1、引言
未来的态势感知优势更多取决于如何比对手更快、更好地获取和处理传感器数据，实现杀伤链前端的发现、锁定、跟踪能力，并进行连续评估。在高对抗环境中，对手区域拒止能力所构筑的防御网降低了远程传感器的应用效果。为此，美军正在建立一套由空、天、网络空间传感器组成的一体化“杀伤网”，通过将传感器数据与其他数据网络快速整合，确保拒止条件下信息的持续穿透组网能力，以便在更快时间、更广空域内实现发现、锁定、跟踪与评估能力，从而更高效地制定战术决策，更快地实施打击。
该“杀伤网”将实现其基本组成系统（信号情报（SIGINT）、网络战（CW）、电子战（EW）和武器）在硬件和软件上的集成融合，也将实现C4ISR概念（指挥、控制、计算机、通信、情报、监视和侦察）到SNAI（传感器、网络和人工智能）的演变。
目前，美军各军种为将杀伤链升级为更具弹性的“杀伤网”，已开展了一系列项目。
2、何谓“杀伤网”
2.1 含义
美军在空中、地面、水面及水下等作战域拥有众多有效的杀伤链，其典型流程为：传感器将获取的目标数据发送至平台，平台根据这些数据发射武器对目标进行杀伤。目前，这些杀伤链只是在单个作战域取得进展。美军认为，这些杀伤链需要同步加强，建立跨域“杀伤网”（kill web），使任意飞机或舰艇等武器平台可跨域获得任意传感器的信息，从而保持作战优势。
这种“杀伤网”由一些跨域节点组成，网上节点可以移入和移出，因为这是一种基于角色的联网方式，搭载何种平台不重要，重要的是生成信息的传感器。例如，在该网中，军事太空资产与F/A-18战斗机之类的飞机、E-2D预警机以及MQ-4C“特里同”无人机可以共享数据，而来自海上战舰与来自攻击潜艇的信息也可通过“战术云”纳入该网中。该“杀伤网”将实现全域协同，利用全域融合的空中发射、水面发射和水下发射等能力，实现全域攻击能力。该“杀伤网”是一个动态组网的“系统之系统”，在战场上可以计算机的速度对抗敌方的战术和战略行动。
2.2 实现“杀伤网”的关键是快速决策，利用人工智能至关重要
“杀伤网”主要由4个系统在冲突区域瞄准敌方信号：信号情报（SIGINT）系统、网络战（EW）系统、电子战（EW）系统和战斗中的所有武器系统（导弹、火炮、坦克、飞机、舰船、无人机等等）。
这些系统中每一个都有不同的目标和响应时间。SIGINT（信号情报）和IMINT（图像情报）人员需要侦察、识别、定位、跟踪和复制信号用于情报收集和分析。网络战人员要攻入敌方系统，取得其硬盘或存储器中的数据，篡改之后，再将恶意软件输入敌方系统，使其失去能力。电子战人员要分析敌方信号并进行有效干扰。武器操作人员则要对目标实施打击。那么有如此之多的系统，究竟由谁来决定哪个系统有优先权和权限对付“杀伤网”探测到的目标呢。
有时候根据信号源特点、速度和是否邻近很容易做出某些决策。如果是战斗机或一队敌方坦克在接近己方士兵，那么武器操纵人员就有优先权，SIGINT/IMINT网络战和电子战也在发挥作用，但它们的作用只是为了让武器能够击中目标。如果目标离得较远，威胁程度较低，那么武器和电子战人员就不急于行动，由SIGINT/IMINT和网络战系统负责控制目标。
貌似确定由哪个系统控制敌方静态信号目标更容易，但其实不然。如果信号来自敌方陆基地对空导弹雷达系统，而附近有友军飞机，那么武器操纵人员就再次获得对付目标的优先权。这样的例子可以举出很多，决策过程很复杂。
做出决策所用的时间非常关键。美军高官指出，在战场上发现、识别、定位、跟踪和摧毁敌方部队和武器的时间必须在10分钟以内，“杀伤网”就符合这一时间概念，其运行速度比人类思考、行动或反应的时间快得多。而做到这一点靠的是人工智能（AI）算法和高速计算机。
要实现“杀伤网”，在通信、计算机体系结构、传感器和软件方面还存在很多技术问题要解决，工程设计人才正在努力克服这些挑战。实际上其最大的问题是运行方面。必须在毫秒或微妙级做出涉及许多变量的决策，人类的大脑无法在这么短的时间里处理、消化来自情报源和传感器的所有数据并做出关键决策。但有了人工智能算法和高速计算机，机器可以吸收情报和传感器数据，评估数据，并决定哪些系统有优先权，能够在不到1秒的时间内应对目标。而且，机器没有历史偏见或军种间的隔阂，比如，用海军武器向威胁陆军士兵的地面目标开火，机器不会有一丝的犹豫；陆军用陆基导弹向威胁海军海上舰船的敌方快艇开火，也是如此。
然而基于AI的决策不会很快产生。需要首先把“杀伤网”中所有计算机、传感器和通信系统建好并运行起来，解决技术问题，然后再让战场指挥官使用数据，用大脑做出决策，此谓人与AI协作，此时AI系统只是向人提出建议，仍由人做出决策。这个过程时间会减少到10分钟或更少。随着AI算法变得精确并经过不断验证，机器可以开始做出一些决策。最终，一旦老指挥官退役，年轻官员和指挥官开始在军中任职，机器将可以承担更多的决策过程。年轻人对技术比老人更有信心，因为他们是伴随着新技术成长起来的。
一旦技术（AI系统和高速计算机）更加成熟和可信，会发生两件事情，一是“杀伤网”中的4个基本系统（SIGINT/IMINT、网络战、电子战和武器）将在硬件层和软件层融合在一起，它们不再是各自独立的系统。二是C4ISR概念（指挥、控制、计算机、通信、情报、监视和侦察）将精简为SNAI（传感器、网络和人工智能）。
3、战场各系统将会合并、融合在一起
今天的传感器（雷达、声纳、摄像机、信号探测器、红外探测器、网络监测等）都只是“哑”（无智能）设备，仅是从其所处环境收集数据，并通过网络将其发送到计算机进行处理。之后，再由人浏览数据，做出决策或建议。传感器采集的数据量也要高于网络带宽的处理能力。在不远的将来，各种传感器（SIGINT/IMINT）、网络战系统、电子战系统、武器系统都将与高速计算机和AI算法集成到一起，就地处理正采集的数据。不再发送大量传感器数据，而是仅通过“杀伤网”发送AI算法做出的数据分析结果和结论。然后这些结果会和网络中其他传感器收集和分析的结果进行比较。
这种理念貌似军用版区块链：如果“杀伤网”中所有传感器/计算机系统都“同意”，不到1秒的时间内就会做出哪个系统应对目标的决策。如果网络中有些节点“不同意”，每个节点就再做“作业”，并比较各自结果直到全部“同意”为止。否则，则由离目标最近的系统进行处理（根据时间要求和威胁等级）。可以使用5个基本决策算法：紧急协同、“贪心射手”（greedy shooter）（离目标最近的系统应对）、分层协同、集中协同和共识协同。军事行动人员正在努力开发决策算法。
如果从逻辑上看，电子战与SIGINT相对，网络战与网络通信和计算相对，干扰敌方雷达系统（电子战）与武器瞄准雷达相对。这些不同的组件可以一起合并到2个基本系统中：SIGINT/IMINT/雷达/电子战，通信/计算/网络战（CC/CW）。随着半导体技术能够实现所需的芯片小型化，硬件最终将集成到一个或两个“盒子”中，而不是以前的5个或6个“盒子”。
4、C4ISR将精简为SNAI
实现杀伤网后，C4ISR也将经历合并与集成。
美国陆军已在将指挥和控制合并为任务控制（MC）。通过SOSA（传感器开放系统体系）计划和DARPA的CODE（拒止环境中协同作战）项目，计算机和通信逐渐合并到传感器和网络（SN）中。情报正由AI代替。监视已转变为由最新的“死神”和“全球鹰”无人机提供的持久监视。侦察正通过DARPA的TRACE（对抗环境中目标识别和适配）最新版计划变为“瞄准目标”。于是C4ISR变为MCSNAIPMT。但演变并未停止。
随着决策算法的改进，任务控制（MC）将融入AI，持久监视和目标瞄准也是如此。计算机和通信将变成传感器和网络，于是C4ISR将变为SNAI——传感器、网络和人工智能。
美国陆军2019年2月底刚启动了“地面层系统”（TLS）项目，就是要将SIGINT、IMINT、网络战和电子战系统集成在一起。
美国陆军最近构建了第一批I2CEWS（情报、信息、网络空间、电子战和太空）部队，其任务是黑客攻击-干扰-感知-射击（HJSS），为此，他们将SIGINT/IMINT/网络战/电子战/武器系统集成到一起。美国空军这几年正在将其SIGINT、电子战和武器系统集成进F-22和F-35飞机中。
洛克希德·马丁公司刚把其SIGINT、网络战和电子战团队合并到一个新部门——频谱融合部。
2018年，美国陆军将THADD（末段高空区域防御）雷达与“爱国者”中程防空雷达实现了联网。THADD雷达比“爱国者”雷达“看”得更远，这样“爱国者”系统在其雷达看到敌人目标之前就可以在THADD的协助下向目标发射导弹。这是“贪心射手”算法（离目标最近的武器发起攻击）的另一个应用实例。
5、美军相应计划
5.1 SOSA（传感器开放式系统体系结构）
“杀伤网”中各种类型系统的集成融合需要采用开放的系统体系结构，独立的传感器、通信网络、电子战等系统将在模块化开放式架构环境中集成为一体。
美空军2015年1月22日牵头发起SOSA（传感器开放系统体系结构）项目，旨在为跨军种的各种多功能C4ISR平台开发一系列模块化开放式系统架构规范。
SOSA用于以下系统的集成：雷达/合成孔径雷达（SAR）、信号情报（SIGINT）、电子战、通信和电光/红外，以可快速实施其功能和任务重构。
该项目面临的挑战是从诸多开放式体系架构中选择合适的体系架构嵌入当前系统中，并使其能够运行30~40年。目前，美空军研究实验室（AFRL）的AgilePod T项目就采用了SOSA，证明了多功能ISR可配置开放式体系架构开发平台的概念。
SOSA项目是许多已有项目与新的现有标准的集合，其中包括如C4ISR/EW互操作性车载集成（VICTORY）、模块化开放射频架构（MORA）、OpenVPX、REDHAWK、软件通信体系（SCA）以及开放群组的未来机载性能环境（FACE）。
SOSA系统采用分层方法，基于现有硬件和软件标准，如OpenVPX和数据分发服务（DDS）。
图1 SOSA系统示意图
5.2 CODE（拒止环境中协同作战）
CODE（拒止环境中协同作战）项目是战场上实现SNAI综合功能的典型案例。
未来战争威胁更严重、电磁频谱更拥挤、目标位置更加多变，而当前的无人飞行器系统缺乏自主应对变化的能力，高度依赖操作人员。利用传统方法提升当前系统的性能很困难且成本很高。
美国国防高级研究计划局（DARPA）2014年4月发起了“拒止环境下协同作战”（CODE）项目，欲采用突破性的人工智能算法和软件，使得无人机在电子干扰、通信能力削弱和其他困难作战条件下，在最少人员参与下进行协同作战，完成针对高度机动的地面和海面目标的动态、远距作战任务。
在恶劣环境下飞机如何持续协同工作是该计划最大的挑战。目前作战中，每架无人机至少需要一名操作员。装备了CODE，一个操作员可以控制多架飞机。以前，如果操作员失去了和无人机的联系，系统会恢复到最后编程的任务。而现在，有了CODE算法，无人机群体每个无人机之间可以互为传感器，自主共享信息，互相协同、适配，在状况突发时响应不同的目标或威胁。
有人机、无人机或地面车辆等各种平台通过计算机很容易获得CODE软件。
该项目承包商洛马公司和雷声公司已经开展了系列飞行试验，利用安装CODE硬件和软件的RQ-23“虎鲨”无人机群，验证了装备CODE的无人机群在“反介入/区域拒止”（A2/AD）环境下适应和响应意外威胁的能力。
2019年4月，DARPA披露了更多CODE计划能力细节，宣称该项目获得了些许成功。2019年2月在美国亚利桑那州沙漠，6架装载了CODE系统传感器阵列、通信网络设备和算法软件的RQ-23“虎鲨”无人机一架接一架起飞。在一个小型作战中心内的任务小队在空域图上追踪这些无人机。
测试中综合使用了雷声公司的软件和自动算法以及约翰霍普金斯大学应用物理实验室的“白军网络”。在四个演示环节中，任务小队设置了大量虚拟目标、威胁和对抗措施，验证这些无人机在非最佳条件下完成任务的情况如何。测试结果表明，无人机群在尽量降低通信量的同时，高效共享信息，协同规划和分配任务目标，制定协调的战术决策，并协同应对高威胁动态环境，成功完成了任务目标，即使在通信掉线和GPS无法使用的情况下亦是如此。
DARPA在进行最后的项目工作，全部完成之后会将CODE软件资源库完全移交给美海军空战系统司令部（NAVAIR）。最终，CODE能力将在整个国防部范围使用。
5.3 TRACE（对抗环境中目标识别和适配）
DARPA“对抗环境中目标识别和适配”（TRACE）项目是美军在传感器网络中融入AI算法的典型案例。
尽管过去30年美军在雷达目标识别领域投入了大量资金，但是目前在战术应用中鲜有广泛使用的雷达目标识别系统。这是因为目前的机载雷达虽然可以在防区外对地面目标成像，但是由于人和机器的因素造成雷达图像识别的误警率非常高，不适合战术监视应用。而且当前的目标识别算法太复杂，需要耗费有人或无人飞机上大量的计算资源。这些系统适应能力也很差，通过学习识别新目标往往需要花费太多的时间和计算功率，需要大量操作人员、机器训练数据。因此目前美国军方在执行雷达目标识别任务时需要全新的计算算法和高性能可植入计算系统（HPEC），以便使有人和无人战术飞机能够快速准确地识别军事目标。
为此，2015年7月DARPA启动了TRACE项目，利用有人和无人战术飞机上的雷达传感器以及新型计算机算法和“高性能嵌入计算”（HPEC）迅速、准确识别军事目标。
该项目有3个目标：一是为战术飞机提供军事目标识别能力；二是降低复杂环境下目标识别误警率；三是在有限的训练数据支持下具有对新目标的快速学习能力。
TRACE项目将持续42个月，并分两阶段实施。第一阶段，由深度学习分析公司专家开发先进的雷达目标识别算法，设计低功耗、实时雷达目标识别系统。第二阶段，改进算法，对低功耗处理器体系结构进行实时飞行演示验证。验证中将使用分辨率1英尺（0.3048米）的合成孔径雷达图像对地面静止目标进行实时雷达目标识别。
深度学习分析专家将研究机器学习、低功耗移动计算体系结构和雷达信号建模方面的近期进展，致力于降低新型识别算法的运算复杂度，提高新型移动处理器的计算效能，降低雷达目标识别算法设备的体积、重量和功耗（SWAP）。研究人员将采用新兴的移动计算体系结构，包括多核“片上系统”（SoC）并结合通用计算组件，如带片上协处理器（如多核图形处理单元（GPU）和现场可编程门阵列（FPGA））的多核ARM处理器。
5.4 TLS（地面层系统）
美陆军在2019年1月23日向工业界推出了新电子战计划简报。准备用3年时间，开发“地面层系统”（TLS），整合信号情报、电子战和网络空间能力。
美国陆军表示，网络空间对电子战的能力需求与通信情报对电子战的能力需求有较大重叠，因此决定整合这些能力。TLS作为地面使用的电子战和信号情报综合系统，将集成通信情报、电子战及网络战功能，这些功能将适用于陆军战术编队，并能够在整个系统生命周期内保持技术创新，从而确保持久的竞争优势。
美陆军向业界征询的内容包括：参考体系架构；支持开发测试和作战测试场测试所需的基础设施；将信号情报、电子战和网络系统/能力整合到一辆车上的最优方式。
TLS能力包括：
集成，可互操作，多功能，模块化，利用开放架构，任务可定制；
软件定义框架，实现信号库快速集成；
自动化机器学习，降低士兵工作量，快速、敏捷；
初始能力针对战术陆基移动平台；
未来配置或包括小型下车部队或固定站点，支持机动分队的远征作战。
TLS技术需求包括：
小型定向天线技术，支持电子攻击信号的大功率发射；
用于电子攻击的小型宽带功放；
关注的所有频带范围内的测向性能；
能够支持电磁频谱/电子攻击对抗现代波形的快速调谐和测向能力/算法；
提高测向精确度；
支持数字化的小型调谐器/无线电台；
自动电子攻击机器学习算法。
该项目目前已发布初始能力文件，正在分析备选方案。美陆军计划在2020财年完成TLS原型系统开发，希望在未来2~3年内将此能力装备到战场，取代旧的多功能电子战（MFEW）地面和徒步系统。
6、结语
“杀伤网”的概念虽然是由美海军首先提出，但其理念已贯穿美军各军种近年来为整合传感器、通信情报、电子战、网络战能力所实施的一系列军备发展计划。随着技术的成熟，“杀伤网”的逐步实现，C4ISR概念将精简为SNAI——传感器、网络和人工智能。
声明：本文来自电科小氙，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
