【AI+军事】附论文《大数据在军事背景下弹性评估中的应用》

摘要

本文旨在展示开源数据的潜力，结合大数据分析和数据可视化，以表明特定领域的弹性水平，其中包括北约弹性评估的基线要求(blr)。

本文中描述的概念验证提取了特定领域的相关弹性指标，涵盖了包括能源和交通在内的选定基线要求。概念验证使用交互式仪表板，允许终端用户从多个角度探索可用的公共数据，以及对这些数据进行高级分析和机器学习模型的结果。

关键词:大数据分析，机器学习，弹性，能源，交通，媒体

引言

军队越来越意识到大数据分析在作战和战略决策中的重要性和作用。在正确的时间获得相关信息一直是做出最佳决策的关键因素。今天，这种影响甚至更大，因为数据和信息可以大规模收集并提供给每个人。技术和人工智能方法成为利用数据的巨大推动者[1]。

广泛可用的开源数据来自媒体、科学文章、相关(专家)门户网站，涵盖经济、政治、社会、能源、交通运输等带来了创造更有洞察力的背景的可能性，并通过分析各种来源和整合结果为任何评估提供了有价值的新维度。

从军事角度来看，我们从开源数据中确定了许多跨不同领域的重要指标，这些指标可以用于评估整个联盟的战备和恢复能力。来自不同领域的许多指标似乎相互影响，可以相互关联。

在去年，北约CI机构数据科学团队参与了一项创新性的概念验证，包括转型和作战命令，如ACT、SHAPE和JFCBS;为了识别、提取、计算和呈现开源数据中最相关的指标，以支持整个联盟的弹性评估。由于弹性评估是一项复杂的评估，它依赖于许多不同领域和事件的关系，因此该项目定义了较小的范围，重点关注以下关键领域:

•关键基础设施——医院、发电厂、港口、液化天然气接收站和军事设施

•能源——专注于电力和天然气

•交通——专注于空运、公路、海运和接近实时的交通指标

•媒体——态势感知

其主要目标是通过使用来自公开数据集的大数据来确定相关指标。然后创建有用的策划数据和机器学习(ML)模型，以识别相关关系，并提供对当前情况和破坏性事件影响的见解。为了提高结果的准确性，我们最初关注于一个特定的地理区域。