联合全域指挥与控制(JADC2)的核心目标是向情报系统共享实时、明确的现场数据。这些系统使用这些实时数据,并将衍生的态势感知、可能采取的行动和应对措施反馈给指挥与控制 (C2) 团队,并在可能的情况下反馈给效应器,以便立即做出反应。在实现这一能力的过程中,以数据为中心是 JADC2 最大的架构优势。

美国国防部对数据中心化的要求

进入JADC2 企业的实时数据流以及由此产生的行动/决策与 2020 年 9 月 30 日公布的美国国防部(DoD)数据战略完全一致。该战略指示国防部领导人将国防部的所有资产演变为以数据为中心的资产,将数据视为武器系统,并将国防部定位为以数据为中心的组织,利用数据的速度和规模来获得作战优势和提高效率。这种以数据为中心的战略要求所有领域的传感器和平台在设计、采购和部署时都以开放数据标准为门槛。现代战场将通过整合不同数据源之间的联系,以及通过使用分析工具实现卓越的态势感知来推动决策优势,这将有助于信息的协调,从而巩固分类精确效果。

国防部文件概述了这一以数据为中心的战略的七个目标--使数据可见、可访问、可理解、可链接、可信、可互操作和安全(VAULTIS)。以数据为中心指的是一种系统架构,在这种架构中,数据是主要的永久资产,而应用程序、任务和作战资产则来来去去。软件组件不交换信息,而是通过共享数据对象在网络上进行通信。应用程序直接读写这些对象的值,这些值缓存在每个参与者中,而不是通过代理或系统中其他潜在的单点故障。

要从以数据为中心的架构网络中获得回报,架构师需要:

  • 建立元数据标记标准;
  • 采用和使用标准化数据接口;
  • 实施通用的数据可用性和访问实践;
  • 采用数据安全最佳实践;
  • 建立符合 JADC2 的信息技术 (IT) 标准;
  • 在整个企业应用 VAULTIS 目标;以及
  • 按相关梯队收集数据。

为了实现数据的快速收集、融合和整理,必须从数据共享的最初阶段就考虑有效数据集成的要求,并在整个作战领域应用单个数据主题的安全性,使所有 JADC2 参与者都能轻松共享数据。

什么是数据中心化系统?

已经确定美国国防部指令要求以数据为中心,但如何创建以数据为中心的系统呢?以数据为中心可以通过以下三个特性来定义:

  • 接口就是数据。接口没有人为的包装或中介,如消息、对象、文件或访问模式。
  • 基础设施能明确理解数据。这就实现了过滤/搜索、工具和选择性。它使应用程序与数据脱钩,从而消除了应用程序的大部分复杂性。
  • 系统管理数据,并对应用程序如何交换数据制定规则。

在以数据为中心的系统中,设计工作从数据模型开始,该模型描述了系统/应用程序所需的数据及其表示方法。不同的系统组件可以访问共享数据,并通过共享数据进行通信。可以制定访问规则,只有经过认证的用户才能访问数据。由于数据方案是事先定义好的,而且所有应用程序都使用相同的数据,因此新组件的集成度极低,而且在大多数情况下,不需要进行数据转换。这种方法的另一个优点是,应用程序之间没有依赖性或耦合性,因为应用程序之间不直接通信。所有通信都是通过访问(读取或写入)数据完成的。

DDS:实时发布-订阅连接框架

对于实时系统来说,通过向中央数据库写入和读取数据来交换数据是不现实的。除了延迟外,数据库服务器还会成为单点故障。为了促进实时系统中的移动数据、点对点通信,由对象管理集团Ⓡ(OMGⓇ)管理的开放数据分发服务(DDSTM)标准应运而生。DDS 不仅支持以数据为中心的体系结构,还使用了简单的发布-订阅、点对点通信模式。由于以数据为中心的方法侧重于数据并具有数据模型,因此它能感知正在交换的数据。此外,具有动态发现功能的发布-订阅范式允许新的应用程序订阅或发布数据模型中定义的任何数据,而不会影响系统中的其他应用程序/节点。

发布-订阅系统的好处是,应用程序不需要知道从哪里发送信息或从哪里请求信息。传统的消息系统(如电子邮件)就说明了这一系统弱点:参与者需要确切知道向谁发送邮件。如果有新的人想看这封电子邮件,他需要让发件人知道,这样新的电子邮件地址就可以添加到未来的发件人电子邮件中。

发布-订阅的工作原理更像社交媒体,人们可以发布任何文字、照片或视频,关注该连接的人都会收到更新。如果有新的人对该状态感兴趣,他们只需关注(订阅)该社交媒体账户,就能自动获得更新。我们不需要知道有多少关注者,只要发布一条信息,所有关注者都会收到。在网络术语中,这被称为多播。

DDS 还有另一个有用的功能--订阅者可以对任何数据元素进行过滤,只有在满足过滤条件时才会收到帖子。如果感兴趣的数据发生变化,过滤标准可以随时更改。出版商不需要为适应这些订阅者过滤器而做任何更改。

DDS 具有开放标准和以数据为中心的基础、高度可扩展的组播功能和数据过滤功能,是处理跨不同 JADC2 系统的海量移动数据的管理和交付的理想选择。

RTI Connext: 推动 JADC2 系统的数据中心化

RTI Connext® 是 DDS 标准的商业实施,是在全球 JADC2 系统中实施以数据为中心架构的领先软件连接框架。它建立在点对点、以数据为中心的架构之上,能以线速向人工智能和 ML 系统提供关键的实时数据,无需服务器或中间商。Connext 与网络发现功能松散耦合,实现了网络组件 "即插即用 "功能,可动态插入新功能,并在不触发系统停机的情况下淘汰旧平台。这样,用户就可以在不关闭系统的情况下,在网络中动态插入新功能,并由运营技术自动发现。

Connext 架构在设计上支持 VAULTIS。它的应用编程接口(API)以一致、易懂的格式驱动多种硬件和操作系统平台的访问和可见性。其实时发布-订阅(RTPS)线协议可实现快速、一致的互操作性,而其开放式安全功能可实现跨多个安全域的实时可信访问。Connext 实现了从以网络为中心的系统到以数据为中心的强大环境的清晰、基于开放标准的迁移,在许多情况下使用相同的网络设备,实现了全球 JADC2 系统数据的快速交付和共享。

成为VIP会员查看完整内容
62

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。
进入JADC2: 以相关性的速度进行实时决策
专知会员服务
60+阅读 · 2023年9月26日
使用多层胶囊网络的国防军事目标检测
专知会员服务
41+阅读 · 2022年8月14日
JADC2的十大数据需求
专知会员服务
99+阅读 · 2022年6月8日
6G中联邦学习的应用、挑战和机遇
专知会员服务
49+阅读 · 2022年3月14日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
专知会员服务
17+阅读 · 2021年7月20日
【WWW2021】大规模智能手机数据的异质联邦学习
专知会员服务
39+阅读 · 2021年3月8日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
53+阅读 · 2020年4月18日
无人机集群、蜂群与蜂群算法
无人机
80+阅读 · 2018年9月25日
LibRec 每周算法:LDA主题模型
LibRec智能推荐
29+阅读 · 2017年12月4日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
15+阅读 · 2017年8月3日
MNIST入门:贝叶斯方法
Python程序员
21+阅读 · 2017年7月3日
大数据分析研究组开源Easy Machine Learning系统
中国科学院网络数据重点实验室
14+阅读 · 2017年6月13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
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014年12月31日
Arxiv
0+阅读 · 2023年11月3日
A Survey of Large Language Models
Arxiv
325+阅读 · 2023年3月31日
Arxiv
67+阅读 · 2022年9月7日
A Survey on Edge Intelligence
Arxiv
49+阅读 · 2020年3月26日
VIP会员
相关VIP内容
进入JADC2: 以相关性的速度进行实时决策
专知会员服务
60+阅读 · 2023年9月26日
使用多层胶囊网络的国防军事目标检测
专知会员服务
41+阅读 · 2022年8月14日
JADC2的十大数据需求
专知会员服务
99+阅读 · 2022年6月8日
6G中联邦学习的应用、挑战和机遇
专知会员服务
49+阅读 · 2022年3月14日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
专知会员服务
17+阅读 · 2021年7月20日
【WWW2021】大规模智能手机数据的异质联邦学习
专知会员服务
39+阅读 · 2021年3月8日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
53+阅读 · 2020年4月18日
相关资讯
无人机集群、蜂群与蜂群算法
无人机
80+阅读 · 2018年9月25日
LibRec 每周算法:LDA主题模型
LibRec智能推荐
29+阅读 · 2017年12月4日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
15+阅读 · 2017年8月3日
MNIST入门:贝叶斯方法
Python程序员
21+阅读 · 2017年7月3日
大数据分析研究组开源Easy Machine Learning系统
中国科学院网络数据重点实验室
14+阅读 · 2017年6月13日
相关基金
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
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员