目に見えない戦場の技術である人工知能は、サイバー戦争にどのように応用できるのでしょうか?

目に見えない戦場の技術である人工知能は、サイバー戦争にどのように応用できるのでしょうか?

[[339414]]

英国のジェーンズ・ディフェンスのウェブサイトによると、米国防高等研究計画局のピーター・ハイナム副局長は、国防総省の統合人工知能センターと協力し、ますます相互統合が進む人工知能、サイバーセキュリティ、サイバー戦争に関する研究を行うと語った。ハイナム氏は、自律システムによるサイバー敵への対抗(HACCS)プログラムは、サイバー戦争に人工知能技術を急速に応用している国防高等研究計画局の主要プロジェクトの一つであると述べた。サイバー戦争で人工知能はどのように活用されるのでしょうか?人工知能とサイバー戦争の「衝突」は何をもたらすのでしょうか?

人工知能とサイバー戦争の融合

現代の自動化ツールは、人間の脳よりもコンピューター上で数十億倍高速に実行されますが、極めて複雑な問題に直面した場合、人間は計算速度を上回る知識と直感を持っています。人工知能ツールを使用することで、コンピューターは人間の脳の思考を詳細にシミュレートし、従来のソフトウェア検出よりも多くの脆弱性を発見できるようになります。

人工知能は自ら進化する能力を持っています。人間のパートナーとどのようにやりとりするか、タスクを完了する能力など、人間社会から学んだ知識を統合することで、継続的に自らを向上させます。自律的な敵対ネットワークは、この考え方の産物です。

サイバー攻撃に対抗するために自律性を活用する国防高等研究計画局のプログラムは、2017 年 6 月に開始されました。この計画では、サイバー空間内の脆弱で悪意を持って制御されているノードの集合をグレーゾーンと呼んでいます。グレーゾーンのノードはゾンビプログラム、バックドア、踏み台などの形で出現し、複数の攻撃者によって悪用される可能性があります。

自律性を活用してサイバー攻撃者に対抗するプログラムは、ボットネットに感染したネットワーク、ネットワーク内に存在するデバイスの種類、潜在的なアクセス ベクトルの安定性を技術とアルゴリズムを通じて測定および特定することを目的としています。本質的に、自律システムを活用してサイバー攻撃に対抗するプログラムの目標は、ボットネットを正確に識別して「指紋」を採取し、ボットネットが存在するかどうかを判断し、そのようなネットワーク上のデバイスの数と種類、およびそれらで実行されているソフトウェアを記録することです。この技術は、人間の介入なしにボットネットに感染したデバイスを発見、攻撃、無力化できるシステムに統合されています。

人工知能は、米国が世界的優位性を強化するための重要な交渉材料となっている。米国の「第三の相殺戦略」は、人工知能などの「破壊的」技術を国防総省の戦闘ネットワークに組み込み、米国の伝統的な抑止力を新たなレベルに引き上げ、次の戦争に勝つためのルールを作り出すことである。

サイバー戦争は煙のない戦場

時代の進化とともに、戦争の形態は冷戦から熱戦、機械化戦争、さらには情報戦へと絶えず変化し、戦争空間は絶えず拡大しています。陸、海、空、宇宙に続き、サイバー空間は徐々に新たな戦場領域、第五の次元の戦争となっています。各国は、新たなタイプの目に見えない戦争であるサイバー戦争を非常に重視している。サイバー戦争はますます大国間の競争の焦点になりつつある。

いわゆるサイバー戦争とは、限られた戦闘指揮空間内でウイルスの送信やハッキングなどにより、敵の情報ステーション、コンピュータネットワークシステム、その他の関連施設を妨害または破壊し、情報上の優位性を獲得して戦争勝利への強力な支援を提供することです。

米軍は人工知能をベースにしたネットワーク攻撃・防御システムを積極的に開発している。米海軍は2015年に早くも人工知能ネットワーク防衛システムの開発に多額の投資を行っていた。 2017年、米軍はさらに一歩進んで、人工知能を駆使したサイバー免疫システムの開発に着手した。さらに、米国国防総省の国防高等研究計画局の研究開発計画には、人工知能によるサイバー攻撃システムも含まれています。取得したネットワークアーキテクチャ、規模、デバイスタイプなどの情報をもとに、ディープラーニングやネットワークフローデータ分析を行うことができます。 24時間ごとに、ネットワーク環境に適した攻撃プログラムを独自に作成できます。ネットワーク環境が変化しても動的に調整できるため、ウイルスデータベースと動作認識に基づくウイルス対策システムは役に立ちません。

日本はサイバー部隊の構築を徐々に強化している。 2014年に日本の「サイバー防衛隊」が正式に発足したが、当初はわずか60人ほどで、ネットワークの脅威対応、ネットワークのセキュリティ分析、情報収集などの業務を主に担当していた。日本政府は2015年までにサイバー攻撃・防御能力を強化するため「内閣サイバーセキュリティセンター」を設置した。日本は2017年までに総勢1000人以上の「サイバー防衛部隊」を構築する計画で、サイバー空間や宇宙、電子戦力を管理する指揮組織として、防衛省・自衛隊に指揮機能を持つ上級部隊を設置することを正式決定した。日本の防衛省は2018年、サイバー攻撃への対応能力を強化するため、自衛隊の情報通信ネットワーク防衛システムに人工知能技術を導入すると発表した。日本のサイバー攻撃・防御力は年々向上しています。

ロシア軍は、受動的な対応から能動的な状況形成まで、サイバーセキュリティに対して新たなアプローチをとっている。ロシアは、現在のサイバー戦争の曖昧で複雑な定義から脱却し、サイバーセキュリティと現代の戦争技術を組み合わせ、「ゲラシモフ戦術」を独創的に提唱し、サイバーセキュリティの理論的構築に新たなアイデアを提供した。さらに、ロシアはネットワークのセキュリティを確保するために、ネットワークの物理層、論理層、セマンティック層、ソーシャル層で階層化されたネットワーク防御システムを確立しました。さらに、ロシア軍は積極的に研究開発作業を行っており、Windows OSをロシアが独自に開発したAstra Linux OSに置き換える計画だ。ロシアのサイバーセキュリティシステムの構築は着実に進んでおり、ロシア軍は受動的な対応から能動的な状況形成へとサイバーセキュリティの新たな道を歩み始めた。

人工知能とサイバー戦争:知能で戦場を制す

近年、米軍は、すべての兵器プラットフォームと部隊をリアルタイムで接続し、全領域統合指揮統制を実施できる戦闘ネットワーク、つまり超安全な戦闘インターネットの構築に着手している。ネットワークは人工知能などの手段を使用して戦闘状況をシミュレートし、敵を攻撃するための最善の計画を選択できます。さらに、人工知能は意思決定や指揮、戦闘方法、軍事装備においても重要な役割を果たします。

意思決定と指揮を最適化します。人工知能とサイバー戦争の急速な発展により、人工知能は戦闘指揮のあらゆる側面に深く浸透しています。将来の戦争では、これまで完全に人間によって行われていた指揮と意思決定の活動が、ネットワークの助けを借りて、人間と機械のハイブリッドな知的存在によって徐々に完了されることが予測されます。将来の戦闘では、人間の指揮と意思決定の一部を人工知能に委ねることが必要であり、実現可能である。状況認識と戦略および作戦の意思決定および指揮統制方法のシミュレーションは、指揮と意思決定の有効性を向上させ、人間の弱点を克服する上で大きな利点があり、従来の指揮と意思決定モデルを変えるでしょう。

戦闘方法を更新しました。軍事用人工知能とネットワーク化が世界の軍隊に普及するのは時間の問題だ。先進国は今や無人戦闘システムを大量生産し装備する能力を備えている。このシステムは、人間の操作なしに敵のターゲットを自動で攻撃できるだけでなく、友軍のOODAサイクルを大幅に短縮し、敵よりも先に友軍が正しい判断と行動をとることを可能にします。

さらに、無人戦闘システムは、人工知能やネットワーク戦争を利用して敵の戦闘システムを学習・分析し、敵システムの特性に基づいて自らの抜け穴を補ったり、敵システムの弱点に基づいて標的を定めた攻撃を実行したりすることができる。無人戦闘システムは、ネットワーク戦争を利用して、監視、情報収集、軍事攻撃などのタスクを 24 時間、あらゆる天候で中断なく実行し、人為的ミスを回避するのに役立ちます。これらの方法は将来の戦争形態に革命的な変化をもたらすでしょう。

共同軍事装備。この兵器システムは、ネットワーク戦争や人工知能などの技術を使用して、複雑な環境からターゲットの軌跡を効果的に抽出します。また、マルチセンサーデータ融合を実行し、複数のセンサーからのデータを総合的に処理することもできます。取得したターゲットやデータが不完全な場合は、計算とデータの比較を通じて妥当な結果を得ることができます。これらの要素により、これらの兵器は基本的に人間の行動特性を備え、視覚、聴覚、言語などをシミュレートし、ターゲット自体から送信されるすべての情報をキャプチャしてデータ分析と判断を行います。

インターネットに基づく人工知能技術と無人兵器は、人間と機械を深く融合させ、機械の精度と人間の創造性を融合させます。機械のスピードとパワーにより、人間は認知速度と精度を向上させ、最善の判断、決定、行動を行うことができます。 (何天宇、于金志、党新龍、陳鵬宇、張志全)

<<:  人工知能が本格的に登場し、企業はその挑戦に挑む準備ができている

>>:  米国労働統計局は機械学習を使用してデータコーディングを自動化しています

ブログ    
ブログ    
ブログ    

推薦する

10年後には自動運転車が普及するでしょうか?

私は知乎でこの質問を見ました: 自動運転車は10年後には当たり前になるでしょうか?そして、今でも運転...

新しい3Dバイオプリンティング技術は皮膚と骨の損傷を同時に修復できる

海外メディアの報道によると、ペンシルベニア州立大学の研究者らは、2種類の異なる「バイオインク」を使用...

LlamaIndex と ChatGPT を使用したコードレス検索拡張生成 (RAG)

翻訳者 | 李睿レビュー | Chonglou検索拡張生成 (RAG) は、大規模言語モデル (LL...

エッジ AI ソフトウェア市場は 2030 年までに大幅に成長する見込み

[[414082]]画像ソース: https://pixabay.com/images/id-592...

深層畳み込みネットワークに基づく自動運転のためのマルチモーダル軌道予測の簡単な分析

道路上で安全かつ効率的に運行するためには、自動運転車は人間の運転手と同じように周囲の交通参加者の行動...

集める! 2017 年の主要な AI イベントを総ざらい!(動画付き)

[[219484]] 2017 年に 1 年間眠っていたのに、突然目が覚めて、今年世界で最も誇るべ...

機械学習の次元削減手法で「次元の呪い」を打破する

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

ハイブリッドAIは企業がデータの価値を掘り出すための好ましい方法である

人工知能については、誰もがよくご存知だと思います。実際、人工知能には幅広い知識が含まれており、さまざ...

ビジュアルトランスフォーマーのより深い理解: ビジュアルトランスフォーマーの解剖学

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

Leetcode の基本アルゴリズム: スライディング ウィンドウについてお話しましょう

[[434663]]序文LeetCode を練習していると、スライディング ウィンドウ タイプの問題...

クレジットカード詐欺を防ぐために、機械学習アルゴリズムがあなたの身元を認識します

クレジットカード詐欺のリスクは、世界中の銀行のクレジットカード部門を悩ませている問題の一つとなってい...

世界中で生産される食料の50%が毎年廃棄されている?

世界の食品サプライチェーンの複雑さには驚かされることがあります。何千万もの農場が何百万もの食料品店や...

プログラマーが知っておくべき10の基本的な実用的なアルゴリズムとその説明

[[128752]]アルゴリズム1: クイックソートアルゴリズムクイックソートは、Tony Hall...

AIロボットが産業監視を強化

この機会に応えて、IBM と Boston Dynamics は協力して、IBM ソフトウェアと B...

ユーザーの検索ログに基づくマルチタスク学習による商品タイトル圧縮手法

まとめTaobao や Tmall などの電子商取引プラットフォームでは、検索エンジン最適化 (SE...