conflict-resilience (tipo de cenário)

Tipo de cenário do motor v0.40.0, família PNT alternativo sem GPS. Consultivo: saída de análise de uma ferramenta de pesquisa e engenharia, não um equipamento de navegação homologado e não um serviço de segurança da vida humana. Todo rótulo aqui é do motor ou da matriz de verificação; um tipo de cenário é MODELLED, a menos que a matriz diga outra coisa (como um rótulo é conquistado: a seção Evidence do README).

O que faz#

Resiliência a conflitos MODELLED de PNT em camadas (P7): um usuário em ambiente contestado dispõe de várias camadas de PNT (GNSS de serviço aberto, GNSS de banda larga, uma constelação autenticada, um relé de aumentação), cada uma com uma disponibilidade-base, uma exatidão de 1σ e uma vulnerabilidade de negação por vetor à ameaça compartilhada de jamming/spoofing. Um Monte Carlo COM SEMENTE, varrido em intensidade, nega cada camada com probabilidade clamp(vulnerabilidade·intensidade·peso_do_vetor,0.1), funde as sobreviventes pela regra de forma fechada de variância inversa σ_fused=(Σ 1/σ_i²)^(−1/2), e informa a probabilidade de perda total (todas as camadas negadas), o erro fundido mediano e estatísticas de utilizável/negada por camada em função da intensidade. A razão de resiliência principal (probabilidade de perda total de camada única contra em camadas) chega a cerca de 7x sob a hipótese de INDEPENDÊNCIA; uma varredura de negação correlacionada por cópula gaussiana de um fator mostra então esse ~7x colapsando em direção a 1 à medida que a correlação da negação aumenta (a correlação derrota a estratificação em camadas). Um bloco de sensibilidade a priors varia o valor principal sobre os priors de vulnerabilidade COM FONTE por meio do tornado mcda + uma realocação de esforço de ameaça de Dirichlet + ICs por percentis. Núcleo VALIDATED: a perda total por Monte Carlo converge para o produto independente de forma fechada Π_i p_deny_i (dentro do erro-padrão do MC com semente fixa e N grande); a fusão por variância inversa é uma identidade de forma fechada; em ρ=0 a cópula se reduz ao modelo independente e todo ρ preserva a taxa de negação marginal de cada camada. MODELLED: as magnitudes de vulnerabilidade/disponibilidade/exatidão por camada são entradas com fonte, porém modeladas (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — ver conflict_threat_params), e a magnitude específica de ~7x e a forma da curva razão-versus-correlação decorrem dessa parametrização. Um detalhamento de sobrevivência por vetor, na seção § 4,2, resolve então a ameaça de RF compartilhada nos quatro vetores nomeados (jamming/spoofing/cinético/cibernético) e informa a curva de degradação gradual de PNT utilizável de cada vetor S_v(x)=1-Prod_i(1-a_i(1-clamp(susceptibilidade_i,v·x,0.1))) — VALIDATED: o Monte Carlo por camada com semente converge para essa forma fechada; o jamming é o vetor mais severo para a linha de base de RF correlacionada e a camada inercial, imune a RF, é a sobrevivente decisiva. Não é um produto de disponibilidade de navegação certificado.

Uma execução de scenarios/conflict-resilience.toml resume-se assim: conflict-resilience | 4 camadas (0 linha de base) | intensidade de referência 1,00 | razão de resiliência forma fechada 6.73x MC 6.19x (em camadas contra camada única) | a correlação derrota a estratificação em camadas: razão 7.50x @ rho 0,00 -> 1.21x @ rho 0,95 | IC dos priors [5.51-8.48]x | sobrevivência por vetor @ ref jam 26% spoof 80% cinético 100% cibernético 99% (jamming mais severo) | valor principal de ~7x MODELLED, VALIDATED MC->forma fechada / identidade de fusão / marginais da cópula / sobrevivência por vetor

Entradas#

A partir do esquema (kshana kinds --json):

• Campos obrigatórios: nenhum
• Campos opcionais: layers, intensity, correlation, trials, seed, primary_layer

O exemplo scenarios/conflict-resilience.toml define, entre outros:

Execute#

kshana scenarios/conflict-resilience.toml

O que ele fornece#

Os resultados escalares dessa execução, com as unidades que o motor declara:

Rótulo do resultado (o do motor): resiliência a conflitos MODELLED de PNT em camadas (P7). Núcleo VALIDATED: a probabilidade de perda total por Monte Carlo converge para o produto independente de forma fechada Pi_i p_deny_i (verificada dentro do erro-padrão do Monte Carlo com semente fixa e N grande); a fusão de posição por variância inversa sigma_fused = (sum_i 1/sig

Evidências#

Nenhuma linha da matriz nomeia este tipo de cenário pelo nome; o rótulo do seu resultado é o do próprio motor, acima.

As linhas que a própria execução exercitou, com a referência independente que a matriz dá a cada uma (as fontes públicas são nomeadas ali):

• MODELLED Portões determinísticos, com hash de cenário, de SBOM e de golden entre plataformas. Referência independente (ExternalDataset): aderência à norma do SBOM ao JSON Schema oficial do CycloneDX 1,5 (+ identificadores SPDX válidos) — um padrão externo publicado, zero erros de validação em todo o grafo de dependências; a parte de determinismo das FoMs / reprodutibilidade byte a byte continua sendo uma verificação de autoconsistência fixada, de modo que a linha permanece MODELLED
• MODELLED Subpontuações por dimensão sobre as sete categorias de resiliência próprias do Kshana (não termos do DHS), as funções RDRR do RethinkPNT e os critérios de Yang, cada uma marcada como modelada com i. Referência independente (InternalConsistency): Fórmulas por métrica derivadas à mão: diversidade de Simpson inversa, composto de média ponderada, durações de linha do tempo limitadas/ilimitadas, escada de níveis pelo elo mais fraco

Limitações#

O que o próprio relatório da execução diz que não é modelado ou não é validado:

• Resiliência a conflitos MODELLED de PNT em camadas (P7). Núcleo VALIDATED: a probabilidade de perda total por Monte Carlo converge para o produto independente de forma fechada Pi_i p_deny_i (verificada dentro do erro-padrão do Monte Carlo com semente fixa e N grande); a fusão de posição por variância inversa sigma_fused = (sum_i 1/sigma_i^2)^(-1/2) é uma identidade de forma fechada; com correlação rho=0 a cópula gaussiana se reduz exatamente ao modelo indepen (resultado label)
• Resiliência a conflitos MODELLED de PNT em camadas (P7): um usuário em ambiente contestado dispõe de várias camadas de PNT (GNSS de serviço aberto, GNSS de banda larga, uma constelação autenticada, um relé de aumentação), cada uma com uma disponibilidade-base, uma exatidão de 1σ e uma vulnerabilidade de negação por vetor à ameaça compartilhada de jamming/spoofing. (catálogo de tipos de cenário (kshana kinds --json))
• A razão de resiliência principal (probabilidade de perda total de camada única contra em camadas) chega a cerca de 7x sob a hipótese de INDEPENDÊNCIA; uma varredura de negação correlacionada por cópula gaussiana de um fator mostra então esse ~7x colapsando em direção a 1 à medida que a correlação da negação aumenta (a correlação derrota a estratificação em camadas). (catálogo de tipos de cenário (kshana kinds --json))
• MODELLED: as magnitudes de vulnerabilidade/disponibilidade/exatidão por camada são entradas com fonte, porém modeladas (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — ver conflict_threat_params), e a magnitude específica de ~7x e a forma da curva razão-versus-correlação decorrem dessa parametrização. (catálogo de tipos de cenário (kshana kinds --json))
• Um usuário em ambiente contestado dispõe de quatro camadas de PNT por RF que usam todas a mesma banda e, portanto, compartilham o vetor de negação por jamming/spoofing — o caso frágil e correlacionado. O cenário informa: * a probabilidade de perda total em função da intensidade da ameaça (Monte Carlo contra o produto independente de forma fechada para o qual converge), * a razão de resiliência de ~7x entre camadas e camada única sob a hipótese de independência, * como esse ~7x colapsa para (comentário do arquivo de cenário, linhas 3 a 15)
• Toda magnitude por camada é uma entrada MODELLED com proveniência; ver src/conflict_threat_params.rs para os priors [mín, nominal, máx] com fonte e os perfis de suscetibilidade por vetor (JammerTest 2024, TEXBAT, EASA SIB 2022-02, RTCA DO-229, LunaNet/IOAG). Omitir layers executa a mesma linha de base de quatro camadas com fonte; ela é escrita aqui — inclusive o vector_profile de cada camada — por transparência. (comentário do arquivo de cenário, linhas 17 a 22)
• Reprodutibilidade e garantia de software é MODELLED, não validada: uma subafirmação é verificada externamente, mas a capacidade inteira compõe peças modeladas, de modo que a capacidade permanece modelada. (matriz de verificação (docs/MODELLED-RATIONALE.md))
• A pontuação alinhada a frameworks de resiliência de PNT é MODELLED, não validada: conferida contra a sua própria identidade analítica / de forma fechada — detecta erros de transcrição e de coeficientes, mas não é uma referência independente externa. (matriz de verificação (docs/MODELLED-RATIONALE.md))

Veja também#

• Página da família: PNT alternativo sem GPS
• Todos os tipos de cenário: KINDS.md
• Página do tópico: RESILIENCE-CROSSWALK.md