美国陆军为AI建立“数据靶场”平台

随着军事AI的广泛应用和发展，如何保证驱动AI的数据安全性，成为了推动AI发展的重中之重。

针对这个问题，美国陆军近期组建了“创新交流实验室”（IXL，Innovation Exchange Lab），并承建了“数据靶场”（Data Range），让参与美国陆军AI项目的团队，使用该靶场经过验证的数据，避免使用经过“污染”的数据源。

通过这样的方式，从数据源头把关，解决军事AI应用中的难题。

美军针对未来大国竞争，提出了第三次抵消战略，军事AI是决定该战略成败的关键核心技术，为此，美国国防部和各军种都启动了AI相关项目，以解决这些难题。

现代军事AI是由数据驱动的，但机器学习等新型方法的黑箱机制，给其应用带来了较大的隐患，为了保证未来自主战争或无人系统等的运行，可以采取可解释AI的方法，或者，从数据源头保证其安全性。

为了解决数据安全性问题，各界人士提出了AI材料清单（AI BOM）以及软件材料清单（S-BOM）概念，寄希望管控数据或代码的方式能够产生作用。

在美国陆军数据、工程和软件及C5ISR副助理部长Jennifer Swanson演讲中，明确指出了美国陆军如何开展数据和AI工作的情况，同时，还介绍了正在开展的多个AI项目状况。

已经购买《军事人工智能白皮书》的客户，可以咨询您的客户经理获得帮助。

Swanson表示，AI BOM或S-BOM不应作为重点，因为它们难以满足行业人士的需要，毕竟各种AI算法涉及到企业的核心竞争力，大都不愿意公开这些数据，为此，美国陆军应建立一套检查错误代码或“有毒数据”的能力。

一言蔽之，建立“数据靶场”是解决军事AI安全性的最佳方案。

经过几年时间的推进，美国陆军已经建立了“统一数据参考架构”（UDRA，Unified Data Reference Architecture），引入“数据网”（Data Mesh）和“数据湖”（Data Lake）等先进数据管理方式。

在此基础上，美国陆军形成了“数据靶场”能力，所有AI供应商都应把相关数据或AI模型加载到这个数字孪生靶场，从而检验是否符合安全标准。

有趣的是，该数据靶场还可以不断更新，以适应新发现漏洞以及风险的需要，及时避免可能带来的风险。

军事AI正在迅速发展，需要解决的问题层出不穷，但建立数据靶场，利用场景驱动的分析能力，叠加数字孪生靶场的优势，可以形成一个不断改进和优化的闭环，从而为军事AI可靠的发展提供基本条件。

本文相关的资料已经通过《军事人工智能白皮书》提供给客户，请注意阅读和了解。