conflict-resilience (skenaariotyyppi)

Moottorin v0.40.0 skenaariotyyppi, perhe Vaihtoehtoinen PNT GPS:n estyessä. Ohjeellinen: tutkimus- ja suunnittelutyökalun analyysitulos; ei tyyppihyväksytty navigointilaite eikä ihmishengen turvaamiseen tarkoitettu palvelu. Jokainen tässä oleva merkintä on moottorin tai varmennusmatriisin oma; tyyppi on MODELLED, ellei matriisi toisin sano (miten merkintä ansaitaan: README-tiedoston osio Evidence).

Mitä se tekee#

MODELLED kerrostetun PNT:n konfliktinkestävyys (P7): kiistellyssä ympäristössä toimiva käyttäjä käyttää useita PNT-kerroksia (avoimen palvelun GNSS, laajakaista-GNSS, autentikoitu tähdistö, täydennysrele), joilla kullakin on perusasaatavuus, tarkkuus (1σ) ja vektorikohtainen estoalttius yhteiselle häirintä-/harhautusuhalle. Voimakkuuden mukaan pyyhkäisty SIEMENLUVULLINEN Monte Carlo estää jokaisen kerroksen todennäköisyydellä clamp(vulnerability·intensity·vector_weight,0 1), yhdistää selviytyneet suljetun muodon käänteisvarianssisäännöllä σ_fused=(Σ 1/σ_i²)^(−1/2) ja raportoi kokonaismenetyksen todennäköisyyden (kaikki kerrokset estetty), yhdistetyn virheen mediaanin ja kerroskohtaiset käytettävyys-/estotilastot voimakkuuden funktiona. Keskeinen kestävyyssuhde (yksikerroksisen ja kerrostetun kokonaismenetyksen todennäköisyys) asettuu noin ~7x RIIPPUMATTOMUUSoletuksella; yksitekijäinen Gaussin kopulan korreloitu estopyyhkäisy osoittaa sitten, että tämä ~7x romahtaa kohti arvoa 1, kun eston korrelaatio kasvaa (korrelaatio kumoaa kerrostamisen). Priorisensitiivisyyslohko vaihtelee keskeistä lukua LÄHTEISTETTYJEN alttiuspriorien yli mcda-tornadon + Dirichlet-uhkapanostuksen uudelleenjaon + persentiililuottamusvälien avulla. VALIDATED ydin: Monte Carlo -kokonaismenetys suppenee suljetun muodon riippumattomaan tuloon Π_i p_deny_i (MC-keskivirheen sisällä kiinteällä siemenluvulla ja suurella N:llä); käänteisvarianssiyhdistys on suljetun muodon identiteetti; kun ρ=0, kopula redusoituu riippumattomaksi malliksi ja jokainen ρ säilyttää kunkin kerroksen reunaestoasteen. MODELLED: kerroskohtaiset alttius-/saatavuus-/tarkkuusmagnitudit ovat lähteistettyjä mutta mallinnettuja syötteitä (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — ks. conflict_threat_params), ja tietty ~7x suuruus sekä suhde–korrelaatio-käyrän muoto seuraavat tästä parametrisoinnista. Sitten §4,2 vektorikohtainen selviytymisjaottelu purkaa yhteisen RF-uhan neljäksi nimetyksi vektoriksi (jamming/spoofing/kinetic/cyber) ja raportoi kunkin vektorin käytettävän PNT:n asteittaisen heikkenemisen käyrän S_v(x)=1-Prod_i(1-a_i(1-clamp(susceptibility_i,v·x,0 1))) — VALIDATED: siemenluvullinen kerroskohtainen Monte Carlo suppenee tähän suljettuun muotoon; häirintä on terävin vektori korreloituneelle RF-lähtötasolle, ja RF-immuuni inertiakerros on ratkaiseva selviytyjä. Ei sertifioitu navigoinnin saatavuustuote.

Yksi ajo tiedostolla scenarios/conflict-resilience.toml tiivistyy seuraavasti: conflict-resilience | 4 layers (0 baseline) | reference intensity 1,00 | resilience ratio closed-form 6.73x MC 6.19x (layered vs single-layer) | correlation defeats layering: ratio 7.50x @ rho 0,00 -> 1.21x @ rho 0,95 | prior CI [5.51-8.48]x | per-vector survival @ ref jam 26% spoof 80% kinetic 100% cyber 99% (sharpest jamming) | ~7x headline MODELLED, VALIDATED MC->closed-form / fuse-identity / copula-marginals / per-vector-survival

Syötteet#

Skeemasta (kshana kinds --json):

• Pakolliset kentät: ei yhtään
• Valinnaiset kentät: layers, intensity, correlation, trials, seed, primary_layer

Esimerkki scenarios/conflict-resilience.toml asettaa muun muassa seuraavat:

Aja se#

kshana scenarios/conflict-resilience.toml

Mitä se antaa#

Tuon ajon skalaaritulokset moottorin ilmoittamilla yksiköillä:

Tulosmerkintä (moottorin oma): MODELLED kerrostetun PNT:n konfliktinkestävyys (P7). VALIDATED ydin: Monte Carlo -kokonaismenetyksen todennäköisyys suppenee suljetun muodon riippumattomaan tuloon Pi_i p_deny_i (varmistettu MC-keskivirheen sisällä kiinteällä siemenluvulla ja suurella N:llä); käänteisvarianssipaikkayhdistys sigma_fused = (sum_i 1/sig

Todisteet#

Yksikään matriisin rivi ei nimeä tätä tyyppiä nimellä; sen tuloksen merkintä on moottorin oma, yllä.

Rivit, joita ajo itse käytti, ja kullekin matriisin antama oraakkeli (julkiset lähteet on nimetty siellä):

• MODELLED Deterministinen, skenaariohajautettu, SBOM + alustat ylittävät golden-portit. Oraakkeli (ExternalDataset): SBOM-yhteensopivuus virallisen CycloneDX 1,5 JSON Schema -skeeman kanssa (+ kelvolliset SPDX-tunnisteet) — ulkoinen julkaistu standardi, nolla validointivirhettä koko riippuvuuskaaviossa; FoM-determinismin / tavutason toistettavuuden osa on edelleen kiinnitetty itseään vasten tehtävä johdonmukaisuustarkistus, joten rivi pysyy MODELLED-tasolla
• MODELLED Osadimensiokohtaiset osapisteet Kshana-ohjelman omissa seitsemässä kestävyysluokassa (ei DHS-termejä), RethinkPNT RDRR -funktioissa ja Yangin kriteereissä, kukin merkitty mallinnetuksi kun i. Oraakkeli (InternalConsistency): Käsin johdetut mittarikohtaiset kaavat: käänteinen Simpsonin monimuotoisuus, painotettu keskiarvokomposiitti, rajatut/rajaamattomat aikajanojen kestot, heikoimman lenkin tasoportaikko

Rajoitukset#

Mitä ajon oma raportti sanoo olevan mallintamatta tai validoimatta:

• MODELLED kerrostetun PNT:n konfliktinkestävyys (P7). VALIDATED ydin: Monte Carlo -kokonaismenetyksen todennäköisyys suppenee suljetun muodon riippumattomaan tuloon Pi_i p_deny_i (varmistettu MC-keskivirheen sisällä kiinteällä siemenluvulla ja suurella N:llä); käänteisvarianssipaikkayhdistys sigma_fused = (sum_i 1/sigma_i^2)^(-1/2) on suljetun muodon identiteetti; kun korrelaatio rho=0, Gaussin kopula redusoituu täsmälleen riippumattomaan mo (tulos label)
• MODELLED kerrostetun PNT:n konfliktinkestävyys (P7): kiistellyssä ympäristössä toimiva käyttäjä käyttää useita PNT-kerroksia (avoimen palvelun GNSS, laajakaista-GNSS, autentikoitu tähdistö, täydennysrele), joilla kullakin on perusasaatavuus, tarkkuus (1σ) ja vektorikohtainen estoalttius yhteiselle häirintä-/harhautusuhalle. (tyyppiluettelo (kshana kinds --json))
• Keskeinen kestävyyssuhde (yksikerroksisen ja kerrostetun kokonaismenetyksen todennäköisyys) asettuu noin ~7x RIIPPUMATTOMUUSoletuksella; yksitekijäinen Gaussin kopulan korreloitu estopyyhkäisy osoittaa sitten, että tämä ~7x romahtaa kohti arvoa 1, kun eston korrelaatio kasvaa (korrelaatio kumoaa kerrostamisen). (tyyppiluettelo (kshana kinds --json))
• MODELLED: kerroskohtaiset alttius-/saatavuus-/tarkkuusmagnitudit ovat lähteistettyjä mutta mallinnettuja syötteitä (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — ks. conflict_threat_params), ja tietty ~7x suuruus sekä suhde–korrelaatio-käyrän muoto seuraavat tästä parametrisoinnista. (tyyppiluettelo (kshana kinds --json))
• Kiistellyssä ympäristössä toimiva käyttäjä käyttää neljää RF-PNT-kerrosta, jotka kaikki kulkevat samalla kaistalla ja jakavat siksi häirintä-/harhautusestovektorin — hauras, korreloitunut tapaus. Skenaario raportoi: * kokonaismenetyksen todennäköisyyden uhan voimakkuuden funktiona (Monte Carlo suhteessa suljetun muodon riippumattomaan tuloon, johon se suppenee), * ~7x kerrostetun ja yksikerroksisen kestävyyssuhteen riippumattomuusoletuksella, * miten tämä ~7x romahtaa (skenaariotiedoston kommentti, rivit 3–15)
• Jokainen kerroskohtainen suuruus on MODELLED-syöte, jolla on alkuperä; katso src/conflict_threat_params.rs lähteistetyille [min, nominal, max] -prioreille ja vektorikohtaisille alttiusprofiileille (JammerTest 2024, TEXBAT, EASA SIB 2022-02, RTCA DO-229, LunaNet/IOAG). Kun layers jätetään pois, ajetaan sama lähteistetty nelikerroksinen lähtötaso; se on kirjoitettu tähän auki — myös kunkin kerroksen vector_profile — läpinäkyvyyden vuoksi. (skenaariotiedoston kommentti, rivit 17–22)
• Toistettavuus ja ohjelmistovarmistus on MODELLED, ei validoitu: alaväite tarkistetaan ulkoisesti, mutta koko kyvykkyys kokoaa yhteen mallinnettuja osia, joten kyvykkyys pysyy mallinnettuna. (varmennusmatriisi (docs/MODELLED-RATIONALE.md))
• PNT-kestävyyskehykseen kohdistettu pisteytys on MODELLED, ei validoitu: se on tarkistettu sen omaa suljetun muodon / analyyttistä identiteettiä vasten — se havaitsee kirjoitus- ja kerroinvirheet, mutta ei ole ulkoinen oraakkeli. (varmennusmatriisi (docs/MODELLED-RATIONALE.md))

Katso myös#

• Perhesivu: Vaihtoehtoinen PNT GPS:n estyessä
• Kaikki lajit: KINDS.md
• Aihesivu: RESILIENCE-CROSSWALK.md