확률적 AI 모델 기반 미사일 타격 목표물 선정, 발사 의도 및 교전 후속행위 예측 연구
Probabilistic AI-Based Prediction of Missile Target Selection, Launch Intent and Post-Engagement Behavior
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
북한의 탄도미사일 및 핵무기 위협에 대응하기 위한 한국형 미사일 방어체계(KAMD)의 실시간지휘통제 역량을 강화하기 위해 AI 기반의 의도 예측 체계를 제안한다. 기존의 체계는 한반도의지리적 특성과 제한된 교전 시간으로 인해 실시간 대응에 한계를 가지며 특히 극초음속 미사일과같은 새로운 위협에 신속하게 대응하기 어렵다. 이러한 위협에 대응하기 위해서는 탐지 직후의항적 정보만으로 빠르게 의도를 파악하고, 제한된 시간 내 요격 및 후속 결정을 지원할 수 있는신속한 예측 체계가 필요하다. 본 연구에서는 항적 정보를 중심으로 적 탄도탄의 특성과 작전 패턴을 분석하고, ViT 및 CVAE를 결합한 AI 기반 모델을 설계하여 적의 전략적 의도와 후속행위및 목표물을 예측하도록 하였다. 항적 간의 상관관계와 시계열적 누적 정보를 모델에 반영함으로써 높은 적응성과 판단력을 확보할 수 있도록 하였다. 특히 본 모델은 실제 작전에서 사용되는목표물 분류와 의도별 우선순위를 반영한 계층적 데이터셋을 기반으로 학습되었으며 현실적이고작전 지향적인 의도 및 후속행위 예측이 가능하다. 이러한 구조는 실제 작전 환경에서의 적용 가능성을 높이며 작전 중 실시간 상황 인식뿐 아니라 평시의 사전 징후분석 및 조기 경보체계의 핵심 요소로 활용될 수 있어 국방 지휘체계에 실제 적용 가능성을 제시한다.
Abstract
This paper proposes an AI-based intent prediction model to enhance the real-time command and control capabilities of the Korea Air and Missile Defense (KAMD) system in response to North Korea's growing ballistic missile and nuclear threats. In previous systems, geographic constraints on the Korean Peninsula and extremely short engagement windows posed significant challenges for real-time response, making it particularly difficult to counter emerging threats such as hypersonic missiles. To overcome these limitations, a rapid prediction system is required that can quickly infer intent based solely on initial trajectory data and support timely interception and follow-on decision-making within limited timeframes. This study presents an AI model that predicts strategic intent, follow-on actions, and target objectives associated with enemy ballistic missile operations by analyzing trajectory characteristics and operational patterns. The model combines the Vision Transformer (ViT) and Conditional Variational Autoencoder (CVAE), and incorporates both inter-trajectory correlations and temporally accumulated data to enhance adaptability and decision-making accuracy. In particular, the model is trained on a hierarchically structured dataset that reflects real-world target classifications and intent-based operational priorities, enabling more realistic and mission-relevant intent and behavior prediction. This hierarchical approach also reinforces its suitability for real-world defense applications. The proposed model can serve as a core component for real-time situational awareness during operations, as well as for early warning and preemptive threat analysis in peacetime. It demonstrates strong potential for practical integration into defense command systems.