国外典型智能化网电军事装备发展研究

2023-03-24陈阿磊李世飞

舰船电子对抗 2023年1期

陈阿磊，刘振，周畅，李世飞，占蝉

(空军预警学院，湖北武汉 430019)

0 引言

从近几场局部战争来看，网电空间成为继陆、海、空、天之后新兴的作战领域，并日益成为作战双方争夺的新空间。网电战是指在信息化战场上，综合运用网络战和电子战，通过保护己方战场信息系统、破坏敌方战场信息系统，夺取战场制信息权，已成为现代战场取胜的关键因素。其中，网电战的“网”即计算机网络战，“电”即电子战。而以计算机技术、数字通信技术、网络技术等为代表的现代信息技术和以大数据、云计算、物联网、人工智能等为代表的新一代信息技术大多发端于军事装备及应用的研究，尤其是在军事装备领域，高技术智能化武器装备层出不穷，类型日益丰富，具有智能化特征的信息化正向人类走来。本文紧跟军事发展潮流，介绍了国外典型网电军事装备项目，有助于了解国外智能化网电军事装备领域的发展应用现状，对我国网电军事装备发展具有重要的借鉴意义。

1 国外典型智能化网电装备系统简介

网电武器装备是实施网电空间作战的物质基础和必要条件，在战争形态日趋智能化的趋势中，加强智能化网电武器装备研究与建设，是进行网电对抗智能化建设的重要组成部分。世界各军事强国纷纷加强智能化网电力量的建设与发展，以确保在未来新型网电对抗中抢占一席之地。随着网电对抗装备越来越自适应、频谱越来越拥塞、新型波形越来越先进，网电战必须更加聪明，换句话说，就是必须采用人工智能技术。从美国各种有关智能化网电战的项目中可以发现，不仅下一代网电战系统必须具备人工智能的能力，而且当前的网电战系统也要提高其智能化水平[1-3]。

人工智能在网电战中已经逐步走向实用化。如德国亨索尔特公司的Kalaetron Attack电子战系统使用人工智能来识别雷达模式，这是人工智能在电子战单装层面的典型应用。在指控层面，人工智能可用于电子战的综合决策与控制，其典型代表是俄罗斯的Bylina电子战自动控制系统。在作战支持层面，人工智能可用于电磁数据的分析与处理等。下面将介绍国外典型的智能化网电军事装备[4-5]。

1.1 美军自适应电子战项目BALDE和ARC

美军著名的“自适应电子战行为学习”(BLADE)和“自适应雷达对抗”(ARC)2个项目就是旨在将人工智能应用于电子战系统的智能化电子战项目[6]。BLADE项目通过人工智能技术，根据空中观察到的威胁变化，提供精确的战斗损毁评估，致力于在战术环境中对抗新的、动态的无线通信威胁，目标是通过遏制、堵塞或其他方式拒止信息流，如图1所示。ARC是专门针对雷达系统的认知电子战项目，是针对雷达干扰的项目，旨在确保机载电子战系统能够针对未知的自适应雷达实时自动生成有效对抗措施。ARC技术能在存在其他敌对、友好和中立信号的情况下分离出未知雷达信号，推断该雷达所构成的威胁，集成并传输对抗信号，并基于空中实时观察到的威胁行为，评估对抗措施的效能。ARC技术采用开放式架构，允许插入、改进和删除软件模块，对系统的其他组件影响甚小，适用于新的电子战系统，并可以用于改进现有的系统，而无需大量改变前端射频硬件。

图1 BLADE项目

1.2 美军AI增强型“咆哮者”电子战飞机

EA-18G“咆哮者”是目前世界上最先进的机载电子攻击(AEA)平台，也是目前唯一投入生产的平台，如图2所示。作为经过实战验证的F/A-18F超级大黄蜂战机的变体，“咆哮者”为美军及其世界各地的盟军提供战术干扰和电子保护。2016年，美海军的“反应式电子攻击措施”(REAM)项目，希望通过在美国国防部高级研究计划局(DARPA)的ARC项目的基础上进一步改进机器学习算法，研发更加智能的信号探测、分类技术，以更加有效地识别雷达威胁，为电子支援、电子攻击提供强有力支撑，同时立项开发ARC项目的软件套件，用于装备海军的F/A-18飞机。2018年，美海军与诺格公司签订了一份7 300万美元的合同，为EA-18G“咆哮者”电子战飞机开发机器学习算法以快速识别并干扰敌方的雷达信号，将为EA-18G增加人工智能能力，极大地提升了其电子战作战能力。经过认知电子战能力改进后，EA-18G将能够对抗捷变、自适应和未知的敌方雷达[7]。

图2 EA-18G“咆哮者”电子战飞机

1.3 俄罗斯Bylina电子战系统

俄罗斯为电子战开发了一个由人工智能控制的平台——RB-109A“百利娜”(Bylina)电子战系统。该系统采用了人工智能技术，无需操作员参与即能实时分析态势，找出目标并分类，可以在无需人类参与的情况下自主工作，可确定采用何种电子战手段、使用何种机制、以何种频率及功率来对抗具体目标，如图3所示。Bylina系统安装在5辆越野卡车上，系统部署后会自动与上级总部、电子战营、电子战连甚至是单个的电子战站进行配对，可以发现和识别敌方的电子目标，进而自主选择最优的电子战手段来破坏敌方的雷达、通信和卫星。目前Bylina系统已通过综合测试，且在“西部2017”演习中首次参练，能在压制敌方电子设备的同时避免干扰己方的电子设备，使战场上电子战装备的效能提高40%～50%。俄罗斯军方将Bylina项目和电子战看作是与美国在信息战领域竞争的一个优先事项，从2018年开始采购该项目，并计划将在2025年向陆军大规模交付Bylina系统。

图3 RB-109A百利娜(Bylina)电子战系统

此外，Bylina系统自身也存在一定的缺陷：一是该系统所控制的主要是低速机动或静态部署的地面电子战力量，如果涉及到高速机动的空中电子战力量，情况可能要复杂得多；二是该系统具备一定的电磁战斗管理能力，但由于没有控制雷达和通信用频，只能视为初级的电磁战斗管理系统。

1.4 德国Kalaetron电子战产品

2020年4月，德国亨索尔特公司(Hensoldt)完成了“卡勒特龙攻击”(Kalaetron Attack)模块化机载电子战系统的研发，如图4所示。该电子战系统采用了全数字硬件、人工智能等新技术，能在极短时间内检测敌方雷达信号，并采取相应电子对抗(ECM)措施，可对不同作用距离的地面火控雷达实施干扰和压制，从而能应对不断变化的威胁，使载机有效对抗新型防空系统，通过拒止不同距离外敌方的火控雷达来保护空军及盟军的行动自由。

图4 Kalaetron Attack系统

由于采用全数字化设计，该系统可在很宽的频率范围内快速检测、识别、定位敌方防空雷达系统，同时由于采用人工智能技术，可从采集脉冲信号中识别新型威胁信号，对于识别频率范围极宽、频率跳变极快的最新防空雷达系统效果显著。该系统可以抑制敌方不同距离的火控雷达，从而使德国空军或盟军的战斗机可以在反介入/区域拒止(A2/AD)环境中作战。Hensoldt公司表示，Kalaetron Attack干扰机可用于德国空军的“电磁频谱中的机载效应计划”(luWES)，也可用于法德联合研制的第六代隐身战斗机“未来空中作战系统”(FCAS)。

1.5 英国Moonlight系统

英国国防科学与技术实验室(Dstl)开发的“月光”(Moonlight)系统是全球首个基于人工智能的雷达威胁跟踪系统，可以将敌对国家的雷达情报分析过程自动化，如图5所示。“月光”系统主要是用人工智能代替人力来处理和分析数据，其背后是庞大且完备的电子侦察系统和情报系统，可以近实时地获取全球雷达的数据。该系统使用机器学习算法来收集重要数据，基于算法规则来定位和识别雷达，每天可以实时地自动更新近一万多部雷达的位置信息，而且精度也更有保障。系统生成的数据正在用于改进英国的海上、陆地和空中任务的规划和事后分析。Dstl目前正在按照北约的标准化协议开发一个北约版的“月光”系统，以便与北约的系统进行互操作。北约版的“月光”系统估计可以在2023年前交付，这将大大提升北约识别和定位威胁雷达的能力。

图5 Moonlight系统

1.6 美国HADES系统

美国核安全局研究和开发实验室桑迪亚国家实验室正在与Splunk的企业系统合作开发“高保真自适应欺骗和仿真系统”(HADES)，旨在提供欺骗环境，并推进欺骗活动，以梳理正在进行攻击的相关情报和特征码，如图6所示。

图6 HADES系统

技术层面上看，HADES利用了云技术，特别是软件定义网络和虚拟机自省技术，可将被攻击的虚拟系统从生产网络中快速转移至去除了敏感数据的高保真虚拟版网络副本，可将该虚拟机的状态迁移到网络的其他部分并开始模拟其周边环境。在入侵者毫无所觉地探测该沙箱网络时，分析师就可以观察入侵者的行动，获悉其目标和所用攻击工具，观察对手的行为，重构防御工具，即时发展自身智能。即便黑客最终发现自己是在沙箱中操作，因为不知道是何时被移出真实网络的，也就不清楚自己收集的数据到底有多少是真实的。HADES的目的就是要让攻击者产生疑虑，无法辨别自己收集数据的真伪。HADES首次部署是在2017年，至今仍在不断开发完善中，并在少数部署中进行测试，据称佛罗里达理工学院已部署了HADES，该平台还被秘密部署在政府和学术界某些保密单位中。

1.7 美国GARD项目

机器学习攻击能力的加速发展推动了一场军备竞赛：在开发新防御技术应对新攻击策略和漏洞的同时，创造了能绕过防御算法的改进型攻击方法。为了应对这一挑战，DARPA创建了“确保人工智能对抗欺骗的稳健性”(GARD)项目，旨在开发新一代机器学习模型的防御技术来对抗欺骗攻击，如图7所示。GARD项目主要研究内容包括：开发理论、防御技术和测试台，获得可靠的抗欺骗机器学习模型和算法；检测、定位和预测进行防御，推动先进机器学习防御技术；通过开发抵抗不同模式物理攻击(视频和音频)的防御技术，推动先进机器学习防御技术超越标准的数字图像模式。该项目的3个具体目标为：

图7 GARD项目时间节点

一是开发防御性机器学习的理论基础，包括用于衡量机器学习弱点的标准，以及用于确定增强系统可靠性的机器学习性能标准；

二是在各种环境下创建和测试具备防御能力的(机器学习)系统；

三是构建一个新的测试平台，以表征机器学习的防御能力。

1.8 美海军信息战平台

近年来，美国海军正在寻求广泛的信息战能力，包括网络战、云计算、数据科学和分析技术、可信赖通信、企业资源工具、协作和社交网络、自动化、机动化、可信赖指挥和控制、综合火力、基于模型的系统设计、按需制造和物联网嵌入式系统等。美国海军准备将新研发的信息战平台装配到部分舰只，在测试评估后将逐渐全面列装舰队[8]。

信息战平台提供的新的作战能力将部分通过人工智能、机器学习和数字孪生技术实现。信息战平台装备后，海军舰船有望更快速地获取、测试、安装和使用技术，同时还将增强网络安全性。平台将使海军能够更快速、更有效地进行软件更新，即使舰船在海上航行，如图8所示。预计，平台将为战术优势提供早期的人工智能(AI)和机器学习(ML)功能，并通过舰载数据分析基础设施增强作战能力。装备信息战平台后，“战备分析和可视化环境”(RAVEN)系统将收集大量日常训练、人员、技术和维护问题等与战备状态息息相关的数据，并通过机器学习算法对数据进行筛选，以确定一系列战备趋势。

图8 巴丹号两栖攻击舰为最先装配信息战平台的两艘海军舰船之一

1.9 美国IKE项目

X计划是DARPA 2013年启动的基础性网络作战项目，主要是为国防部开发用于计划、实施和评估网络作战的平台，并研究能够主导战场的基本战略和战术，具体涉及网络战系统体系架构、网络战损伤监测、网络战规划和执行、网络战场的可视化和互动等领域。该项目旨在建立自动化网络空间作战体系，从基础上摆脱网络空间作战的人工依赖模式；聚焦实时网络作战愿景，开发支撑综合平台建设的革命性技术；立足打赢全球网络战争，构建网络作战规划和实施综合平台。

“艾克”(IKE)项目是X计划的接棒延续，美国空军和美国防部战略能力办公室(SCO)2019年接棒开展已经持续6年的X计划研究项目，并将其重新命名为IKE项目。IKE项目将为美国网络任务部队提供网络指挥控制和态势感知能力，并利用人工智能和机器学习技术帮助美军指挥官理解网络战场，支持美军网络战略的制订、评估并建模网络作战毁伤情况。该项目也将融入美军更大规模的“联合网络指挥与控制”(JCC2)项目中，成为美国军方网络战指挥与控制体系的基石。IKE项目已在军事演习中体现出未来作战潜力，如图9所示。美国防部作战试验鉴定办公室2020年1月发布《2019财年国防部作战试验鉴定年度报告》指出，通过2019年在几次战斗指挥演习中验证了IKE项目具备态势感知的能力。

图9 IKE项目

2 国外网电智能化军事装备发展对我国的启示

网电作战武器装备是遂行网电一体作战的物质基础，是贯彻、实施网电一体战思想的必要条件。因此，加快发展适应网电一体智能化的信息作战武器装备，是进行网电对抗力量建设的重要环节之一，对于提高我军信息作战建设步伐，有着极为重要的意义[9]。

拥有高新甚至颠覆性技术并不能保证作战能力的提升，只有聚焦实战才能实现颠覆性技术向作战能力的转化。这是因为作战场景非常复杂，且瞬息万变，但是相关技术的基本原理相对来说固定不变，因此必须摸清技术的底层参数，确定应用范围和条件，调整技术的输出应用形式，从而有效提升集“侦、攻、防”于一体的体系化作战能力，如图10所示[10]。

图10 装备研制能力需求

2.1 创新装备研制方式

创新“边建边用，建用一体”的装备研制方式，具体来说主要包括4个方面。

一是紧密耦合。围绕实战，紧密对接需求，牵引技术及装备发展，建立完善装备计划联合决策体制、军事需求牵引的装备需求形成机制和装备计划专家辅助决策制度。装备计划制定部门应当组织军队有关人员与国防科技工业有关部门、民口单位的人员，对装备结构、采购方式、采购风险、采购规模和进程等进行综合论证与评估，提高装备计划决策的科学性。

二是数据共享。网电装备涉及到多种技术的融合使用，因此需要对多源数据、情报建立共享机制，实现联合处理，但是，在现有的体制机制和法规政策下，还难以实现真正的互联互通。这样的网电一体化只能是网络战和电子战的分开建设，分开使用，难以做到真正的一体化建设。因此，在一体化建设的过程中，在遵循保密政策的底线要求下，要加强数据共享，发掘网络战与电子战的数据共性和联系，聚焦共性联系，研究一体化对抗方法。

三是灵活重构。网电对抗作为信息对抗的一种有效手段，随着信息战的不断升级，其适用性会越来越广泛，需求性会越来越迫切，因此要灵活利用不同的平台进行功能的灵活重构加载，注重装备的小型化和通用接口，这样才能适应未来复杂的电磁环境，提高可靠性。

四是支前作战。随着集成电路技术的升级发展，现有装备往往模块化程度高，一线部队的作战人员往往很难掌握所有的技术细节，因此需要依托现有的军工企业，打造“网电一体”智能化、专业化服务团队，使其具备应急支前作战能力，充分发挥最优作战效能。

2.2 装备具备可扩展性

适应网电一体智能化的信息作战武器装备的作战对象是敌方的各类电子设备和计算机网络系统，这些都处在信息时代科技发展的最前沿，更新和变化非常快。在信息技术的推动下，电子设备，尤其是军用电子装备和计算机网络技术，在电子战、网络战的巨大威胁下，千方百计采取新技术、新方法来进行改进，力求在同电子战、网络战武器装备的竞争中取得优势地位，呈现出飞速发展、千变万化的态势和特性。

面对作战对象变化迅速的现实，适应网电一体战的信息作战武器装备要在作战中发挥更大的作用，就必须跟随或超越对手的发展，缩短更新的周期，才能在与作战对象的技术发展赛跑中取得胜利。但不停顿、无休止地发展全新型号的适应网电一体战的信息作战武器装备也是不可能的，一方面需要有大量的经费支撑，现阶段难以满足；另一方面，效果也相当有限，极有可能出现在新装备还没有完成研制其技术就已经过时的局面。通过武器装备的改进就是一个现实的解决方法，一方面可以节省大量经费；另一方面也可以加快更新速度，满足备战、作战的需要。为便于武器装备的改进，要求在发展适应网电一体战的信息作战武器装备时，必须十分注意武器装备应具有良好的可扩展性，为今后武器装备的扩展、改进和更新奠定一定的基础，以适应未来装备技术发展多变、快速的趋势。

2.3 具备通用性、高标准化

武器装备的通用性和高标准化是当前所有武器装备发展的普遍趋势和要求，其目的是为了降低成本、便于研制和维护并提高其可靠性。在现代战争中，这种武器装备研制策略已经发挥了明显的作用，得到了各国军队的一致认可。毫无疑问，在发展适应网电一体战的信息作战武器装备时，也同样应该遵守这个原则。但在这里，武器装备通用性和标准化具备了新的意义，除了一般意义上的各类武器装备系列内部的通用性和标准化外，适应网电一体战的信息作战武器装备还要在电子战武器装备和网络战武器装备之间具有高度的通用性和标准化，这不仅是实施“一体化”作战的需要，而且也具有技术上的现实可能性。在适应网电一体战的信息作战武器装备的发展过程中，还应根据装备特点、需求和任务，尽可能地争取一机多用，降低成本、提高效能。

2.4 集体协作与个体作用相结合

自从人类进入工业时代，专业领域越来越细，社会分工越来越复杂，协作与分工就成了人类社会的普遍现象。在当前的武器装备研制过程中，由于武器装备的复杂程度高，涉及专业门类和领域广，没有任何人和某个机构能单独完成，集体协作依然是必要和普遍的。随着军事装备领域的发展和信息技术的广泛应用，个体在装备研制和发展中的作用也日益突出，尤其表现在网络战武器装备研制领域，这主要是由于网络战武器装备具有“以软为主”的特点。因此在网络战武器装备建设中要特别注意发挥高水平人员的核心作用，在研制人员选择上要精益求精，绝不能以数量代替质量。同样，包含有网络战武器装备在内的适应网电一体战的信息作战武器装备的建设和发展过程中，要注重个体的作用，将集体协作与个体作用较好地结合起来，提高和促进适应网电一体战的信息作战武器装备建设的速度和效率。

2.5 推进网电前沿科技研究

发展迅猛的人工智能前沿技术加速了向军事领域的渗透，将对战争产生冲击甚至颠覆性影响，使未来战争形态、作战方式和制胜机理发生了根本改变。为赢得军事智能化发展的战略主动，加快网电发展建设，必须紧紧抓住“智能因子”，密切关注战场智能感知、深度学习算法、大数据、人机无缝交互等前沿关键技术的发展及运用前景[11]。

(1) 战场智能感知技术

瞬息万变的战场环境对战场感知提出了更加迫切的要求。以现代信息网络技术和探测遥感技术为基础的各种情报侦察、监视手段与装备的出现，能以更多的探测方式感知战场，获取信息优势，并为谋取决策优势和行动优势提供支持[12]。

战场智能感知作为一项综合技术，其核心在于智能传感侦察设备和智能传输信息网络，前者涉及传感器技术、嵌入式技术、信息融合技术及其宿主设备的智能化改造；后者涉及组网技术和通信技术的发展。智能探测传感侦察设备将广泛应用光学、无线电、红外、雷达、震动、声学、磁学、化学和生物等各类传感器设备，不仅具有自主感知能力，还具有智能识别分辨能力，在战争中将遍布战场各个角落，形成一个多维立体的侦察监视系统，实时感知战场态势。智能传输信息网络以战略通信网、骨干通信网、战术互联网、卫星通信网、计算机通信网等为基础的情报传输系统，构成纵横交错的战场“感知神经”，将各类智能感知节点有机联系起来，相互印证、相互确认，使任意用户既能对战场态势进行随机感知，又能做到对战场的某个区域实施主动探测。战场感知与强势崛起的物联网完美结合，将建立战场“从传感器到射手”的“自动感知—数据传输—指挥决策—火力控制”的全要素、全过程综合信息链，实现战场感知的快速化、精确化。

(2) 深度学习算法技术

算法、数据和计算能力是当前人工智能的三大要素，其中算法作为人工智能的“大脑”，牵引着智能化技术从实验室走向战场，并强力推进着人工智能技术的军事化应用。深度学习是采用多层神经元网络的机器学习算法，近年来在图像识别、自然语言处理、语音识别，以及决策系统等多个方面都取得了巨大成就。如美军研制的“深绿”辅助决策系统，其深度学习过程就是一个不断修正程序内神经网络各节点关联参数和权重系数的过程，并利用多层网络、多个节点存储足够的战场信息，获得映射空间中的优化目标。从技术角度看，深度学习极大地促进了机器认知以及人机交互、机器与环境交互的发展，为弱人工智能向强人工智能、超人工智能的发展打开了大门，使得人工智能的发展进入了“快车道”。深度学习下一步将朝着迁移学习、强化学习、非监督学习、对抗网络等方面发展。不难设想，未来的智能化作战系统，通过深度学习可形成足以超越作战对手的经验智慧，推动网电一体对抗进入主观与客观相结合、定性与定量分析相统一、推测与实证相印证的新阶段。

(3) 大数据深度挖掘技术

随着信息和网络的发展普及，大数据已成为国家的一种信心战略资源，大数据技术就是从海量的各种类型数据中进行深度信息挖掘，进而获取有价值信息的技术，主要包含的关键技术有大数据采集、大数据预处理、大数据存储与管理、大数据分析与挖掘、大数据展现与应用、大数据安全等。随着传感器、物联网、通信等技术的快速发展，战争中交战双方面临海量数据，谁能更有效地挖掘有价值的信息、更科学地总结数据反映的规律、准确地运用数据预测战场态势发展的走向，谁才更有可能取得胜利。智能化战争的深层机理蕴藏于海量数据中，同时这些海量数据也为机器深度学习、智能辅助决策提供了极大数据支持。随着大数据与云计算、数据挖掘等的深度结合，未来将形成由军事大数据资源、军事大数据计算资源、军事大数据管理与分析系统等紧密结合的军事大数据平台，既包括战略层面的巨型平台、战役层面的货柜式平台，又包括战术层面的嵌入式系统，将在智能化战争指挥控制及各类行动中发挥“智慧引擎”的作用。

(4) 人机无缝交互技术

在战争智能化程度不断提高的进程中，人与装备的交互将更为紧密，这主要依赖于人与装备的高度互信，以及相互之间的深度协同，即人机无缝交互技术。人机无缝交互技术与认知学、人机工程学、心理学等学科领域有密切的联系，具有网络化、智能化、标准化等特点，需要综合运用语音识别、语义理解、触摸控制、虚拟增强现实、视线控制、人体植入、基因编组、脑机接口等多种智能交互方式。基于决策过程深度解释、复杂模型灵活解析、人机互信表达与信赖进化等系列模型，归纳分析人的行为特征，构建穿戴式智能设备、“云大脑”等新型的人机交互环境。通过人性化的交互界面，实现人与装备系统的快速交流，以满足智能化作战的决速响应需求，从而达到人机融合。比如“云大脑”是所有智能终端包括人与智能机器人的“智慧存储器”、“信息库”、“决策库”，智能机器人可以将自己的“记忆”、“感知”、“经验”上传给“云大脑”，也可从“云大脑”下载其他的“智慧”。智能化战争涉及的信息种类多，容量大，时效性强，更需要通过视觉、听觉、文本、动作乃至脑电波等多种形式的数据信息进行多通道人机交互，建立人脑与机器间快速、准确的信息交流，支撑高效的脑机融合[13]。

2.6 注重装备系统性

装备系统性强、协调作战方便是适应网电一体战的信息作战武器装备的一个突出特点，也是由网电一体战作战的一体化所决定的。在网电一体战作战中，为便于利用电子战、网络战手段对共同的目标进行“一体化”作战以及二者作战任务的互相转换，对协同作战的要求非常高。反映在网电一体战装备上，就是要在电子战武器装备与网络战武器装备之间具有很强的系统性，2种主要基础武器装备的互联互通性要好，且与C4I系统结合紧密，便于电子战武器装备与网络战武器装备之间、适应网电一体战的信息作战武器装备与其它武器装备之间信息的获取、流通、传递、共享和综合利用。