معماری مفهومی هوش مصنوعی فدرالی تبیین پذیر برای جنگ الکترونیک شناختی مشارکتی

رشد روزافزون پیچیدگی محیط های نبرد الکترونیکی، افزایش حجم داده های حاصل از حسگرهای چندمنبعی و ظهور تهدیدات تطبیقی مبتنی بر فناوری های شناختی ضرورت توسعه نسل جدیدی از سامانه های تصمیم یار هوشمند را بیش از پیش آشکار ساخته است. در عین حال وابستگی فزاینده سامانه های جنگ الکترونیک به مدل های یادگیری ماشین با چالش هایی نظیر تمرکزگرایی داده، آسیب پذیری امنیتی، محدودیت اعتماد انسانی و فقدان شفافیت در فرآیند تصمیم سازی مواجه است. پژوهش حاضر با هدف رفع این چالش ها یک چارچوب مفهومی نوین مبتنی بر همگرایی هوش مصنوعی فدرالی، هوش مصنوعی تبیین پذیر و سازوکارهای امنیت داده برای جنگ الکترونیک شناختی مشارکتی ارائه می کند. در معماری پیشنهادی هر گره عملیاتی به عنوان یک واحد یادگیری مستقل عمل کرده و بدون انتقال داده های خام تنها دانش استخراج شده و پارامترهای مدل را در یک شبکه فدرالی به اشتراک می گذارد. همچنین با ادغام لایه های تبیین پذیری، تصمیمات تولید شده توسط سامانه به صورت قابل فهم، قابل ارزیابی و قابل اعتماد برای تحلیلگران انسانی ارائه می شوند. چارچوب پیشنهادی بر پایه پنج لایه اصلی شامل لایه حسگری، لایه هوشمندی محلی، لایه تبیین پذیری، لایه هماهنگ سازی فدرالی و لایه تصمیم سازی ماموریتی طراحی شده است. نتایج تحلیل مفهومی نشان می دهد که همگرایی یادگیری فدرالی و تبیین پذیری می تواند زمینه شکل گیری نسل جدیدی از سامانه های جنگ الکترونیک شناختی قابل اعتماد را فراهم سازد؛ سامانه هایی که ضمن حفظ امنیت اطلاعات، قابلیت یادگیری تطبیقی، تاب آوری سایبری و همکاری میان سکویی را نیز بهبود می بخشند. پژوهش حاضر علاوه بر ارائه یک مدل مفهومی میان رشته ای مسیرهای تحقیقاتی آینده برای توسعه سامانه های هوشمند دفاعی مبتنی بر هوش مصنوعی قابل اعتماد را تبیین می کند.

کلیدواژه ها:

جنگ الکترونیک ، شناختی ، هوش مصنوعی فدرالی ، هوش مصنوعی تبیین پذیر ، امنیت داده ، تصمیم سازی ، هوشمند ، فناوری اطلاعات