Искусственный интеллект научится расшифровывать радиосигналы

2018/11/1543401300.jpg
Прочитано: 1173     18:00     28 НОЯБРЯ 2018    

Агентство перспективных оборонных разработок (DARPA) Пентагона заключило с британской компанией BAE Systems контракт на разработку системы, которая могла бы самостоятельно расшифровывать закодированные радиопередачи.


Как пишет Aviation Week, сумма сделки составила 9,2 миллиона долларов, передает Armiya.az со ссылкой на nplus1.ru.

Новая система будет разрабатываться с применением технологий машинного обучения — нейросеть, тип которой не уточняется, будет учиться на большом количестве записей, сделанных и уже расшифрованных военными.

Радиоперехват и расшифровка сообщений входит в обязанности подразделений радиоэлектронной борьбы. В зависимости от типа протокола шифрования аналоговых или цифровых передач расшифровка перехваченной информации может занимать от нескольких часов до недель и месяцев. Новая система должна будет существенно ускорить расшифровку перехваченных радиопередач, что сделает радиоразведку более оперативной.

По заявлению DARPA, в современных условиях в эфире одновременно ведется огромное количество радиопередач — сигналы сотовых телефонов, телевидение, радио, сигналы различных сенсоров и информационная выдача беспилотников. Перспективной умной системе предстоит заниматься расшифровкой и идентификацией сигналов. Это позволит военным обнаруживать злонамеренные трансляции, призванные, например, «засорить» эфир или взломать важные системы обмена данными. Другие подробности о перспективной разработке не раскрываются.

В октябре 2017 года стало известно, что Центр геопространственной разведки Миссурийского университета с помощью методов глубокого обучения разработал алгоритм, способный на спутниковых или аэрофотоснимках находить китайские зенитные ракетные комплексы. Предполагается, что использование алгоритма позволит обрабатывать разведывательную съемку в 80 раз быстрее людей. Исследователи использовали для обучения несколько сверточных нейросетей: CaffeNet, GoogLeNet, ResNet-50 и ResNet-101.

Обучение нейросетей производилось на фотографиях известных китайских зенитных установок и снимках типичиных и нетипичных мест их размещения. После обучения нейросеть GoogLeNet показывала наилучший средний результат распознавания для снимков с установленным уровнем уверенности в конечном результате более 70 процентов. В то же время ResNet-101 продемонстрировала наилучшее быстродействие с высоким результатом с уровнем уверенности менее 70 процентов. Проверка обученных сетей производилась на неизвестных им снимках.



Следите за актуальными военными новостями в нашем Telegram-канале https://t.me/armiyaaz
Следите за актуальными военными новостями в нашем Facebook

Тэги: