Correspondência com frameworks de resiliência de PNT

Alinhado a, não classificado nem aprovado. Isto mapeia as capacidades simuladas do Kshana para os frameworks publicados de resiliência de PNT (PNT: posicionamento, navegação e temporização). É uma autoavaliação derivada de simulação, alinhada ao Resilient PNT Conformance Framework (RPCF) v2.0 do DHS/CISA (DHS: Department of Homeland Security; CISA: Cybersecurity and Infrastructure Security Agency), ao modelo Resist-Detect-Respond-Recover (RDRR) do RethinkPNT/Firesmith e aos critérios de PNT resiliente de Yang Yuanxi. Não é uma classificação, uma aprovação, uma acreditação nem uma declaração de compliance, e não traz aval do DHS, do IEEE (Institute of Electrical and Electronics Engineers) nem de qualquer autoridade. Cada linha é rotulada com seu status honesto de verificação (VALIDATED em relação a uma referência independente externa, ou MODELLED a partir de primeiros princípios com testes); a própria camada de pontuação de resiliência é MODELLED. Dois de seus kernels têm linhas VALIDATED próprias na matriz de verificação, o kernel de diversidade de inverso de Simpson (resilience::diversity) e o kernel de estatísticas de ordem por postos (resilience::stats); isso valida a aritmética, não as pontuações construídas sobre ela.

O motor de pontuação (src/resilience/) consome essas capacidades e emite subpontuações por dimensão, nunca um único número fantasma. Veja src/verification.rs para as invariantes de status verificadas por máquina.

RPCF v2.0 do DHS: o que o framework define, e as categorias de subpontuação do próprio Kshana#

O framework publicado (Resilient PNT Conformance Framework, Version 2,0, 26 de abril de 2022, DHS Science and Technology Directorate com a CISA) define três funções centrais (seção 5,2: Prevent, Respond, Recover), níveis de resiliência de 0 a 4 (seção 5,3) e oito requisitos mínimos numerados distribuídos pelos Níveis 1 a 4 (seção 5,3, retomados em 5,5), além de uma abordagem de avaliação (seção 8). Ele não define uma lista de sete categorias de técnicas. Uma versão anterior desta página, e os comentários do módulo de resiliência, descreviam sete "categorias de técnicas do RPCF"; as palavras Obfuscate e Diversify não aparecem na v2.0. O texto desse documento foi relido em 2026-10-09 e nenhuma lista desse tipo foi encontrada.

Os sete nomes de subpontuação que o motor de pontuação emite (Obfuscate, Limit, Verify, Isolate, Diversify, Mitigate, Recover; "OLVIDMR" é nosso mnemônico) são, portanto, categorias de pontuação do próprio Kshana, mantidas por estabilidade da saída. Não são termos do DHS, e as linhas abaixo não dizem que o DHS as exige. Onde uma categoria se alinha a um requisito do framework, a última coluna o indica; onde não se alinha, diz "nenhum".

Categoria de subpontuação do Kshana	Capacidade do Kshana usada como condutora	Módulo	Status	Referência mais próxima do RPCF v2.0
Obfuscate	Técnica declarada × qualidade da fonte (sem condutor comportamental direto)	`resilience::score`	MODELLED	nenhum (uma técnica de prevenção; seção 5,2, Prevent)
Limite	Técnica declarada × qualidade da fonte	`resilience::score`	MODELLED	nenhum (uma técnica de prevenção; seção 5,2, Prevent)
Verify	AUC (área sob a curva) do detector de degradação no cenário (monitores de spoofing/jamming/meaconing)	`impairment_eval`, `resilience::score`	MODELLED	Nível 2 requisito 4; Nível 3 requisito 7
Isolate	Técnica declarada × qualidade da fonte	`resilience::score`	MODELLED	Nível 3 requisito 6
Diversify	Contagem de grupos independentes → diversidade efetiva de inverso de Simpson	`resilience::diversity`	MODELLED	Nível 4 requisito 8; seção 5,5 (modo comum)
Mitigate	Disponibilidade sob negação	`fom`, `resilience::score`	MODELLED	seção 5,2, Respond
Recover	Deslizamento em holdover × limitador de degradação limitada	`fom`, `holdover`, `resilience::timeline`	MODELLED	Nível 2 requisito 5; seção 5,2, Recover

O mapeamento por requisito para o framework real, com aquilo para que as saídas do Kshana fornecem evidências em apoio de e o que sobra, está em compliance/dhs-rpcf.md.

Funções RDRR do RethinkPNT / Firesmith#

Função	Condutor	Módulo	Status
Resist	Média das subpontuações Obfuscate/Limit/Isolate/Diversify	`resilience::score`	MODELLED
Detect	Subpontuação Verify (AUC do detector)	`resilience::score`	MODELLED
Respond	Subpontuação Mitigate (disponibilidade)	`resilience::score`	MODELLED
Recover	Holdover × limitador; indicadores-chave de desempenho (KPIs) da linha do tempo de resiliência (detectar/reagir/recuperar/perda)	`resilience::timeline`	MODELLED

Critérios de Yang Yuanxi (o subconjunto de que as figuras de mérito de temporização/detecção tratam)#

Critério	Condutor	Módulo	Status
Disponibilidade	Disponibilidade sob negação	`resilience::score`	MODELLED
Confiabilidade	Fração de integridade do filtro	`fom`, `resilience::score`	MODELLED
Continuidade	Holdover × limitador	`resilience::timeline`	MODELLED
Exatidão	Aproximação de temporização/qualidade — a exatidão no domínio da posição não faz parte da pontuação. `fom::positioning_performance` converte uma covariância de posição e um HPL (nível de proteção horizontal) fornecidos em CEP/SEP/2DRMS (erro circular provável, erro esférico provável, o dobro da raiz da distância quadrática média), mas nenhum cenário o alimenta na pontuação de resiliência	`resilience::score`	MODELLED (apenas no domínio do tempo)

O que esta correspondência não afirma#

Nenhum Nível do RPCF conferido. O Nível atribuído é uma leitura provisória, derivada de simulação, com um limitador explícito de degradação limitada, não uma maturidade conferida.
Nenhuma exatidão no domínio da posição na pontuação. As subpontuações de resiliência são construídas a partir de métricas do domínio do tempo e de detecção. O motor calcula posições em outros pontos (os tipos de cenário pvt, gnss-ins e leo-pvt) e níveis de proteção (o tipo de cenário integrity), mas a camada de pontuação não os consome.
Nenhuma validação em campo. O painel de referência e o conjunto de ameaças são reduções sintéticas, fundamentadas em parâmetros (resilience::panel), declaradas como limitação de primeira classe.

O estudo acompanhante (resilience::study) existe justamente para mostrar que reduzir essas dimensões a uma pontuação composta ou a um Nível produz uma classificação cuja ordenação de arquiteturas é instável sob escolhas defensáveis de ponderação e de ameaça — de modo que esta correspondência é uma camada de medição a ser lida por dimensão, não uma nota única para classificar um produto.

Cenários de resiliência e verticais que exercitam essas camadas#

Os cenários incluídos abaixo executam o mecanismo de ameaça e recuperação para o qual as linhas da correspondência apontam. Cada um é uma execução real do tipo de cenário nomeado; todos são MODELLED (sem dados de campo).

Cenário (`scenarios/`)	Tipo	O que ele mostra
`conflict-resilience.toml`	`conflict-resilience`	PNT em camadas sob uma ameaça comum de jamming/spoofing: um Monte Carlo com semente da negação de camadas, a fusão por variância inversa das sobreviventes, a razão de perda total de camada única versus em camadas, e como a negação correlacionada faz essa razão colapsar. Suas identidades de Monte Carlo para forma fechada e de fusão são verificadas por testes internos ao crate; o tipo de cenário não tem linha na matriz de verificação, de modo que aqui é classificado como MODELLED.
`leo-resilience-gnss-jammed-leo-carries.toml`	`campaign`	GNSS (sistema global de navegação por satélite) sob jamming, uma camada PNT de órbita terrestre baixa (LEO) sustenta o usuário, integridade mantida (três fases em uma linha do tempo).
`leo-resilience-multiband-diversity.toml`, `leo-resilience-spoof-monitors.toml`	`campaign`	Um jammer contra um receptor de quatro bandas; qual monitor de spoofing enxerga qual spoofer.
`leo-resilience-js-margin.toml`	`spectrum`	A margem jammer-sinal (J/S) a partir da potência recebida.
`leo-resilience-spoof-doppler.toml`	`leo-pass`	Detecção de spoofing por consistência de Doppler e de geometria de passagem.
`leo-vertical-5g-network-timing.toml`, `leo-vertical-critical-infrastructure-timing.toml`	`campaign`	Temporização de estações-base e de infraestrutura crítica em holdover, com tempo LEO.
`leo-vertical-autonomous-vehicle.toml`, `leo-vertical-rail-maritime.toml`, `leo-vertical-polar-arctic.toml`, `leo-vertical-asset-tracking-iot.toml`	`campaign`	Usuários rodoviários, ferroviários, marítimos, polares e de Internet das Coisas (IoT) com uma camada LEO.
`automotive-urban-canyon.toml`, `small-uas-jammed-nav.toml`	`gnss-ins`	Dead reckoning GNSS/INS (sistema de navegação inercial) por um cânion urbano e sob jamming em uma pequena aeronave não tripulada.
`maritime-port-approach-coast.toml`, `rail-tunnel-coast.toml`	`ins-trn-coast`	Por quanto tempo um INS mantém um navio ou um trem dentro de seu limite com o GNSS negado.
`maritime-strait-jamming.toml`, `maritime-spoof-position-push.toml`	`jamming`, `spoof-detect`	Um jammer marítimo; detecção de um spoofer que arrasta a posição informada de um navio.