A method of Risk Analysis and threat management using analytic hierarchy process
본 논문은 퍼지 집합 이론, 계층 분석 과정(AHP), 그리고 TOPSIS를 통합하여 시뮬레이션된 자율 환경 내에서 전문가의 의견을 정량화하고 적대적 표적의 우선순위를 결정하는 현대적 방공 지휘 통제 시스템을 위한 실시간 리스크 분석 및 위협 관리 프레임워크를 제안한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
당신이 우주선의 선장이라고 상상해 보십시오. 하지만 평온한 우주를 항해하는 것이 아니라, 몰려드는 소행성, 외계 드론, 그리고 통제 불능의 인공위성들이 뒤섞인 혼돈의 폭풍 속을 비행하고 있습니다. 당신의 임무는 단순히 그것들을 보는 것이 아니라, 당신의 배를 박살 내기 전에 어떤 것을 먼저 격파할지 결정하는 것입니다. 이것은 현대 방공 시스템이 매일 마주하는 악몽입니다. 현실 세계에서 이 "소행성"들은 적의 미사일, 전투기, 그리고 드론이며, "우주선"은 한 국가가 보호하는 영공입니다. 문제는 위협이 너무 많고 너무 빠르게 움직여서 인간의 두뇌로는 완벽하게 분류할 수 없다는 점입니다. 만약 잘못된 대상을 쏘게 된다면, 탄약을 낭비하게 되고 진짜 위험이 타격할 기회를 열어주게 됩니다. 이를 해결하기 위해 과학자들은 "의사결정"이라는 수학의 한 분야를 사용하는데, 이는 기본적으로 최선의 선택지를 찾기 위해 복잡한 옵션 목록을 정리하는 세련된 방법입니다. 가장 인기 있는 도구 두 가지는, "이것이 저것보다 더 중요하다"라는 식의 구조화된 게임과 같은 '계층 분석 과정(AHP)'과, '완벽함에 가장 가깝고 최악으로부터 가장 멀리 떨어진' 옵션을 찾는 방법인 'TOPSIS'입니다. 여기에 "매우 빠름"이나 "매우 위험함"과 같이 엄격한 숫자 대신 모호한 개념을 다루는 방법인 "퍼지 논리(fuzzy logic)"를 결와하면, 지휘관이 찰나의 순간에 생사가 걸린 선택을 할 수 있도록 돕는 초지능형 컴퓨터 두뇌를 얻게 됩니다.
만비 사니(Manvi Sahni)와 수만타 쿠마르 다스(Sumanta Kumar Das)의 이 논문은 바로 그 초지능형 두뇌를 구축하는 것에 관한 것입니다. 저자들은 몰려오는 적들을 자동으로 관찰하여, 어떤 적이 가장 무서운지 파악하고, 방어 시스템에 그 적에 우선 집중하라고 지시할 수 있는 시스템을 만들고자 했습니다. 그들은 단순히 추측한 것이 아니라, 디지털 심판 역할을 하는 수학적 모델을 구축했습니다. 10명의 서로 다른 선수들의 순위를 매겨야 하는 심판을 상상해 보십시오. 심판은 단순히 누가 가장 빨리 달리는지만 보는 것이 아니라, 속도, 목표물과의 거리, 크기, 그리고 그 선수가 득점을 시도 중인지 아니면 단순히 주의를 분산시키려는 것인지 등을 함께 살핍니다. 저자들은 어떤 요소가 가장 중요한지를 결정하기 위해 AHP 방법을 사용했습니다. 예를 들어, 그들은 "거리"(적이 얼마나 멀리 있는지)를 "속도"(얼마나 빠르게 오는지)와 비교하도록 전문가들에게 요청했습니다. 전문가들은 "치명성"(무기의 살상력)과 "의도"(적이 무엇을 하려 하는지)가 핵심적인 요소라고 결정한 반면, "공격 각도" 같은 요소들도 중요하지만 그보다는 약간 덜 중요하다고 판단했습니다.
심판이 무엇을 살펴볼지 결정하고 나면, 저자들은 실제로 적들의 순위를 매길 방법이 필요했습니다. 여기서 "퍼지(fuzzy)" 개념이 등장합니다. 현실 세계는 흑백이 명확하지 않습니다. 미사일은 단순히 "빠름" 또는 "느림"이 아니라 그 중간 어디쯤에 존재합니다. 이 시스템은 퍼지 논리를 사용하여 이러한 모호하고 인간적인 묘사를 딱딱한 숫자로 변환합니다. 그런 다음, 최종적인 정렬을 위해 TOPSIS 기술을 사용합니다. TOPSIS를 "이상적인 것에 가장 가까운 게임"이라고 생각하십시오. 시스템은 "완벽한 적"(지금 당장 반드시 막아야 하는 적)과 "최악의 적"(무시해도 되는 적)을 설정합니다. 그런 다음 모든 유입되는 표적을 측정하여, 어떤 표적이 "완벽한 적"에는 가장 가깝고 "최악의 적"으로부터는 가장 멀리 떨어져 있는지 확인합니다. 이 경주에서 승리하는 개체가 가장 높은 우선순위를 얻습니다.
저자들은 이 아이디어를 실제 전장이 아닌 컴퓨터 시뮬레이션에서 테스트했습니다. 그들은 빠른 전투기, 느린 폭격기, 미사일 집단, 그리고 전자전 재밍기까지 포함된 200km x 200km 크기의 가짜 전쟁 구역을 만들었습니다. 그리고 인간의 손길 없이도 이 새로운 컴퓨터 시스템이 상황을 통제하도록 내버려 두었습니다. 결과는 흥ًا로웠습니다. 시스템은 매우 가까운 거리에서 접근하는 빠른 전투기 집단이, 멀리 떨어져 있는 느린 미사일보다 더 큰 비상 상황임을 정확히 파악했습니다. 또한, 스파이 비행기가 근처에 있더라도 폭탄을 투하하려는 폭격기가 더 위험하다는 사실을 깨달았습니다. 특정 테스트에서, 전술 탄도 미사일은 속도가 빠르고 치명적이며 위험한 궤적을 가졌기 때문에 다른 모든 것을 제치고 1순위 위협으로 선정되었습니다.
하지만 저자들은 이것이 실제 전쟁에서 테스트된 마법의 방패가 아니라 시뮬레이션이라는 점을 분명히 합니다. 그들은 현재의 모델이 미사일이나 폭탄과 같은 "하드(hard)"한 위협만을 살펴본다는 점을 인정합니다. 그들은 디코이(미끼), 채프(레이더를 교란하기 위해 비행기가 떨어뜨리는 작은 은박 조각들), 또는 센서를 눈멀게 하려는 재밍과 같은 "소프트(soft)"한 속임수들을 포함하지 않았습니다. 또한 두 개의 서로 다른 방어 시스템이 업무 부하를 나누기 위해 서로 통신하는 상황도 테스트하지 않았습니다. 따라서 이 논문은 AHP, 퍼지 논리, 그리고 TOPSIS의 조합이 실시간 위협 관리를 위한 매우 유망하고 사용하기 쉬운 방법임을 시사하지만, 여전히 이론과 혼란스러운 전장의 실제 사이의 "절반의 단계"에 머물러 있습니다. 이는 컴퓨터가 혼란스러운 상황에서 인간보다 더 잘 위험의 우선순위를 정할 수 있음을 보여주는 강력한 개념 증명(proof-of-concept)이지만, 적이 펼칠 수 있는 모든 속임수를 처리하기 위해서는 아직 더 많은 작업이 남아 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.