美国陆军利用云计算改变未来作战方式

 电话：010-58330898 手机：18501361766

微信：tech99999 邮箱：qianyanjun@techxcope.com

士兵们于2018年12月在支持阿富汗的作战行动的同时执行了夜间射击任务。研究人员说，统一跨云计算系统信息的数据结构功能可使美国陆军重新考虑任务计划和行动。陆军上尉约翰纳森·利

美军士兵在阿富汗的一座山上休息。大约10年前，美国陆军向阿富汗提供了其第一个战术云计算系统，并正在探索潜在使用数据结构统一云系统中的信息，增强互操作性和任务敏捷性的潜力。

战场上的标准消息传递可能很快就会发生改变。

美国陆军最主要的研发中心之一的官员们正在探索是否可能向该军种的原始战术云系统中添加所谓的数据结构。该构想可以改善互操作性，帮助情报和作战信息融合，并使军种领导者完全重新考虑未来的陆军作战方式。

数据结构是一种服务体系结构，集成了无数云计算系统的管理，无论用户位于哪个云系统中，它都使用户更轻松快捷地找到所需信息。美国陆军指挥与控制、通信、计算机、情报、监视与侦察（C5ISR）中心的研究人员计划为该军种的原始战术云系统（称为Rainmaker）创建数据结构。

2010年，现在隶属于科学应用国际公司（SAIC）的Engility公司与陆军一起建立和部署基于云的情报系统。它实际上是一个盒子中的云计算系统，在这种情况下是CONEX或容器转发站。美国陆军将大型金属容器用于运输、存储和临时庇护所。据Engility网站称，Rainmaker“打包了1800多个处理内核和PB级的数据存储”。

该网站补充说，每个Rainmaker云都可以存储美国所有学术图书馆中存储的信息的一半。该系统为陆军作战提供基础设施、平台和软件即服务，不仅可以利用该系统将当前的陆军应用程序整合到云中，还可以提供大量的数据处理和分析以满足陆军情报需求。

最初的Rainmaker旨在严格提高处理能力和数据存储。“那时，情报界认为，对我们而言的云计算与软件即服务或应用程序即服务或容器化软件并进行部署无关。那时我们并没有真正看到我们的需求，” C5ISR中心情报和信息战局情报系统和处理部门主管Alan Hansen回忆说。“我们的利基是关于加工。我们一直在寻找能够为我们提供大量处理能力以及大量存储的计算环境。”

当时的存储和处理能力改变了游戏规则。“将处理和存储结合在一起的能力非常重要，因为现在我们可以获取大量数据，并开始大规模利用数据。那是我们尽早进入云计算世界。

当前的Rainmaker项目于去年10月启动，它增加了一个数据层，使信息更易于访问和互操作。“简而言之，Rainmaker是我们正在构建的一种战术数据结构，它将统一这些云并在所有云之间提供敏捷的数据层，以便我们可以实际共享信息，并且可以大规模地联合信息。”

汉森说，这项服务将在明年为欧洲单位部署初始功能。

这些努力最终可能会影响陆军的能力集23，该能力集旨在提高网络传输能力和弹性。借助Capability Set 23，陆军官员还期望在带宽受限的情况下，利用人工智能和机器学习技术，在适用的情况下引入有意义的战术云功能，从而使融合的任务指挥系统更加智能。

研究人员指出，其含义是广泛的。例如，陆军目前依靠标准消息传递-可变消息格式和美国消息文本格式-来提高互操作性。“我们之所以这样做，是因为我们拥有完全不同的系统，而这是允许系统彼此共享知识或共享功能的最不常见的标准。” Hansen解释说。

但是，尽管标准格式有助于在不同类型的系统（例如情报，物流，作战计划，医疗和航空）之间共享数据，但这些标准并不完美。“您受到标准的限制，该标准仅允许某些信息在系统之间流动。消息传递是标准的，如果该消息传递不符合要求，则不会通过。它掉了，”汉森断言。“我们一直沉迷于执行操作的方式，因为我们一直在围绕这种消息传递。”

汉森指出，该服务已经过时了，需要考虑一种新方法。“我们正在进入21世纪，但仍在使用1980年代的这种方法来实现数据互操作性。”

如果不依赖这些数据标准，美国陆军官员可以重新考虑未来的行动。“这真是个绝妙的选择，因为现在我们可以重新考虑我们进行互操作的方式，我们如何共享信息，我们如何进行协作服务。我们可以重新考虑我们在战场上进行信息管理的方式，以及将来如何进行战场计划。现在我可以提出一种完全不同的方法和一套全新的数据，”汉森说。“这很重要。与我们今天的现状相比，这是一个巨大的范式转变，这一切都是集中式的。”

创建数据结构可以帮助美国陆军的融合工作。“陆军正在研究如何融合这些信息战场系统，以使其更具凝聚力，因此它们不是分散的系统。他们正在变得更加统一。云计算与它们如何实现目标有很大关系。”汉森说。“现在，在去年，我们正在研究这种融合要求，这种作战与情报融合，并且您的采购界正在将云计算视为将这种下一代计算功能带入战场的一种手段。”

新的Rainmaker项目也可能是机器学习的福音。有效地训练机器学习算法需要大量不同的数据。汉森认为，由于缺乏可靠的数据，如今具有有限的互操作能力的机器学习将无法产生足够的结果。

为了说明如何增强机器学习，他列举了一个雷达系统的示例，该雷达系统提供比正常情况下更多的数据。“如果您是生成报告和位置的雷达系统，那很好，但是我们丢弃的所有参数数据会如何处理？如果我们要进行决策，则不需要它们，但是如果您要进行机器学习，并且想要为雷达训练一个好的跟踪器，则希望所有这些参数数据都可以提供机器学习功能，从而丰富机器学习能力并增强了机器学习体验。”

Rainmaker的努力最终可能会使陆军更有效地使用传感器。他解释说，情报人员经常在提供有关潜在目标的信息时，由于这些信息无法满足需求，因此这些信息将不被使用。“我们的机器学习程序着眼于可预测性-对手的行为方式，他们的战场战术，他们所处的地形情况。换句话说，我们会主动对传感器进行姿态调整，而不是对传感器做出反应。”

此外，Rainmaker可能会影响数据服务的加密方法。与其让各个单元通过无线电共享点对点加密，不如将数据本身在存储时进行加密（通常称为静态数据加密），然后就可以通过不安全的信道进行传输。

该军种去年春季使用了任务指挥信息系统和分布式通用地面系统陆军（DCGS-A）来评估称为Enterprise Challenge的实验期间的数据结构能力。DCGS-A将士兵连接到情报界、其他部门、多个联合情报，监视和侦察平台和传感器以及陆军任务指挥系统。它使指挥官能够在一处查看情报，监视和侦察信息，并将该信息集成到可以支持情报发展的工具中。“我们采用了任务指挥信息系统和DCGS-A系统，并展示了我们如何能够使用数据结构方法来统一这些系统。这是我们迈向这一领域的第一步。

结果是向陆军网络跨职能小组提出建议并获得批准，以推进为期三年的Rainmaker项目。但是目标不是开发技术，而是为采购界提供全军端对端解决方案的规范和标准。

美国陆军使用了银行服务业公司的能力，例如惠普的MapR和Cloudera的Hortonworks。银行和作战人员的网络需求之间存在相似之处，例如，即使网络中断，也需要使用手持设备并完成关键的传输（或财务交易）。“特别是在银行业务中，您拥有所谓的数据中心，然后您就便拥有了手持银行服务。在银行业务中，您必须确保服务得到维护并受到保护，并且如果网络中断，则必须确保会话继续进行，因为这是金融交易。这与军方非常相似。”