【前沿技术】联合全域指挥控制成功的关键——可重组体系架构

简介

2021年5月，美国武装部队通信和电子协会（AFCEA）刊文探讨了联合全域指挥控制成功的关键，即可重组体系架构。本文介绍了全球领先的企业开源软件解决方案提供商Red Hat公司的JADC2解决方案。该解决方案采用可重组体系架构，利用边缘和开放的混合云支持分布式和动态的基础设施，支持现代的原生云应用程序架构，同时允许现有的整体应用程序架构跨梯次获得混合云优势。现代的微服务和基于容器的体系架构支持新能力的可扩展性和动态部署。最后，该体系架构通过分布式集成实现了以数据为中心的方法。

在21世纪，为了成功地战胜均势对手，美军需要决策优势。联合全域指挥控制（JADC2）是美国国防部为实现决策优势而制定的路径。传统上，联合部队的指挥和控制以军种为单位，呈烟囱式架构。例如，空战中心为追求联合作战计划而部署空中力量。但在21世纪的战场上，必须跨域遂行作战。在某一时刻提供近距离空中支援的飞机可能在下一时刻就需要执行监视任务，即在战术边缘进行无缝过渡，而无需将耗时、耗带宽的司令部指控烟囱模式向下延伸至后方梯队。

胜利依赖于在正确的时间从正确的传感器获得正确的信息提供给正确的决策者，这样决策者就可以向正确的平台发出正确的命令。但在每一种可以想象到的冲突场景中，“正确”的定义是不同的。JADC2所服务的传感器-决策者-射击链在每次交战中都是不同的。每次交战都将使用不同结构的杀伤链，从一个或多个领域对一个或多个不同配置的其他领域施加力量。

作为全球领先的企业开源软件解决方案提供商，Red Hat公司已经在政府、医疗保健、金融和电信部门构建了全球分布式、敏捷、可靠和持久的体系架构。针对JADC2面临的特殊挑战，Red Hat认为，JADC2需要一种分布式的、分散的方法，以实现韧性。去中心化不仅可以支持在竞争环境中实现韧性的指挥控制，还可以实现功能的动态灵活性。为此，Red Hat提出可重组体系架构以应对JADC2面对的挑战。该架构是JADC2的理想选择，具备以下四个特点：

  • 边缘和开放混合云为基础设施和供应提供了灵活性；

  • 微服务架构为能力和任务结果提供可扩展性；

  • 分布式集成和分布式数据结构提供了安全的数据互操作性，而无需坚持单一标准；

  • 自动化提供了供应、策略/法规实施、更新和审计机制的敏捷性和可重复性，减少了时间轴和外部可观察性。

一个开放的混合云策略提供统一和无缝的异构IT环境的管理，将多个公共和私有云与预置基础设施结合起来。该策略对军队至关重要，甚至比最初使用它的复杂全球企业更为重要。开放混合云还允许用户在截然不同的角色和情况下保持某种一致性。

Red Hat的边缘和开放的混合云支持分布式和动态的基础设施，支持现代的原生云应用程序架构，同时允许现有的整体应用程序架构跨梯次获得混合云优势。现代的微服务和基于容器的体系架构支持新能力的可扩展性和动态部署。最后，Red Hat的可重组体系架构通过分布式集成实现了以数据为中心的方法。

但是，这并不意味着JADC2是一个数据存储或数据传输挑战。此处的挑战在于理解数据形式和拓扑结构，为此，需要理解以下7个V。此处的7个V由Red Hat公共部门的首席解决方案架构师Phil Osip提出。

  • 体积

  • 速度

  • 种类

  • 波动性——数据有保质期。

    在JADC2中，这完全是关于决策的速度，当你越来越接近战术边缘时，数据波动将增强。

  • 价值——价值是多维的。

  • 准确性——为了确定数据的质量和准确性，我可能需要了解：

    它的起源是什么?来自哪里?谁收集的?处理和理解数据的不一致性和不确定性对确定其范围和评价其实用性至关重要。

  • 有效性——即使是真实的信息也不总是有用的，须确认它是否是不相关的、过时的、或用在错误的地方。

分布式集成使JADC2能够为战场提供7个V。战场上到处都是传感器，观察-判断-决策-行动（OODA）环中的观察已经具备分布式特征。分布式集成主要涉及OODA环中的另外三个阶段。

在压缩OODA环的同时，自动化提供了以安全和可重复的方式部署、维护和扩展所有这些功能的能力。必须对数据进行处理，并将其转化为可执行的情报。随着时间的推移，情报建立了一个知识库，从而产生洞察力。从历史上看，数据经历了从原始数据到情报，再到知识，再到洞察力，最后是智慧，这一切发生在由下及上的指挥链中。只有在指挥链顶端，才能看到完整画面。但是对于多域作战，对于JADC2，这个过程必须发生在或者更接近战术边缘。这就是分散和压缩OODA环的方式，也是获胜的方式。

人工智能/机器学习的一个关键目标是在多域作战期间为作战人员提供更强的智能化辅助。人工智能/机器学习可以有效处理大量数据，提高行动速度。更强的数据分析能力可提高决策能力，减少人力需求。辅助目标识别和自动目标识别等决策支持工具，能够依靠广泛的数据类型和信息源来帮助观察环境，建立态势感知，并选择最佳的可用资产来执行适当的行动。数据的数量、质量和多样性对于训练人工智能模型和测试人工智能模型的性能均至关重要。为此，美陆军研究实验室建立了陆军人工智能创新院（A2I2），聚焦于能够快速提升多域作战期间无人装备的移动和机动能力的人工智能技术，促进人工智能/机器学习技术的发展。A2I2的愿景是开发和使用一系列人工智能技术来实现智能化系统，在动态、不确定、复杂、有争议、严峻和拥挤的作战环境中成为士兵们的得力助手。

朱虹编译自互联网

赞 (0)

相关推荐