طراحی سامانه شناختی چند لایه برای مقابله با عملیات جنگ الکترونیکی ترکیبی با استفاده از هوش مصنوعی تطبیقی

در عصر نوین جنگ های الکترونیک، ظهور عملیات ترکیبی و پیچیده مبتنی بر ترکیب اختلال های سیگنالی، حملات سایبری و عملیات طیفی نیازمند توسعه سامانه های پیشرفته و هوشمند است. در این پژوهش یک سامانه شناختی چند لایه مبتنی بر هوش مصنوعی تطبیقی طراحی و معرفی می گردد که توانایی مقابله با تهدیدات چند بعدی و پویا را داراست. معماری پیشنهادی متشکل از سه لایه اصلی شامل لایه ادراک و جمع آوری داده، لایه تحلیل و یادگیری و لایه تصمیم گیری و پاسخ تطبیقی است. در لایه ادراک، داده های متنوع حسگرها (رادار، ارتباطی و سیگنال های طیفی) با استفاده از فیلترهای کالمن و بیزین پردازش و پالایش می شوند تا نویز و اغتشاش محیطی به حداقل برسد. لایه تحلیل مبتنی بر الگوریتم های یادگیری تقویتی عمیق (DRL)، شبکه های حافظه دار (LSTM) و شبکه های عصبی کانولوشنی (CNN) به منظور استخراج ویژگی های پیچیده و مدل سازی رفتار تهدیدات طراحی شده است. در نهایت لایه تصمیم گیری با بهره گیری از الگوریتم های شناختی تطبیقی و یادگیری گروهی پاسخ های پویا و چند بعدی در برابر عملیات جنگال ترکیبی ایجاد می کند. نتایج شبیه سازی ها نشان می دهد که سامانه پیشنهادی قادر است با دقت بالا به پیش بینی و شناسایی تهدیدات طیفی پرداخته و در برابر حملات ترکیبی با افزایش ۲۵ درصد در سرعت تصمیم گیری و ۳۰ درصد دقت در تشخیص نسبت به روش های مرسوم عملکرد برتری داشته باشد. این پژوهش می تواند به عنوان چارچوبی برای توسعه نسل آینده سامانه های جنگ الکترونیکی شناختی و خودمختار مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی تطبیقی ، سامانه شناختی چند لایه ، جنگ الکترونیکی ترکیبی ، فیلتر کالمن و بیزین ، یادگیری گروهی