國外媒體報道：胡塞叛軍無人機襲擊了穿越紅海和蘇伊士運河航線（占全球貿(mào)易量10%）的船只，暴露了當前船舶警報系統(tǒng)的缺陷。

這些襲擊的不可預測性和頻率的增加給通過曼德海峽該地區(qū)的船只帶來了充滿挑戰(zhàn)的安全環(huán)境，危及船員和貨物的安全，給海員和海上貿(mào)易帶來了巨大風險。

胡塞武裝的襲擊最??初針對與哈馬斯聲援的與以色列有關的船只，現(xiàn)在已升級為針對該地區(qū)任何船只的更廣泛威脅，美國領導的多國海軍特遣部隊（名為“繁榮衛(wèi)士行動”）動員起來應對這一威脅。根據(jù)也門胡塞叛軍的最新數(shù)據(jù)，自去年 11 月 19 日襲擊開始以來，迄今為止，多達 27 艘船只——主要是集裝箱船和天然氣運輸船——在這條危險的通道上遭到了也門胡塞叛軍的無人機和彈道導彈的攻擊。在撰寫本文時，美國中央司令部。

對船員福利和海上貿(mào)易的影響

這些新的威脅對多個方面產(chǎn)生影響：船舶時間表的延誤和船舶本身的損壞只是問題的一部分。對于處于攻擊之中的船員來說，其受到的影響更令人擔憂。無人機可以在任何特定時刻從任何方向毫無預警地襲擊船只，這可能會引發(fā)船員的恐懼、壓力和恐慌，讓他們幾乎沒有時間保護自己。相反，如果能夠監(jiān)控來襲的無人機，就能發(fā)出早期預警，為機組人員尋找庇護所、嘗試規(guī)避機動或報告即將發(fā)生的襲擊提供寶貴的時間。

幸運的是，到目前為止，這些襲擊尚未造成海員死亡，但這場危機對海上貿(mào)易產(chǎn)生了重大影響，包括馬士基、地中海航運和赫伯羅特在內(nèi)的主要航運公司選擇通過改變船只航線來避開該地區(qū)繞好望角更長的路線——對燃料成本和排放產(chǎn)生負面影響。

據(jù)統(tǒng)計，去年截至 12 月 26 日的 5 天內(nèi)，亞丁灣船舶到達量下降了 40%，其中集裝箱船到達量驟降 87%，LPG/LNG 船到達量分別下降 30% 和 28%。克拉克森的數(shù)據(jù)。蘇伊士運河過境量也反映了這一趨勢，同期南向過境量下降了 45%，北向過境量下降了 26%。

在雷達下飛行

船舶雷達等傳統(tǒng)探測系統(tǒng)在有效保護人員、貨物和資產(chǎn)方面的能力有限。在近幾個月航運公司面臨的事件中，現(xiàn)有的船舶技術無法跟蹤這些小型輕型無人機的軌跡，從而使船員有足夠的時間做出反應和尋求安全。

與導彈不同，胡塞無人機尺寸緊湊，翼展約 4.5 米，長度不超過 2.5 米（類似于帆板），這對海洋雷達系統(tǒng)構成了重大障礙?？紤]到高度因素，海洋雷達并不是為探測如此小的物體而設計的，因此無法有效識別這些無人機。

此外，這些無人機的移動速度為 200-250 公里/小時，超過了海洋雷達的能力，而海洋雷達的平均旋轉周期通常為 2.5 秒。這種限制使得有效跟蹤高速目標變得具有挑戰(zhàn)性。無人機使用碳纖維和鋁等材料制成的輕質結構進一步加劇了難度，因為它們的高度較低，無法逃脫海洋雷達系統(tǒng)的檢測能力，并且很難使用標準反導彈技術對其進行干擾。

再加上潛在的雷達雜波，這使得實際上不可能正確跟蹤此類目標并根據(jù)生成的參數(shù)（例如距離、CPA 和 TCPA）了解其運動輪廓。此外，雷達固有的無法對任何目標進行分類的特性帶來了混淆的風險，使得區(qū)分實際無人機和海雜波或云等不相關元素變得具有挑戰(zhàn)性。

應對威脅的人工智能能力

基于人工智能的目標檢測可以通過增強船舶檢測和響應潛在威脅的能力，在減輕無人機對船舶的攻擊方面發(fā)揮至關重要的作用。以下是基于人工智能的目標檢測如何幫助解決這一安全挑戰(zhàn)：

早期檢測：
人工智能系統(tǒng)可以結合攝像頭、雷達和激光雷達等傳感器，持續(xù)監(jiān)控船舶周圍環(huán)境，包括空域和周圍水域。

即使在弱光或惡劣天氣條件下，這些系統(tǒng)也可以高度準確和快速地識別和跟蹤傳入的無人機或潛在威脅。

異常檢測：
人工智能算法可以建立船舶周圍正?；顒拥幕€，并識別與該基線的任何異常或偏差。
如果無人機以異常或意外的方式接近船只，人工智能系統(tǒng)可以提醒船員或保安人員進行進一步調(diào)查。
分類識別：
人工智能可以通過分析檢測到的物體的大小、速度、飛行模式等特征，將其分類為潛在威脅或非威脅。
通過使用機器學習模型，人工智能還可以識別構成威脅的特定類型的無人機或無人駕駛飛行器（UAV），幫助安全人員評估風險級別。

自主響應：
一旦檢測到并確認潛在威脅，人工智能系統(tǒng)可以觸發(fā)自動響應來消除威脅或阻止其接近船舶。
可能的應對措施包括啟動反無人機措施，例如干擾通信或部署物理對抗措施，如網(wǎng)絡、激光，甚至攔截無人機。


與現(xiàn)有安全系統(tǒng)集成：
基于人工智能的目標檢測可以與現(xiàn)有船舶安全系統(tǒng)集成，例如監(jiān)控攝像頭、訪問控制和報警系統(tǒng)，以提供全面的安全網(wǎng)絡。
這種集成可以實現(xiàn)各種安全措施和人員之間的實時協(xié)調(diào)和通信。

持續(xù)學習和適應：
人工智能系統(tǒng)可以不斷從新數(shù)據(jù)中學習，并適應惡意行為者不斷變化的威脅和策略。
這種適應性確保了船舶的防御機制能夠有效應對新興的無人機威脅。

由 Orca AI 開發(fā)的人工智能驅動的 SeaPod 平臺是目前唯一可以應對這一威脅的海事工具。這項可靠的技術擅長早期發(fā)現(xiàn)小目標，尤其是空中目標，及時向機組人員發(fā)出警報，采取行動，例如采取掩護或記錄證據(jù)。

一個顯著的特點是該平臺能夠在潛在攻擊之前向機組人員發(fā)出至少一分鐘的特定音頻警告，使他們能夠采取必要的預防措施以確保安全。該平臺還為岸上監(jiān)控提供實時視頻流，并在紅海等地理圍欄區(qū)域自動調(diào)整為專用模式，從而顯著提高其靈敏度。

支撐整體安全策略的技術

新的現(xiàn)實要求我們考慮新的安全方法并更廣泛地采用新工具和安全措施。值得注意的是，雖然基于人工智能的目標檢測可以顯著增強船舶抵御無人機攻擊的安全性，但它應該成為更廣泛的安全策略的一部分，其中包括法律和法規(guī)合規(guī)性、物理安全措施和訓練有素的安全人員。此外，使用反措施來消除威脅應遵守當?shù)胤珊蛧H法規(guī)，以避免法律后果。
資料來源：Orca.AI，作者：Orca AI 聯(lián)合創(chuàng)始人兼首席技術官 Dor Raviv