정보 기술의 발전과 더불어 전장상황에서도 정보 시스템들의 고도화가 이루어짐으로써 적기에 대한 정보 획득 및 상황분석은 전장상황에서 주요한 요소가 되었다. 전장상황 분석의 핵심 요소인 위협평가는 피아식별을 통해 식별된 항공 정보를 가지고 해당 상황에 대한 위협치를 평가하여 무기할당에 정보를 제공하는 기술로써, 전장상황의 어느 단계 보다 확실한 정보를 요구하는 단계이다. 전장상황에서 대부분의 위협평가 데이터들은 감지된 센서 값에 의해 연산되어 전달되는데, 기존의 기법들에서 발생할 수 있는 센서 데이터들의 잘못된 연관관계 표현 및 데이터 누락은 전장상황에서의 의사결정에 혼란을 야기 시킬 수 있다. 따라서 각종 센서 데이터들의 연관 관계를 올바르게 정의하고, 센서데이터 누락에 따른 예측 불가능한 전투상황에 대한 신뢰도 높은 위협치 연산 알고리즘을 이용하는 효율적인 의사결정 위협평가 시스템이 필요하다. 본 논문에서는 JDL 정보 융합 모델을 기반으로 애매모호한 관계성을 표현하는데 유리한 퍼지 이론, 데이터 습득의 불확실한 전장상황에서 위협치를 추론하고 상황에 대한 학습이 가능한 베이지안 네트워크를 하이브리드하여 새로운 위협평가 방법을 제안한다. 또, 제안된 방법을 이용하여 가상의 전장 시나리오에 따른 위협평가 결과를 보였다.
정보 기술의 발전과 더불어 전장상황에서도 정보 시스템들의 고도화가 이루어짐으로써 적기에 대한 정보 획득 및 상황분석은 전장상황에서 주요한 요소가 되었다. 전장상황 분석의 핵심 요소인 위협평가는 피아식별을 통해 식별된 항공 정보를 가지고 해당 상황에 대한 위협치를 평가하여 무기할당에 정보를 제공하는 기술로써, 전장상황의 어느 단계 보다 확실한 정보를 요구하는 단계이다. 전장상황에서 대부분의 위협평가 데이터들은 감지된 센서 값에 의해 연산되어 전달되는데, 기존의 기법들에서 발생할 수 있는 센서 데이터들의 잘못된 연관관계 표현 및 데이터 누락은 전장상황에서의 의사결정에 혼란을 야기 시킬 수 있다. 따라서 각종 센서 데이터들의 연관 관계를 올바르게 정의하고, 센서데이터 누락에 따른 예측 불가능한 전투상황에 대한 신뢰도 높은 위협치 연산 알고리즘을 이용하는 효율적인 의사결정 위협평가 시스템이 필요하다. 본 논문에서는 JDL 정보 융합 모델을 기반으로 애매모호한 관계성을 표현하는데 유리한 퍼지 이론, 데이터 습득의 불확실한 전장상황에서 위협치를 추론하고 상황에 대한 학습이 가능한 베이지안 네트워크를 하이브리드하여 새로운 위협평가 방법을 제안한다. 또, 제안된 방법을 이용하여 가상의 전장 시나리오에 따른 위협평가 결과를 보였다.
Threat Evaluation(TE) which has air intelligence attained by identifying friend or foe evaluates the target's threat degree, so it provides information to Weapon Assignment(WA) step. Most of TE data are passed by sensor measured values, but existing techniques(fuzzy, bayesian network, and so on) hav...
Threat Evaluation(TE) which has air intelligence attained by identifying friend or foe evaluates the target's threat degree, so it provides information to Weapon Assignment(WA) step. Most of TE data are passed by sensor measured values, but existing techniques(fuzzy, bayesian network, and so on) have many weaknesses that erroneous linkages and missing data may fall into confusion in decision making. Therefore we need to efficient Threat Evaluation system that can refine various sensor data's linkages and calculate reliable threat values under unpredictable war situations. In this paper, we suggest new threat evaluation system based on information fusion JDL model, and it is principle that combine fuzzy which is favorable to refine ambiguous relationships with bayesian network useful to inference battled situation having insufficient evidence and to use learning algorithm. Finally, the system's performance by getting threat evaluation on an air defense scenario is presented.
Threat Evaluation(TE) which has air intelligence attained by identifying friend or foe evaluates the target's threat degree, so it provides information to Weapon Assignment(WA) step. Most of TE data are passed by sensor measured values, but existing techniques(fuzzy, bayesian network, and so on) have many weaknesses that erroneous linkages and missing data may fall into confusion in decision making. Therefore we need to efficient Threat Evaluation system that can refine various sensor data's linkages and calculate reliable threat values under unpredictable war situations. In this paper, we suggest new threat evaluation system based on information fusion JDL model, and it is principle that combine fuzzy which is favorable to refine ambiguous relationships with bayesian network useful to inference battled situation having insufficient evidence and to use learning algorithm. Finally, the system's performance by getting threat evaluation on an air defense scenario is presented.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 기존의 인공지능 기반 위협평가 방법으로 사용되고 있는 퍼지 이론과 베이지안 네트워크 방법을 소개하고, 각각의 방법론이 갖는 이점을 결합한 새로운 위협평가 알고리즘을 제안한다. 이 알고리즘은 유동적인 전장상황에서 연속적인 변수(Continuous variable)를 다루는 데 유리한 퍼지 기법과 불완전한 데이터 추론이 가능한 베이지안 네트워크 하이브리드하여 구현 한다.
전장상황은 시간에 따라 유동적이며 기존의 위협평가 시스템에서 사용되는 로우 데이터의 획득 과정에서 여러 가지의 noisy의 발생은 데이터를 변질시키거나 유실시키기도 한다. 본 연구에서는 이러한 다이나믹한 전장상황을 고려하여 데이터의 변질 혹은 유실된 상황에서도 신뢰성 있는 위협치를 추론을 수행하고자 새로운 FuzzyBayesian 융합의 위협평가 시스템을 제안한다.
위협 평가의 목적은 적군에 대한 위협 순위 리스트를 산출하여 아군의 효율적인 무기할당을 수행하는 데 있다. 이런 위협순위 리스트를 작성하기 위한 위협치를 계산하는 방법은 수학적 접근방식과 인공지능 기반의 접근 방식이 있다.
즉, JDL모델은 정보융합을 통한 판단 레벨이 계층화 되어있어 계층마다 각각의 요소기술들을 명시하는 구조로 되어 있다. 이를 활용하여 본 논문에서는 JDL 모델에 서의 정보융합 과정을 기반으로 한 위협평가 수행 시스템을 제안하고 있다. 다음 (그림 1)은 본 논문이 제안하는 전장상황에서의 위협평가 시스템의 구조를 나타낸다.
제안 방법
Threat변수는 Intent, Capability, Proximity 매개변수들에 직접적으로 의존하며, 위협은 Capability, Intent, Proximity의 조합이라고 생각할 수 있다. 따라서 이 세 Parameter를 중심으로 네트워크가 설계되었고, 세 파라미터들에 영향을 미치는 요소들을 자식노드로 설정함으로써 본 네트워크를 구성하여 실험을 진행하였다.
이 중 JDL 1레벨까지의 작업은 위협평가의 전 단계인 항적융합단계에서 주로 이루어지고 있다. 따라서 이번 연구에서는 JDL 모델의 2레벨 이후 단계에 대한 설계를 진행한다.
각각의 시나리오에 시뮬레이션을 수행하고, 각 시나리오의 흐름에 따라 얻어지는 위치, 시간, 속도 및 거리 값들은 2차원 선형 그래프로 표현한다. 또 각각의 시나 리오 상황에 대한 시간변화와 위협치의 변화 값을 이용하여 본 시스템을 검증한다. 본 실험에서 이용하는 로우 데이터들은 적기와 자산에 대한 정보들로 구성되어 있으며 그 표현 형식은 다음 (표 2)와 같다.
(그림 4)는 퍼지-베이지안 네트워크의 흐름도를 나타낸다. 본 시스템은 시작과 동시에 적군과 아군에 대한 정보를 입력받음으로써 Build Net 프로세스를 거쳐 위협평가 네트워크를 생성해 준다. 이렇게 위협평가 환경이 조성되면 평가에 이용될 Input Data를 생성하게 되는데, 이 과정은 항적융합단계에서 전달받은 1차 가공 데이터를 기반으로 퍼지 이론을 통해 데이터의 모호성을 판별하고 데이터들이 다음 프로세서에 적합하게 이용되도록 재정련하는 단계이다.
본 연구가 제안하고자 하는 시스템은 변질되어 모호해진 데이터들의 관계를 재 정련해주는 기능의 퍼지시스템과 데이터 처리 과정에서 몇몇 데이터가 유실되는 상황에서도 신뢰성 높은 위협치를 추론해 낼 수 있는 베이지안을 융합시킨 시스템이다. 즉, 퍼지이론과 베이지안 네트워크가 가지는 단점을 보완하고 장점은 최대화하는 상호 보완적인 ‘퍼지-베이지안 시스템’을 제안하고 있다.
본 장에서는 제안하는 위협평가 시스템의 이해를 돕기 위하여 전장 상황에 대한 세 가지 가상 비행 시나리오를 만들어 적용한다.
본 장에서는 퍼지와 베이지안 네트워크를 이용한 위협평가 결과와 제안하는 퍼지-베이지안 네트워크를 이용한 위협평가 결과를 비교한다.
실험 시나리오는 공중 전장상황에 대한 각기 다른 세가지 비행 시나리오가 설정되어 있으며 본 모의실험은 이를 시뮬레이션 하여 진행한다. 시나리오에는 자산으로부터 점차 가까워 주변을 지나가며 정찰임무를 수행하는 적기1, 점차 고도를 낮추며 공격하는 적기2, 이와는 반대로 공격을 마치고 자산으로부터 점차 달아나는 적기 3에 대한 비행 궤적을 모의한 것들로 구성한다.
본 논문에서는 기존의 인공지능 기반 위협평가 방법으로 사용되고 있는 퍼지 이론과 베이지안 네트워크 방법을 소개하고, 각각의 방법론이 갖는 이점을 결합한 새로운 위협평가 알고리즘을 제안한다. 이 알고리즘은 유동적인 전장상황에서 연속적인 변수(Continuous variable)를 다루는 데 유리한 퍼지 기법과 불완전한 데이터 추론이 가능한 베이지안 네트워크 하이브리드하여 구현 한다.
정보융합의 대표적인 모델이며, 정보 융합을 통한 판단 레벨이 계층화되어있는 JDL을 이용하여 전장 위협평가 시스템 설계를 진행하였고 다양한 센서로부터 얻은 데이터들을 종합적으로 분석 처리하는 위협평가방법을 제안하였다.
즉, Threat = Intent × Capability × Proximity로 나타낼 수 있고 각 노드는 센서에서 얻어지는 센서 데이터 및 퍼지에서 얻어온 값을 입력값으로 하는 다양한 파라미터 State값을 산출한다.
전처리는 초기 데이터들의 1차 가공 단계에 해당된다. 즉, 앞서 얻어진 초기 데이터들을 해당 위협정보융합 모듈에서 적합한 특징들만을 추출하여 다음 단계에서 데이터들을 효율적으로 사용할 수 있게끔 데이터들을 최적화 시켜준다.
대상 데이터
각각의 시나리오는 1000초간의 비행을 시뮬레이션 하였으며, (그림 5)는 수평면상의 각 시나리오 궤적을 표현하고, (그림 6)은 각 시나리오의 수직면상 궤적을 표현한다.
이론/모형
3레벨은 1레벨과 2레벨에서 얻은 정보를 이용하여 적기가 아군 자산에 미칠 수 있는 영향과 앞으로의 대처 방법에 대한 의사 결정을 하게 되는 단계이다. 보다 세밀하고 정확한 상황 판단을 위해서 퍼지(Fuzzy) 기법을 이용하고, 신뢰성 있는 미래 예측을 위해 베이지안 네트워크(Bayesian Network)를 이용하기로 한다.
특히, 본 논문이 제안한 방법의 특징은 퍼지와 베이지안 네트워크의 장점을 더한 퍼지-베이지안 네트워크 방법을 이용한 것이다. 퍼지-베이지안 네트워크 위협평가 방법을 사용한 결과, 전장상황에서 나오는 센서데이터들의 연관관계를 표현하고 즉시적인 평가가 가능하게 되었다.
성능/효과
각각의 실험 결과를 통하여 퍼지-베이지안 네트워크를 이용한 실험 결과가 기존의 알고리즘이 가지는 단점인 급격한 변화 및 계단식 위협평가 결과를 개선하여 미세한 위협치의 변화가 표현 가능한 것을 확인하였다.
퍼지를 이용한 위협평가 결과에서는 200초 이후의 위협치 변화가 급격하게 나타나는 결과를 보이고 있으며, 베이지안 네트워크의 경우에는 시간에 따른 위협치 변화가 계단형태를 보이고 있다. 그러나, 제안하는 위협평가 결과는 위협치 변화의 폭이 기존 알고리즘보다 작고 200초~400초 구간과 600초~700초 구간에서는 미세한 위협변화까지 표현하고 있다.
퍼지를 이용한 위협평가 결과에서는 100초 지점에서 급격한 위협 상승을 보였고 그 뒤로 400초 지점까지 완만한 위협치 변화가 일어나는 결과를 보이고 있으며, 베이지안 네트워크의 경우에는 급격한 계단식 위협치 변화를 나타내고 있다. 그러나, 퍼지-베이지안 네트워크 위협평가 결과는 위협치 변화의 폭이 작아졌으며, 급격한 계단형이 아니라, 완만한 변화를 보이고 있는 것을 확인 할 수 있다.
퍼지-베이지안 네트워크 위협평가 방법을 사용한 결과, 전장상황에서 나오는 센서데이터들의 연관관계를 표현하고 즉시적인 평가가 가능하게 되었다. 또 실험을 통하여 센서데이터의 손실이 많은 전장상황에 대한 세밀한 위협평가가 가능한 것을 확인 하였다.
위 실험 결과에서 볼 수 있듯이 상대적으로 퍼지는 전장상황에서 흔히 발생할 수 있는 센서 데이터의 유실에 취약할 수 있는 것을 확인하였다.
특히, 본 논문이 제안한 방법의 특징은 퍼지와 베이지안 네트워크의 장점을 더한 퍼지-베이지안 네트워크 방법을 이용한 것이다. 퍼지-베이지안 네트워크 위협평가 방법을 사용한 결과, 전장상황에서 나오는 센서데이터들의 연관관계를 표현하고 즉시적인 평가가 가능하게 되었다. 또 실험을 통하여 센서데이터의 손실이 많은 전장상황에 대한 세밀한 위협평가가 가능한 것을 확인 하였다.
시나리오3은 최초 자산과 가장 가까운 거리에서 낮은 고도를 갖고 있어서, 높은 위협치를 보였으나, 공격 후 점차 자산 쪽에서 멀어짐에 따라 위협치가 낮아지고 100초 이후에 가장 낮은 위협치를 보이고 있다. 퍼지를 이용한 위협평가 방법과 베이지안 네트워크를 이용한 위협평과 결과 150초 지점에서 이미 급격한 위협치 변화로 가장 낮은 위협수치에 접근하였으며, 그 이후 다른 위협치의 변화를 보이지 않는다. 하지만 퍼지-베이지안 네트워크 위협평가 방법은 계속해서 미세한 위협치 변화를 보이고 있는 것을 확인할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
위협평가란 무엇인가?
위협평가(Threat Evaluation)는 상대의 항적 정보를 바탕으로 적의 공격으로부터 아군의 자산을 보호하는 것을 목적으로 하는 전술 기법이다[1]. 이는 효율적으로 자산을 보호할 수 있으며, 위협순위리스트를 통하여 적에 대한 대응 우선순위를 설정하여 격추율을 높일 수 있다.
위협 평가의 목적은?
위협 평가의 목적은 적군에 대한 위협 순위 리스트를 산출하여 아군의 효율적인 무기할당을 수행하는 데 있다. 이런 위협순위 리스트를 작성하기 위한 위협치를 계산하는 방법은 수학적 접근방식과 인공지능 기반의 접근 방식이 있다.
정보융합이 상황 인지와 예측에 용이한 기법인 이유는 무엇 때문인가?
정보융합(Information Fusion)이란 같은 모집단에서 나온 서로 다른 표본들을 포함하는 데이터 집합을 결합하는 기법 또는 처리 과정을 의미한다[6]. 이는 한 모집단에 대한 여러 가지 데이터를 통해 현상에 대해 다양한 정보를 제공해 주기 때문에 상황 인지와 예측에 용이한 기법이다[7]. 따라서 이러한 이점들을 가지고 전장 상황에서 다양한 센서 데이터들로부터 상황을 인지시켜 의사 결정을 돕도록 하는 구조의 많은 기법들이 연구 중에 있으며, 그 대표적인 모델로는 JDL 모델이 있다[8].
참고문헌 (14)
Stephane Paradise, A.R.Benaskeeur, M.Oxenham, "Threat evaluation and weapons allocation in network centric warfare. In Proceedings of the 8th, pp. 1078-1085, 2005.
Yawei Liang., "A fuzzy knowledge based system in situation and threat assessment", Journal of Systems Science & Information 4(4), 791-802, 2006.
Fredrik Johansson, "Evaluating the Performance of TEWA Systems", Doctor Degree Thesis. Orebro University, 2010.
Dean J.Morrissey. "A study on the use of fuzzy logic in situation and threat assessment", Master Degree Thesis. Royal Military College of Canada, 2005.
Mohamad Khaled Allouche, "A pattern recognition approach to threat stabilization", DRDC Valcartier, 2006.
한상훈, 하덕주, 최종후. "데이터 퓨전: 개념, 문제, 대안," 한국 통계학회, 추계 학술 대회 논문집, 2004.
박성원, 권지웅, 최진영. "데이터 퓨전을 이용한 얼굴영상 인식 및 인증에 관한 연구" 한국지능시스템학회, pp.302-306, 2001.
T. Neumann, "multisensor Data Fusion in the decision process on the bridge of the vessel," Gdynia Martime University, Ddynia, Poland. 2007.
An Steinberg, FE White, Cl Bowman, "Revisions to the JDL Data Fusion Model," Dtic.mil, 1999.
L. A. Zadeh, "Fuzzy sets", Inform. Contr., vol.8, pp.338-353, 1965.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.