编者按

秦安战略是关于经略网络空间的战略思考，及摘自网络的参考消息。主要涉及网络空间安全的重点、热点、难点问题，相继设置了网络空间战略研究、网络战争、商密知识、院士之声、美网军动态及战略威胁情报、网信视界、秦安观点等“智库专题”。依聚合智慧，看网络风云，做独立智库，出战略谋划，接产业地气，演万变网域，练百战精兵，为经略网络空间奉献智慧力量。欢迎大家留言指导。

作为应对情报界中一些最困难挑战的使命的一部分，IARPA发起了利用或改善人工智能/机器学习（AI / ML）的研究计划和挑战，其中包括：

阿拉丁视频 （Aladdin Video）是视频中机器学习技术的先驱，它结合了视频和音频提取，知识表示和搜索技术方面的最新技术，以创建快速，准确，健壮和可扩展的视频搜索功能；

更好地从文本提取到增强检索（BETTER） ，开发基于AI / ML的方法来提取粒度越来越细的语义信息，重点关注事件的形式是谁在哪里，谁在哪里，在哪里，跨多个语言和问题领域。

网络攻击自动非常规传感器环境（CAUSE） 应用基于AI / ML的模型来开发新颖，自动化的方法，用于基于事件的网络攻击检测和预测，比现有方法要早得多。预测具有可操作细节的网络攻击事件，通过启用针对特定威胁的网络事件响应和防御措施，可以提高最新技术水平；

创建可操作逼真的3D环境（CORE3D） ，使用机器学习和深度学习技术来开发用于使用遥感数据构建世界上全自动高保真3D模型的方法；

深度联运视频分析（DIVA） 利用机器学习技术在跨多个摄像机的流视频中开发强大的自动活动检测；

Finding Engineering-Linked Indicators（FELIX） 使用AI来检测跨多个生物的工程签名。目的是将天然生物与经过工程改造的生物区分开来。

《世界挑战赛功能图》（Functional Map of the World Challenge ）开发了可对卫星图像中63个建筑物和区域类别进行快速，准确分类的算法。所有顶级参与者都使用了各种形式的深度学习。

功能性威胁的基因组和计算评估（Fun GCAT） ，开发了基于AI / ML的方法，以通过遗传分类法，序列功能和威胁可能性对遗传（例如DNA）序列数据进行学习和分类；

Mercury Challenge ，要求挑战参与者使用AI / ML方法来预测中东和北非地区的各种政治事件，例如非暴力内乱和军事活动；

皮质网络（MICrONS）的机器智能 旨在通过对大脑算法进行逆向工程来彻底改变机器学习。该程序被明确设计为数据科学与神经科学之间的对话。

用于以任何语言进行英语检索的机器翻译（MATERIAL） ，开发了机器学习方法，以从与英语查询相关的语音和文本中识别外语信息，并以有意义的方式提供了与英语检索信息相关的证据。将在资源匮乏且没有外语专业知识的情况下开发算法；

反射率建模仅针对在宽广的环境中进行化学识别的高浓度光谱透射（MORGOTH'S CROWN）挑战 ，提出了预测诸如底物，负载和沉积特征等影响对痕量化学物质红外光谱影响的新方法在表面上。顶级参与者使用了机器学习技术；

多模式客观感知以评估具有上下文的个体（MOSAIC） ，从各种个体，环境和社会感知数据流中提取具有上下文意义的数据，并使用机器学习和基于人工智能的模型来估计和预测心理，认知和生理构造，以及整体工作表现的估算；

多视图立体3D映射（MSV）挑战 要求小组开发能够生成物理世界的高分辨率3D点云的算法。通过为卫星图像提供基线重建算法，它也为计算机视觉界的新领域创造了研究机会；

OpenCLIR挑战赛 ，在低训练数据条件下开发了机器学习方法，以检索与英语查询相关的斯瓦希里语和文本文档；

各种新兴纳米电子学的快速分析（RAVEN） 使用AI / ML加快了最先进集成电路的图像处理的速度和准确性；

加强人类适应性推理和问题解决（SHARP） ，使用行为（例如，测试成绩，认知任务，自我报告措施）和基于脑的措施（例如MRI，EEG）的机器学习模型来预测智力得分，反应能力干预措施以及智力的基线神经生理和认知相关性；

虚拟用户环境（VirtUE） 使用自适应学习算法来构建分析工具和技术，以识别和响应正常计算机用户活动中的偏差，从而防止零日攻击。