使用大语言模型保护卫星免受攻击

战争爆发，对手正在利用一切手段破坏卫星通信和监视。对手试图干扰卫星和地面站之间的信号。试图劫持卫星，发送看似来自友军地面站的指令，但实际上来自他们自己的卫星。他们用导弹和激光瞄准卫星，甚至用他们自己的卫星让友军卫星失效。

最理想的情况是，卫星能够自己思考，这样它们就能几乎在瞬间发现并抵御这种攻击，而无需等待地面站的操作人员分析威胁，然后确定可能的行动方案。在未来几年中，每颗卫星上都装有这样一个 “大脑 ”将尤为重要，因为届时可能会出现由数以千计的国防小型卫星组成的网状网络——数量之多，地面站根本无法全面监控。国防组织可能很快就有能力为其卫星配备这种级别的智能。大型语言模型是生成式人工智能的一种形式，它能根据上下文理解情况，并模仿人脑做出复杂的推断，提出一系列复杂的行动建议。

机载智能

例如，基于战争已经爆发或可能即将爆发的感知，大语言模型可能会推断出某些看似安全的无线电信号实际上预示着可能的攻击。然后，该模型可能会执行它认为成功概率最高的防御措施，不仅要考虑对手的能力，还要考虑网络中其他卫星目前在应对类似攻击时的情况。

而且，这一切都无需依赖地面站来检测和分析信号、识别威胁，然后制定最佳应对措施。值得注意的是，大语言模型所建议的任何行动都将受到人类根据任务背景通过防护栏进行的限制。

对卫星的攻击——无论是网络攻击、导弹攻击、激光攻击还是敌方卫星攻击——都可能发生得非常快，以至于地面站的指令可能无法及时到达。例如，拥有大语言模型的卫星无需等待地面网络安全专家的指令。卫星上的大语言模型就是网络安全专家。

从某种意义上说，大型语言模型就像在每颗卫星上都有一个人类操作员团队，可以同时执行多项专业操作，例如分析攻击数据、制定应对措施以及与网络中的其他卫星进行通信。

大语言模型对攻击的反应可能非常复杂。例如，如果对手向卫星发射地基导弹，卫星上的模型可能很快就会想出如何规避导弹。

或者，模型可能会识别出敌方卫星正在移动到一个表明它即将发动攻击的位置。然后，该模型可以确定最佳防御措施——甚至可以预测敌方卫星可能对这些行动做出的反应，并像下棋一样制定出出其不意的策略。

精密协作

利用网状网络，卫星通过 “太空互联网 ”相互连接，即使地面信号中断也能进行通信。这与 Uber 的工作方式类似。每个 Uber 司机都是网络中的一个节点，提供信息，帮助创建一个共同运行画面。一颗卫星看到的，所有卫星都能看到。

如果网络中的一颗卫星受到攻击，它的大语言模型不仅能确定最佳防御方案，还能将这些信息传递给其他所有卫星。例如，假设对手干扰了一组卫星的地面信号。这些卫星上的大语言模型可能会检测到攻击，并迅速将通信切换到不同的频率，每个模型都会选择其预测的最佳频率。

如果某颗卫星找到了一个成功的频率，它就能将这一信息传递给受到攻击的邻近卫星群中的其他卫星，以及网络中其他成千上万颗卫星。如果其他卫星中的一颗选择了错误的频率，并被切断了与地面的联系，它也可以将这一情况告知整个网络。网状网络中的大语言模型会将它们所学到的知识结合起来，找出哪些有效，哪些无效，就像人类操作员团队一样。每次攻击后，大语言模型网络的防御能力都会提高。

同样重要的是，网状网络中的大语言模型将为更大的利益而共同努力--也就是说，采取防御行动不仅是为了保护自己，也是为了确保整个卫星星座完成它需要完成的任务。

这甚至可能意味着某些卫星会牺牲自己——例如移动到来袭导弹的路径上，以保护更大的网络。

上下文感知

与传统人工智能相比，大型语言模型的优势之一在于它们对上下文的理解能力更强。举例来说，如果一个模型得知网络正受到对手的攻击，然后从地面获得了与冲突情况不符的指令，比如观察远离战区的区域的命令。随后，该模型可能会采取措施确定自己是否遭到黑客攻击——例如，它可以询问其他卫星是否收到相同的指令。它还可以提醒地面站的操作员注意内部威胁的可能性。

在一个网络中拥有成百上千个大语言模型将有助于确保任何一个模型都能保持准确性并完成任务。可以说，如果某个模型叛变，或被对手入侵，网络中的其他模型很可能会发现它偏离了群体，并可能将其隔离。它们可能会指定另一颗卫星接替它的角色，或许还会建议地面控制中心将其关闭。

为卫星配备大语言模型并不比配备传统形式的人工智能更困难或更昂贵。大语言模型在各种应用领域为国防组织提供了新的机遇，包括保护卫星通信和监控免受破坏性攻击。

参考来源：Booz Allen