Las fuerzas militares deben seguir evolucionando para seguir por delante de sus adversarios, lo que les lleva a un enfoque más flexible y escalable en la detección, análisis y respuesta a las amenazas.
La US Air Force ha dado de baja recientemente su primer avión “Compass Call”. Construido en 1982, la aeronave incorporaba funciones especiales como la localización, escucha y la perturbación de las comunicaciones enemigas. Como resultado, los sistemas de este avión podían inhibir gravemente las comunicaciones y la coordinación de ejércitos. Estas avanzadas capacidades aseguraron su funcionamiento durante casi cuatro décadas. En ese tiempo, sin embargo, el uso y operaciones en el espectro electromagnético (EM) en conflictos empezó a evolucionar a un ritmo mucho más rápido, lo que llevó a aplicaciones de EW mucho más complejas. Varias tendencias del mercado y la tecnología se fusionaron para combatir la continua aparición de nuevas amenazas, lo que supone un reto para las modernas unidades militares que deben identificar estas amenazas en rápida evolución en un tiempo apropiado. Normalmente, EW se define como guerra en el espectro electromagnético (EM), lo que significa que cualquier cosa funcionando en el entorno de radiofrecuencia (RF) se considera parte de EW. Las operaciones electromagnéticas se dirigen a muchos aspectos del entorno EW, desde radares e inhibidores, hasta comunicaciones militares.
Cualquier cosa que se comunique por radio podría ser un objetivo / blanco. Los sistemas de EW utilizan el espectro electromagnético para dar soporte a comunicaciones, sensores y defensa. Desarmar estas capacidades significa eliminar la capacidad del adversario para comunicarse o navegar. Los sistemas de inteligencia de señales también pueden recoger inteligencia o encontrar blancos. Incluso los pequeños adversarios pueden aprovechar la tecnología disponible comercialmente, como los equipos de bloqueo de los Sistemas de Posicionamiento Global (GPS). Un ataque que se lleve a cabo en la navegación, por ejemplo, podría amenazar la capacidad del ejército de sincronizar operaciones. Y lo que es aún más alarmante, existe la posibilidad de que el cibersistema del adversario proporcione información sobre la posición, el tiempo o la navegación que no sea preciso. Esta posibilidad podría causar problemas que irían des la confusión a terribles accidentes. Las amenazas no tienen que llevar a cabo un ataque visible cuando pueden, en su lugar, causar un fallo en las comunicaciones, la coordinación y otras operaciones.
El nuevo panorama en EW
En cualquier conflicto de EW, el vencedor es el que puede maniobrar más rápidamente a través del espectro EM al aprovechar los avances tecnológicos. Aún así, las amenazas han crecido en número y sofisticación, siendo uno de los motivos precisamente la disponibilidad tecnológica. Hace una década, este campo de batalla era dominio de unos pocos jugadores. Las capacidades e inversiones tecnológicas necesarias para dominar en EW impedían que otros desarrollaran capacidades de EW que pudieran competir. A medida que la electrónica comercial se ha vuelto más económica y accesible, por contra, adversarios de todos los tamaños han entrado en esta batalla. Incluso los pequeños adversarios tienen ahora, de forma potencial, un arsenal de amenazas competitivas, que hacen que el entorno sea más peligroso e impredecible. Con una barrera de entrada tan baja, cualquiera con los conocimientos y la habilidad adecuados puede acumular bastante equipamiento como para ser una amenaza. Los sistemas de radio definidos por software (SDR) también trajeron un cambio al escenario de EW. Originalmente, los SDR se traducían en una radio reconfigurable que se basaba solamente en el software y la conversión de analógico a digital ocurría directamente en la antena.
Sin embargo, los SDR modernos a menudo toman formas más complejas, con cambios en su frecuencia de funcionamiento, modulación, ancho de banda operativo y protocolo de redes sin necesidad de cambiar su hardware de sistema. A medida que las velocidades para el procesamiento de señales digitales (DSP) y los convertidores analógico digitales (ACD) se aceleran, tienen lugar un mayor procesamiento de señales de forma digital. Al aprovechar dichos sistemas, las fuerzas militares pueden actualizar con mayor facilidad sus sistemas contra amenazas. El rápido ritmo de cambio de las tecnologías de uso dual disponibles comercialmente y los sistemas definidos por el software está impulsando gran parte de la diversidad y complejidad de las futuras amenazas. En el futuro, el mayor impacto del EW se prevé que vendrá de las tecnologías de la Inteligencia Artificial (IA). El ritmo de cambio de las tecnologías de uso dual disponibles comercialmente y los sistemas definidos por el software impulsa enormemente tanto la diversidad como la complejidad de las futuras amenazas. Con la adición de la IA, estas amenazas también aprenderán de cada conflicto, haciendo que sea más probable que prevalezcan en el futuro.
Las amenazas toman formas variadas
Como resultado de estos saltos tecnológicos, las amenazas están creciendo en sofisticación. Las amenazas del pasado eran de naturaleza estática, siempre apareciendo y comportándose igual. Las amenazas de hoy son de respuesta y su comportamiento cambia según el escenario. Si un adversario está bloqueando una amenaza reactiva, por ejemplo, cambiará frecuencias o realizará otra acción para esquivar ese bloqueo. Los adversarios ahora deben asumir que una amenaza puede cambiar y prepararse para reaccionar como corresponda. A menudo, tales amenazas se describen como cognitivas o adaptativas. Aunque la gente utiliza estos términos de forma intercambiable, existen muchos niveles de adaptabilidad. La mayoría de éstos ni se acercan a las capacidades de la EW cognitiva. Utilizando el aprendizaje de la máquina, los sistemas de EW cognitivos pueden entrar en un entorno sin conocimientos de las capacidades del adversario y entender rápidamente el escenario. Al hacer algo que haga reaccionar al sistema del adversario, pueden evaluar su respuesta. Pueden desarrollar una respuesta efectiva que sea adecuada para ese sistema en particular de su adversario. En cambio, las soluciones adaptativas no pueden captar y responder rápidamente a un nuevo escenario de una forma original. Por ejemplo, un radar adaptativo puede sentir el entorno y alterar las características de transmisión según convenga, proporcionando una nueva forma de onda para cada transmisión o ajustando el procesamiento del pulso. Por ejemplo, esta flexibilidad puede permitirle mejorar la resolución de su objetivo. Muchos sistemas de los adversarios requieren solo un simple cambio de software para alterar formas de onda, lo que se añade a la imprevisibilidad de la aparición y comportamiento de la forma de onda. Las fuerzas militares se esfuerzan para aislar los pulsos de radares adaptativos de otras señales, amigas o enemigas. A medida que estas amenazas aumentan en adaptabilidad, sus oponentes deben responder a ellas en todavía menos tiempo.
El impacto del aprendizaje de la máquina
Con la IA, las máquinas inteligentes funcionan y responden casi como los humanos. Las máquinas pueden, entonces, realizar tareas más inteligentes usando capacidades como el reconocimiento de señales. El aprendizaje de la máquina lleva a la IA un paso más allá, permitiendo a las máquinas aprender de forma continua de los datos y, como resultado, a adaptarse. Estos ordenadores aprenden con el paso del tiempo a un ritmo muy rápido. Las amenazas que usan el aprendizaje de la máquina siguen aprendiendo de cada conflicto, determinando maneras de ser más efectivas para poder prevalecer frente a futuras contramedidas. Esta evolución ocurre sin la necesidad de interacción humana, ya que el ordenador decide cómo alterar los comportamientos. Al ser probados u operados, estos sistemas de amenazas aprenden de la experiencia.
Modifican su futuro comportamiento como resultado, lo que significa que el ordenador decide los siguientes pasos. Debido al impredecible comportamiento del sistema, incluso las personas que lo han implementado no pueden predecir su exacto comportamiento. A medida que los sistemas de amenazas avancen con la tecnología de aprendizaje de la máquina, se adaptarán y alterarán su comportamiento o curso de acción de forma cada vez más rápida. Si un radar está intentando seguir a un avión supersónico, por ejemplo, las contramedidas del adversario pueden impedir que el radar tenga éxito. Utilizando el aprendizaje de la máquina, el radar tendría que intentar nuevos enfoques de forma repetida en un esfuerzo de conseguir el éxito. Las máquinas de hoy poseen una inteligencia que es de una magnitud superior a la de un humano experto en EW, ya que aprenden de los datos, los cuales se añaden continuamente.
Un futuro siempre cambiante
Debido a la abundancia de nuevas y modernas amenazas con capacidad de respuesta, las fuerzas militares compiten por el control del espectro de EM. Dominar todo el espectro les permite detectar, engañar y perturbar a las fuerzas enemigas a la vez que protegen su propio ejército. Si se consiguiera este dominio, las fuerzas militares deberán innovar constantemente sus amenazas de EW y contramedidas para permanecer en esa posición líder. Para mantener el ritmo con el entorno siempre cambiante de amenazas, las fuerzas militares piden soluciones flexibles y escalables. Un riesgo mitigado hoy puede no suponer un problema dentro de seis meses, lo que pone a las fuerzas militares en la posición de estar continuamente enfrentándose a una nueva amenaza o, incluso, a un nuevo enemigo. Los datos incompletos y no agregados impiden a las fuerzas militares alcanzar o crear una clara imagen de las amenazas.
Les falta una metodología con la que puedan realizar pruebas de estas amenazas. Este problema surge de los sistemas de simulación de amenazas de EW tradicionales. Utilizan bases de datos de amenazas conocidas, que usualmente tienen contramedidas asociadas. Tales listas clasificadas de objetivos conocidos ya no son igual de efectivas, puesto que se vuelven obsoletas rápidamente. Estos sistemas no fueron construidos para identificar y aislar amenazas en el entorno EM y determinar contramedidas sobre la marcha.
Incluso cuando pueden procesar nuevas señales, tales sistemas implican un proceso que consume mucho tiempo. Para el que realiza la amenaza, las fuerzas militares recogen información acerca de un tipo de señal, como la frecuencia o el intervalo de repetición de pulsos (PRI). Envían esta información a un laboratorio, en el que se analiza para conseguir más información y desarrollar contramedidas. Pasan los meses antes de que esta información esté disponible en el sistema para su uso. En el escenario del futuro, el adversario tendrá una imagen más completa de las operaciones. Construyendo sobre la transformación de la anterior década, los próximos 10 o 20 años prometen proporcionar desarrollos tecnológicos más rápidos y evolucionados. Muchos predicen que el aprendizaje de la máquina y los desarrollos de inteligencia artificial impulsarán una potente y continua evolución en EW. El entorno de amenazas de EW aprovechará drásticas mejoras de procesamiento, por ejemplo, utilizando múltiples dispositivos para proporcionar más información en menos tiempo. Las tecnologías sensoras también tendrán un papel mayor en la recopilación de información acerca de la zona de conflicto. Las nuevas técnicas de codificación ya tienen como resultado sensores cada vez más complejos, interconectados y correlacionados.
Estas innovaciones tecnológicas generarán nuevas amenazas con capacidad de acumular conocimientos y dar respuestas que encontrarán nuevas formas de conseguir poder en el espectro de EM. Pese a que las tecnologías seguirán evolucionando y las nuevas amenazas emergen constantemente, existe una constante: la fuerza militar que consiga y conserve el dominio del espectro también dominará el escenario de EW.
