《海军信息空间自动监测的场景描述》加拿大国防研究与发展部29页技术报告

达尔豪斯大学大数据分析研究所、加拿大国防研究与发展部（DRDC）-大西洋研究中心和加拿大通用动力任务系统公司（GDMS-C）向加拿大自然科学与工程研究委员会（NSERC）成功申请了一项名为海军信息空间自动监测（AMNIS）的三年期资助项目。AMNIS启动会议于2020年10月14日举行，许多教授、国防科学家和GDMS-C技术人员参加了会议。会议为这三个组织确定了许多行动。与DRDC和GDMS-C相关的一项行动是需要与任务相关的场景来帮助指导预期的研究。因此，DRDC率先描述了一个有代表性的海陆场景，使研究人员能够更好地了解与AMNIS有关的潜在研究途径。制定的方案涉及加拿大皇家海军（RCN）和加拿大陆军（CA）执行的一项加拿大人道主义任务。该任务是向一个最近遭受自然灾害的国家分发食品和医疗用品。一支敌对势力还试图偷窃这些物资。该情景描述了通过更好的处理技术和决策来改善信息流、共享和使用的必要性。该方案旨在引起进一步的讨论，并帮助巩固AMNIS参与者的研究课题。

1 引言

2015年，加拿大皇家海军（RCN）的海上信息战（MIW）概念[1]发布，概述了信息对RCN的影响。MIW的推出使人们非常需要关注信息，它既是皇家海军使用的一种资源，也是为了更全面地使用和利用优势而需要理解的一个概念。

该概念文件概述了信息的影响，包括其广泛的可用性、皇家海军对信息的依赖性以及信息的使用，特别是在战争中和作为战争倍增器的跨梯队的使用。该概念文件还谈到需要更好的处理技术来处理MIW功能领域内的数据量，如指挥、控制、通信、计算机、情报、监视和侦察（C4ISR）、指挥和控制（C2）、情报、监视和侦察（ISR）以及态势感知（SA）。

在MIW概念文件之后，2016年又发布了RCN信息战战略文件[2]。这里的重点是发展海战MIW能力和能力，以支持国内活动（即加拿大的防御）和国际部署。尽管战略文件指出了信息的更多传统用途，如收集、利用和传播，但它也认识到网络武器领域是一个机动的地方，可以采取防御和进攻的行动。MIW的概念文件涉及物理、虚拟和认知领域，而战略文件则谈到了信息领域，从而表明了信息对于作战人员的地位和重要性。

在概念和战略文件之后，加拿大在2017年发布了新的国防政策[3]。该国防政策并没有明确提到信息领域。然而，该政策确实催生了两个最近的文件，继续表明信息对RCN的重要性：2019年的DND数据战略[4]，以及2020年的RCN数字海军[5]。

数字海军[5]支持加拿大国防政策[3]的创新目标，特别是那些涉及适应和利用新技术的能力。数字海军 "作为一个指南，将数字技术与人结合起来加以利用，以确保未来海军的成功和可持续。这份文件提出的前进方向涉及自动化、大数据分析、云计算、人工智能（AI）和机器学习（ML）方面的创新，成功是指通过上述手段做出数据驱动的决策的RCN。

数字海军的概念促进了企业和运营RCN社区在决策中对数据的使用。在操作方面，这是为了将海军团队和水兵从日常工作中更平凡的方面解放出来，通过自动化功能，如基于规则的重复性任务。从更广泛的操作角度来看，使用这种数字技术和技巧是为了更好地进行操作。

上面提到的所有文件都指出，希望将RCN推向一个信息组织，在这个组织中，信息是用来使用的，但也被用作防御和安全的工具。由于其中一些方面对RCN来说是新的，因此显然需要一个由信息科学、人工智能、ML以及将这些与认知科学相结合的专家组成的强大而明智的科学团体，以开发更好的人类决策模型来支持RCN的目标。

1.1 发展科学专长

通过政府、学术界和工业界合作伙伴的参与，建立了一个强大而知情的科学界。这个群体完全有能力在与现代军队相关的科学和技术问题上取得进展，以帮助满足国内和国外对加拿大武装部队（CAF）不断增长的需求。

为了发展这个社区，在自然科学与工程研究委员会（NSERC）的联盟计划下，成立了一个DRDC（大西洋研究中心）、工业界（加拿大通用动力任务系统公司，GDMS-C）和学术界（达尔豪西大学）的伙伴关系。提交并被NSERC接受的提案名为《海军信息空间自动监测》（AMNIS）。该提案概述了海上和陆地的信息问题，特别是数据整合、事件和警报的ML、信任和对抗性数据，以及信息的可视化和呈现供用户使用。

为了给学术研究小组提供背景和指导，下面提供了一个大大简化的行动的基于场景的描述。该方案包括许多问题，表明与AMNIS相关的可能研究途径。这里的目的是培养研究人员对与DRDC和GDMS-C有关的问题的理解，使研究人员能够发展自己的思路，帮助他们追求与他们的研究和AMNIS有关的创新方法、技术和发现。

这项工作的动机是基于两个愿望，即：

1.描述一个现实但简化的操作，其中存在与AMNIS相关的信息问题，以及。

2.强调在AMNIS项目下DRDC和GDMS-C感兴趣的研究领域。

1.2 概要

其余各节将提供一个现实场景的发挥、可视化部分、性能建模、决策和学习的概述。每一节都包含了一系列的问题，这些问题的提出有助于为研究工作提供思考点和指导。

第2节描述了一个联合行动的场景，陆地和海洋部队共同支持人道主义任务。通过可能被破坏并有相关安全风险的节点相互连接和共享信息资源来实现这一目的。第3节讨论了可视化在该场景中的作用及其对决策的影响。这包括物理环境的可视化表示，以及额外信息源的聚合如何影响主题专家的决策。本节还考虑了与人工智能（AI）和多样化技术合作的人类表现模型。第4节讨论了如何利用数据档案来开发和学习对抗性注入检测方法。第5节以总结性意见完成了本文。