美国陆军将通过AI增强电子战能力
关注E安全 关注网络安全一手资讯
E安全8月7日讯 随着电子战威胁愈演愈烈,为了电子战中占据优势,美国陆军希望将更智能的计算机用于电子战和防干扰导航。
美国陆军发出获取机器学习技术(能自行学习如何追踪电子战威胁并管理响应的计算机)的信息请求。
美国陆军面临的问题在于,士兵在追踪威胁方面负担过重。陆军采购、后勤与技术(Army for Acquisition Logistics and Technology)助理部长和快速反应能力办公室(Rapid Capabilities Office)发布信息请求(RFI)指出,问题的症结在于各种传感途径的海量电子信号源头和位置信息,以及协调防御和进攻性作战以抵御电子攻击行业削弱电子威胁手段。
AI能快速分析、适应并响应威胁。美国陆军寻求的解决方案是:具备能力使用机器学习技术监控并评估无线电频率辐射威胁,以建立正常或异常生活模式,并掌握发射器类型和信号结构的特征;以及整合并分析陆军的数据,包括战术网络和情报、监控和侦察(ISR)数据,从而将电子光学传感器和电子支持无线电频率电子战传感器包含在内。
美国陆军对两种形式的机器学习感兴趣:监督学习和非监督学习。前者涉及已标记的数据,而在非监督学习中,软件必须确定未分类数据的结构。
此外,美国陆军希望更智能的机器智能将有助于构建定位、导航和定时(PNT)的替代方式,以便在GPS受干扰或信号在城镇或地下环境中无法正常工作的情况下发挥效用。
RFI包括潜在承包商响应电子战和PNT要求的13个相关问题,其中某些关键问题如下:
* 是否会通过分析、测试、演示或操作使用显示相关场景中潜在电子战能力/概念的效用?
* 是否提供机器学习和人工智能等功能,协助了解当地电磁频谱使用情况,并执行可用电子战资产的命令与控制(C&C)?
* 是否提供能力为地面部队、陆军航空兵提供建立PNT信息的可替代方式?
* 解决方案是否会提供完整的PNT或只提供部分功能,例如只提供定位、导航、定制?
* PNT功能的效用和弹性如何?例如是否会出现无线电频率干扰、天气变化、环境影响等?
E安全推荐文章
官网:www.easyaq.com
2017年8月