`conflict-resilience`（シナリオの種類）

エンジンv0.40.0のシナリオの種類。ファミリー：GPSが使えない状況での代替PNT。助言のみ：研究・エンジニアリング用ツールによる解析出力であり、型式承認を受けた航法装置ではなく、人命安全（safety-of-life）サービスでもありません。ここにあるラベルはすべてエンジンまたは検証マトリクスによるものです。検証マトリクスに別の記載がない限り、シナリオの種類はMODELLEDです（ラベルの付与のされ方：READMEのEvidenceセクション）。

内容#

MODELLEDの、階層型PNTの紛争下レジリエンス（P7）：係争環境のユーザーが複数のPNTレイヤー（オープンサービスのGNSS、広帯域GNSS、認証付きコンステレーション、補強中継機）を使い、各レイヤーには基本の可用性、1σ の精度、および共有されるジャミング／スプーフィングの脅威に対するベクトルごとの拒否脆弱性があります。強度をスイープするシード付きのモンテカルロが、各レイヤーを確率clamp(vulnerability·intensity·vector_weight,0,1)で拒否し、生き残ったものを閉形式の逆分散則 σ_fused=(Σ 1/σ_i²)^(−1/2)で融合し、全損失確率（すべてのレイヤーが拒否される確率）、融合誤差の中央値、強度に対するレイヤーごとの利用可能／拒否の統計を報告します。代表的なレジリエンス比（単一レイヤーと階層型の全損失確率の比）は、独立性の仮定のもとで~7x程度になります。次に、一因子ガウス・コピュラによる相関拒否のスイープを行うと、拒否の相関が高まるにつれてその~7xが1に向かって崩れることが示されます（相関は階層化を無力にします）。事前分布の感度ブロックは、mcdaのトルネード図、ディリクレ分布による脅威労力の再配分、パーセンタイル信頼区間によって、出典付きの脆弱性の事前分布にわたって代表値の範囲を求めます。VALIDATEDの中核：モンテカルロの全損失は、閉形式の独立積 Π_i p_deny_iに収束します（固定シードかつ大きなNでの、モンテカルロの標準誤差の範囲内）。逆分散融合は閉形式の恒等式です。ρ=0ではコピュラは独立モデルに帰着し、どの ρ でも各レイヤーの周辺拒否率が保たれます。MODELLED：レイヤーごとの脆弱性／可用性／精度の大きさは、出典はあるがモデルから計算した入力であり（JammerTest 2024、TEXBAT、EASA SIB、RTCA DO-229、LunaNet/IOAG — conflict_threat_paramsを参照）、具体的な~7xという大きさと、比と相関の曲線の形は、このパラメーター設定から導かれます。続く §4.2のベクトルごとの生存の内訳は、共有されるRFの脅威を、名前付きの四つのベクトル（ジャミング／スプーフィング／運動エネルギー／サイバー）に分解し、各ベクトルについて、利用可能なPNTの段階的劣化曲線S_v(x)=1-Prod_i(1-a_i(1-clamp(susceptibility_i,v·x,0,1)))を報告します。VALIDATED：シード付きのレイヤーごとのモンテカルロはその閉形式に収束します。相関のあるRFベースラインでは、ジャミングが最も鋭いベクトルであり、RFの影響を受けない慣性レイヤーが決定的な生き残りです。認証を受けた航法可用性の製品ではありません。

scenarios/conflict-resilience.tomlの一回の実行は、次のように要約されます：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

入力#

スキーマ（kshana kinds --json）より：

必須フィールド：なし
任意フィールド：layers、intensity、correlation、trials、seed、primary_layer

例のscenarios/conflict-resilience.tomlが設定している項目（一部）：

フィールド	値	単位
`correlation.values`	[0, 0.2, 0.4, 0.6, 0.8, 0.95]	記載なし
`intensity.max`	1	記載なし
`intensity.min`	0	記載なし
`intensity.steps`	11	記載なし
`kind`	conflict-resilience	テキスト
`layers[0].availability`	0.99	1
`layers[0].name`	GNSS L1 C/A（オープンサービス）	テキスト
`layers[0].sigma_m`	4	m
`layers[0].vector_profile.cyber`	0.18	1
`layers[0].vector_profile.jamming`	0.98	1
`layers[0].vector_profile.kinetic`	0.12	1
`layers[0].vector_profile.spoofing`	0.85	1

実行する#

kshana scenarios/conflict-resilience.toml

得られるもの#

その実行のスカラー結果。単位はエンジンが示すとおりです：

結果	値	単位
`correlation_sweep.min_ratio_over_grid`	1.210978	1
`correlation_sweep.reference_intensity`	1	1
`evidence.id_rule`	マトリクスの行の安定した ID（ID	テキスト
`evidence.matrix`	docs/VERIFICATION-MATRIX.md	テキスト
`evidence.tier`	MODELLED	テキスト
`per_vector_survival.reference_intensity`	1	1
`per_vector_survival.sharpest_vector`	jamming	テキスト
`primary_layer`	0	個数
`prior_sensitivity.nominal_ratio`	6.731912	1
`prior_sensitivity.reference_intensity`	1	1

結果ラベル（エンジンによるもの）：MODELLEDの、階層型PNTの紛争下レジリエンス（P7）。VALIDATEDの中核：モンテカルロの全損失確率は、閉形式の独立積Pi_i p_deny_iに収束します（固定シードかつ大きなNでの、モンテカルロの標準誤差の範囲内で表明）。逆分散による位置の融合sigma_fused = (sum_i 1/sig

scenarios/conflict-resilience.toml（種類conflict-resilience）についてエンジンが書き出すグラフ

エビデンス#

この種類を名前で挙げているマトリクスの行はありません。その結果のラベルは、上に示したエンジン自身のものです。

実行そのものが検証した行と、マトリクスが各行に示すオラクル（公開ソースはそこに記載されています）：

MODELLED決定論的、シナリオハッシュ付き、SBOMとクロスプラットフォームのゴールデンゲート。オラクル（ExternalDataset）：公式のCycloneDX 1.5 JSON Schema（および有効なSPDX識別子）へのSBOM適合性。これは外部の公開標準であり、依存関係グラフ全体で検証エラーはゼロです。FoMの決定論性とバイト単位の再現性の部分は固定された自己整合性チェックのままであるため、この行はMODELLEDのままです
MODELLED Kshana自身の七つのレジリエンスカテゴリ（DHSの用語ではありません）、RethinkPNTのRDRR機能、Yangの基準に対する次元ごとのサブスコア。それぞれにモデル計算と注記オラクル（InternalConsistency）：手で導出した指標ごとの式：逆シンプソン多様性、加重平均の合成値、有界／非有界のタイムライン継続時間、最弱リンクのLevelラダー

制限事項#

実行そのものの報告が、モデル化されていない、または検証されていないとしている内容：

MODELLEDの、階層型PNTの紛争下レジリエンス（P7）。VALIDATEDの中核：モンテカルロの全損失確率は、閉形式の独立積Pi_i p_deny_iに収束します（固定シードかつ大きなNでの、モンテカルロの標準誤差の範囲内で表明）。逆分散による位置の融合sigma_fused = (sum_i 1/sigma_i^2)^(-1/2)は閉形式の恒等式です。相関rho=0では、ガウス・コピュラは厳密に独立モデルに帰着（結果label）
MODELLEDの、階層型PNTの紛争下レジリエンス（P7）：係争環境のユーザーが複数のPNTレイヤー（オープンサービスのGNSS、広帯域GNSS、認証付きコンステレーション、補強中継機）を使い、各レイヤーには基本の可用性、1σ の精度、および共有されるジャミング／スプーフィングの脅威に対するベクトルごとの拒否脆弱性があります。（種類カタログ（kshana kinds --json））
代表的なレジリエンス比（単一レイヤーと階層型の全損失確率の比）は、独立性の仮定のもとで~7x程度になります。次に、一因子ガウス・コピュラによる相関拒否のスイープを行うと、拒否の相関が高まるにつれてその~7xが1に向かって崩れることが示されます（相関は階層化を無力にします）。（種類カタログ（kshana kinds --json））
MODELLED：レイヤーごとの脆弱性／可用性／精度の大きさは、出典はあるがモデルから計算した入力であり（JammerTest 2024、TEXBAT、EASA SIB、RTCA DO-229、LunaNet/IOAG — conflict_threat_paramsを参照）、具体的な~7xという大きさと、比と相関の曲線の形は、このパラメーター設定から導かれます。（種類カタログ（kshana kinds --json））
係争環境のユーザーが、すべて同じ帯域に乗り、そのためジャミング／スプーフィングの拒否ベクトルを共有する四つのRF PNTレイヤーを使います。これは脆く、相関のあるケースです。このシナリオが報告する内容：* 脅威強度に対する全損失確率（モンテカルロと、それが収束する閉形式の独立積）、* 独立性の仮定のもとでの、階層型と単一レイヤーの~7xのレジリエンス比、* その~7xがどのように崩れるか（シナリオファイルのコメント、3〜15行目）
レイヤーごとの大きさはすべて、出所付きのMODELLEDの入力です。出典のある[min, nominal, max]の事前分布とベクトルごとの感受性プロファイル（JammerTest 2024、TEXBAT、EASA SIB 2022-02、RTCA DO-229、LunaNet/IOAG）はsrc/conflict_threat_params.rsを参照してください。layersを省略すると、出典のある同じ四層のベースラインが実行されます。ここでは、透明性のため、各レイヤーのvector_profileも含めて明示しています。（シナリオファイルのコメント、17〜22行目）
再現性とソフトウェア保証はMODELLEDであり、独立した外部の参照との照合はされていません。サブクレームの一つは外部で確認されていますが、機能全体はモデルから計算した要素を組み合わせているため、この機能はモデルから計算したものにとどまります。（検証マトリクス（docs/MODELLED-RATIONALE.md））
PNTレジリエンスのフレームワークに沿ったスコアリングはMODELLEDであり、独立した外部の参照との照合はされていません。自身の閉形式・解析的な恒等式に照らして確認しており、転記や係数の誤りは見つけられますが、外部のオラクルではありません。（検証マトリクス（docs/MODELLED-RATIONALE.md））