在过去的几十年里，需要设计的系统的复杂性以惊人的速度增长。在一个单独的设计团队看来，可能是一个系统，但几乎肯定是一个更大的系统中的一个组成部分。

单独的、可授权的半导体IP块，如处理器、外围设备和总线，被集成到可授权的子系统中。反过来，这些成为芯片上系统（SoC）的组件，其小型化符合摩尔定律，生产率的提高使设计成本通过电子设计自动化（EDA）行业的工具和重复使用而得以承受。SoC反过来成为产品中印刷电路板（PCB）上的部件，被集成到F-35战斗机等系统中。虽然F-35战斗机可以说是地球上最复杂的机器，使用3500个集成电路（IC）和200个独特的芯片，集成了来自1600个供应商的20万个零件，拥有超过2000万行的软件代码，但F-35战斗机只是空中交通和通信网络这个更大系统中的 "一个组件"。

军事网络战的前景正在发生变化，这是因为数据生成和可访问性的发展、持续的技术进步及其（公共）可用性、技术和人类（相互）联系的增加，以及参与其规划、执行和评估阶段的专家活力、需求、不同性质、观点和技能。这种行动每天都在进行，最近被人工智能赋予了更多能力，以达到或保护他们的目标，并处理产生的意外影响。

数字孪生是指物理对象或系统的虚拟副本。在航空航天的背景下，这些是飞机的精确数字模型，可以模拟它们在现实世界中的行为。飞机在数字领域的全面表示使工程师能够在创建任何物理原型之前模拟各种场景、了解性能动态并优化设计。

数字孪生在飞机的设计阶段发挥着关键作用。工程师可以创建镜像物理飞机的虚拟原型，从而进行深入的分析和仿真。例如，波音和空客等公司利用数字孪生来评估空气动力学、结构完整性和系统交互。这不仅加快了设计过程，还提高了最终产品的准确性。

它使工程师能够在设计阶段创建飞机的虚拟原型。

这种虚拟表示反映了物理飞机，提供了详细而准确的模拟。

工程师使用它来深入分析和模拟飞机的各个方面。

这包括评估空气动力学、结构完整性和飞机系统内的相互作用。

使用此功能可提供用于测试和优化的全面虚拟环境，从而加快设计过程。

快速仿真可以更快地识别设计缺陷和潜在的改进。

然而，这些行动受到不同的不确定性水平制约和包围，例如，预期效果的预测，有效替代方案的考虑，以及对可能的（战略）未来新层面的理解。因此，应确保这些行动的合法性和道德性；特别是在攻击性军事网络战（OMCO）中，参与其设计/部署的智能体应考虑、开发和提出适当的（智能）措施/方法。这种机制可以通过像数字孪生这样的新型系统，在硬件、软件和通信数据以及专家知识的基础上嵌入智能技术。虽然数字孪生在军事、网络和人工智能的学术研究和讨论中处于起步阶段，但它们已经开始在不同的行业应用中展示其建模和仿真潜力以及有效的实时决策支持。然而，本研究旨在（i）理解数字孪生在OMCO背景下的意义，同时嵌入可解释人工智能和负责任人工智能的观点，以及（ii）捕捉其发展的挑战和益处。因此，通过对相关领域的广泛审查，考虑采取多学科的立场，将其包装在一个设计框架中，以协助参与其开发和部署的智能体。

在航空航天领域，这种技术的主要优势之一是预测性维护。通过传感器和实时数据源持续监控飞机的性能，工程师可以在问题升级之前识别潜在问题。这种主动方法减少了计划外停机时间，降低了维护成本，并延长了关键组件的使用寿命。

它支持使用传感器和实时数据源持续监控飞机的性能。

这种主动方法涉及在潜在问题导致停机或故障之前预测和解决它们。

Lufthansa Technik 的 AVIATAR 平台利用数字孪生技术进行预测性维护。该平台集成了来自飞机系统的实时数据，以识别和解决潜在问题，从而优化维护流程。

它与放置在飞机各处的传感器集成，以收集有关各种参数的实时数据。

这些传感器监控引擎性能、系统运行状况和整体运营指标等因素。

通用电气 （General Electric） 使用数字孪生来监控飞机系统，包括航空电子设备和推进系统。实时分析有助于预测组件故障，从而实现及时维护并最大限度地减少对航空公司运营的干扰。

尽管数字孪生被认为是在工业4.0的数字化转型过程中引入的一项关键技术，但它们有二十年的历史，甚至更早的基础。其起源是Michael Grieves的镜像空间模型，以及他与John Vickers在NASA宇航和航空航天领域项目中的进一步研究（Grieves & Vickers，2017），将数字孪生定义为 "物理产品的虚拟代表"，融合了物理和虚拟世界的优势，它包含三个组成部分：物理产品、物理产品的虚拟代表，以及从物理产品到虚拟代表的双向数据连接，以及从虚拟代表到物理产品的信息和流程（Jones等人，2020）。

对数字孪生概念的理解有不同的角度和方式，其含义可以根据应用领域进行调整（Vielberth等人，2021）。考虑到与数字模型或数字影子等相关主题存在误解和混淆，以及数字孪生不存在一致的定义（Hribernik等人，2021；Fuller等人，2020），为了确保其在攻击性军事网络战（OMCO）中的正确设计、开发和部署，采用了系统性观点，并提出以下定义：

攻击性军事网络战（OMCO）中的数字孪生子 = 一个技术系统，在其现实环境中嵌入物理系统，及物理系统的网络抽象、表示和镜像，以及它们在OMCO中的相应数据和通信流。

这个定义的要素是：

技术系统：包含其物理、网络以及数据和通信元素的整个实体。

网络抽象化、表示和镜像：系统的网络/虚拟/数字组件。

物理系统：系统的物理元素包含和虚拟化。

数据和通信流：网络和物理组件之间传输的数据，以及它们相应的通信基础设施。

换句话说，OMCO中的数字孪生是一个先进的（智能）系统，它嵌入了OMCO系统/实体的虚拟、物理以及数据和通信元素。鉴于此，在图2中提出了以下对训练、演习和实际行动有用的OMCO数字孪生架构，其中连续的箭头描述了行动中目标阶段之间的信息和结果交流，带点的箭头描述了集成部件和其他部件之间的信息和结果。该架构应该是模块化和可配置的（Silvera等人，2020），并包含两个组件：

数字孪生层，即三个数字孪生模块和一个集成模块或四个独立的数字孪生模块，其中集成DT与其他三个独立的数字孪生模块通信并获取结果。

数字孪生层，即整个数字孪生或四个集成数字孪生的物理、数据和通信以及网络组件。

此外，认识到系统将具有分析、预测或模拟功能，以支持不同的军事网络决策过程，军事指挥官及其团队有责任如何解释和使用数字孪生所呈现的结果，因此，有必要从设计阶段就将XAI和RAI方法嵌入其中。RAI必须尊重并纳入社会道德规范和价值观，XAI在整个过程中以及在呈现最终结果时，必须尊重军事技术和社会法律道德要求、规范和价值观（Arrieta等人，2009, 2020；Agarwal和Mishra，2021；Maathuis，2022a；Maathuis，2022b）。这些措施保证了负责任的OMCO发展和部署。

虽然航空航天领域的这些好处很大，但必须解决数据安全和隐私等挑战。确保敏感数据的保护至关重要，尤其是考虑到数字孪生技术的互连性质。航空航天公司正在投资强大的网络安全措施，以防范潜在威胁。

它涉及收集和利用与飞机设计、性能和维护相关的大量敏感数据。

数字孪生系统的互连性质增加了未经授权访问或数据泄露的风险。

保护敏感信息的隐私至关重要，尤其是在协作航空航天环境中。

利益相关者需要确保专有数据和知识产权得到保护。

航空航天公司正在积极投资强大的网络安全措施，以应对对数字孪生系统的潜在威胁。

这包括加密协议、访问控制和安全身份验证方法的实施。

加密数字孪生系统中的敏感数据可确保即使发生未经授权的访问，信息仍然不可读并受到保护。

采用高级加密标准来保护通信渠道和数据存储。

为了进行示范，OMCO的开发、部署和评估是在架构左侧所示的阶段进行的，其中集成DT的最终结果可以作为经验教训或对未来行动、网络或其他行动的投入而进一步使用。例如，在设计和开发阶段，选择目标，确定其核心弱点，并进一步在智能网络武器中建立一个漏洞，可以预测（非）预期效果的水平和概率，并对目标交战进行负责任和可解释的比例评估；此外，效果评估与定义的目标和依赖性有关。在这里，一个原型将通过定义和部署系统的多个实例来实现，这些实例将被汇总，同时考虑到要求以及与物理和网络环境的相互作用（Grieves, M., & Vickers; Jones等人，2020）。

作为数字化转型过程的一部分，并与若干数字和智能技术紧密相连，与其他类型的技术一样，数字孪生带来了挑战和机遇。

随着技术的不断进步，它在航空航天中的作用有望扩大。人工智能和机器学习的集成将进一步增强数字孪生的预测能力，从而实现更精确的分析和决策。此外，行业内的协作努力可以导致此类实施的标准化实践的发展。

集成到数字孪生中的 AI 算法可以持续监控实时数据中的异常情况。

这样可以及早发现异常情况，有助于提高飞机系统的安全性和可靠性。

Pratt & Whitney是一家领先的航空航天制造商，正在为其智能引擎项目投资AI驱动的数字孪生。AI 算法分析实时数据以预测发动机性能、优化燃油效率并降低维护成本。

挑战：

考虑多利益相关者视角的标准化、管理和监管（Talkhestani等人，2019年；Singh等人，2021年；Flamigni等人，2021年）：由于这些系统是在多利益相关者参与开发和部署的，在匹配所定义的目标和功能时应考虑适当的标准、管理和监管机制。

数据和算法（Jones等人，2020；Qian等人，2022；Song等人，2022）：这类系统对数据敏感，依赖于相关的高保真表示和数据添加到正确构建和部署的人工智能模型中，例如，相关数据应该被收集、分析、使用，并在系统的各个层面和层次之间共享。

安全、安保、隐私和可靠性（Glaessgen & Stargel, 2012; Vielberth et al., 2021; Chockalingam & Maathuis, 2022）和可靠性问题：如果管理不当，并且通过其在数字孪生的设计阶段就没有整合到所有层面和层次，这些有可能通过改变系统的行为来打开意外和有意的网络安全和安保事件的大门，产生大规模的影响。例如，这样的行动可能无法区分军事和民用目标，从而在民用方面产生大量的附带损害，因此系统在行动中是不可靠的。

机遇：

认识和理解、决策支持和教育（Mendi, Erol & Dogan, 2021; Talkhestani et al., 2019）：这些系统有利于理解系统的行为，支持具体的决策过程，并产生/增强不同的学习活动。例如，这些系统不仅可以对当前的行动产生情报，而且还可以通过对未来行动的评估产生情报。

建模和仿真，例如现场生命周期测试、监测、优化（Steinmetz等人，2018；Jones等人，2020；Hribernik等人，2021）：通过其性质，数字孪生对不同的系统和过程进行建模和仿真，例如，允许镜像和测试双重用途目标的行动执行，以避免预期产生的意外影响；或允许使用不同的优化技术对智能网络武器实施的路径和行动进行现场监测。

可访问性和成本降低（Barricelli, Casiraghi & Fogli, 2019；Jones等人，2020；Aheleroff等人，2021）：通过其设计界面，此类系统可被用户直接访问，有利于普遍降低实施和部署的成本。

系统仿真有可能通过设计的首次成功来提高生产前的质量，允许压缩串行开发管道，加快验证运行时间，并允许更容易和更早地分发用于软件开发的平台，更不用说在测试期间提高安全性，因为在模拟器中的崩溃要比把真实的生命置于危险之中好得多。系统仿真也与业界所说的数字孪生有很大的重叠，数字孪生是系统的虚拟代表，可以对其施加相同的刺激。

本文分析了电子设备和系统的系统仿真的挑战。利用来自商业SoC领域的实际用户例子，我们将概述在设计流程的早期使用虚拟和物理仿真来仿真各种范围和抽象水平的系统的好处。