随着美海军部向分布式海上作战过渡,有必要开发新的系统、技术和程序,以限制作战人员暴露在敌人面前的时间。最普遍的暴露形式之一是使用指挥与控制(C2)设备时产生的射频(RF)足迹。本研究分析了在远征先进基地作战(EABO)中操作无人系统(UxS)所产生的作战人员暴露风险。为了分析 UxS 操作的射频足迹,研究将确定 UxS 与操作员之间如何进行 C2,以及如何通过安全协议和方法保护传输的数据免受网络攻击。利用这项研究制定了行动概念(CONOPS)和场景,以研究射频足迹如何随着无人潜航器自主水平的变化而变化。在建模和仿真环境中实施 CONOPS 和场景,以检查 UxS 自主水平和用于保护 C2 链路的安全协议的影响。然后对模拟结果进行分析,以确定在 EABO 中操作 UxS 时作战人员的暴露程度和网络攻击风险,并确定建议的自主性和态势感知之间的平衡。

图 DMO / EABO 环境中 UxS 的 CONOPS C2。前方单元部署到敌方 WEZ 并操作 UxS 完成任务。前沿单元向指挥中心转发状态更新,为指挥中心提供敌方 WEZ 的 SA。敌方对 UxS 和前沿单元进行网络攻击。

海军认识到,无人系统(UxS)将在执行分布式海上作战和远征先进基地作战中发挥关键作用,"提供额外的作战能力和能量,以增强传统的作战部队,允许选择承担更大的作战风险,同时保持战术和战略优势"(海军部 2021 年)。多个分散在不同地理位置的平台、武器和传感器将被整合在一起,以提高对作战空间的感知能力,使部队能够在自己选择的时间和地点集结战斗力。整合所有这些系统需要大量的指挥与控制(C2),以通过在 C2 系统间传输和接收数据来保持对态势的感知,从而产生射频(RF)足迹,敌方可利用该足迹对友军进行地理定位和攻击。敌方还可以进行拒绝服务(DoS)和假冒攻击。在 UxS 行动中利用自主性可降低地理定位的风险,但会限制 C2 能力。

本项目的范围是比较导致在有争议环境中使用 UxS C2 的网络安全和射频足迹风险的不同因素,并提供降低风险的建议解决方案。具体来说,目标是在优化和/或维护安全性的同时,增强作战期间的互操作性。具体做法是交叉比较各种 C2 安全协议,并使用预定的时间间隔或触发事件从操作员完全 C2 过渡到完全自主,如图 1 所示。

图 1. 使用指挥和自主之间的百分比分配进行 UxS 操作的运行场景。任务开始时,首先在操作员和 UxS 之间建立连接。起初,操作员会持续向 UxS 传输 C2 数据,UxS 也会在预定的蓝色时间间隔内向操作员传输实时视频。时间间隔结束后,操作员与 UxS 之间的连接也随之结束,UxS 在录制视频的同时自主运行,并持续一段预定的绿色时间。自主操作时间间隔结束后,UxS 与操作员重新建立连接,操作员恢复 UxS 的 C2 功能,恢复实时视频传输,同时下载录制的视频。这一过程在整个任务期间不断重复。

建模和仿真用于确定每种自主场景与每种安全协议的射频足迹风险。该模型将情景类型、文件大小和安全协议作为主要变量输入,以确定由此产生的射频足迹,近似为数据传输时间。传输数据的文件大小(尤其是录制的视频)取决于系统在自主模式下的运行时间。系统自主运行的时间越长,下载到前方单元 C2 站的录制视频的文件大小就越大。本研究将传输层安全(TLS)、消息层安全(MLS)和预共享密钥(PSK)安全协议和方法作为跨空间的样本。

该模型还注入了 DoS 攻击,以确定每种安全协议和方法的 DoS 攻击对射频足迹的影响。结果表明,随着自主级别的提高,射频足迹会减少。C2 协议也会影响射频足迹,其中 TLS 的射频足迹最大,而 MLS 的射频足迹最小。

利用建模和仿真结果进行了风险分析,以确定地理定位、DoS 和冒充风险的程度。为每个安全协议或方法确定风险和态势感知的权衡空间。根据任务需要,可以牺牲态势感知来提高自主性,从而降低风险。图 2 将这一权衡空间归纳为一棵决策树,可作为军事领导人的指导方针,以确定哪种 UxS 设置最能满足任务需求。

图 2. 决策树。如果可接受的风险水平适中,则MLS可以使用 40% 的自主度来提供最大程度的态势感知,同时保持适中的风险。

这项研究的重点是有助于保护传输数据的安全协议,但也有必要保护 UxS 本身。未来的研究应侧重于战场上可能面临的反 UxS 措施以及现有的 UxS 保护方法。这将有助于在设计半自动 UxS 系统时采取缓解措施。与在 DMO/EABO 环境中使用系统后再尝试添加保护措施相比,在设计 UxS 系统时纳入 UxS 保护措施的成本更低,效果更好。

成为VIP会员查看完整内容
54

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。
《预测战术部队的未来目的地》2023最新55页论文
专知会员服务
42+阅读 · 2023年8月28日
国家自然科学基金
11+阅读 · 2017年12月31日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关资讯
相关基金
国家自然科学基金
11+阅读 · 2017年12月31日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员