A method of Risk Analysis and threat management using analytic hierarchy process
Dit artikel stelt een raamwerk voor voor realtime risicoanalyse en dreigingsbeheer voor moderne luchtverdedigingscommando- en controlesystemen, dat fuzzy set theory, de Analytic Hierarchy Process (AHP) en TOPSIS integreert om deskundige meningen te kwantificeren en vijandelijke doelwitten te prioriteren in een gesimuleerde, autonome omgeving.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je de kapitein bent van een ruimteschip, maar in plaats van door de kalme ruimte te vliegen, vlieg je door een chaotische storm van binnenkomende asteroïden, buitenaardse drones en rondvliegende satellieten. Je taak is niet alleen om ze te zien; je moet beslissen welke je eerst moet neerschieten voordat ze je schip verbrijzelen. Dit is de dagelijkse nachtmerrie van de moderne luchtverdediging. In de echte wereld zijn deze "asteroïden" vijandelijke raketten, gevechtsvliegtuigen en drones, en het "schip" is het beschermde luchtruim van een land. Het probleem is dat er te veel dreigingen zijn die te snel bewegen voor het menselijk brein om ze perfect te ordenen. Als je op de verkeerde schiet, verspil je je munitie en laat je het echte gevaar vrij om toe te slaan. Om dit op te lossen, gebruiken wetenschappers een tak van de wiskunde genaamd "besluitvorming", wat eigenlijk een chique manier is om een rommelige lijst met opties te organiseren om de beste te vinden. Twee van de meest populaire hulpmiddelen hiervoor zijn het Analytic Hierarchy Process (AHP), wat lijkt op een gestructureerd spel van "dit is belangrijker dan dat", en TOPSIS, een methode om de optie te vinden die het dichtst bij perfect is en het verst verwijderd is van verschrikkelijk. Wanneer je deze combineert met "fuzzy logic" — een manier om vage ideeën zoals "zeer snel" of "zeer gevaarlijk" af te handelen in plaats van alleen strikte getallen — krijg je een superintelligent computerbrein dat commandanten kan helpen bij het maken van beslissingen van leven of dood in een fractie van een seconde.
Dit artikel van Manvi Sahni en Sumanta Kumar Das gaat over het bouwen van dat superintelligente brein voor luchtverdediging. De auteurs wilden een systeem creëren dat automatisch naar een reeks binnenkomende vijanden kan kijken, kan bepalen welke het engst is, en de verdedigingssystemen kan vertellen om zich daar eerst op te concentreren. Ze gokten niet zomaar; ze bouwden een wiskundig model dat fungeert als een digitale scheidsrechter. Stel je een scheidsrechter voor die tien verschillende spelers in een wedstrijd moet rangschikken. In plaats van alleen te kijken naar wie het snelst rent, kijkt de scheidsrechter naar snelheid, hoe dicht iemand bij het doel is, hoe groot iemand is, en of iemand probeoogt te scoren of alleen maar afleidt. De auteurs gebruikten een methode genaamd AHP om te bepalen welke van deze factoren het belangrijkst is. Bijvoorbeeld, ze vroegen experts om "Bereik" (hoe ver de vijand weg is) te vergelijken met "Snelheid" (hoe snel ze komen). De experts besloten dat "Lethaliteit" (hoe dodelijk het wapen is) en "Intentie" (wat de vijand van plan is) de zwaargewichten waren, terwijl zaken als "Invalshoek" ook belangrijk waren, maar iets minder zo.
Zodra de scheidsrechter had besloten waar hij naar moest kijken, moesten de auteurs een manier vinden om de vijanden daadwerkelijk te rangschikken. Hier komt het "fuzzy" gedeelte om de hoek kijken. Het echte leven is niet zwart-wit; een raket is niet simpelweg "snel" of "langzaam", maar ergens ertussenin. Het systeem gebruikt fuzzy logic om deze vage, menselijke beschrijvingen te vertalen naar harde getallen. Vervolgens gebruikten ze een techniek genaamd TOPSIS om de uiteindelijke sortering te doen. Denk aan TOPSIS als een spel van "dichtst bij het ideaal". Het systeem creëert een "Perfecte Vijand" (degene die je nú absoluut moet stoppen) en een "Slechtste Vijand" (degene die je kunt negeren). Het meet vervolgens elke binnenkomende doelwit om te zien welke het dichtst bij de "Perfecte Vijand" is en het verst van de "Slechtste Vijand" verwijderd is. Degene die deze race wint, krijgt de hoogste prioriteit.
De auteurs testten dit idee in een computersimulatie, niet op een echt slagveld. Ze creëerden een fictieve oorlogszone van 200 km bij 200 km breed, vol met verschillende soorten slechteriken: snelle gevechtsvliegtuigen, langzame bommenwerpers, groepen raketten en zelfs elektronische jamming-vliegtuigen. Ze lieten hun nieuwe computersysteem de leiding nemen zonder dat mensen de controle hadden. De resultaten waren interessant. Het systeem begreep correct dat een groep snelle gevechtsvliegtuigen die van zeer dichtbij komen een grotere noodsituatie is dan een langzame raket die nog ver weg is. Het realiseerde zich ook dat een bommenwerper die bommen probeert te werpen gevaarlijker is dan een verkenningsvliegtuig dat alleen maar rondkijkt, zelfs als het verkenningsvliegtuig dichterbij is. In één specifieke test werd een tactische ballistische raket als de nummer één dreiging gerangschikt, waarbij deze alles andere versloeg omdat het snel, dodelijk en met een gevaarlijk traject kwam.
De auteurs waarschuwen echter dat dit een simulatie is, geen magisch schild dat in een echte oorlog is getest. Ze geven toe dat hun huidige model alleen kijkt naar "harde" dreigingen zoals raketten en bommen. Ze hebben geen "zachte" trucs opgenomen zoals decoys, chaff (die kleine stroken folie die vliegtuigen afwerpen om radar te verwarren) of jamming die probeert de sensoren te verblinden. Ze hebben ook niet getest wat er gebeurt als twee verschillende verdedigingssystemen met elkaar communiceren om de werklast te delen. Dus hoewel het artikel suggereert dat deze combinatie van AHP, fuzzy logic en TOPSIS een veelbelovende en gemakkelijk te gebruiken manier is om dreigingen in realtime te beheren, blijft het een "halve stap" tussen de theorie en de rommelige realiteit van een slagveld. Het is een sterk bewijs van concept dat laat zien dat computers kunnen worden aangeleerd om gevaar beter te prioriteren dan een mens wanneer zaken chaotisch worden, maar er moet nog veel werk worden verzet voordat het elke truc kan afhandelen die een vijand kan uithalen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.