俄乌事件-北溪爆炸事故分析《水下关键基础设施的监测》2023最新论文，NATO STO

2022年9月26日的爆炸事件破坏了北溪1号和北溪2号的天然气管道，突出了提高水下关键基础设施（UCI）复原力的必要性和紧迫性。这些基础设施包括天然气管道、电力和通信电缆，连接着世界各国，对全球经济和稳定至关重要。同时针对多个此类基础设施的攻击有可能造成重大损失，并极大地影响日常生活的各个方面。由于UCI的数量不断增加和持续部署，现有的水下监控解决方案，如自主水下航行器（AUV）或遥控潜水器（ROV），都不足以确保彻底的监控。

我们表明，主要由于人工智能（AI）和信息融合（IF）方法，来自水下和水上监视传感器的信息组合能够实现海底到太空的态势感知（S3A）。这些方法旨在处理大量的信息，这些信息来自于各种来源的融合，并由每天监测大量的资产产生。所学到的知识可用于预测未来的行为，识别威胁，并确定有关UCI的关键情况。

为了说明S3A的能力和重要性，我们考虑了2022年下半年发生的三个事件：上述北溪河爆炸、连接设得兰群岛和英国本土的水下通信电缆SHEFA-2被切断，以及一艘大船在亚得里亚海的可疑活动。具体来说，我们提供了对现有数据的分析，这些数据来自自动识别系统（AIS）和卫星数据，并与可能的背景信息相结合，例如水深测量、生命模式（POL）、天气状况和人类情报（HUMINT）。

引言

2022年9月26日，丹麦和瑞典的地震仪探测到[1]北溪1号和北溪2号水下天然气管道发生了一系列的爆炸。这些爆炸除了对管道造成严重破坏外，还导致了三次水下气体泄漏，随后向大气中释放了大量甲烷。图1显示了由欧空局提供的Pleiades Neo卫星星座获得的甲烷泄漏的图像。

图1. Pleiades Neo捕捉到的北溪泄漏。泄漏的直径估计为0.5-0.7公里[2]。

尽管某些当局和组织怀疑有破坏行为，特别是考虑到东欧目前的政治气候，但目前没有具体证据表明爆炸是如何和由谁造成的。同时，这些事件也让整个气候界提高了警惕，因为与二氧化碳相比，甲烷的温室效应要强大得多（大约30倍），特别是在短期内。据估计，在北溪管道泄漏期间，可能有超过220,000吨的甲烷被释放到大气中，相当于奥地利每年的人为甲烷排放量[2]。虽然这次事故本身并没有明显改变导致全球变暖和气候变化的温室气体排放数字，但它代表了气候变化和安全问题之间相互联系的一个前所未有的案例，需要政府适当地加以说明。

北溪河事件使人们注意到天然气管道和水下电缆等水下关键基础设施（UCIs）的脆弱性。这导致公众和政策制定者更加关注提高这些重要资产的复原力，因为人们越来越担心未来会发生类似的恶意行动。事实上，最近，在2022年12月22日，意大利报纸报道了[3]一艘大型船只在亚得里亚海跨亚得里亚海管道（TAP）附近的可疑活动。因此，对UCI的保护和监视是未来任何海事战略中的关键因素。

如图2所示，对UCI的破坏可以通过使用军舰或商船等水面资产，也可以通过水下资产来进行。在前一种情况下，多个水上异质系统和传感器，如自动识别系统（AIS）、卫星传感器[4]和地面雷达，可能在提供无缝的大规模海上监视（MS）方面发挥关键作用，甚至在世界的偏远地区。在后一种情况下，安装在UCI上的水下传感器（如主动/被动声纳和照相机）[5]，或装备在无人潜航器（UUV）上[6]，将通过提供水下监测能力来补充MS。除了感官数据，对背景信息的分析，如水深测量、天气数据、人类情报（HUMINT）和公开来源情报（OSINT），也是至关重要的。更为普遍的是，联合使用水下和水上的异质传感器，以及上下文和情报信息，是向海底到太空的态势感知（S3A）过渡的一个关键概念。鉴于问题的规模和需要处理的大量数据，可以通过使用先进的人工智能（AI）和信息融合（IF）技术来实现与UCI监测有关的S3A。这些技术允许整合来自不同来源的大量信息，并每天监测大量的资产。这类技术的例子包括贝叶斯多目标跟踪（MTT）技术[7]-[9]，基于Dempster-Shafer理论的多重推理系统[10]，以及异常检测技术。这些技术能够在多个层面上融合不同的信息。从这些技术中获得的知识，一旦被提取出来并使之易于理解，就可以为政府当局、国防军、海岸警卫队和警察等最终用户提供一个更好的理解，即参与特定事件（如北溪事件）的实体和行为者、他们之间的关系以及这些关系的潜在后果，同时也提供一个有效的工具来预测未来对UCI和其他关键资产的威胁。我们预计，这些技术将提供预防未来对UCI的潜在攻击的能力，并将成为国家和国际机构和机关以及海运业日益关注的问题。

图2. 监测水下关键基础设施（UCIs）的概念性图示。根据UCI的位置和天气条件，水面上的破坏活动可能由专门的潜水员在水面船只的支持下进行；在某些情况下也可能采用遥控潜水器（ROV）。水上系统和传感器，如自动识别系统（AIS）和合成孔径雷达（SAR），可以提供大规模监测能力。这些可由水下资产补充，如分布式声学传感（DAS），以确保全面的海上监视。

本文的其余部分组织如下： 第2节对UCI进行了概述，并描述了与它们的弹性有关的重要方面。第3节描述了可有效用于监测UCI的传感器技术，并详细介绍了有用的背景信息。第4节提供了S3A的概述，特别是描述了最先进的信息融合、异常检测和自动推理技术。第5节介绍了对北溪河爆炸、连接设得兰群岛和英国大陆的SHEFA-2号水下电缆的切断[11]以及亚得里亚海中一艘大型船只的异常行为的分析。第6节提供了结论意见。

海底-空间态势感知(S3A)

操作员和分析员面临的主要挑战是识别在非常大的数据集中出现的模式，例如AIS、SAR、光学和多光谱数据，当目标是预测可疑资产的未来可能行为和相关威胁时。在这种情况下，信息无疑起着至关重要的作用，而人工智能（AI）为监视系统提高MS，特别是UCI的弹性提供了前所未有的可能性。人工智能和信息融合（IF）可以很容易地处理大量的信息，这些信息融合于各种来源，并由非常多的监测资产每天产生，从而使未来可能过渡到S3A的整体视角。从中学习到的知识可以作为分析员和操作员认知过程（感知、理解和预测）的宝贵支持，以预测未来行为和/或识别可能危及UCI的威胁和关键情况。在下文中，我们将概述最先进的贝叶斯中频和多目标跟踪（MTT）、异常检测和自动推理技术，这些技术可能会实现S3A并改善UCI的监测。

北溪天然气管道爆炸案例分析

图4报告了在影响北溪天然气管道的爆炸发生前几天在波罗的海上空获得的哨兵一号合成孔径雷达图像[1]。圆圈表示检测到的船只，而实线表示船只的轨迹，涵盖了从SAR图像采集时间前10分钟到后10分钟的时间间隔。这些轨迹是通过内插船舶自己报告的AIS位置获得的，并填补了最多6小时的数据空白。插值需要在图像采集时间之前和之后都有AIS位置；当这种信息不可用时，例如在（准）实时操作期间，船舶在图像采集时的位置可以从现有的过去数据中推断出来[78]。AIS数据和卫星图像（SAR、光学、MSP和HPS）的结合使用，可以给船只的图片一个身份，这可以补充MS的AIS，否则，它将是未知的。另一方面，卫星图像中检测到的船舶的AIS数据不可用，可能是由于数据不正确或丢失造成的，也可能是突出一个需要进一步调查的异常行为。

图4a中AIS轨迹和SAR探测之间的关联是通过解决一个特定的分配问题来实现的（显然，在MTT文献中还有其他的解决方案，在上一节中讨论过）。任何SAR检测-AIS轨迹对之间的分配成本是SAR检测的位置和图像采集时船舶的内插位置之间的相对距离，如果这个距离低于3公里，否则就假定是无限的。然后用与AIS轨迹颜色相匹配的圆圈来表示关联；白色圆圈代表没有与任何AIS轨迹关联的SAR检测。我们观察到，图4a中检测到的大多数船只都与AIS轨迹有关。图4b和4c分别展示了相关检测和不相关检测的两个例子。第一幅图显示了三艘被检测到的船只，每艘都在一个彩色的圆圈内。圆圈的颜色与AIS轨迹的颜色相吻合，AIS报告的位置由交叉点代表，通过内插得到。星形表示图像采集时船舶的内插位置；合成孔径雷达检测到的船舶形状与其内插的AIS位置之间的偏移是由于船舶本身运动产生的未知多普勒频率，因此它与船舶的速度有关[79]。相反，图4c显示了一艘被探测到的船只--围在白圈内--与任何AIS轨迹无关；实际上，最近的AIS内插位置在3公里以上。然而，这条AIS轨迹呈现出一个相关的特征，即在采集SAR图像前后，AIS数据有几个小时的间隔（但不到6小时）。一方面，这可能表明检测到的物体和图4c中描述的AIS轨迹确实指的是同一艘船；另一方面，AIS数据中的空白和检测到的船舶位置偏离了线性路径，可能是一种异常行为的迹象。

从AIS数据的分析来看，另一艘船的行为似乎很重要。图5显示了它在北溪河事故发生前的全部轨迹--超过数天。从青色到洋红色的颜色，反映了该船的速度。图6中报告了该轨迹的摘录，每条都跨越了几个小时。低于3节的速度用黑色标记，因为大型船舶，如所考虑的船舶，在如此低的速度下很难被操纵，并且容易漂移。轨迹的这些部分可能表明，该船是在遵循一条搜索路径，也就是说，它在机动地接近管道，并在漂移中远离它。请注意，这种行为也可能与其他情况相符，例如，在等待命令时闲逛。尽管如此，值得一提的是，北溪河事故发生的区域并不是被设计成一个固定的区域。

该船在该地区的存在得到了两张Sentinel-1合成孔径雷达图像的证实；图6a和6b报告了合成孔径雷达图像中探测到的该船的位置，而图7a和7b显示了上述Sentinel-1合成孔径雷达图像的细节。这两张合成孔径雷达图像都是在船只漂移时获取的：图6a和6b中报告的船只在获取时的速度（低于3节）和图7中报告的船只的方向都证实了这一点。最后，请注意，船舶的轨迹（虚线）与合成孔径雷达获取的船舶形状之间的轻微偏移，在图7b中尤其明显，这与船舶的AIS参考点是一致的。

除了上述运动学特征外，有两点重要的意见对于评估该船在北溪河爆炸中的潜在影响是很有用的。前者与该船的所有权风险评估有关，它被认为是非常高的，因此不利于识别受益所有人。第二条意见与该船可以进行的行动有关：根据作者咨询的几位海军军官的意见，该船完全可以使用特定的仪器（如遥控潜水器）支持和协调破坏行动。

正如前几节所讨论的，所有上述信息都需要被摄入并自动处理，以评估与可疑船只相关的整体风险。

图4. 北溪案例。爆炸前几天在波罗的海上空获得的Sentinel-1 SAR图像。彩色实线是通过插值船舶本身提供的AIS位置获得的船舶轨迹。圆圈是在SAR图像中检测到的船只：圆圈的颜色表明检测来自AIS轨迹具有相同颜色的船只；白圈表示检测与任何AIS轨迹无关。面板(b)和(c)显示了完整SAR图像的两个细节，分别显示了相关检测和不相关检测的例子。这里，交叉点描述了AIS报告的位置，星星是图像采集时船只的插值位置。

图5. 北溪案例。爆炸发生前几天有关船只的全部轨迹。轨迹横跨数日，其颜色（青色到洋红色）与船只的速度有关（从慢到快）；灰色箭头表示船只在轨迹开始和结束时的方向。气体泄漏的位置用黄色钻石标记。

图6. 北溪案例。图5中报告的有关船只的全部轨迹的摘录。每个面板都报告了完整轨迹中跨越几个小时的部分。颜色（青色到洋红色）与船只的速度有关（从慢到快）；低于3节的速度都以黑色报告。灰色箭头表示船只在轨迹开始和结束时的方向，黄色钻石标志着气体泄漏的位置。红点（在面板（a）和（b）中）报告了在合成孔径雷达图像中检测到的船只的位置；关于合成孔径雷达检测的其他细节见图7。

图7. 北溪案例。两张Sentinel-1合成孔径雷达图像的细节，显示了所关注的船只。面板（a）显示了位于图6a中标记的船只的SAR图像；同样，面板（b）显示了位于图6b中标记的船只的SAR图像。TA和TB分别是面板（a）和面板（b）中SAR图像的采集时间。品红色的点代表AIS报告的船只位置，而蓝色的星表示船只在TA和TB时间的内插位置。虚线再现了通过内插AIS报告的位置而得到的船舶轨迹。