人工智能（AI）与战术通信及网络的集成重新定义了军事行动，为实时决策、增强的态势感知和安全数据传输提供了先进能力。本研究探讨了人工智能技术对防御通信基础设施的潜力和影响，重点关注关键应用，例如基于雷达的数据传输、无人机辅助中继系统，以及人工智能与物联网（IoT）、区块链和增强现实（AR）等新兴技术的融合。人工智能增强的系统促进了威胁检测自动化、动态加密和自主决策，显著提高了在对抗性环境中的作战效率和安全性。然而，人工智能在军事领域的部署也带来了与对抗性威胁、伦理关切以及跨多国部队的互操作性相关的关键挑战。本研究对这些进展和挑战进行了深入分析，为人工智能在防御通信中的未来及其重塑战场的潜力提供了见解。本文最后讨论了在军事行动中负责任且有效实施人工智能所必需的技术、伦理和战略考量。
关键词：人工智能驱动的通信网络，态势感知，自主决策，防御雷达系统，无人机辅助中继系统，军事网络安全
1. 引言
1.1 背景
将人工智能（AI）集成到战术通信和防御网络中，代表了现代军事条令中最重大的技术转变之一。随着日益复杂和非对称战争环境的出现，传统的通信模式已被证明不足以确保快速、安全和具备态势感知能力的响应。因此，人工智能已成为一种战略赋能器，能够在整个作战区域实现实时数据处理、自主决策和增强的态势感知能力（Monzon Baeza等人，2025）。在当代防御场景中，军事单位常常需要在动态、高威胁的环境中行动，这就要求通信系统必须敏捷、有韧性，并能够适应不断演变的威胁。人工智能通过自动化收集、分析和分发来自不同传感器和平台的大量异构数据来解决这一迫切需求（军事知识库，n.d.-a）。这种自动化显著减轻了军事人员的认知负担，使他们能够做出更快、更明智的决策。机器学习（ML）算法，特别是深度学习和强化学习，使这些系统能够检测异常、优化带宽分配和预测网络拥塞——这些功能对任务成功至关重要。
人工智能在防御通信中的关键贡献之一是其增强战场态势感知的作用。人工智能驱动的平台将来自陆、海、空、天和网络空间多个领域的信息合成为连贯的作战图景，使指挥官能够以前所未有的清晰度理解威胁、机遇和部队位置（《金融时报》，2025）。例如，“联合全域指挥与控制”（JADC2）计划强调了人工智能在整合整个军事领域的传感器、射手和决策者方面的重要性。人工智能在该系统中充当连接组织，促进无缝的信息流和多层次的威胁评估（维基百科，n.d.-a）。基于雷达的通信系统，作为军事监视和瞄准的长期支柱，也从人工智能集成中受益匪浅。这些系统传统上依赖手动信号解读，现在则利用人工智能实时处理雷达回波，过滤噪声并提取可操作的见解。Monzon Baeza等人（2025）详细介绍了人工智能算法如何能够对目标进行分类、跟踪其运动甚至预测其轨迹，从而提高作战精度。这种能力在对抗性或电子降级的环境中尤其重要，因为对手通常会在此类环境中采用信号干扰和欺骗手段。
此外，无人机（UAV）在军事行动中的日益使用扩大了人工智能驱动网络的范围。无人机在战术网状网络中充当移动中继节点，扩展通信范围并在障碍地形中确保视距传输。人工智能根据环境数据和任务目标优化其飞行路径和中继行为。Abohashish等人（2023）证明，强化学习模型通过动态调整位置以保持最佳信号覆盖，显著提高了无人机辅助网络的效率和可靠性，即使在敌方干扰或自然障碍下也是如此。军事通信中的网络安全是人工智能产生变革性影响的另一个领域。战术网络是网络威胁的主要目标，范围从拒绝服务攻击到敌对人工智能系统的复杂渗透。人工智能增强的网络防御机制可以自动检测并响应此类入侵，通常早在操作人员意识到漏洞之前（军事知识库，n.d.-b）。这些系统依赖行为分析和威胁情报模型来标记可疑活动、实施零信任架构并部署自动对抗措施。此外，区块链技术正日益与人工智能结合，以确保关键任务数据的完整性和机密性，在去中心化和敌对环境中建立信任。
除了优化技术性能外，人工智能还实现了更高程度的作战自主性，这一特性在远程或高风险部署中尤其宝贵。人工智能驱动的智能体现已能够执行整个通信协议，包括频谱管理、加密处理和信号路由，而无需人工干预。这种自主性不仅加快了响应时间，还使人类操作员能够专注于战略层面的决策。美国国防部及盟军已经认识到这一潜力，并正在积极开发能够通过自然语言界面和增强现实（AR）显示器与人类决策者交互的人工智能系统（军事知识库，n.d.-a）。将人工智能集成到战术通信中也带来挑战。其中最紧迫的问题包括透明度、互操作性和伦理问题。人工智能决策过程通常缺乏可解释性，这引发了关于问责制的问题，尤其是在用于致命自主系统时（《金融时报》，2025）。另一个挑战是确保由不同军种或盟国开发的人工智能系统能够无缝协同运作——这项任务需要标准化协议和共享本体（维基百科，n.d.-a）。此外，对抗性人工智能——旨在欺骗或瘫痪己方系统——构成了一种新兴威胁，必须通过稳健的测试和持续学习框架来应对（Monzon Baeza等人，2025）。
尽管存在这些挑战，军事界继续在人工智能研发方面投入大量资金。诸如DARPA的“马赛克战争”和北约的人工智能战略倡议等项目正在探索人工智能应用的整个范围，从自主信号路由和决策支持系统到智能威胁识别和人工智能增强的网络行动。这些倡议旨在创建分层和冗余的通信基础设施，既能抵御攻击，又能适应不断变化的战术条件。此外，量子计算和6G等新兴技术有望与人工智能产生协同效应，放大其管理通信复杂性的能力。量子算法可能会猛烈加速加密数据的处理，而人工智能可以使用预测分析来先发制人地重新路由流量或启动对抗措施。这些技术相结合，有望重新定义军事通信的速度、准确性和可靠性，为未来冲突提供决定性优势。将人工智能注入战术通信和防御网络不仅仅是一次技术演进——它是一次范式转变，重新定义了战场上信息的收集、处理、共享和行动方式。随着各国竞相开发最智能、最具韧性的军事网络，人工智能的战略价值将继续增长。通过实现实时、安全和自主的通信系统，人工智能不仅提高了作战效能，而且确保了在数字化战争时代的战略主导地位。
1.2 人工智能在战术通信中的重要性
人工智能在战术通信中的部署标志着现代防御作战的一次深刻演变。随着当代战场日益数据驱动和多域化，军队快速评估和响应动态威胁的能力在很大程度上依赖于实时信息处理、安全传输和自主协同。人工智能通过使系统能够以更高的速度、精度和韧性运行来增强这些能力。本节探讨人工智能显著增强战术通信的三个关键领域：态势感知、安全数据交换和自主决策。
1.2.1 增强的态势感知
态势感知——即感知、理解和预测作战环境的能力——是有效军事指挥与控制的基础。人工智能通过整合和分析来自各种来源（包括地面传感器、空中监视、卫星图像、人力情报和信号情报）的海量数据流，极大地扩展了态势感知的范围和分辨率。传统系统常常在延迟和处理异构数据带来的认知超负荷方面遇到困难。人工智能通过数据融合技术缓解了这一问题，该技术允许快速解读复杂环境。算法，特别是那些基于深度学习和神经网络的算法，可以对输入数据进行分类和优先级排序，提取模式并生成可操作的见解（Monzon Baeza等人，2025）。这些能力使指挥官能够实时接收准确且动态的战场态势图，这对于在高节奏或模糊条件下进行的作战至关重要。
例如，人工智能增强的地理空间分析可以利用历史和实时数据集识别地形特征、预测部队移动并估算敌方意图（Zhao等人，2023）。在域间互操作性至关重要的联合部队作战中，人工智能充当统一工具，聚合来自空中、陆地、海洋、网络和空间域的输入，以构建一个集成的作战图景（维基百科，n.d.-a）。这一点在"联合全域指挥与控制"（JADC2）架构中得到了体现，该架构利用人工智能弥合各军种之间的通信和决策差距（军事知识库，n.d.-a）。此外，人工智能驱动的可视化平台——例如增强现实（AR）叠加和全息界面——将分析输出转化为人类操作员易于理解的格式，促进在战场上直观快速地决策（Qin等人，2022）。这些发展反映了人工智能不仅如何提高态势感知的准确性，而且改善了信息在战术决策情境中的可用性。
1.2.2 安全数据交换
随着网络战成为现代冲突的一个主要特征，确保通信网络的安全既是一项战略必要，也是一项技术挑战。人工智能在保护战术网络免受一系列威胁（包括恶意软件、网络钓鱼、干扰、欺骗和高级持续性威胁（APT））方面贡献显著。人工智能的关键优势之一在于其能够通过建立行为基线和识别偏差来检测网络流量中的异常。这些能力对于在预定义规则或特征尚不存在的零日场景中进行早期威胁检测至关重要（军事知识库，n.d.-b）。诸如入侵检测系统（IDS）和入侵防御系统（IPS）等人工智能系统现在采用无监督学习和强化学习来持续适应新出现的威胁（Li等人，2021）。
此外，人工智能支持动态加密协议，即根据变化的通信模式和威胁评估实时生成和交换加密密钥。这种方法，有时被称为认知密码学，最大限度地降低了密钥泄露的风险，即使在对抗性电磁环境中也能增强安全数据交换（Zhang & Xu, 2022）。此外，人工智能支持在军事通信系统中部署区块链，用于去中心化身份验证和数据完整性验证（Ahmed等人，2021）。无人机辅助网络和移动自组织网络（MANET）由于其分布式特性和对无线传输的依赖而尤其脆弱。人工智能通过自主管理访问控制、检测干扰源以及通过安全节点重新路由通信来解决这些漏洞（Abohashish等人，2023）。实时重新配置这些网络的能力增强了任务的生存能力，并确保了在对抗条件下的作战连续性。此外，国防机构正在探索人工智能在创建零信任架构中的作用，在该架构中，通过人工智能驱动的监控工具强制执行持续的身份验证和授权。这些系统根据用户行为、设备历史记录和上下文数据动态调整安全协议（Chen等人，2023）。通过利用人工智能进行主动网络安全，军队在确保战术通信的机密性、完整性和可用性方面获得了关键优势。
1.2.3 自主决策
人工智能的自主运行能力可能是其对战术作战最具变革性的贡献。在敌对或通信被拒绝的环境（例如水下、地下或太空作战）中，人工智能驱动的系统可以在没有持续人工输入的情况下维持功能并执行任务目标。人工智能系统中的自主决策由先进算法驱动，这些算法评估实时数据，模拟可能的结果，并根据任务优先级选择最佳行动方案。这些算法，包括深度强化学习和概率推理，使无人系统（例如无人机、无人地面车辆（UGV）和自主水面舰艇）能够独立执行导航、目标获取和威胁规避（军事知识库，n.d.-c）。
此外，嵌入通信节点的人工智能体可以在无需人工干预的情况下管理战术网络上的数据流。这些智能体优化带宽使用，优先处理关键消息，并在信号退化或节点故障时确保冗余路径（Monzon Baeza等人，2025）。这种自主性提高了作战韧性，并降低了人类操作员的风险，尤其是在高风险或时间敏感的场景中。另一个新兴领域是人机协同，即人工智能系统与人类指挥官并肩作战，通过预测分析、行动方案模拟和冲突解决建模提供决策支持（Gonzalez等人，2022）。在这种配置中，人工智能并非取代人类判断，而是对其进行增强，确保做出更细致、响应更迅速的命令决策。美国防高级研究计划局（DARPA）已在诸如OFFSET和"马赛克战争"等项目中探索了此类模型，其中自主蜂群在去中心化、人工智能引导的控制结构下运行（DARPA, 2023）。伦理考量仍然是防御领域人工智能自主性的一个关键维度。例如，自主武器系统（AWS）引发了关于问责制和遵守国际人道法的疑问。虽然人工智能可以提高致命决策的精确度，但人类监督对于减轻意外后果和维护伦理规范仍然至关重要（《金融时报》，2025）。尽管如此，自主人工智能系统的战略优势——速度、精度、可扩展性和适应性——强调了其在现代战争中日益增长的重要性。它们在毫秒级内分析、决策和行动的能力，在延迟可能意味着失败的对抗中提供了决定性优势。
1.3 基于雷达的数据传输
雷达技术在防御系统中扮演着关键角色，是陆、空、海、天领域目标探测、跟踪和导航的支柱。随着现代战争日益依赖以数据为中心的作战和电子机动性，雷达系统不再是独立的单元——它们已深度集成到更广泛的战术通信和指挥基础设施中。将人工智能（AI）引入基于雷达的数据传输重新定义了其能力，使其能够在复杂的作战条件下实现实时信号解读、增强的模式识别和自适应系统调谐。传统雷达系统虽然有效，但在高噪声、电磁干扰和隐身威胁为特征的环境中常常表现不佳。这些限制影响了跟踪精度，降低了态势评估的可靠性。基于人工智能的信号处理通过复杂的算法（包括神经网络和深度学习模型）应对这些挑战，这些算法能够滤除杂波、区分信号与噪声，并高精度地分类目标（Monzon Baeza等人，2025）。在实践中，这意味着能更快、更准确地探测到来袭的抛射体、飞机、无人载具或隐藏目标，而这些目标原本可能规避传统雷达。一项显著进展是人工智能增强雷达图像分辨率和分类的能力。通过在大量数据集上进行训练，卷积神经网络（CNN）能够辨别运动目标的形状、速度和意图，即使在恶劣天气或电子战场景下也是如此（Zhao等人，2023）。这些人工智能模型已被纳入合成孔径雷达（SAR）和探地雷达（GPR）等雷达平台，实现了穿透云层、植被和地下层的卓越目标识别能力（Li等人，2021）。
此外，由人工智能驱动的自适应雷达系统能够根据环境变化或战术目标动态修改操作参数——例如频率、脉冲重复间隔、波束方向和波形。特别是强化学习，使雷达能够通过持续反馈"学习"最优设置，进行实时调整以对抗对手使用的干扰和欺骗技术（Chen等人，2023）。这些智能系统还通过利用历史和实时输入预测目标轨迹和机动模式来预判威胁行为，从而改进先发制人的响应机制（Zhang & Xu, 2022）。在以电子对抗措施（ECM）和电磁脉冲（EMP）威胁为特征的战场条件下，注入人工智能的雷达架构提供了增强的生存能力。通过将人工智能与认知雷达概念相结合，系统能够感知环境线索、评估信号衰减，并执行规避性的跳频或低拦截概率（LPI）战术，从而保持通信完整性（Ahmed等人，2021）。这种主动适应性对于在对抗性环境中进行联合和多国作战时维持持续作战能力至关重要。此外，在网络中心战范式中，支持人工智能的雷达不仅作为传感器，还作为分布式网络中的数据节点。通过与其他传感器（光电、红外、声纳）进行智能融合，雷达产生的数据可以在跨域范围内进行情境化和关联分析，提高决策优势（Gonzalez等人，2022）。这种集成的数据共享（通常由基于人工智能的边缘计算促进）支持更快、更可靠的指挥与控制（C2）周期。因此，人工智能驱动的基于雷达的数据传输为军事传感和通信框架提供了变革性的增强，实现了主动威胁检测、自适应响应以及与人工智能驱动的战术网络的无缝集成。
1.4 无人机辅助中继系统
无人机（UAV）已成为现代军事行动中战术灵活性和态势掌控的关键赋能者。除了在监视、侦察和目标定位方面的传统作用外，无人机现在在扩展和加强通信网络方面发挥着关键作用，尤其是在动态和通信被拒止的环境中。当配备人工智能时，无人机辅助中继系统提供了一种有韧性、自适应和智能的替代方案，以替代静态或易受攻击的地面通信基础设施。在敌对环境或大规模机动期间，传统通信基础设施可能被摧毁、降级或根本不存在。人工智能驱动的无人机通过自主建立机载中继网络来缓解这种风险，该网络恢复或扩展分散单位与指挥中心之间的通信覆盖（Abohashish等人，2023）。这些空中中继动态形成多跳连接，适应地形拓扑，并实时响应敌方干扰，即使在激烈对抗性的作战区域也能确保任务连续性。
无人机的实时定位和轨迹优化通过强化学习和群体智能算法得以实现。这些技术使无人机能够自主探索最优中继配置、平衡功耗并保持视距（LoS）通信，同时避免被探测或拦截（Chen等人，2023）。例如，Q学习算法使无人机能够根据环境反馈学习最优移动模式，从而以最少的能量消耗实现高效覆盖（Abohashish等人，2023）。多无人机之间的协同是人工智能展现显著效用的另一个领域。由人工智能驱动的多智能体系统（MAS）促进了基于群体的操作，其中单个无人机作为协作智能体共享信息并协同管理网络任务。这种去中心化的控制结构增强了韧性，允许网络在节点丢失、干扰或作战目标变化时重新配置自身（Ahmed等人，2021）。这种自愈合和自组织网络对于在战场压力下保持高可用性和低延迟至关重要。
此外，人工智能实现了无人机网络中的智能频谱管理。随着射频（RF）环境日益拥挤，配备人工智能的无人机可以自主扫描频段、检测信道干扰，并使用认知无线电技术分配频率（Li等人，2021）。这确保了最佳的带宽利用率，同时最小化了干扰和拦截的风险。另一个战略应用在于人工智能辅助的安全和访问控制。无人机网络容易受到欺骗和信号劫持，特别是在敌方电子战能力强大的环境中。人工智能通过持续监控无人机遥测数据、检测异常并实时隔离受感染节点来增强网络防御（军事知识库，n.d.-b）。结合动态加密和基于区块链的身份验证协议，人工智能为通过无人机系统中继的数据提供了加固的保护层。
人工智能还支持无人机的预测性维护和飞行路径规划。通过分析操作数据，机器学习模型可以预测机械故障、优化维护计划并延长无人机机队的任务持续时间。在后勤和供应链角色中，配备人工智能的无人机自主导航复杂地形，精确投送有效载荷或恢复通信（Gonzalez等人，2022）。在合成兵种和联盟行动中，互操作性至关重要。人工智能通过标准化的数据转换和协议中介，促进了无人机中继系统与有人平台、地面车辆和指挥所的集成。这些能力与联合全域指挥与控制（JADC2）的原则相一致，其中人工智能增强的无人机充当不同节点之间的重要通信桥梁（维基百科，n.d.-a）。
1.5 与新兴技术的集成
当人工智能（AI）与其他变革性技术集成时，其在战术通信中的作用被显著放大。这些协同效应通过提供增强的安全性、实时响应能力和有韧性的决策框架，扩展了军事网络的作战能力。人工智能与物联网（IoT）、区块链和增强现实（AR）等技术的融合标志着防御通信基础设施的一个关键性演变。
1.5.1 物联网（IoT）
物联网设备在军事环境中的激增——包括地面传感器、无人载具、可穿戴设备和智能基础设施——创造了大量、分散的实时数据源。人工智能在协调和分析这些数据流以增强态势感知和作战效能方面发挥着核心作用。机器学习模型可以从传感器数据中检测模式和异常，从而预测敌对活动、设备故障或地形条件的变化（Xu等人，2022）。例如，在战斗场景中，人工智能驱动的系统可以综合来自战场可穿戴设备、无人机反馈和生物特征监测器的输入，以评估士兵健康状况、敌方移动和环境危险，从而实现及时的命令决策（Yassine等人，2019）。深度学习架构，如长短期记忆（LSTM）网络，在解读来自物联网设备的序列数据方面特别有效，为后勤和任务规划提供了预测分析能力（Singh等人，2021）。此外，人工智能驱动的边缘计算允许在数据源处或附近进行数据处理，这减少了延迟和带宽消耗——在通信被拒止或降级的环境中这是关键优势（Zhang等人，2023）。这种去中心化的方法确保了关键任务决策可以自主且即时地做出，而无需依赖集中式数据中心。
1.5.2 区块链
将区块链技术集成到人工智能增强的战术网络中解决了长期存在的网络安全问题。区块链提供了一个不可变的、去中心化的账本系统，确保分布式系统中的数据来源和透明度（Conti等人，2018）。通过将区块链与人工智能结合，防御通信系统同时获得了鲁棒性和智能性。例如，人工智能算法可以监控区块链记录中的异常交易或访问尝试，触发自动响应，如身份验证或访问拒绝（Dorri等人，2019）。在军事后勤中，这种集成确保了命令订单、供应链和系统日志的真实性，降低了内部威胁和网络破坏的风险。此外，区块链可以管理战术环境中设备和人员的安全数字身份。人工智能系统可以根据上下文数据动态验证访问权限、检测行为异常并执行自适应认证策略（Singh等人，2021）。这种协同效应加强了现代防御架构日益青睐的零信任安全模型。
1.5.3 增强现实（AR）
由人工智能驱动的增强现实（AR）能够向作战人员提供实时的、上下文敏感的信息叠加，显著提高作战意识和认知表现。通过集成传感器数据、卫星图像和指挥输入，人工智能使AR系统能够通过智能面罩或平视显示器将关键任务洞察直接呈现在士兵的视野中（Tang等人，2020）。人工智能增强的AR系统可以识别地形特征、高亮显示敌方位置，并根据实时数据流和预测算法指示移动通道。自然语言处理（NLP）和计算机视觉模型支持直观的交互，允许作战人员在高压力环境中通过手势或语音命令控制界面（Javidi等人，2021）。在训练环境中，由人工智能支持的AR可以模拟复杂的战斗场景，其动态对抗行为基于真实世界的冲突数据建模。这有助于更有效的准备和更快地适应战场条件。
1.6 挑战与考量
虽然人工智能集成带来了显著好处，但其在战术通信中的实施伴随着重大的技术、伦理和战略挑战。理解和应对这些挑战对于在防御环境中负责任且有效地部署人工智能至关重要。
1.6.1 对抗性威胁
人工智能模型，特别是那些基于机器学习和深度学习的模型，容易受到对抗性攻击——即旨在欺骗系统的对输入数据的故意操纵。在战术环境中，这种欺骗可能导致威胁的错误识别、资源的错误分配或任务失败（Monzon Baeza等人，2025）。对抗样本涉及对传感器输入或图像数据的细微改变，可能导致人工智能系统错误分类目标或完全忽略敌对实体（Goodfellow等人，2015）。为了应对这一点，防御机构必须开发强大的人工智能模型，能够检测被篡改的数据，并针对新的攻击向量持续进行再训练（Papernot等人，2018）。联邦学习和对抗性训练是在作战环境中增强人工智能模型韧性的有前景的方法（Liu等人，2023）。
1.6.2 伦理关切
在军事背景下将决策权委托给人工智能系统引发了深刻的伦理问题。当涉及人工智能时，诸如自主瞄准中的问责、武力相称性以及遵守国际人道法等问题变得日益复杂（Crootof, 2015）。例如，如果一架人工智能驱动的自主无人机错误识别了一个民用目标，确定责任——在于操作员、程序员还是制造商——在法律和道德上仍然模糊不清（《金融时报》，2025）。致命性自主武器系统（LAWS）的部署引发了全球辩论，许多人呼吁制定具有约束力的国际法规以确保有意义的"人类控制"（Scharre, 2018）。因此，战术通信中的人工智能必须受到透明政策、伦理监督和优先考虑人类在生死决策中判断力的约束。可解释人工智能（XAI）方法正日益发展，以确保军事人员能够实时理解、审核和质疑人工智能的决策（Gunning等人，2019）。
1.6.3 互操作性
在联合行动中成功部署人工智能增强的战术通信系统取决于其跨不同平台和标准进行互操作的能力。由于盟军之间在通信协议、数据格式和网络安全标准方面存在差异，互操作性挑战随之产生（维基百科，n.d.-a）。人工智能可以通过动态翻译协议和跨系统规范化数据来提供帮助。然而，实现真正的互操作性需要协调的标准制定、共享的本体论和开放的接口（Lemay等人，2022）。诸如北约的"联邦任务网络"（FMN）和美国国防部的"联合全域指挥与控制"（JADC2）等倡议强调需要能够与现有基础设施无缝集成，同时保持安全性和可扩展性的人工智能系统。此外，各国关于在战争中使用人工智能的伦理政策差异可能阻碍联盟努力，这凸显了共享条令和多边协议的重要性。
2. 文献综述
人工智能在军事通信系统中的集成已被广泛研究，被视为提升战略和战术能力的变革性力量。根据Monzon Baeza等人（2025）的研究，人工智能通过实现网络的动态重构、智能数据路由和实时自主决策，正在从根本上重塑战术通信的架构。他们的全面综述将现有的人工智能应用分类为信号处理、频谱管理和威胁检测，为理解人工智能如何支持关键任务通信提供了基础。同样，军事知识库（n.d.-a）探讨了人工智能如何支持来自多域传感器的数据融合，从而促进增强的态势感知。他们的工作强调了人工智能算法与物联网（IoT）设备在优化信息处理方面的协同作用，这对前线作战至关重要。这些研究共同表明，人工智能的适应性使其能够比传统系统更有效地应对复杂和敌对的环境。
人工智能在雷达系统中的应用是文献中另一个反复出现的主题。Monzon Baeza等人（2025）强调了人工智能驱动的雷达如何在信号干扰或降级的条件下处理大量原始信号数据以提取有意义的模式。通过利用深度学习和模式识别，这些系统即使在杂乱或动态的作战区域也能提供准确的目标识别和跟踪。Abohashish等人（2023）通过将人工智能与无人机辅助雷达中继系统集成进一步阐述了这一点。他们的工作展示了使用强化学习来优化无人机位置以实现可靠的雷达数据传输。该研究在信号质量和能源效率两方面都展示了量化的改进，为在通信被拒止区域部署配备雷达的无人机提供了实用的路线图。
将无人机部署为移动通信中继已成为克服固定基础设施局限性的重要策略。Abohashish等人（2023）提出了一个强化学习框架，使无人机能够根据环境和作战变量自主重新定位。该研究在模拟的5G网络上测试了这一系统，证明了其在吞吐量和信号稳定性方面的显著增益。此外，Monzon Baeza等人（2025）讨论了使用人工智能实现无人机之间的多智能体协同，这对于在大型行动中保持网络连续性至关重要。这种由人工智能驱动的决策模型实现的协作方法，即使在对抗性干扰或基于地形的信号阻塞期间也能确保稳健的通信。这些见解凸显了人工智能增强的无人机中继网络在现代战争中的作战意义。
人工智能在网络安全中的应用构成了另一个核心研究领域。军事知识库（n.d.-b）深入探讨了人工智能如何通过持续监控异常、执行对抗措施和管理动态加密协议来保护战术网络。他们的研究认为，人工智能不仅对威胁检测至关重要，而且对自动威胁响应也至关重要，尤其是在零信任和敌对环境中。与此相辅相成的是，Monzon Baeza等人（2025）提出了对对抗性人工智能的担忧——即设计恶意输入来欺骗机器学习系统。他们主张开发能够抵抗此类攻击的鲁棒人工智能模型。这些观点共同揭示了人工智能在加强网络安全和减轻人工智能自身固有脆弱性方面的双重作用。
人工智能通过实现半自主或全自主作战来减轻军事人员认知和后勤负担的潜力已有充分记载。根据《金融时报》（2025）的观点，战场人工智能系统可以在压缩的时间框架内执行决策支持功能，使指挥官能够更快、更果断地行动。然而，文章也触及了伦理困境，例如致命性自主武器系统（LAWS）中的问责问题，将讨论推向了技术可行性之外的军事伦理领域。维基百科关于“联合全域指挥与控制”（JADC2）的条目（n.d.-a）为这场讨论增添了系统性维度。JADC2将人工智能集成到一个多军种通信框架中，该框架连接了跨空、陆、海、天和网络域的传感器、射手和指挥官。人工智能在这里被定位为实现这种无缝跨域整合的统一要素，这对未来的作战行动至关重要。
物联网（IoT）、区块链和增强现实等新兴技术正日益与人工智能结合探索，以构建有韧性、去中心化和用户友好的通信基础设施。军事知识库（n.d.-a）指出，物联网设备在与人工智能结合时，可以在实时战场条件下自动化维护计划、检测组件故障并优先处理数据流量。同一来源讨论的区块链为敏感数据提供了不可变的记录保存，而人工智能通过实现交易的自动验证和异常检测来增强其效用。同样，集成人工智能的增强现实系统因其能够实时呈现战场情报叠加而受到强调，使士兵能够与数字信息交互，而无需将注意力从物理环境移开。
尽管人工智能驱动的通信系统潜力巨大，但一些研究告诫不要在没有适当保障措施的情况下过度依赖。诸如将生死决策权委托给算法（《金融时报》，2025）等伦理问题，以及像人工智能可解释性和互操作性（维基百科，n.d.-a）等技术挑战仍然悬而未决。Monzon Baeza等人（2025）强调需要能够解释其决策过程的透明人工智能系统，这对于军事指挥结构内的问责制和信任至关重要。此外，在多样化的人工智能系统之间实现互操作性——特别是在联合或联盟行动中——需要标准化的框架，而这些框架仍处于发展阶段。
3. 综合评述与研究缺口
现有文献为理解人工智能如何通过改进信号处理、自主中继系统和安全数据处理来增强战术通信奠定了坚实基础。然而，当前大多数研究要么侧重于特定技术（例如无人机或雷达），要么关注泛化的系统，而未将其整合到一个整体的作战条令中。此外，大多数研究依赖于模拟或受控环境，缺乏来自现役军事演习或实地部署的实证验证。以下领域需要进一步研究：
• 人工智能驱动的通信网络在真实世界条件下的作战测试。
• 跨盟国防御系统的人工智能互操作性框架。
• 通信战中自主决策的伦理和法律标准。
• 量子计算的集成，以提升战术背景下的人工智能处理能力。
4. 未来展望
人工智能在战术通信中的发展轨迹指向日益自主和具有韧性的网络。未来的发展可能包括能够适应中断的自愈网络、能够进行复杂决策的更精密人工智能算法，以及与其他先进技术的更深度集成。军事、学术界和工业界利益相关者之间的持续研究与合作，对于应对挑战和充分发挥人工智能驱动战术通信的潜力至关重要。此外，量子计算和机器学习的进步可能会进一步增强人工智能系统的能力，实现更快的数据处理和更准确的预测分析。随着这些技术的成熟，将其集成到军事通信网络中将对于在战场上保持战略优势至关重要。
5. 结论
将人工智能集成到战术通信与网络中，为现代军事行动带来了变革性潜力。通过增强态势感知、自动化决策制定和加固安全协议，人工智能驱动的系统在复杂动态的战场环境中提供了前所未有的优势。基于雷达的数据传输、无人机辅助中继系统，以及人工智能与物联网、区块链和增强现实等新兴技术的融合，共同为未来的防御通信网络构建了一个稳健的框架。然而，这些进步并非没有挑战。对抗性威胁、关于自主武器的伦理困境以及多国部队间的互操作性问题仍然是重大障碍。通过研究、政策制定和国际合作来应对这些挑战，对于最大化人工智能在防御领域的潜力，同时确保作战安全、合法合规和伦理问责至关重要。随着军事技术的持续演进，人工智能在战术通信中的作用将变得日益不可或缺，塑造未来战争与防御战略的形态。
原文
相关内容
微信扫码咨询专知VIP会员