自主车辆传感器、枪声传感器和其他技术正在被开发,以实现国防系统的现代化。它们以各种格式向指挥和控制中心提供一系列数据,以便快速分析和决策。

  • 无人机/UAV数据处理。无人驾驶飞行器(UAVs)/无人机可以极大地帮助加强SA,因为它们能够在被认为沉闷、不干净或危险的情况下收集情报。由于技术的发展,下一代无人机将处理收集的数据,进行信息融合,并在机上进行高级分析。带摄像头的上下文感知无人机能够对视频中看到的场景进行高水平的描述,并准确指出潜在的危险情况。在和平时期的灰色地带战争中,以新颖的方式应用无人机的势头很好。电子产品的微型化、新一代导航工具和快速计算机导致了智能武器的发展,具有远距离的卓越传感器和精确的终端引导。最初作为反辐射无人机而开发的徘徊弹药,已被证明比武装无人机更危险。

4、网络战

网络战是指一个民族或国家或国际组织利用计算机病毒或拒绝服务攻击,攻击并试图伤害另一个国家的计算机或信息网络的行动。网络战可以采取许多不同的形式,包括间谍活动、破坏活动、拒绝服务攻击、对电网的攻击、宣传、经济破坏和突袭网络攻击。关于最新的网络威胁、网络攻击和零日事件的威胁情报必须被获取和跟踪,因为它们是网络战的基本知识。网络战的组成部分包括连接到对手的网络和防止进入自己的网络。

研究领域

技术的进步是一个动态现象。为了保持系统的更新,应该把时间、金钱和资源放在研究新兴/未来的技术上。为了获得对对手的优势,信息技术的发展应该以跟上全球进步的速度发展。以下是一些新兴技术,对国防很重要。 -ISAR。逆向合成孔径雷达(ISAR)是一种微波数据处理技术,使用雷达成像来生成目标的二维高分辨率图像。它类似于传统的合成孔径雷达,只是ISAR技术使用目标的运动而不是发射器来创造合成孔径。ISAR雷达在海上巡逻机上有重要作用,它为它们提供雷达图像,用于识别目标,如船舶和其他物体。在其他雷达只显示一个无法识别的明亮移动像素的情况下,ISAR图像往往足以区分各种导弹、军用飞机和民用飞机。

  • 预测模型。预测分析是高级分析的一种形式,使用当前和历史数据来预测活动、行为和趋势。它将统计分析技术、数据查询和ML算法应用于数据集以创建预测模型。预测模型在数据中寻找模式,并预测它们,以帮助国防部门减轻风险和利用机会9。在动态的战斗场景中,在图像中标记和跟踪防御单位,如火炮和装甲纵队,可以使情报单位获得关于对手计划和动机的宝贵信息。
  • 5G网络。5G网络提供超低延迟,这意味着在移动视频和AR/VR等数据以获得沉浸式体验时,响应时间更快。它的高可靠性使其成为支持关键任务的应用和服务的理想选择。它的大规模连接能力使网络连接的终端、传感器、设备和数据能够更快地聚集起来,为物联网连接提供动力。
  • 机器人技术。机器人技术是在国防背景下执行风险任务的重要工具,也是训练、模拟、建模的重要工具。由于持续的技术进步,机器人正在被重新定义为物理上体现的人工智能实体。机器人可以配备雷达、电子光学/红外线、声纳、激光雷达等技术,以收集关键数据。尽管配备了传感器和无线电,但机器人应该能够抵抗电子战和网络攻击。
  • 量子计算。量子技术领域是新的,有可能是颠覆性的。量子技术在国防领域的使用,在提高效率和提高精确度的同时,也开辟了新的可能性,从而形成了 "量子战争"。必须具备的 "技术是实施后量子密码学。外国情报机构正在收集加密数据,预计未来将利用量子计算机的能力进行解密,这种可能性是真实的,高的,而且是存在的。很少有抗量子的算法不仅可以提供一个新的数学方法,甚至对量子计算机来说也有足够的挑战性,而且可以提供一个处理加密数据的新范式。

互操作性、标准化和兼容性

两个或多个系统组件之间的互操作性的观点包括信息交换、信息理解和系统元素之间的协作协调。系统的互操作性因素,如架构的合理性、信息交换环境的安全性、运行效率、管理维护等,是需要考虑的几个观点。

整合各国防/战略机构采用的各种国防设备制造商的不同平台是C4ISR中一个重要的互操作性问题。

互操作性可以从不同层面来看,如设备互操作性、网络互操作性、语法互操作性、语义互操作性和平台互操作性。这些层次与互操作性方法、开放性、连接性、应用协议和安全/隐私指标相结合,是处理C4ISR互操作性问题的必要条件。

在每个组件中遵循国防/工业标准是实现完全互操作性的关键。随着技术的发展,过时的硬件和软件有可能无法使用新的数据格式和接口。当硬件、软件或应用程序升级时,现有的数据不应丢失,应准备好重新使用。通过遵守ISO、OGC等标准,可以实现向后兼容。

协作

建议各机构与专业机构合作,以研究和开发高质量的应用。与学术机构的长期合作将保证未来的技术研究,而与政府实验室和企业的合作将通过提供尖端的应用来推动C4ISR的发展。

结论

在冲突中,部队对敌人及其活动区域的了解通常决定了他们的成败。在20世纪70年代,苏联军事战略家发明了 "侦察打击综合体 "这一短语来解释一个网络系统,该系统包含了通过将一系列传感器连接到许多射手而在空中产生 "杀伤链 "的现代概念。这些传感器和网络所需的大部分计算能力今天已经可以获得。此外,更多的信息可以通过云计算获得并输入人工智能系统,从而产生新的可获得的和可负担的观察方式,以及汇集和分析所收集的数据并在需要时呈现信息的技术。人工智能系统还可以解决隐身、电子战、网络攻击和其他形式的欺骗,这些都是隐藏者可以用来保持不被发现的。因此,侦察-打击综合体已经变得越来越复杂。现代架构师们正在融合各种技术,以开发一个能够快速消除大量潜在目标的系统,同时将有关这些目标的信息传递给重要地点。

成为VIP会员查看完整内容
112

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《北约未来的C4ISR》2023最新50页报告
专知会员服务
151+阅读 · 2023年3月19日
报告集《多域作战、人工智能和信息优势》120页
专知会员服务
328+阅读 · 2022年8月1日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
22+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
30+阅读 · 2022年2月15日
Arxiv
23+阅读 · 2020年9月16日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
已删除
Arxiv
32+阅读 · 2020年3月23日
VIP会员
相关VIP内容
《北约未来的C4ISR》2023最新50页报告
专知会员服务
151+阅读 · 2023年3月19日
报告集《多域作战、人工智能和信息优势》120页
专知会员服务
328+阅读 · 2022年8月1日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
22+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员