《大型语言模型在军事战术网络故障诊断中的应用》

战术网络是大多数海军陆战队任务的关键组成部分。迅速建立跨多个密级的语音和数据传输的健壮通信架构至关重要。然而，当网络配置出现不可预见或诱发性故障时，建立时间可能会增加数小时甚至数天。本报告所述的研究旨在确定，在提供正确基线网络配置的情况下，大型语言模型（LLM）是否能够识别现行工作网络配置中的错误并减少网络建立时间。研究进行了A/B测试，以比较受人工智能（AI）辅助的小组与无AI辅助的对照组能否更快地建立网络。由NIPRGPT托管的大型语言模型将网络建立时间减少了50%（p值<0.05）。

速度、流动性和灵活性是海军陆战队作战理论的精髓，这不仅体现在机动战方面，也体现在信息作战方面。实现有效指挥控制的速度将决定战场的胜负。在建立健壮的通信架构，特别是战术网络时，常常会遇到挑战。采用当前的故障诊断措施，解决某些问题可能需要数小时甚至数天的时间。能否通过使用人工智能（AI）进行有效故障诊断，缩短网络"杀伤链"，从而减少建立网络所需的总时间？本报告讨论的研究正是为了回答这个问题而开展的。

A. 网络配置挑战

在构建通信架构时，通常会遇到诸如连接卫星、接入特定频率或确保作战区域内所有人员设备时间同步等问题。海军陆战队员会适应、调整并排查出现的问题。虽然陆战队员争取成功的决心始终如一，但排查问题所需的时间却并非如此。根据我们在远征通信方面的经验，网络领域似乎是遭遇故障诊断摩擦最多的领域。建立网络的作战人员需要适应动态环境。他们的任务是将战术网络整合到整个通信架构中，并且主要负责提供指挥作战中心（COC）所必需的服务。指挥作战中心是核心指挥枢纽，不仅是指挥官的工作空间，也是其参谋团队的工作空间。指挥作战中心的人员负责跟踪整个战场态势，并通过网络及其不同媒介（包括聊天服务、电子邮件、电话和安全通道）进行通信。建立网络最耗时且最易出问题的环节是输入正确的配置。尽管海军陆战队为陆战队员提供了正确的通用网络配置和根据任务需求[1]对其进行定制的框架，陆战队员仍然需要手动输入数页文本才能建立一个可运行的网络。这项任务本身就很繁琐，在作战环境中面临关键时间线时，其难度和压力只会增加。由于这些因素，人为错误常常会在配置中无意间造成故障。

B. 网络问题故障诊断

精确性对网络功能至关重要，即使一个错误的字符也可能导致整个网络无法运行。在评估网络配置时，当前的故障诊断流程是逐行检查，并将输入的配置与提供的正确配置进行比较。故障诊断不仅常在耗费数小时建立网络之后进行，而且往往是在完成诸如重大战术机动和指挥作战中心搭建等体力消耗、并且睡眠不足的情况下进行的。网络配置故障诊断过程可能耗时数小时，且无法保证故障一定出在配置上，而不是通信架构的其他部分。因此，在完成评估物理层问题的立即行动后，陆战队员会同时评估其他潜在的影响因素。卫星传输部件、特定互联网协议（IP）和管理安全机构都可能成为网络的故障点。陆战队员为完成任务而坚持不懈，在提供所有服务之前绝不会停止。研究发现，建立一个健壮的远征通信架构时，一个可行的海军陆战队网络配置故障诊断方法被确定为一个主要摩擦点。人工智能为诊断网络配置提供了一种潜在途径，无需耗费数日时间梳理文本。研究此机遇的目标，是找到一种利用人工智能有效诊断海军陆战队网络配置的方法，从而打造一支更快速、更具杀伤力的作战力量。