conflict-resilience (Szenariotyp)

Szenariotyp der Engine v0.40.0, Familie GPS-gesperrtes alternatives PNT. Nur beratend: Analyseausgabe eines Forschungs- und Engineering-Werkzeugs, keine typzugelassene Navigationsausrüstung und kein Safety-of-Life-Dienst. Jede Kennzeichnung hier stammt von der Engine oder von der Verifikationsmatrix; ein Typ ist MODELLED, sofern die Matrix nichts anderes angibt (wie eine Kennzeichnung erworben wird: Abschnitt „Evidence“ der README).

Was es tut#

Konfliktresilienz geschichteter PNT (P7), MODELLED: Ein Nutzer in umkämpfter Umgebung setzt mehrere PNT-Schichten ein (Open-Service-GNSS, Breitband-GNSS, eine authentifizierte Konstellation, ein Augmentations-Relais), jede mit einer Basisverfügbarkeit, einer 1σ-Genauigkeit und einer Verwundbarkeit je Vektor gegenüber der gemeinsamen Jamming-/Spoofing-Bedrohung. Ein nach Intensität variiertes Monte-Carlo mit festem Seed sperrt jede Schicht mit der Wahrscheinlichkeit clamp(Verwundbarkeit·Intensität·Vektorgewicht,0.1), fusioniert die überlebenden Schichten nach der geschlossenen Inverse-Varianz-Regel σ_fused=(Σ 1/σ_i²)^(−1/2) und berichtet die Gesamtverlustwahrscheinlichkeit (alle Schichten gesperrt), den medianen fusionierten Fehler und Statistiken zu Nutzbarkeit und Sperrung je Schicht über der Intensität. Das zentrale Resilienzverhältnis (Gesamtverlustwahrscheinlichkeit einer einzelnen Schicht gegenüber der geschichteten) liegt unter der Annahme der UNABHÄNGIGKEIT bei ~7x; ein Sweep mit korrelierter Sperrung über eine Ein-Faktor-Gauß-Kopula zeigt dann, dass dieses ~7x gegen 1 zusammenbricht, wenn die Korrelation der Sperrung steigt (Korrelation hebelt die Schichtung aus). Ein Block zur Priorsensitivität variiert die Kennzahl über die BELEGTEN Verwundbarkeits-Priors mittels mcda-Tornado, einer Dirichlet-Neuverteilung des Bedrohungsaufwands und Perzentil-Konfidenzintervallen. Der VALIDATED Kern: Der Gesamtverlust des Monte-Carlo konvergiert gegen das geschlossene unabhängige Produkt Π_i p_deny_i (innerhalb des Monte-Carlo-Standardfehlers bei festem Seed und großem N); die Inverse-Varianz-Fusion ist eine Identität in geschlossener Form; bei ρ=0 geht die Kopula in das unabhängige Modell über, und jedes ρ erhält die marginale Sperrrate jeder Schicht. MODELLED: Die Größenordnungen von Verwundbarkeit, Verfügbarkeit und Genauigkeit je Schicht sind belegte, aber modellierte Eingaben (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — siehe conflict_threat_params), und die konkrete Größenordnung von ~7x sowie die Kurvenform von Verhältnis über Korrelation folgen aus dieser Parametrisierung. Eine Aufschlüsselung des Überlebens je Vektor nach §4,2 löst die gemeinsame HF-Bedrohung dann in die vier benannten Vektoren (Jamming/Spoofing/kinetisch/Cyber) auf und berichtet für jeden Vektor die Kurve der graceful degradation des nutzbaren PNT S_v(x)=1-Prod_i(1-a_i(1-clamp(susceptibility_i,v·x,0.1))) — VALIDATED: Das Monte-Carlo je Schicht mit festem Seed konvergiert gegen diese geschlossene Form; Jamming ist der schärfste Vektor für die korrelierte HF-Basislinie, und die HF-immune Inertialschicht ist der entscheidende Überlebende. Kein zertifiziertes Produkt zur Navigationsverfügbarkeit.

Ein Lauf von scenarios/conflict-resilience.toml ergibt zusammengefasst: conflict-resilience | 4 Schichten (0 Basislinie) | Referenzintensität 1,00 | Resilienzverhältnis geschlossen 6.73x MC 6.19x (geschichtet gegenüber einzelner Schicht) | Korrelation hebelt Schichtung aus: Verhältnis 7.50x @ rho 0,00 -> 1.21x @ rho 0,95 | Prior-KI [5.51-8.48]x | Überleben je Vektor @ Ref. Jam 26% Spoof 80% kinetisch 100% Cyber 99% (schärfstes Jamming) | ~7x Kernwert MODELLED, VALIDATED MC->geschlossene Form / Fusionsidentität / Kopula-Ränder / Überleben je Vektor

Eingaben#

Aus dem Schema (kshana kinds --json):

• Pflichtfelder: keine
• Optionale Felder: layers, intensity, correlation, trials, seed, primary_layer

Das Beispiel scenarios/conflict-resilience.toml setzt unter anderem:

Ausführen#

kshana scenarios/conflict-resilience.toml

Was es liefert#

Die skalaren Ergebnisse dieses Laufs, mit den Einheiten, die die Engine angibt:

Ergebnisbezeichnung (die der Engine): MODELLED Konfliktresilienz geschichteten PNT (P7). Kern (VALIDATED): Die Monte-Carlo-Gesamtausfallwahrscheinlichkeit konvergiert gegen das geschlossene unabhängige Produkt Pi_i p_deny_i (innerhalb des Monte-Carlo-Standardfehlers bei festem Seed und großem N geprüft); die Positionsfusion mit inverser Varianz sigma_fused = (Summe_i 1/sig

Nachweise#

Keine Matrixzeile nennt diesen Typ beim Namen; die Kennzeichnung seines Ergebnisses stammt von der Engine selbst, siehe oben.

Die Zeilen, die der Lauf selbst ausgeübt hat, mit der unabhängigen Referenz, die die Matrix jeder gibt (die öffentlichen Quellen sind dort genannt):

• MODELLED Deterministisch, szenario-gehasht, SBOM- und plattformübergreifende Golden-Gates. Unabhängige Referenz (ExternalDataset): SBOM-Übereinstimmung mit dem offiziellen CycloneDX-1,5-JSON-Schema (+ gültige SPDX-Kennungen) — ein externer veröffentlichter Standard, null Validierungsfehler über den gesamten Abhängigkeitsgraphen; der Teil FoM-Determinismus / Byte-Reproduzierbarkeit bleibt eine festgelegte Selbstkonsistenzprüfung, daher bleibt die Zeile MODELLED
• MODELLED Teilbewertungen je Dimension über Kshanas eigene sieben Resilienzkategorien (keine DHS-Begriffe), RethinkPNT-RDRR-Funktionen und Yang-Kriterien, jeweils als Modelled gekennzeichnet mit i. Unabhängige Referenz (InternalConsistency): Von Hand hergeleitete Formeln je Metrik: inverser Simpson-Diversitätsindex, gewichteter Mittelwert als Gesamtwert, begrenzte/unbegrenzte Zeitleistendauern, Schwächstes-Glied-Stufenleiter

Einschränkungen#

Was der eigene Bericht des Laufs als nicht modelliert oder nicht validiert nennt:

• Konfliktresilienz geschichteten PNT (P7), MODELLED. Kern VALIDATED: Die Monte-Carlo-Gesamtausfallwahrscheinlichkeit konvergiert gegen das geschlossene unabhängige Produkt Pi_i p_deny_i (innerhalb des Monte-Carlo-Standardfehlers bei festem Seed und großem N geprüft); die Inverse-Varianz-Positionsfusion sigma_fused = (Summe_i 1/sigma_i^2)^(-1/2) ist eine geschlossene Identität; bei Korrelation rho=0 reduziert sich die Gauß-Kopula exakt auf das unabhängige Mo (Ergebnis label)
• MODELLED Konfliktresilienz geschichteten PNT (P7): Ein Nutzer in umkämpfter Umgebung setzt mehrere PNT-Schichten ein (Open-Service-GNSS, Breitband-GNSS, eine authentifizierte Konstellation, ein Augmentations-Relais), jede mit einer Basisverfügbarkeit, einer 1σ-Genauigkeit und einer Verwundbarkeit je Vektor gegenüber der gemeinsamen Jamming-/Spoofing-Bedrohung. (Typkatalog (kshana kinds --json))
• Das Kern-Resilienzverhältnis (Gesamtausfallwahrscheinlichkeit einer einzelnen Schicht gegenüber der geschichteten) liegt unter der UNABHÄNGIGKEITS-Annahme bei ~7x; ein anschließender Sweep mit korrelierter Sperrung über eine Ein-Faktor-Gauß-Kopula zeigt dann, dass dieses ~7x gegen 1 zusammenbricht, wenn die Sperrkorrelation steigt (Korrelation hebelt die Schichtung aus). (Typkatalog (kshana kinds --json))
• MODELLED: Die Größenordnungen von Verwundbarkeit/Verfügbarkeit/Genauigkeit je Schicht sind quellenbasierte, aber modellierte Eingaben (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG – siehe conflict_threat_params), und die konkrete ~7x-Größenordnung sowie der Kurvenverlauf Verhältnis gegen Korrelation folgen aus dieser Parametrisierung. (Typkatalog (kshana kinds --json))
• Ein Nutzer in umkämpfter Umgebung setzt vier HF-PNT-Schichten ein, die alle im selben Band liegen und daher den Sperrvektor Jamming/Spoofing teilen – der fragile, korrelierte Fall. Das Szenario meldet: * die Gesamtausfallwahrscheinlichkeit über der Bedrohungsintensität (Monte-Carlo gegenüber dem geschlossenen unabhängigen Produkt, gegen das es konvergiert), * das ~7x-Resilienzverhältnis geschichtet gegenüber einzelner Schicht unter der Unabhängigkeits-Annahme, * wie dieses ~7x zusammenbricht auf (Kommentar der Szenariodatei, Zeilen 3 bis 15)
• Jede Größenordnung je Schicht ist eine Eingabe (MODELLED) mit Herkunftsnachweis; siehe src/conflict_threat_params.rs für die quellenbasierten Priors [min, nominal, max] und die Anfälligkeitsprofile je Vektor (JammerTest 2024, TEXBAT, EASA SIB 2022-02, RTCA DO-229, LunaNet/IOAG). Wird layers weggelassen, läuft dieselbe quellenbasierte Vier-Schichten-Basislinie; hier ist sie aus Transparenzgründen ausgeschrieben – einschließlich des vector_profile jeder Schicht. (Kommentar der Szenariodatei, Zeilen 17 bis 22)
• Reproduzierbarkeit und Software-Assurance ist MODELLED, nicht validiert: Eine Teilbehauptung ist extern geprüft, aber die gesamte Fähigkeit setzt sich aus modellierten Teilen zusammen, daher bleibt die Fähigkeit modelliert. (Verifikationsmatrix (docs/MODELLED-RATIONALE.md))
• Die am PNT-Resilienz-Rahmenwerk ausgerichtete Bewertung ist MODELLED, nicht validiert: gegen ihre eigene geschlossene bzw. analytische Identität geprüft – erkennt Übertragungs- und Koeffizientenfehler, ist aber keine externe Referenz. (Verifikationsmatrix (docs/MODELLED-RATIONALE.md))

Siehe auch#

• Familienseite: GPS-gesperrtes alternatives PNT
• Alle Arten: KINDS.md
• Themenseite: RESILIENCE-CROSSWALK.md