如果管理得当，大量的数据对许多行业来说都是福音，包括军事。在不知道何时、何地和如何部署资源的情况下，不可能发动有效的军事行动。因此，军事大数据有助于国防领导人做出更好的决策，前提是它不是“黑暗的数据。”
“大数据”这个词是20多年前在a纸在第8届th1997年IEEE可视化会议。这个术语描述单个数据集太大，以至于无法装入主存。
当时，电脑记忆是在兆字节，与128 MB最强大的运行。随着科学家在中更多的数据来在越来越快的速度，因为信息共享互联网，也难怪有这么多的压力，开发技术来处理大数据。
如今，最便宜的智能手机运行在1g (1000 MB)的内存上，因此不断增长的数据量并不像以前那样是个大问题。用今天的话来说，就是全球数据量2013年是4.4泽字节(1泽字节= 44万亿GB)，到2020年可能上升到44泽字节或更多。然而，先进的计算机硬件使数据收集和存储变得相对便宜和容易。此外,近期发展在人工智能(AI)和机器学习(ML)技术中，分析也变得更加易于管理。
争论往往围绕着军事大数据的收集，但是。最近的一个沸沸扬扬的关注可视化数据的收集使用开源的机器学习平台。在这种情况下，无人机被用来收集数据，或者用军事术语来说，用来收集情报。抗议活动与数据无关，本身，但ML可能用于攻击。
这种反对军事使用技术的突然的活力是一件奇怪的事情，因为利用它来收集情报并不是什么新鲜事。当然，今天使用的方法是不同的，但是数据本身的性质和重要性是不同的。
军方继续收集情报与协同情报机构在不同的学科，这可能被有趣地称为“INTs”。“IC下有17个组织，但它们在军事上的路径交叉于以下学科:
- 人工情报(情报)
- GEOINT(地理空间情报)
- 信号情报(信号情报)
- OSINT(开源情报)
人工情报:人类智慧
人类的智慧聚会（HUMINT）通过与人的个人联系信息收集。信息需要的文档，照片，数字文件和其他材料的形式，通过非官方渠道或公开地通过外交或领事人员与外国官员以及授权的通信暗中收购。军方也可能是通过敌人的审讯或旅客述职获取情报。
大多数人会把HUMINT和间谍联系在一起，有时被开玩笑地称为世界上第二古老的职业，他们大部分是对的。间谍在这一学科的情报收集工作中继续发挥着重要作用，尽管作用更大补充其他的整数。例如，一个人工联系人可能提供给SIGINT操作符远程访问系统的代码。
HUMINT在这天科技进步的重要性也即将上下文在评估军事目标的有效性和观察军事目标展开的过程中，派人在现场可以提供宝贵的(人类的)洞见。
通过数据采集HUMINT往往是在不同的格式无论是模拟的还是数字的。它可能是音频、视频、文本或图像，必须经过分析才能与其他学科收集的数据集成。基于人工智能的软件可以标记、组织和分析HUMINT数据，目前军方正在评估的一种软件是雷神公司的FoxTen。
下面是一段1分35分钟的短片，展示了FoxTen的能力:
然而，人工智能可能很快就会扮演a更加积极的作用为了对抗跟踪技术，有些是专门为间谍设计的，有些是不知情的工具。的中央情报局有几个正在进行的AI项目，包括想出办法来欺骗跟踪设备或地图的敌对或未知的领域监控摄像头的位置。
GEOINT：地理空间情报
根据美国法典，地理空间情报指使用和研究图像和地理空间数据来解释、回顾和可视化地表示地球特征和活动。简单地说，GEOINT包括所有从空中、地面或水下采集的图像、视频和其他视觉表现形式中收集的情报。
地理情报在军事意义上的价值是提供精确的位置对象和活动，解释其含义，并给予它的框架来帮助军事决定。视觉数据通常来自卫星，无人驾驶飞行器(无人机)、自动水下航行器(AUV)和其他测量技术。
在大多数情况下，GEOINT数据是来自不同来源的地理空间数据的集成，以创建情况的三维表示。这反过来又集成到多int数据中。
本节特别提到的是无人机的使用无人驾驶飞机。军方一直在使用无人机收集情报，以支持军事人员和军事行动很多年。
然而，通信速度的提高、存储容量的增大和能力的提高机器视觉软件自主操作无人机导致了数据过载。
军方的库存中有8000多架无人机，而且使用效果很好。工作人员必须四处走动1600小时每天的视频片段，这还不包括图像。这些数据对地面上的士兵和总部的指挥官来说是无价的，但前提是分析要准确和及时。
AI和ML算法能够分析视频和检测威胁更快，更彻底，比人工操作即可。这是项目的Maven，目前使用基于TensorFlow平台做基础预测分析无人机的片段。在谷歌决定不更新ai -发展项目之后，五角大楼转向启动Anduril行业为军用无人机开发传感器融合平台。
据该公司的网站，与晶格AI平台，只有最后的信息才会传回给用户。这使得由强大的计算机组成的大规模可扩展网状网络能够进行数据处理，而不需要部署服务器场或命令中心。”
SIGINT：信号情报
信号情报是关于通过截获信号和传输而获得的外国目标的行动、目标和能力的信息。根据传输类型的不同，有三个SIGINT子集。COMINT来自通信系统，ELINT(电子情报)来自雷达和武器系统，FISINT(外国仪器信号情报)来自正在开发或测试的武器系统。
美国国家安全局(NSA)通常使用各种方法收集有关恐怖分子、组织以及与国际或外国组织有联系的人士的情报，但倾向于使用无人机比什么都重要。只有这样当需要正式由美国政府。的NSA平移，进行解码，并将原始数据分析成可用的形式用于非NSA分析师，如那些在CIA和IC。这些机构结合NSA材料与其他INT的数据绘制一个完整的画面。
SIGINT总是有足够多的数据来工作，因为它有这样一个来源广泛。电话通话、电子邮件、无线电波、卫星传输、无线连接，甚至键盘振动都在持续进行，为美国国家安全局提供了大量信息。
面临的挑战是我的从随机信号的谷壳有价值的信息的内核。的收集过程涉及首先从对话的潺潺提取某些类型的信号从信号或谈话层。提取后，SIGINT分析师筛选候选项目选择基于一组参数保留的人。美国国家安全局则存储这些选定的项目，并将其发送到用于进一步分析的请求代理。
这个过程是艰苦的，并不总是尽可能彻底。不可避免的是，集成电路将期待先进的人工智能和毫升技术，使这走得更快，更好。SIGINT的主要目的是防御。了解敌人的位置、意图和能力对防止对士兵和平民的伤害大有帮助。
然而，研究人员越来越希望SIGINT能做其他事情。一是提供洞见，帮助他们从收集的数据中对未来事件做出准确的预测。
集成电路研究部门智能高级研究项目活动(IARPA)联系了学术和商业领域的数据科学家和ML工程师，以开发连续的、自动化的SIGINT分析技术。被称为水星的挑战该算法能够有效地“预测包括军事行动、社会动荡或传染病在内的事件，特别是在中东和北非的阿拉伯语国家。”
此外，复杂的快速崛起网络及电磁活动来自对手的电子战迫使军队这样做汇合在SIGINT，网络和电磁系统整合到一个平台：地面层情报系统。陆军正在积极寻找加速集成的建议，包括开发机器学习软件以减少工作量。
SIGINT技术的另一个潜在用途是扮演更积极的防御角色。探测、识别和评估信号威胁级别(如地对空导弹的雷达)的能力，可以说明任务成功与否的区别。
的波音公司ea - 18 g“咆哮者”通过干扰敌人的雷达信号来保护士兵的安全。他们计划通过整合人工智能软件，让咆哮者在防御中更加有效。人工智能软件可以更快地探测到信号，更准确地分辨出友军和敌军。
下面是示出AI-增强咆哮的电位的短视频：
SIGINT收集和分析的世界不再是拦截消息和破解代码以供他人采取行动的世界。在精确数据和机器学习的帮助下，SIGINT正在接受快速发展的电子战的挑战。
开源情报
由于可能被术语直觉，开源情报收集从公开或公开资源开采为特定目的的数据。这是OSINT的定义非常广泛，更详细的一个一直难以查明了50年OSINT已经存在。根据兰德公司，原因是公开的数据源总是在不断变化。因为互联网的使用变得普遍发生和社交网络应用的爆炸这已经变得更加明显。
OSINT的来源经过多年的演变。在最初的迭代在美国，最多产的OSINT来源是电视、广播和印刷媒体。以前，人工操作人员会手动遍历这些数据源。后来，情报机构使用商业现成的收集、清理和分析OSINT数据的软件。
传统媒体仍然是OSINT的来源，但真正的来源强国因为数据收集是通过互联网进行的。即时访问随时可用的和不断更新的数据有利于情报收集工作。这些内容包括博客、在线报纸、社交网络、视频流媒体服务、论坛和其他用户贡献的内容，以及隐藏在网站后端的精华。
问题在于可用数据的绝对数量和复杂性。来自互联网的数据流有一层又一层的细微差别，分析师必须执行从事实核查到情绪分析的所有工作，始终牢记数据的上下文。
来添加的角度来看这项任务的艰巨性，认为社交媒体。平均而言，Twitter用户上传的6.56亿微博和Facebook用户发布的一天4.3十亿的消息。这是只有两个社交网络的数据。再加上每天数的谷歌搜索作出（5.2十亿），观看YouTube视频（4元一分钟），博客文章发表了，这数额可用于军事数据的一个非常大的数量。
在军队,分析师必须能够过滤这些数据流，以识别和分类对军事战略和行动有任何使用或影响的一切。这可能与某些国家、特定个人、危险人口、武器等有关。他们必须彻底地做到这一点，在人类行为的背景下，并且是实时的。
这显然是一个不可能的任务，如果没有认真的帮助，人类操作员，IC知道这一点。为了满足这一需求，中情局目前正在研究几个项目使用AI的OSINT，但不是唯一的分析。它计划使用人工智能软件和自然语言处理算法，通过社交网络和其他OSINT来源的数据流系统去。该软件将只选择相关项目，75％理论上降低了OSINT收藏家的工作量。
的的想法是与民营企业合作开展OSINT、大数据采集与分析的机器学习实验，为期5年。美国中央情报局于2018年5月宣布了梅萨维德项目，但目前还没有关于该计划的最新消息。
然而，商业部门却没有这么谨慎。像谷歌这样的公司已经有专门设计来处理的工具和api大数据。下面是说明谷歌的BigQuery的功能只有短短2分钟的视频：
军队的大数据来源很多，信息超载是一个非常现实的问题。人工智能和机器学习可能是一种有效的解决方案，但我们应该更了解这些力量，而不是去重新发明轮子。指望商业和学术机构来处理大数据是军方合乎逻辑的、最具战略意义的举措。
标题图片来源:以色列国土安全
