河套 IT TALK 58：（原创）下一代飞机——美国国防部的“天使基金”在投什么项目？

河套 IT TALK 58：（原创）下一代飞机——美国国防部的“天使基金”在投什么项目？

【太长不看】(TLDR) ：本文介绍了10个DARPA目前正在投资的项目，分别为：CCU（计算文化理解）、CHESS (计算机和人类探索软件安全)、ConSec (配置安全性)、CONFERS (交会和服务操作执行联盟)、COMBAT (具有对抗策略的建设性机器学习战斗 )、CREATE (具有对抗策略的建设性机器学习战斗)、 CRANE (用新型效应器控制革命性的飞机)、CONCERTO (用于无线电频率任务操作的融合协作元素) 、CSL (合作安全学习)  、Cornerstone （基石） 。

在本系列的第一篇我们对美国国防高级研究计划局（DARPA）做了一个简短的介绍。

DARPA的项目相当多都是公开的，由于机构运作节奏很快，所以项目也不停地启动和终结。但有一点是毫无疑问的：了解DARPA正在资助什么项目，会有助于我们了解美国科技的前沿。这个系列，我们将分大约分几期来阐述当下DARPA网络公开的正在资助的科研工程项目，让大家一窥端倪，或许能对在科技前沿的方向选择上的朋友有一定程度的启迪。

本文，我们将继续和大家介绍另外10个DARPA正在投资对项目。

注意我们对每个项目的解读也有自身知识结构的局限，如果想进一步了解更多信息，可以去公开渠道自行查询。

CCU

CCU是Computational Cultural Understanding（计算文化理解）的缩写。

还记得我们之前介绍过的Habitus项目吗？CCU和Habitus可以说是一个事情的两个侧重点。都是聚焦在跨域文化的理解上。美国在全球开展业务，并与不同文化保持着持续联系。不同文化的沟通，不仅仅是语言上的障碍，而经常是深沉次的社会习俗和文化背景差别而导致鸡同鸭讲。跨文化沟通不畅不仅会破坏谈判，而且可能成为导致进一步区域危机升级的因素。在存在重大社会、文化或意识形态差异的地方，猜忌链会更为严重，沟通失败的可能性会急剧增加。这也是为什么美国国防部一定要在跨文化交流沟通上下功夫的原因。

在这个领域，Habitus 计划专注于开发工具和技术，以帮助个人和团队与来自不同文化的个人进行有效沟通和建立关系。这包括开发可以帮助个人理解不同群体的文化规范和期望的工具，以及用于语言翻译和文化解释的工具。

而CCU 计划专注于开发可以分析大量数据以识别与文化行为和理解相关的模式和趋势的计算工具。这包括开发可以识别不同人群之间文化差异和相似性的算法，以及用于模拟和建模文化互动的工具。

如果举个例子的话，Habitus 项目更像是开发的一款智能手机应用程序，为士兵在国外与当地居民互动提供翻译和文化指导，而 CCU 项目可能会开发分析社交媒体数据的算法，以了解文化价值观和信仰是如何表达的，跨不同社区共享。

总之，虽然这两个项目都旨在提高跨文化理解，但 Habitus 项目更侧重于个人层面的工具和技术，而 CCU 项目更侧重于计算工具和数据分析。

计算文化理解 (CCU) 计划旨在创建跨文化语言理解技术，以提高沟通者的共情感知和沟通效率。CCU 寻求构建自然语言处理技术，以识别、适应并推荐如何在不同社会、语言和群体亲和力的情感、社会和文化规范内运作。为了支持文化多样化和紧急情况使用需求，CCU 将探索设计为在当地文化中需要最少甚至不需要培训数据的技术，同时在谈判和现场其他互动中最大限度地提高沟通者的成功率。目标系统不再主要依赖于带注释的训练数据，而是利用心理学、社会学等领域的定性和定量发现。

尽管最近在机器学习和多媒体分析方面取得了显着进步，但当今的人类语言技术应用程序不足以进行跨文化交际分析。为了弥补这些缺陷并推进通信技术以实现更好的文化理解，CCU 计划将重点关注以下研究课题：

社会文化规范的自动发现：该目标旨在开发能够自动发现和描述给定社区内的社会文化规范的算法。目标是确定行为模式、沟通方式和其他文化标记，以帮助研究人员更好地了解不同社区的动态及其潜在的价值观和信仰。

跨文化情感识别的泛化：情感识别是跨文化交流的重要组成部分，因为不同的文化通常以不同的方式表达情感。该目标旨在开发能够泛化跨文化情绪识别的算法，从而能够更准确地解释不同文化背景下的情绪线索。这涉及使用自然语言处理 (NLP) 技术来分析语言数据的情感基调，以便沟通者可以深入了解不同社区背景的人士的文化态度和信仰。

在多个时间尺度上检测沟通实践中有影响的变化：该目标旨在开发能够在多个时间尺度上检测不同文化内部和跨文化的沟通实践变化的算法，从短期波动到长期趋势。目标是确定语言使用、交流方式和其他社会文化标记的差别，这些差别可能表明特定社区或文化发生了更广泛的变化。

为跨文化互动提供对话帮助：该目标旨在开发可以为从事跨文化互动的个人提供帮助和指导的算法。目标是帮助用户克服潜在的沟通障碍，例如语言、沟通方式和文化规范的差异，并促进跨不同文化的更富有成效的沟通。

关键词：跨域文化、情感识别、机器学习

CHESS

CHESS是Computers and Humans Exploring Software Security (计算机和人类探索软件安全)的缩写。

美国国防部 (DoD) 使用的很多信息化系统中都需要依赖商业现成 (COTS) 软件、政府现成 (GOTS) 软件以及免费和开源 (FOSS) 软件。如果要保证这些软件中的安全性，就需要高超技能的黑客，他们需要检查软件的功能并识别其中的漏洞。特别是0-day漏洞。

0-day 漏洞是软件供应商或公众都不知道的软件应用程序或系统中的安全漏洞，并且没有可用的补丁或修复程序。0-day 漏洞特别危险，因为攻击者可以利用它们对个人、组织甚至整个国家发动有针对性的攻击。攻击者可以利用 0-day 漏洞获得对系统的未授权访问、窃取敏感信息，甚至控制整个网络。0-day 漏洞的发现通常是技术娴熟的黑客或国家支持的团体实施复杂且有针对性的攻击的结果。0-day 漏洞的发现通常会保密，直到有可用的补丁或修复程序来防止漏洞被攻击者利用。

但0-day 漏洞发现的成本很高，黑客使用程序分析技术和工具来识别和缓解漏洞，但这个过程需要大量的专业知识、人力和时间。经常是一个漏洞的发现需要数百甚至数千小时的手动检查。即便如此，这种检查的速度也无法扩展到足以保护不断增长的软件代码量。即便是使用自动程序分析功能，在没有人工参与的情况下也仅发现几个漏洞类别，例如内存损坏或整数溢出，但无法解决大多数漏洞。这些未解决的漏洞类型依赖于微妙的语义和上下文信息，这超出了现代自动化的掌握范围。鉴于世界上专家黑客的人数有限，更不用说美国国防部了。基于目前软件复杂性现实状况，用现有方法来检查现代软件包的安全性是不可能的。

计算机和人类探索软件安全 (CHESS) 计划旨在开发以可扩展、及时和一致的方式发现和解决所有类型漏洞的新技术和工具。该计划基于这样一种理念，即结合人类和机器智能的优势可以带来更有效和高效的安全测试。由于专家黑客的成本和稀缺性，这些能力必须能够与不同技能水平的人合作，即使是那些以前没有黑客经验或相关领域知识的人。也可以在这个技术和工具的支撑下，完成绝大部份漏洞的发现和修订。

CHESS 计划将研究使计算机和人类能够协作检查和发现（例如源代码和编译的二进制文件）软件的安全漏洞，目标是找到适合复杂软件生态系统的规模和速度的 0-day 漏洞。这一目标可以再分解为以下具体目标：


  • 开发可以自动检测和消除软件漏洞的高级程序分析和验证技术。

  • 创建可以识别复杂软件系统中的安全弱点的新颖测试方法。

  •  研究改善人类分析师和自动化工具之间协作的方法，例如使用自然语言处理和可视化技术。

  • 开发工具和技术以帮助创建安全软件，例如自动代码生成和验证工具。

实现这些目标需要在以下方面取得研究突破：

  • 开发工具来捕获和分析黑客对软件工件进行推理的过程，从而为开发计算机与人类之间高效技能和信息共享提供基础；
  • 创建技术来解决目前受到信息差距阻碍并需要人类洞察力和/或上下文敏感推理的漏洞类别；
  • 生成信息差距的表示，供不同技能水平的人类合作者推理；
  • 将人类产生的洞察力、专业知识和直觉融入识别和解决漏洞的过程中；
  • 发出漏洞证明以确认 0-day 漏洞的存在，并生成一个非破坏性的特定补丁来抵消 0-day 漏洞；
  • 合成代表大型、真实世界、复杂软件包的易受攻击的挑战集语料库。

综上所述，CHESS 计划的最终目标是创建新一代的软件安全工具和方法，这些工具和方法比当前的方法更有效、高效，以及拥有更为友好的用户界面。

关键词：安全漏洞、0-day漏洞

ConSec

ConSec是Configuration Security (配置安全性)的缩写。

物联网 (IoT) 和网络连接组合系统（例如，飞机、关键基础设施等）的发展导致已部署系统出现前所未有的技术多样性。从以最低内置安全性开发的消费者物联网设备（通常被恶意软件利用以对互联网基础设施发起大规模分布式拒绝服务 (DDoS) 攻击）到对工业控制系统 (ICS) 设备的远程攻击，这些新连接的，组合系统提供了广阔的攻击面。虽然功能的多样性以及现在可以通过 Internet 连接、监视和控制的范围急剧增加，但规模经济却降低了平台的多样性。廉价的现成商品 (COTS) 设备已在很大程度上取代了单一用途的定制设备。

这种状况导致现代计算机系统越来越复杂和难以管理，具有多层软件、硬件和网络组件，必须全部正确配置以确保安全性。因此，配置错误和漏洞是安全漏洞和其他网络攻击的主要来源。

ConSec 的目标是开发新技术来管理系统配置，以提高安全性、减少漏洞并增强对网络攻击的弹性。ConSec 的核心是专注于开发用于大规模管理系统配置的新工具和技术，包括自动检测和修复配置错误和漏洞的方法。这涉及开发新的算法、软件工具和最佳实践，以管理跨大型复杂系统的配置，例如军方和其他政府机构使用的系统。

为了应对这些挑战，ConSec 专注于多个研究领域，包括：

配置管理工具和技术：开发用于管理系统配置的新软件工具和技术，例如自动测试和验证、错误检测和纠正以及动态重新配置。设计权威且可审核的配置存储库，以提供强大的完整性保护。导出组件的功能规范并分析其配置空间中的设置如何影响其功能，无需详尽探索配置空间即可生成有用的配置语义模型，并使用不完整的信息进行有效推理。通过了解组合系统的操作上下文，以最少的时间为组合系统构建预期功能模型。同时为了测试这种配置的和理性，需要描述源自配置不当或组成不当的组件的攻击面，并开发通过配置来补救这些弱点的方法。

安全监控和分析：开发新技术来监控系统配置并分析它们是否存在潜在的安全漏洞，例如使用机器学习算法来检测可能表明存在安全漏洞的异常行为或系统行为变化。监控它们在操作期间的变化，并在发现变化时生成上下文相关的响应。

弹性设计和架构：开发新的设计原则和架构模式来构建本质上对网络攻击和配置错误更具弹性的系统，例如使用微服务架构和分布式系统。

至少以下技术可能用在这个项目中：

  • 用于识别和缓解安全威胁的机器学习和人工智能 (AI) 算法。
  • 用于保护传输中和静态数据的高级加密技术。
  • 保护软件开发实践以减少软件中的漏洞。
  • 网络安全技术，例如防火墙、入侵检测和预防系统以及虚拟专用网络 (VPN)。
  • 保护硬件设计以防止基于硬件的攻击。
  • 身份和访问管理 (IAM) 解决方案可确保只有授权用户才能访问敏感数据和系统。
  • 安全信息和事件管理 (SIEM) 系统，用于实时监控和响应安全事件。

关键词：配置安全、物联网、机器学习

CONFERS

CONFERS是Consortium for Execution of Rendezvous and Servicing Operations (交会和服务操作执行联盟)的缩写。

随着在轨卫星数量越来越多，卫星的维护和维修变得越来越紧迫。很多情况下，卫星一旦发射，出现无法自行修复或者升级的严峻现实挑战，就意味着需要额外投入巨大的成本去派太空船、火箭或者太空机器人等方式去现场物理检查、协助和修改这些在轨资产。卫星服务是航天工业的一项关键能力，因为它允许卫星在轨道上进行维修、升级或蓄能，从而延长其使用寿命并减少对昂贵且有风险的更换任务的需求。然而，缺乏用于服务操作的标准化接口、协议和程序一直是发展这种能力的主要障碍。

DARPA 就曾经有一个地球同步卫星机器人服务 (RSGS)计划，该计划侧重于为地球同步轨道上的卫星提供服务。但这些努力都面临一个主要障碍：缺乏明确的、广泛接受的技术和安全标准，以负责任地执行涉及商业卫星的在轨活动。七国八制的状况，给外层空间业务的长期可持续性运营带来了极大的威胁。

CONFERS 就是在这种背景下于 2016 年被发起的。项目旨在为在轨卫星服务和维护操作制定行业标准和最佳实践。该计划汇集了航天工业的领先公司，以创建一个安全、可靠且具有成本效益的轨道卫星服务框架。说白了，就是整个太空产业的标准化。

为应对这一挑战，CONFERS 正在制定一套卫星服务指南和标准，包括对服务航天器设计和服务程序开发的建议。该计划还促进行业利益相关者之间的合作，以共享知识和资源，并促进采用通用标准和实践。这个项目分为3个阶段：

第一阶段：概念开发

CONFERS 计划的第一阶段侧重于开发在轨服务操作的概念框架。这一阶段涉及与行业合作伙伴合作，以确定卫星服务和交会操作的最佳实践，并制定一套实施这些实践的指南和标准。目标是在行业和政府合作伙伴之间建立共同语言和理解，并为未来的在轨服务制定共同愿景。

第二阶段：标准制定

CONFERS 计划的第二阶段侧重于将第一阶段确定的标准和最佳实践发展成一套正式的指南和协议。此阶段涉及与行业合作伙伴合作，就标准达成共识，并开发一套工具和资源来帮助公司实施指南。目标是建立一个可被业界广泛采用的在轨服务基准标准。

第三阶段：实施和验证

CONFERS 计划的第三阶段也是最后阶段的重点是实施第二阶段制定的标准并验证其有效性。此阶段涉及与行业合作伙伴一起测试和验证标准，并确定需要进一步改进或修改的任何领域。目标是确保标准有效且可扩展，并可被整个行业采用。

CONFERS 目前正处于第三阶段，该阶段涉及开发和测试一套航天器维修技术标准，以及一个证明航天器符合这些标准的框架。DARPA 的交会和服务操作执行联盟 (CONFERS) 计划旨在帮助克服这些挑战，并为强大的天基能力的新商业系列奠定基础。CONFERS 设想了一个永久性、自我维持和独立的标准组织或者联盟，项目结束后，DARPA将 CONFERS 的领导地位和资金转移给工业界。工业界可以在该标准组织或者联盟上与美国政府就在轨服务进行合作和接触。这个行业/政府标准组织将由来自整个空间界的专家组成。DARPA 主要与 NASA 合作，将把政府任务中数十年的运营经验带给该联盟机构。这个标准机构将负责发布供商业在轨服务组织普遍使用的标准。

参与者将利用政府和行业的最佳实践来研究、开发和发布非约束性的、协商一致的技术和安全标准，供在轨服务运营的服务提供商和客户采用。这样做，该计划将为外层空间负责任行为的定义和期望提供明确的技术基础。这些标准将足够广泛，以允许各个公司自行实施这些标准以适应其各自的业务，同时确保这些实施符合操作安全的最佳实践。

关键词：卫星修复、太空标准

COMBAT

COMBAT是COnstructive Machine-learning Battles with Adversary Tactics (具有对抗策略的建设性机器学习战斗 )的缩写。

红蓝军对抗训练，是军队常用的演练手段。随着人工智能算法和博弈论技术的成熟，更为高效和灵活的红蓝军模拟演习就变得更为重要。

COMBAT 旨在开发人工智能 (AI) 算法，以生成红军旅行为模型，在模拟实验中挑战和适应对手蓝军的状况。该计划旨在将机器学习与博弈论和人机合作相结合，以创造比传统方法更现实、更有效、更高效的新训练方法。这项工作将调查对手如何根据蓝军行动和反应从当前战术演变为未来战术。并且迅速制定多个可行的红军行动方案，确定最佳解决方案，并提供支持建议的推理。我们可以理解为这是一种类似的战争模拟游戏。但这里的AI Red Force会更为难缠。系统会帮助军事人员发展他们在复杂、高压力情况下有效作战所需的技能和知识。

以下技术可能用在这个项目中：

  • 多代理强化学习 (MARL) 算法的开发。MARL 是一种机器学习，它涉及多个代理根据环境中其他代理的行为和响应来学习和调整其行为。MARL 算法中经常使用博弈论原理来模拟代理之间的交互，使代理能够在复杂场景中做出更具战略性的决策并取得更好的结果。
  • 持续学习：AI Red Force 可以设计为不断学习 Blue Force 的行动和战术，并相应地调整其行为。这可以通过机器学习算法来实现，这些算法能够识别蓝军行为的模式和趋势，并相应地调整自己的行为。
  • 动态决策：AI Red Force 可以设计为根据当前情况和 Blue Force 的行动实时做出决策。这可能涉及使用博弈论来分析蓝军的行为并选择最有效的反应。
  • 网络安全技术：加密、混淆、欺骗等网络安全技术也可应用于人工智能红军，使其更难预测和干扰。这有助于保护红军行动的完整性，并防止蓝军通过网络攻击或其他形式的干扰获得优势。

总的来说，DARPA COMBAT 计划和 AI Red Force 代表了一种创新的军事训练方法，它利用 AI 和机器学习的力量来创造更有效和更逼真的训练环境。该计划有可能改变军队针对复杂和动态场景的训练方式，并提高军事人员在各种作战环境中的战备状态和能力。

关键词：红蓝军模拟、强化学习、博弈论

CREATE

CREATE是Context Reasoning for Autonomous Teaming (具有对抗策略的建设性机器学习战斗)的缩写。

自主智能设备在军队用越来越多的使用，比如无人驾驶地面车辆（UGV）、自主水下航行器 (AUV)、无人驾驶飞行器 (UAV)、自主供应系统和自主作战系统。很多时候，这些自主智能设备之间需要相互协调，共同完成一项任务。这个概念可以理解为一种军事物联网( IoMT )是一类用于作战行动和战争的物联网。它是军事领域中相互连接的实体或“事物”的复杂网络，它们不断相互通信以协调、学习并与物理环境交互，从而以更有效和更明智的方式完成广泛的活动。

CREATE项目的目标就是开发能够在复杂、动态环境中协同工作的自主多智能体系统，以实现共同的目标。该计划侧重于开发能够让自主代理团队推理其环境、相互协作并适应不断变化的环境的技术。项目会让这些自主智能设备组成团队，使异构的、上下文感知的智能系统能够以分散的方式行动，并满足多个、同时和计划外的任务目标。

这里可能有以下关键技术：

  • 情境意识：自主智能体必须能够了解他们的环境才能做出有效的决策。CREATE 计划专注于开发使自主智能体能够推理其环境的技术，包括物理空间、环境中的其他自主智能体和任务目标。
  • 协作：自主智能体必须能够有效地协同工作以实现共同目标。CREATE 计划专注于开发使自主智能体能够相互协作的技术，包括通信协议、共享态势感知和决策过程。
  • 适应性行为：自主智能体必须能够适应不断变化的环境才能完成任务。CREATE 计划专注于开发使自主智能体能够适应不断变化的环境的技术，包括学习算法、决策过程以及计划和执行过程。

想象这样一个场景，一队自动驾驶汽车被派去执行任务，将物资运送到受灾地区的偏远地区。该团队由一队卡车组成，每辆卡车都配备了传感器和通信设备。卡车必须在复杂的环境中行驶，其中包括损坏的道路、碎片和其他危险。

根据 DARPA CREATE 计划，自动驾驶汽车将配备情境感知技术，使它们能够了解周围环境。例如，车辆可以使用传感器检测其路径中的障碍物和危险，并使用地图技术在它们周围导航。他们还可以使用通信设备相互共享信息，例如危险位置或最佳路线。

此外，自动驾驶汽车将配备协作技术，使它们能够有效地协同工作。例如，车辆可以使用通信协议来协调它们的运动并避免碰撞。他们还可以共享态势感知信息，例如车队中其他车辆的位置，以优化他们的路线并避免拥堵。

最后，自动驾驶汽车将配备自适应行为技术，使它们能够适应不断变化的环境。例如，如果在他们的路径上出现新的危险，车辆可以使用决策过程来确定最佳行动方案，例如寻找新路线或减速以避免危险。

总的来说，DARPA CREATE 计划将使自主智能体能够在复杂的环境中有效地协同工作，例如灾难响应场景。通过利用情境感知、协作和适应性行为技术，即使在充满挑战和不可预测的情况下，自主智能体团队也可以更高效、更安全、更有效地运作。所以必要的人工干预和监督机制是非常必要的，以确保团队的（有利的）紧急行为：（1）更好地确保预期的任务结果；(2) 限制意外不利行为或后悔的成本。否则一旦被黑客入侵或者无法预知的异常情况，这些自主智能体可能会反向攻击友军本身。

关键词：军事物联网、自主智能团队

CRANE

CRANE是Control of Revolutionary Aircraft with Novel Effectors (用新型效应器控制革命性的飞机)的缩写。

我们当下理解的正常飞机都是有翅膀和尾翼的，依靠涡轮发动机或者喷气发动机。无人机和直升飞机都是采用电子供电带动螺旋桨方式飞行。但不管是采用哪种形式，仍有很多飞行问题没有办法解决，比如飞行的敏捷机动性不够，同时无法做到安静飞行。

CRANE 项目的目标是创造新一代飞机，其运行比现有飞机更高效、更安全、更有效。为实现这一目标，该项目专注于开发先进的控制技术，使飞机能够执行现有飞机目前无法执行的机动动作。这种技术可能使飞机能够以更接近蜻蜓和其他高度敏捷的飞行昆虫的能力进行机动飞行。而且这个飞机很可能无需传统的机翼。比如以下几个示例：

  • 无需旋转叶片或复杂机构即可执行垂直起降。
  • 接近地面的情况下，仍能做到高速飞行，并能机敏躲开障碍物和湍流的影响。
  • 可以快速改变飞行方向和高度，比目前的飞机具有更高的精度和效率。
  • 减少飞机产生的湍流量的先进控制技术，比现有飞机飞行更安静的飞行。

CRANE 项目的关键方面之一是使用新型效应器。效应器是可用于控制飞机飞行的装置。传统上，飞机控制依赖于空气动力学表面（例如机翼和尾翼）和发动机推力的组合。然而，CRANE 项目正在探索新型效应器的使用，例如等离子致动器和合成射流，它们可以对飞机的飞行提供更精细的控制。

CRANE 项目的另一个重要方面是使用先进的算法和控制系统。这些系统将能够实时处理大量数据，并对飞机的飞行做出快速调整。这将使飞机能够快速准确地响应环境变化，例如湍流或阵风。

CRANE 项目仍处于早期阶段，我们可能还需要几年时间才能看到第一架配备这些新技术的飞机。然而，这些新控制技术的潜在好处是巨大的，它们可能会导致新一代飞机比当今存在的任何飞机都更安全、更高效、更强大。

关键词：离子致动器、合成射流、湍流控制、新一代飞行器

CONCERTO

CONCERTO是CONverged Collaborative Elements for RF Task Operations (用于无线电频率任务操作的融合协作元素)的缩写。

电磁频谱 (EMS) 是现代社会的重要资源，因为它用于包括通信、导航、传感和成像在内的广泛应用。本质上，EMS 是电磁波可以传播的频率范围，它包括从无线电波和微波到可见光和伽马射线的一切。

电磁频谱之间的干扰是一个严重的问题，因为频谱是一种有限的资源，并且随着越来越多的设备和应用程序使用无线通信，它变得越来越拥挤。这可能会导致依赖 EMS 的各种系统出现干扰、效率低下和性能下降。干扰会导致导致信号质量下降、数据传输缓慢，甚至信号完全丢失，进而引发通信和导航系统中断或故障，从而对公共安全、国家安全和经济活动产生重大影响。这种情况在军用设备中体现的更为严重。因为军用系统处于保密性的考虑，各个部件往往是模块化生产，大量的不同用途的离散雷达都是独立设计、分别采购并集成在平台上的，然后通过紧密耦合的硬件和软件实现。但是这种方式在频谱使用方面没有得到很好的协调。随着传感器和通信设备的增加，单一设备对不同频谱涉猎的很广泛，导致相互之间产生了干扰。

CONCERTO 旨在通过开发新工具和技术来应对这些挑战，以实现更有效的 EMS 管理。

CONCERTO 的主要目标之一是让不同的军事和民用组织能够更加协作和高效地使用 EMS。这涉及开发用于频谱共享的新技术，允许多个用户在相同频段内操作而不会相互干扰。该项目还旨在开发新的软件定义无线电 (SDR) 技术，该技术可以实时适应不断变化的 EMS 条件并优化不同任务的性能。

为了解决这些问题，正在研究用于管理和优化电磁频谱使用的新技术和工艺。这包括开发更高效的通信协议，使用先进的信号处理技术来减少干扰，以及实施更好的监控和管理系统来检测和减轻干扰。

这个项目中使用了马赛克战争的概念，这种概念重新配置防御系统和技术，以便它们可以快速部署以各种不同的组合来完成不同的任务。旨在模仿乐高积木和马赛克艺术形式的适应性。

马赛克战争可以通过更灵活、更高效地使用可用频谱资源来帮助优化电磁频谱 (EMS) 的使用。例如，马赛克战争没有依赖需要大量频谱资源的大型集中式通信系统，而是强调使用可以在较窄频段上运行的小型分散式通信系统。此外，马赛克战争可以通过更多地使用分布式和冗余系统来帮助减轻干扰并提高通信和传感系统的弹性。通过使用多个可以在不同频段或不同功率级别运行的较小系统，马赛克战争可以帮助减少干扰或干扰对关键系统的影响。

总的来说，CONCERTO 是一个重要的项目，它有可能在军事和民用环境中提高无线通信和其他依赖 EMS 的操作的效率和有效性。通过开发用于 EMS 管理和优化的新技术和技术，CONCERTO 可以帮助应对拥挤和复杂的无线环境中日益增长的挑战。

关键词：频谱资源优化、马赛克战争

CSL

CSL是Cooperative Secure Learning (合作安全学习)  的缩写。

机器学习需要大量数据来丰富模型。但丰富模型的数据集通常由不同方拥有，并受到隐私、安全、商业秘密或监管要求的保护。同样，应用的 ML 模型（例如，分类器）通常由不同方拥有，并且可能是专有的，需要严格保护以减少输入数据和建模结果暴露的威胁。由于这些限制，政府和私营部门的组织无法在模型培训和开发方面充分合作以获得 ML 系统的最佳性能。CSL 项目涉及来自学术界、工业界和政府组织的研究人员之间的合作，以开发用于安全和隐私保护机器学习的新技术。该项目旨在解决协作机器学习在多方因隐私或安全问题而无法直接共享数据的情况下所面临的挑战。

Cooperative Secure Learning (CSL) 将开发一种来保护希望安全地共享其信息以更好地为机器学习模型开发提供信息的实体社区之间的数据、模型和模型输出的方法。CSL 寻求使多方合作以改进彼此的机器学习模型，同时确保每个实体的个人、预先存在的数据集和模型将保持私有。这项工作将侧重于开发用于改进机器学习模型的计算技术的工作原型，并提供支持隐私保护和数据安全的见解和方法。基础算法将根据其准确性和隐私性以及计算可行性进行评估。可能的技术方法可以利用加密方法（例如，安全的多方计算，同态加密等）差异隐私和其他方法。CSL 的努力将显着扩展多组织机器学习功能，从而在不损害隐私的情况下构建更明智和更强大的机器学习模型。

Cooperative Secure Learning (CSL) 是一种协作式机器学习框架，多方在分布式环境中共同训练机器学习模型。参与机器学习过程的各方可能是不同的组织或个人，他们出于隐私或安全方面的考虑不想共享他们的数据。CSL 提供了一种协作和训练模型的方法，同时保护各方拥有的数据的隐私。

CSL 项目是 DARPA 推动安全和隐私保护机器学习技术发展的更广泛努力的一部分。

该项目有几个目标，包括为安全多方计算 (MPC) 开发新的加密技术，开发可以处理加密数据的新机器学习算法，以及探索差分隐私的新方法。该项目还涉及开发一个原型 CSL 平台，不同组织可以使用该平台在机器学习任务上进行协作，同时保护其数据的隐私和安全。

CSL 结合使用加密技术和机器学习算法来实现安全协作。加密技术，例如安全多方计算 (MPC) 和同态加密，允许各方在不向彼此透露数据的情况下进行协作。CSL 中使用的机器学习算法旨在处理加密数据，这允许各方在不解密数据的情况下联合训练模型。

CSL 有不同的变体，每个都有自己的优点和局限性。例如，联合学习是 CSL 的一种变体，涉及多方一起训练模型，同时将数据保存在自己的设备上。差分隐私是 CSL 的另一种变体，它涉及向数据添加噪声以防止重新识别个人。

总之，合作安全学习 (CSL) 是一种协作式机器学习框架，允许多方一起训练模型，同时保护其数据的隐私和安全。CSL 结合使用加密技术和机器学习算法来实现这一目标，并且 CSL 有不同的变体，在隐私、安全性和准确性之间提供不同的权衡。

这个项目在2017年发起，并在2021年结项。虽然 CSL 项目可能没有完全实现其所有目标，但它为开发安全和保护隐私的机器学习技术做出了重大贡献。作为该项目的一部分而开发的研究和原型可能会继续对未来安全机器学习技术的开发产生影响。

关键词：机器学习、隐私保护、安全学习

Cornerstone

在战斗中，士兵特别容易遭受创伤性脑损伤 (TBI) 的伤害。据估计，在最近的冲突中，所有战斗伤亡的 22% 都是由 TBI 造成的。TBI 会对认知功能产生严重的长期影响，并会增加患阿尔茨海默病等神经系统疾病的风险。导致人身和医疗保健基础设施的长期负担衰弱。目前，TBI 的治疗还没有通过 II 期临床试验。目前针对TBI的干预措施完全依赖于身体保护措施，例如装甲车和笨重的头盔，治疗仅限于身体和/或心理康复方案，收效甚微。

Cornerstone 计划旨在制定安全有效的综合对策以防止脑损伤。更准确地说是预防军事人员创伤性脑损伤 (TBI) 的研究。

Cornerstone 计划于 2019 年启动，为期五年。该计划涉及来自学术界、工业界和政府组织的研究人员之间的合作，以开发用于预防军事人员 TBI 的新技术。该计划包括两个主要重点领域：

了解 TBI 的生物学机制：该重点领域旨在提高我们对 TBI 潜在生物学机制的理解。这包括识别 TBI 的生物标志物，研究冲击波对脑组织的影响，以及了解 TBI 如何导致长期认知障碍。

开发预防 TBI 的技术：该重点领域旨在开发预防 TBI 的新技术。这包括开发头盔和其他防护装备的新材料，开发检测和减轻冲击波的新技术，以及开发预防和治疗 TBI 的新疗法。当一个人遭受脑损伤时，它会引发一系列类似于多米诺骨牌效应的复杂状况。这在接触后几毫秒内开始，在细胞或分子水平上产生初始反应，然后是一组呈指数级增长的独立、不同和平行的病症，这些病症可以持续数周或数月，每个病症都需要单独处理。Cornerstone 旨在针对受伤后几毫秒的初始反应，从而减少同时治疗多个目标的需要。

当一个人遭受脑损伤时，它会引发一系列类似于多米诺骨牌效应的复杂状况。这在接触后几毫秒内开始，在细胞或分子水平上产生初始反应，然后是一组呈指数级增长的独立、不同和平行的病症，这些病症可以持续数周或数月，每个病症都需要单独处理。Cornerstone 旨在针对受伤后几毫秒的初始反应，从而减少同时治疗多个目标的需要。

作为 Cornerstone 计划的一部分，研究人员正在努力开发新的和改进的头盔设计，以提供更好的 TBI 保护。这包括使用可以更好地吸收和分散冲击力的先进材料，例如复合材料和陶瓷，以及可以检测和测量头盔佩戴者在冲击过程中所受力的新传感器技术。研究人员还在探索改善头盔合身性和舒适性的方法，以及它们与防弹衣等其他防护装备的整合能力。

除了头盔设计外，Cornerstone 计划还专注于开发有助于预防或减轻 TBI 影响的新技术和治疗方法，例如可以实时检测 TBI 迹象的可穿戴传感器，以及新的药物和疗法可以帮助保护大脑免受伤害或促进受伤后的恢复。

总的来说，DARPA Cornerstone 计划是一项旨在预防军事人员创伤性脑损伤的重要举措。通过专注于了解 TBI 的生物学机制、开发预防新技术以及改进培训和教育，该计划旨在降低 TBI 的发病率并改善军事人员的长期健康结果。

关键词：创伤性脑损伤、头盔防护

未完待续…

附：DARPA简介

DARPA，全称Defense Advanced Research Projects Agency，也就是美国国防高级研究计划局。从历史起源来看，DARPA是典型美苏冷战的产物。苏联在1957年率先发射了人类第一颗人造卫星Sputnik 1，正式开启了太空时代。为了和苏联撸起袖子展开竞争，当时的总统艾森豪威尔在1958年2月7日，联合学术界、工业界和军方创建了DARPA。承诺从那时起，美国将成为战略技术意外的发起者，而不是受害者角色。DARPA 一直不辱使命，坚持一项独特而持久的使命：对美国国家安全的突破性技术进行关键投资。DARPA属于典型的军民融合机构，所以在DARPA成立的50多年来，投资的项目无数，而且相当多的项目都超出了军方的需求。比如我们现在熟知的ARPANET（互联网等等前身）、GPS、自动语音识别和我们前几期提到的波士顿动力的多足机器人都是DARPA投资的杰作。其实远不限于此，现代科技的任何一个角落，几乎都有DARPA的影子。《经济学人》称 DARPA 是“塑造了现代世界”的机构。

更详细介绍请参见：聊聊美国国防高级研究计划局正在投资的项目(一)