Yapay Zekanın Siber Uzay Operasyonlarında Uygulanması
23 Ekim 2019'da, DARPA'nın "Spectrum Synergy Challenge" (SC2) finali Los Angeles, ABD'de düzenlendi.Katılımcı takımlar, arena için özel olarak tasarlanmış bir radyo frekansı simülatörü DARPA'da yarışarak birkaç yıl geçirdi. Karşılaştıkları zorluk, yapay zeka tarafından yönetilen radyo sistemlerinin kablosuz spektrumu statik, önceden tahsis edilmiş frekans bantlarından daha etkili bir şekilde paylaşıp paylaşamayacağını görmektir. Üst düzey ekip, sistemlerinin mevcut LTE standardından daha düşük bir frekans spektrumunda daha fazla veri iletebileceğini kanıtladı ve spektrumu birden çok radyo cihazında yeniden kullanma konusunda inanılmaz bir yetenek sergiledi. Beş takımın telsiz sistemleri, mevcut katı spektrum tahsisinden% 200'den fazla veri iletiyor. Bu, insanlara elektromanyetik spektrum yönetiminde ve daha geniş anlamda siber uzay operasyonlarında yapay zekanın büyük potansiyelini gösteriyor.
Bir
DARPA'nın RFMLS sistemi
DARPA, radyo sinyallerini anlamak için makine öğreniminin kullanımını keşfetmek için Ağustos 2017'de Radyo Frekansı Makine Öğrenimi Sistemleri (RFMLS) projesini başlattı.
Mevcut elektromanyetik ortamdaki ana riskler, yetersiz durumsal farkındalık, belirsiz tehditler ve kötü niyetli müdahalelere karşı iletişim zayıflığıdır. RFMLS projesi temel bir çalışmadır ve amaç, makine öğrenimini elektromanyetik spektruma uygulamak için teknik bir temel oluşturmaktır.
RFMLS projesinin nihai amacı, elektromanyetik spektrumun gerçek kullanım durumunu anlamaktır. Örneğin, spektrumda yer alan sinyal türlerini kavrayın, arka plandaki önemli sinyalleri çıkarın ve spektrum paylaşımını sağlamak için radyo düzenlemelerini ihlal eden sinyalleri belirleyin. RFMLS, elektromanyetik spektrumdan ek sinyal özelliklerini çıkarmak için makine öğrenimini kullanır ve elektromanyetik ortamı daha iyi anlamak için daha önce izlenemeyen radyo sinyallerini tanımlamak için spektrum büyük verilerini kullanır. Sonunda, sistem radyo ortamında neler olduğunu anlayabilir ve karmaşık bir elektromanyetik ortamda ilgilenilen sinyalleri tanımlamak için radyo sinyali adli tıp yeteneklerine sahiptir. Gelecekte, makine öğrenimi yalnızca toplanan spektrum verilerini işlemekle kalmaz, aynı zamanda radyo sensörünün hedef göreve göre hangi spektrum verilerini toplaması gerektiğini belirleyebilir ve veri toplama için zaman ve yeri planlayabilir.
Şekil 1 RFMLS'nin şematik diyagramı
Kaynak: BAE Syetems
RFMLS projesi dört teknik bileşen içerir:
Özellik öğrenimi: Radyo frekansı sinyal veri setini kullanarak, RFML sisteminin çeşitli sivil ve askeri teçhizat sinyallerinin özelliklerini tanımlamayı ve karakterize etmeyi öğrenmesi gerekir.
Dikkat kılavuzu: İnsanların dikkatlerini hızlı bir şekilde belirli hedeflere odaklayabildikleri gibi, RFML sistemlerinin de dikkatlerini RF spektrumundaki potansiyel olarak önemli konulara yönlendirmek için bazı algoritmaları dahil etmesi gerekir. Araştırmacıların, önemli görsel ve işitsel uyaranları tanıma yeteneğini gerçekleştirmek için radyo frekansı alanında bir "belirginlik testi" tasarlamaları gerekir.
Otonom RF sensör yapılandırması: İnsan gözü, parlaklıktaki değişikliklere otomatik olarak uyum sağlayacak ve hareket etmeye ve odaklanmaya devam edecek, böylece dinamik bir görsel sahnenin en önemli kısmı retinanın en hassas kısmında tutulacaktır. DARPA, RFML sisteminin aynı yeteneklere sahip olmasını umuyor Sistemin görevi tamamlamak için en etkili olduğunu düşündüğü sinyaller ve sinyal karakteristikleri için, sistemin algılama yeteneklerini otomatik olarak ayarlayabilmesi gerekir.
Dalga formu sentezi: Tam bir RFML sistemi, tüm olası dalga biçimlerini dijital olarak sentezleyebilmelidir. DARPA, projenin radyo frekansı sistemlerinin sinyalleri benzeri görülmemiş derecede kalabalık bir spektrumda ayırt etmesini ve karakterize etmesini sağlayacağına ve bu sistemlere güvenen yeni otomasyon sistemlerine ve komutanlara kablosuz alanı anlamak için gereken daha fazla bilgi sağlayacağına inanıyor.
RFMLS'nin dört bileşeni arasında, özellik öğrenme ve ışın sentezi, radyo frekansı ön ucuna aittir ve dikkat yönlendirmesi ve otonom radyo frekansı sensörü yapılandırması, spektrum algılamaya aittir.
iki
ABD Donanması, EA-18G için makine öğrenimi algoritmaları geliştiriyor
ABD Donanması, "Elektromanyetik Mobil Harp" (EMW) yoluyla elektromanyetik spektrumda belirleyici bir askeri avantaj elde etmeyi umuyor, böylece Donanma tüm görev alanlarında serbestçe hareket edebiliyor. Elektromanyetik mobil savaşın uygulanmasının ön koşulu, elektromanyetik uzaydaki durumu algılayabilmektir.Bu hedefe ulaşmak için, büyük miktarda yapılandırılmamış veriyi ayrıştırmak için gelişmiş veri işleme yöntemlerini kullanmak, iyileştirmek için bilişsel elektronik harp yöntemlerini ve gelişmiş otomasyon teknolojisini kullanmak gerekir. Taktik bir ortamda spektrumu aktif olarak kontrol etme yeteneği. Şu anki en önemli gelişme, Bilişsel EW'de (Bilişsel EW, elektromanyetik ortamı otonom olarak algılayabilen, öğrenme ve muhakeme yoluyla gerçek zamanlı olarak girişim stratejisini değiştirebilen ve girişim etkisini değerlendirebilen akıllı bir elektronik harp sistemi olarak tanımlanabilecek Bilişsel EW). , Tehdit hedeflerine karşı uyarlanabilir yüzleşme sağlamak için.)
DARPA, 2010 ve 2012'de art arda iki bilişsel elektronik savaş projesi başlattı: "Davranışsal Öğrenme Uyarlanabilir Elektronik Harp" (BLADE) ve "Uyarlanabilir Radar Karşı Tedbirleri" (ARC). Birincisi prototip haline getirildi ve ikincisi sorunsuz bir şekilde ilerliyor. Bu savaş projelerinin sonuçlarını gördükten sonra, Deniz Kuvvetleri, çevik radar tehditlerini tespit etmek için sinyal tespit ve sınıflandırma teknolojisi geliştirmek için 2016 mali yılında Future Naval Capability Project kapsamında "Reaktif Elektronik Saldırı Önlemleri" (REAM) projesini düzenledi ve Elektronik harp desteğini ve elektronik saldırı yeteneklerini desteklemek için DARPA'nın "Uyarlanabilir Radar Önlemi" projesinin makine öğrenimi algoritmasını dönüştürün.
Mayıs 2018'de ABD Donanması, Northrop Grumman'a, EA-18G Growler elektronik savaş uçağı için düşman radar sinyallerini hızlı bir şekilde tespit etmek ve bunlara müdahale etmek için makine öğrenimi algoritmaları geliştirmek üzere 73 milyon ABD Doları tutarında bir sözleşme verdi. Bu, EA-18G'ye yapay zeka yetenekleri katacak ve elektronik harp savaş yeteneklerini büyük ölçüde geliştirecek. Geliştirilmiş bilişsel elektronik savaş yeteneklerinden sonra, EA-18G çevik, uyarlanabilir ve bilinmeyen düşman radarlarına karşı koyabilecek.
REAM projesine ek olarak, ABD Donanması, Leidos'a Donanmanın F / A-18 uçağında kullanılmak üzere "Uyarlanabilir Radar Önlemi" projesi için bir yazılım paketi geliştirmek üzere bir sözleşme verdi. Bu faaliyetler, Donanmanın bilişsel elektronik harp teknolojisinin mühendislik uygulamalarının geliştirme aşamasına geçmeye başladığını göstermektedir.
Şekil 2 EA-18G "Growler" elektronik savaş uçağı
üç
ABD Ordusu'nun yapay zeka algoritmalarını kullanan elektronik savaş sistemi
2018'de ABD Ordusu, sinyalleri giderek kalabalıklaşan bir spektrum ortamında test etmek ve sınıflandırmak için "Kör Sinyal Sınıflandırma Yarışması" düzenledi. Bu dönem boyunca ABD ordusu, katılımcıların kendi algoritmalarını geliştirebilmeleri için eğitim verileri olarak çok sayıda çeşitli radyo sinyali sağladı. Bu zorluk, elektromanyetik spektrumdaki dost ve düşmanca sinyalleri tanımlayarak askerlerin elektronik savaştaki bilişsel yükünü azaltmayı ve elektronik harp operasyonlarının hızını ve doğruluğunu artırabilecek yapay zeka ve makine öğrenimi araçlarını tanımlamayı amaçlamaktadır.
ABD Ordusunun elektromanyetik savaş alanındaki kısa vadeli hedefi, 2023 yılına kadar temel muharebe birimlerinin (yani tugay muharebe ekiplerinin) uzun menzilli elektronik karıştırma kabiliyetini tamamlamak ve nihai olarak elektromanyetik harp ve siber savaşı müfrezeden askeri seviyeye kadar komutanların yapabilmesini sağlamaktır. "Görünmez Topçu" anında çağrıldı. Ordunun Entegre Elektronik Harp Sisteminin (IEWS) sürekli iyileştirilmesi sürecinde, ABD Ordusu web tabanlı bir EWPMT (Elektronik Harp Planlama ve Yönetim Aracı) yazılımı geliştirdi.
EWPMT, Raytheon tarafından geliştirilmiştir. Şu anda, EWPMT yeteneği sürüm 1 ve yetenek sürümü 2 teslim edilmiştir ve yetenek sürümü 3 geliştirilmektedir. Raytheon, önümüzdeki 24 ay içinde Capability 4'ün araştırma ve geliştirmesini gerçekleştirecek.Bu aşamada, daha yakından bağlantılı bir mobil sistem elde etmek için yazılım ve kullanıcı arayüzü daha da geliştirilecektir.
EWPMT, Ordunun AI güdümlü elektronik harp ve spektrum yönetimini yönetme yeteneğini çözmeyi ve geliştirmeyi amaçlamaktadır. Raytheon, ABD Ordusunun siber ve elektronik savaş arasındaki hızlı entegrasyonuna uygun olarak, daha fazla AI ağını elektronik savaş yönetimine entegre etti. Çünkü sensörler, hedefleme teknolojisi, navigasyon sistemleri ve radyolar yalnızca elektromanyetik spektruma dayanmakla kalmaz, aynı zamanda sonuçta veri de üretir. Genişletme yoluyla veri ve AI algoritmaları, elektronik harp operasyonlarını optimize etmek için kullanılabilir.Ayrıca, yazılımla programlanabilir telsizin varlığı, bu ağ ile elektronik harp arasındaki sinerjiyi daha da arttırır.
Mevcut yapay zeka güdümlü elektronik harp yazılımı güncellemeleri (örneğin, Ordu ve Raytheon tarafından yürütülen yükseltme), elektronik harp sensörlerinden atıcılara kadar geçen süreyi büyük ölçüde kısalttı ve savaşın sonucunu belirleyen başka bir veri havuzu düzenledi.
dört
GM SignalEye Elektronik Harp Yazılımı
General Dynamicsin SignalEye çözümü, spektrum koşulları hakkında farkındalık sağlamak için sinyalleri otomatik olarak sınıflandırmak için makine öğrenimini kullanır. Elektronik harp yazılımı, operatörlere taktiksel olarak zamanında ve doğru bir RF elektromanyetik spektrum tehdit görüntüleme arayüzü sağlar ve rakibin hareket eğilimlerini tespit edebilir.
SignalEye yalnızca bir yazılım çözümüdür ve özel donanım hızlandırma gerektirmez. İRF'nin minyatür taşınabilir geniş bant mikrodalga alıcısı olan SMR-7522 LiteRail gibi ön uç çözümlere aksesuar olarak ticari dizüstü bilgisayarlarda yerleştirilebilir. Dinamik RF ortamlarında gelişmiş dar bant ve geniş bant sinyal hedeflerini almak ve dijitalleştirmek için tasarlanan LiteRail, sağlam bir rafa kurulur ve uzaktan çalıştırma ve düşük boyut, ağırlık ve güç (SWaP) platformu veya el çantası uygulamaları için kullanılabilir.
Şekil 3 Makine Öğrenimi aracılığıyla Otomatikleştirilmiş Spektrum Durumsal Farkındalık
Kaynak: General Dynamics
Nisan 2019'da General Dynamics, SignalEye makine öğrenimi yazılımını ikincisinin CHAMP-XD1 işlemci modülüyle (Intelin "Xeon" D işlemcisine dayalı) birleştirmek için Curtis-Wright ile işbirliği yaptı. Sinyal istihbaratı (SIGINT) ve elektronik harp durumsal farkındalığı için açık mimari ve yapay zeka kullanan ticari kullanıma hazır çözümler sunmak için yeni bir video tehdit algılama sistemi geliştirildi. Bu çözüm, sinyalleri otomatik olarak sınıflandırmak ve RF spektrum tehdidinin zamanında ve doğru bir görünümünü sağlamak için makine öğrenimini kullanabilir. Bu çözümde, "Eye of Signal" yazılımı her zaman öğrenme durumunda olabilir ve platformu ve görevi tehdit eden bir sinyal bulunduğunda, hemen bir alarm gönderir; CHAMP-XD1, özel olarak ayrılmış sağlam bir dijital sinyal işlemcisi (DSP) motor modülüdür. Hesaplama açısından yoğun endüstriler, havacılık ve savunma alanlarının hem hava soğutmalı hem de iletim soğutmalı uygulama gereksinimleri için tasarlanmıştır.
Beşler
Ağ saldırısı ve savunma için yapay zeka
1. ABD Bilgi Sistemleri Ajansı, AI odaklı siber savunma ekipmanını tanıttı
ABD Savunma Bilgi Sistemleri Ajansı, bazı ticari ağ güvenliği araçlarını aramaya başladı; bu cihazlar, geleneksel saldırılara direnmek için otomasyon ve makine öğrenimini kullanabilir, böylece ABD Savunma Bakanlığı siber personeli daha yakın tehditlerle başa çıkmaya odaklanabilir. ABD Savunma Bilgi Sistemleri Ajansı, bu araçların MITRE ATTCK çerçevesindeki yaklaşık 300 karşı önlem ve teknikle başa çıkabileceğini umuyor.Ayrıca, bu araçların her gün 1.500'den fazla kuruluşun yapay zeka sistemleri tarafından iletilen muazzam miktarda veriyi tarayabileceğini umuyor.
ABD Savunma Bakanlığı Ortak Yapay Zeka Merkezi, ABD Savunma Bakanlığı'nın düzensiz yapay zeka ekosisteminde veri toplamayı standartlaştırmak için şu anda Ulusal Güvenlik Ajansı, ABD Siber Komutanlığı ve düzinelerce siber güvenlik sağlayıcısı ile birlikte çalışıyor. ABD Savunma Bakanlığı'nın daha fazla yapay zeka odaklı siber savunma ekipmanı piyasaya sürmesi yararlıdır.
ABD Ordusu aynı zamanda ağ kararlarının güvenliğini sağlamak için taktik ağ savunma teknolojisi geliştirmek için yapay zeka kullanıyor ve aynı zamanda ağ saldırılarını makine hızıyla kendi kendini uyarlamalı olarak savunuyor.
2. DARPA'nın GARD projesi
Makine öğrenimi saldırı yeteneklerinin hızlandırılmış gelişimi, bir silahlanma yarışını teşvik etti: Yeni saldırı stratejileri ve güvenlik açıklarıyla başa çıkmak için yeni savunma teknolojileri geliştirirken, aynı zamanda savunma algoritmalarını atlayabilen gelişmiş saldırı yöntemleri yaratır. Bu zorluğa yanıt olarak DARPA, aldatma saldırılarına karşı makine öğrenimi (ML) modellerine karşı yeni nesil savunma geliştirmeyi amaçlayan Yapay Zekanın Aldatmaya Karşı Sağlamlığını Sağlama (GARD) projesini oluşturdu.
GARD projesi, güvenilir aldatma karşıtı makine öğrenimi modelleri ve algoritmaları elde etmek için teoriler, savunma teknolojileri ve test yatakları geliştirmek için çığır açan araştırma konseptleri arayacak. GARD projesi, gelişmiş makine öğrenimi savunma teknolojisini savunmak ve teşvik etmek için algılama, konum ve tahmin kullanmayı ve farklı fiziksel saldırı modlarına (video ve ses) direnç gösteren savunma teknolojileri geliştirerek standart dijital görüntü modlarının ötesinde gelişmiş makine öğrenimi savunma teknolojisini desteklemeyi amaçlamaktadır.
GARD projesinin üç özel hedefi şunlardır:
- Savunma amaçlı makine öğrenimi için teorik temeli geliştirin. Bu temeller, makine öğrenimi zayıflıklarını ölçmek için kullanılan standartları ve gelişmiş sistem güvenilirliğini belirlemek için kullanılan makine öğrenimi performans standartlarını içerir;
- Çeşitli ortamlarda savunma (makine öğrenimi) sistemleri oluşturun ve test edin;
- Makine öğreniminin savunma yeteneklerini karakterize etmek için yeni bir test platformu oluşturun.
Şekil 4 GARD Program Zaman Çizelgesi
Aynı zamanda, ABD Nükleer Güvenlik İdaresi Araştırma ve Geliştirme Laboratuvarı olan Sandia Ulusal Laboratuvarı, bir aldatma ortamı sağlamayı ve çözümlemek için aldatma faaliyetlerini teşvik etmeyi amaçlayan "Yüksek Doğruluklu Uyarlanabilir Aldatma ve Simülasyon Sistemini (HADES)" geliştirmek için Splunk'ın kurumsal sistemiyle işbirliği yapmaktadır. Devam eden saldırı ile ilgili bilgiler ve imzalar.
altı
Çevrimiçi kamuoyu alanında kullanılan yapay zeka
1. ABD Donanması AVAA teknolojisini geliştirir
Kasım 2019'da, ABD Deniz Bilgi Harp Merkezi, Parsons'a gelişmiş video aktivite analizi teknolojisi (AVAA) sağlamak için bir sözleşme verdi. Sözleşme üç yıl sürmektedir ve işlem değeri 293,8 milyon ABD dolarıdır. Sözleşme kapsamında şirket, Donanmanın siber uzay savaş yeteneklerini oluşturmasına ve sürdürmesine yardımcı olmak ve taktik ve stratejik düzeylerde sistemlerin, hizmetlerin ve yeteneklerin birlikte çalışabilirliğini desteklemek için teknik, profesyonel ve yönetim destek hizmetleri sağlayacak.
Şirketin AVAA teknolojisi, en son yapay zeka / makine öğrenimi teknolojisini uygulayan otomatik bir analiz çözümüdür.Farklı kaynaklardan gelen bilgisayar görüntü analizi teknolojisini tek bir işleme kanalına entegre edebilir.Ayrıca verileri otomatik olarak toplayabilir ve istihbaratı otomatik olarak algılayabilir.
2. DARPA'nın KAIROS projesi
Ocak 2019'da DARPA, görünüşte alakasız olayları tanımlayabilen ve haritalayabilen yarı otomatik bir sistem geliştirmeyi amaçlayan Şemalar Üzerinden Bilgiye Yönelik Yapay Zeka Akıl Yürütme (KAIROS) programını başlattı. Veriler arasındaki korelasyon, çevremizdeki dünyayı bilgilendirmeye veya geniş bir anlatı oluşturmaya yardımcı olur.
KAIROS projesi, özellikle multimedya bilgilerindeki karmaşık olayları keşfetmek ve bunun nasıl gelişeceğini tahmin etmek için bağlamsal anlayış ve zaman muhakemesi yapmak için dünya çapındaki olayları algılamak için "model tabanlı yapay zeka" teknolojisi kullanacak. Proje dört teknik alana bölünecek.
KAIROS'un araştırma hedefleri iki bölüme ayrılmıştır. Birincisi, sistem bir dizi model oluşturmayı öğrenmek için büyük veriyi kullanır.Amaç, sistemin basit ve karmaşık olayları aynı anda tanımlayabilen bir mekanizma oluşturmasına yardımcı olmaktır.Bu mekanizmaları belirli bir sırayla birleştirmek, zaman çizelgeleri ve anahtar roller gibi önemli şeyleri keşfedebilir. Bağlam bilgisi. Daha sonra sistem, karmaşık gerçek dünya verilerini analiz etmek ve oluşturulan modellere göre olayları ve anlatıları çıkarmaya çalışmak için kullanılacak. Böyle bir sistem toplumun işleyişini ve perde arkasındaki kamuoyunun eğilimini analiz edebiliyorsa, birçok riski önceden tahmin edebilir, böylece yönetim departmanı ve hükümet zamanında önleyici tedbirler alabilir.
Kaynak: DARPA
3. DARPA'nın SEMAFOR projesi
Deepfake'ler, yapay zeka tarafından oluşturulan resimler, sesler ve videolardır ve bunların aslına uygunluğu şok edicidir. DARPA Bilgi İnovasyon Ofisi proje yöneticisi Dr. Matt Turek, "Medya manipülasyonu ile sosyal medyanın kesişme noktasında, izleyiciyi olumsuz etkilemek ve isyan çıkarmak amacıyla yanlış bilgi tehdidi var" dedi.
Ağustos 2019'da DARPA, tanımlama, engelleme için çok modlu medya bilgilerini (metin, ses, görüntü ve video) analiz edebilen semantik teknolojinin geliştirilmesine adanmış Semantik Adli Tıp (SemaFor, SEMAFOR) projesini başlattı. Düşmanın sahte istihbarat faaliyetlerini anlayın ve savunun.
Büyük ölçekli kullanım için çapraz medya modelleri ve analiz algoritmaları geliştirmek amacıyla, SemaFor projesi, birlikte kullanıldığında sahte çok modlu medyayı tanımlamaya, önlemeye ve anlamaya yardımcı olabilecek araçlar yaratacaktır. SemaFor projesi, üç özel algoritma türüne odaklanacaktır: anlamsal algılama, ilişkilendirme ve temsil.
Şekil 5 SemaFor proje teknik alanı
Kaynak: DARPA
özet
Yapay zeka teknolojisi, siber uzaydaki büyük verilerin özellikleriyle yakından eşleşir ve büyük bir etkiye sahiptir ve insanların siber uzayın bilişsel modunu değiştirir. Yapay zekanın siber uzayda uygulanması, askeri çatışma tarzını derinden değiştiriyor, askeri güçlerin kullanımını güçlendiriyor ve siber uzay savaş operasyonlarını sürekli zenginleştiriyor.
