导言

信息优势愿景(ISV)2.0 是要紧急解决任务问题,加速新兴技术的发展,更好地开展 IT 业务,使我们的海军陆战队员和海军陆战队员能够在当今和未来竞争激烈的信息环境中作战并取得胜利。它保持了 ISV 1.0 所期望的最终状态,即以安全、经济的方式将所需信息从任何地方传递到任何地方,以最快的速度为作战人员提供支持,并以 1.0 的 “现代化”、“创新 ”和 “防御 ”等关键支柱为基础。

ISV 2.0 的关键支柱是优化、安全和决策。

优化。优先、敏捷、弹性和相关的海军信息环境。

竞争优势的基础是一个经过战略架构、安全、适应性强且灵活的信息环境,以满足作战人员不断变化的需求。优化后的海军信息环境本身就是一个具有互操作性和机动性的平台,能够为整个海军部和联合部队的所有任务和职能提供支持。优化的主要原则是简化;一次构建,经常使用;消除不必要的冗余;不断创新;利用最佳实践;调整投资并确定优先次序,以最大限度地提高任务成果;以及不断衡量成效。

安全。可防御、可生存的设计。

确保我们的网络、平台、系统和数据从一开始就是安全的,这是我们的集体责任,也是 DON 文化的一部分。我们之所以从 “防御 ”转向 “安全”,是因为我们意识到需要采取持续行动,在能力生命周期的每一个环节积极主动地保护和确保生存能力。安全 "的核心是一支具有强烈个人网络责任感的员工队伍、训练有素且有能力的操作员和防御员(他们积极保护环境安全)、持续的网络安全意识、不断验证的防御系统以及支持风险知情决策的自动化工具。

决策。可操作的数据驱动决策优势。

在 ISV 2.0 中,数据是主要的吸引力。值得信赖的安全数据将可在国防部行动的各个阶段访问和使用,以提高作战人员的杀伤力、提高速度并实现任务成果。将有目的地设计技术解决方案,以实现数据移动、互操作性和发现。决策优势将由一支熟练的数据队伍来驱动,他们将生成权威的综合分析和人工智能产品。

坚持不懈的创新,无论是由 DON 推动的创新还是从其他机构采用的创新,都是在整个信息环境中提供世界级能力的关键。我们将积极探索并参与不断发展的技术生态系统,尝试我们可以快速有效地过渡到 DON 的飞跃性机遇,以更好地装备我们的水兵、海军陆战队员和平民,同时保持或提高服务质量和用户体验。

一支强大、灵活、有能力的网络队伍对于 ISV 2.0 的成功至关重要。我们将寻求一流的人才,创造一个能让员工充分发挥潜能的环境,以及一个重视并能实现持续专业成长的文化氛围。

以下是每个支柱的主要举措,其中蓝色部分为 ISV 1.0 以来新增的举措。

优化

优先、敏捷、弹性和相关的海军信息环境

实现海军部信息环境的现代化。推动和激励各方齐心协力,建立一个集成、可互操作的信息环境,以优化竞争、危机和冲突期间的能力。利用最具影响力的商业和现有解决方案,加速向这一最终状态过渡。按照这一方法提供现代云服务,优化 DON 剩余的数据中心,升级网络并使其多样化,向战术边缘传输,并改进技术堆栈的其他元素。

  • 加快云的采用。未来的状态是一个集成的云环境,允许数据以相关的速度从战术边缘机动到组织实体。优先考虑向云迁移,提供可确保数据在多云环境中无障碍移动的标准和护栏,并构建云生态系统,以最大限度地减少其占用空间并加强指挥和控制。

  • 采用组织实体服务。通过提供或利用可降低复杂性、优化投资和改善客户体验的现代核心企业 IT 服务,实现 “一次构建或购买,经常使用”。

  • 提供以数据为中心的秘密生态系统。基于零信任原则,实施支持所有分类数据的单一结构。通过加快我们和任务合作伙伴对不同分类数据的访问速度,提高我们的决策优势。

  • 改善客户体验。改善数字化工作环境,使客户能够在任何地点、任何设备上安全地访问他们的数据,并获得与业界最佳体验同等的性能。

  • 立即采用商业技术。加快采用卫星通信等改变游戏规则的商业技术,为作战、战斗支援、生活质量和工作质量解决方案提供无处不在、弹性、低延迟的高速通信。

  • 遵循现代软件开发实践。通过加快采用 DevSecOps 实践,并在软件开发生命周期的每个阶段整合安全性和运行弹性,从而快速、大规模地交付弹性软件。大规模采用现代软件工具链,以实现人工智能和机器学习功能。

将业务任务区(BMA)作为一个组合进行管理。在业务任务区内部采用企业思维,优先考虑组合而非单项工作。通过提供现代化、弹性、集成的技术平台、服务和分析能力,支持基于最佳实践的重新设计、通用的端到端流程,从而改善业务运营和决策制定。确保 BMA 能力在有争议的环境中有效执行。建立 BMA 治理和优先级,确保及时投资和可衡量的成果。

双管齐下。通过识别、评估和淘汰过时系统,加快剥离技术债务,降低运营风险。通过开展横向和纵向项目审查来确定剥离机会,并使用标准化、数据驱动的流程对系统进行合理化调整。

确保获得所需的频谱。在所有论坛上大力宣传国防部在频谱问题上的立场。利用先进的新兴技术,与行业和海事利益相关方合作,动态共享所需的频谱并构建灵活的频谱系统,从而保护对国防部任务和国家安全至关重要的频谱。

安全

可防御和可生存的设计

实现零信任。从网络开始,在全组织实体范围内采用并整合零信任能力、技术、解决方案和流程,从而改善 DON 的网络安全态势。优先考虑支持零信任的身份识别,并将零信任纳入所有新功能。

扩大网络就绪规模。加快对所有任务功能飞地进行实时网络防御。通过从合规思维向网络就绪方法转变,降低风险并加快能力交付,在网络就绪方法中,每天都要赢得并管理运营权。实现这一目标的方法包括:持续监控网络安全;近乎实时地积极纠正漏洞;通过自动、有威胁信息的评估来验证防御;做出有风险信息的决策;以及将网络安全完全纳入采购流程。

合作确保国防工业基地(DIB)的安全。与国防工业基地(DIB)和国防工业基地(DIB)的利益相关方合作,提高由我们的行业合作伙伴保护的海军部数据的安全性,并优先采用可提供实时警告、保护、纠正措施和洞察力的创新网络安全解决方案。

将网络安全作为共享能力组合进行管理。由于多个平台可能有共同的网络安全解决方案,因此应从整体上(人员、流程、技术和政策)对网络安全管理和运营进行投资,以确保应用程序、系统和平台在其整个生命周期内得到有效、经济的保护。

决策

准备就绪、机动灵活的数据驱动决策优势

重视数据第一的思维方式。将海军部转变为一个现代化、数据流畅的组织,在执行作战和业务任务时毫不费力地生产和消费数据。要通过权威分析和人工智能产品提供决策优势,就必须持续不断地努力,使我们的海军数据架构更加成熟,采用有利于执行任务的管理和标准,并提高 DON 的数据技能。

  • 成熟海军数据架构。通过以下方式改进数据管理方式,使其能够以相关的速度提供作战和业务决策优势:

    • 将 Jupiter 作为企业服务提供
    • 使数据分析平台合理化
    • 建立和整合数据中心,作为我们数据网络的一部分
    • 扩大高层领导的外联
  • 采用标准。制定并采用有针对性的企业标准,用于使用、管理、表示和共享数据,从而在数据无缝、安全地穿越我们的组织实体时消除摩擦。

  • 改善管理。执行综合且相互支持的数据、分析和人工智能治理。

  • 塑造文化。通过与舰队定期接触,展示共享数据的力量,打破 IT 系统孤岛和所有权文化。

推进分析和人工智能。通过以下方式,使 DON 组织、基础设施和数据做好准备,以支持高级分析和全方位的人工智能模式--速度快、规模大--以支持我们的战备和业务功能:

  • 成熟目录。通过建立数据目录,使数据在集成和分析方面更加可见、可得、可信和易懂。通过开发海军分析和人工智能目录,加快分析和人工智能能力的交付,减少重复工作。

  • 交付分析能力。通过数据突击队(Data Strike Teams)开发、测试和支持分析用例的解决方案,加快自助式分析,从而满足整个组织实体的任务需求。

  • 实现人工智能。制定并实施数据标记和数据移动战略,以便从组织实体到战术边缘巧妙地运用分析和人工智能。

成为VIP会员查看完整内容
26

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。
《美国海军陆战队人工智能战略》最新发布
专知会员服务
41+阅读 · 9月9日
《美国海军科技战略》最新文件
专知会员服务
35+阅读 · 4月17日
美国防部最新发布《信息环境作战战略》报告
专知会员服务
65+阅读 · 2023年11月21日
《空中作战网络的人机协作研究计划 (HURRICANE)》欧盟
专知会员服务
45+阅读 · 2023年2月20日
2022最新发布《美国防部零信任战略与路线图》37页报告
专知会员服务
68+阅读 · 2022年11月24日
《美国国防技术信息中心:战略规划(2023-2028年)》
专知会员服务
14+阅读 · 2022年11月20日
美国国防部《指挥、控制和通信 (C3)现代化战略 》
专知会员服务
212+阅读 · 2022年5月9日
北约《军事系统的网络安全风险评估》技术报告
专知会员服务
99+阅读 · 2022年4月18日
《军事行动自动化》【译文】2022最新报告
专知
58+阅读 · 2022年11月13日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2017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
2+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2012年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
407+阅读 · 2023年3月31日
Arxiv
146+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2017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
2+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员