网络战:看美国如何组建并训练网络战部队

简介:

目前美国国防部官员指出:国防部方面正在积极地建立并训练其网络部队,而且尽管这两项工作尚未真正彻底完成,不过当下已经有多支队伍正式确立并开始执行任务。

网络战:看美国如何组建并训练网络战部队

这支部队实际上包含133个网络小组,网络司令部指挥官Michael Rogers上将在今年六月的一份题为《建立之后:通过网络空间交付成果》的报告中指出。这份报告还将这股由“军方(包括现役与预备役)、平民及承包商” 人员建立而成的力量称为该司令部的“最强资源”。

根据国防部在其网络发展战略中的概述,这133支队伍将根据具体任务进行划分:

68支网络保护队伍将高度关注国防部目前的前号任务——网络安全防御。

13支国家任务队伍将帮助抵御各类与国内关键性基础设施相关的攻击活动。

27支作战任务队伍将分别与各作战指挥官进行协作,帮助后者实现其既定规划与作战行动。

25支技术支持队伍将负责支持前面提到的各国家任务与作战任务团队。

目 前担任美国网络司令部副司令的空军中将JamesMcLaughlin在近日于战略及国际研究中心召开的会议当中指出,全部队伍都将在明年年内建立完成并 拥有初步运作能力。“到2016年年底,全部团队都将落实到位并拥有初步运作能力。而到2018年年底,我们预计全部团队都将实现全面运作能力。因此,这 种2013年之前还完全不曾存在的战术力量很可能成为我们未来捍卫自身安全的重要基础。”

这些队伍中的部分组织已经建立完成并开始执行某些 特定任务。“我们在建立相关组织之后立即引导其投入工作,”尽管事实上这支部队目前才刚刚完成了半数建立任务,他解释称。网络国家任务部队指挥官、陆军少 校Paul Nakasone也对本次参加战略及国际研究中心大会的与会者们宣称,这支任务部队已经开始参与具体作战,不过他拒绝透露更多细节信息。

正 如其他官员做出的表述,目前网络空间的变化速度极为迅猛。“因此这支刚刚于今年一月份初步建立并仍在完善当中的队伍已经参与了七次作战行动……这绝对非同 小可,”联合部队司令部指挥官兼DISA主管、陆军少将Alan Lynn在上个月由国防信息系统局召开的会议上表示。“而且他们已经取得了巨大成功。”

正如Nakasone在战略及国际研究中心会议上所言,这支任务部队的主要目标正如今年四月国防部网络战略报告中的描述,“在总统或国防部长的授权之下,国防部方面必须有能力提供集成化网络能力以支持军事行动以及应急计划。”

Nakasone同时指出,目前已经建立的40个小组当中,有80%由来自军方的人员所构成,而其余20%成员则为平民身份。他同时补充称,各小组成员的平均年龄仅为24岁。

国 防部当前的重要工作之一在于改进培训机制。国防部拥有一套“持续性训练环境”,而且计划进一步建立一套虚拟空间——在这里个人成员将拥有充足的培训资源, 另外其还能为入侵团队与反击团队提供编写场景及脚本的必要空间,从而建立各类培训任务以及后续评估机制,McLaughlin指出。这部分规划已经被纳入 2017财年预算方案,因此距离真正实现还有一段距离,不过这类能力显然非常重要。尽管国防部目前在其持续性培训环境当中已经拥有类似的培训能力,但 McLaughlin表示具体训练条件与团队总体数量及实际训练要求之间仍然存在差距。

虽然这支部队的规模仍然有待扩张而且训练机制亦在发展当中,但整体而言其必须首先明确自身立场——无论网络领域内又会出现哪些与新兴规范相关的政策性决定,包括仍在争论当中的间谍活动与攻击行为应对方案等等。

“目前美国政府当局以及我的顶头上司都在向我提出同样的问题,即无论最终决定如何,你是否已经建立起必要的合作关系、是否具备相关能力,又能否在特定授权范围之内完成任务。而这也正是我们目前着力解决的主要问题。……当然,这确实是当下最为正确的关注方向,”他指出。

另 一项仍然有待开发的元素则是军事服务与国民警卫队当中的网络组成部分,国防部长Ashton Carter曾将其称为“一种非常可观但却尚未被充分开发以及充分利用的资源。”国土安全部前任部长助理、现任咨询企业Sonecon公司常务董事的 Paul Stockton在本次战略及国际研究中心会议上向与会者提到,国防部方面“依赖于州国民警卫队组织”为关键性基础设施提供支持,这主要是因为各警卫队分 部本身就建立在各州之内,他们能够执行政府方面下达的命令并“立足于作战技术系统进行训练,从而将自身任务与基础设施的实际需求加以结合,最终完成既定目 标。”

不过Rogers上将最近在参议院武装部队委员会向法律制定者们提到,目前这支部队面临的最大挑战之一在于如何在遵循美国法典要求的 同时完成自身使命。具体来讲,美国法典第十条与第三十二条分别就军事作战与国民警卫队做出了约束,而这一切最终将影响到网络任务部队的实际面貌。


作者:蓝雨泪 

来源:51CTO

相关文章
|
4月前
|
机器学习/深度学习 算法 数据挖掘
神经网络训练失败的原因总结 !!
神经网络训练失败的原因总结 !!
93 0
|
4月前
|
机器学习/深度学习 PyTorch 算法框架/工具
【PyTorch实战演练】AlexNet网络模型构建并使用Cifar10数据集进行批量训练(附代码)
【PyTorch实战演练】AlexNet网络模型构建并使用Cifar10数据集进行批量训练(附代码)
335 0
|
4月前
|
机器学习/深度学习 PyTorch 算法框架/工具
【PyTorch实战演练】使用Cifar10数据集训练LeNet5网络并实现图像分类(附代码)
【PyTorch实战演练】使用Cifar10数据集训练LeNet5网络并实现图像分类(附代码)
320 0
|
3天前
|
机器学习/深度学习
神经网络与深度学习---验证集(测试集)准确率高于训练集准确率的原因
本文分析了神经网络中验证集(测试集)准确率高于训练集准确率的四个可能原因,包括数据集大小和分布不均、模型正则化过度、批处理后准确率计算时机不同,以及训练集预处理过度导致分布变化。
|
22天前
|
机器学习/深度学习
CNN网络编译和训练
【8月更文挑战第10天】CNN网络编译和训练。
57 20
|
3天前
|
机器学习/深度学习 PyTorch 测试技术
深度学习入门:使用 PyTorch 构建和训练你的第一个神经网络
【8月更文第29天】深度学习是机器学习的一个分支,它利用多层非线性处理单元(即神经网络)来解决复杂的模式识别问题。PyTorch 是一个强大的深度学习框架,它提供了灵活的 API 和动态计算图,非常适合初学者和研究者使用。
14 0
|
3天前
|
机器学习/深度学习 自然语言处理 TensorFlow
深度学习的奥秘:探索神经网络的构建与训练
【8月更文挑战第28天】本文旨在揭开深度学习的神秘面纱,通过浅显易懂的语言和直观的代码示例,引导读者理解并实践神经网络的构建与训练。我们将从基础概念出发,逐步深入到模型的实际应用,让初学者也能轻松掌握深度学习的核心技能。
|
29天前
|
机器学习/深度学习 API 算法框架/工具
【Tensorflow+keras】Keras API两种训练GAN网络的方式
使用Keras API以两种不同方式训练条件生成对抗网络(CGAN)的示例代码:一种是使用train_on_batch方法,另一种是使用tf.GradientTape进行自定义训练循环。
23 5
|
3月前
|
机器学习/深度学习 算法
**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。
【6月更文挑战第28天】**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。数据从输入层流经隐藏层到输出层,计算预测值。接着,比较预测与真实值计算损失。然后,从输出层开始,利用链式法则反向计算误差和梯度,更新权重以减小损失。此过程迭代进行,直到损失收敛或达到训练次数,优化模型性能。反向传播实现了自动微分,使模型能适应训练数据并泛化到新数据。
49 2
|
3月前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
下一篇
云函数