一、美國國家科技委員會分析人工智能研發進展

2019年11月，美國白宮下設的國家科技委員會（NSTC）發布《2016~2019年進展報告：推進人工智能研發》，總結了美國聯邦政府各機構按照《國家人工智能研究發展戰略規劃》有關指示，在人工智能研發方面的重要進展。

報告稱，美國總統特朗普2019年2月簽發行政令提出的“美國人工智能計劃”將研發的首要任務確定為維持美國在人工智能領域的領導地位。而美國當前之所以能在人工智能創新方面居于世界領先地位，很大程度上是因為其擁有強大的人工智能研發生態系統。聯邦政府各機構作為該生態系統的組成部分，通過在各自所承擔任務領域投資世界領先的研究項目，為美國的人工智能創新做出了突出貢獻。

美國國家科技委員會2019年更新的《國家人工智能研究發展戰略規劃》是指導聯邦政府人工智能研發投資的國家戰略。該戰略提出八大研發方向：一是繼續長期投資基礎性人工智能研究；二是開發補充和增強人類能力的人工智能系統，更加關注未來工作前景；三是應對人工智能的倫理、法律和社會影響；四是創造強健和可信的人工智能系統；五是加強數據集和相關資源的可獲取性；六是支持人工智能技術標準和相關工具的開發；七是發展人工智能研發人才隊伍，包括開發和使用人工智能的人才；八是拓展公私伙伴關系以加快人工智能發展。

《2016~2019年進展報告：推進人工智能研發》對應以上研發方向，對美聯邦政府各機構2016~2019年的研發進展進行了詳細梳理。在每個研發方向下，報告均從科學與工程領域、國防領域、經濟領域、醫學/衛生領域、司法與安全領域，共五個領域廣泛掃描了聯邦各機構的人工智能研發項目和活動情況，并通過說明性案例突出了各機構在每一領域取得的突破性進展，充分反映了聯邦政府投資人工智能創新的廣度、深度，以及取得的成果。

二、美國國會研究服務局闡述對國家安全有重要影響的新興技術

2019年12月19日，美國國會研究服務局（CRS）發布報告《國防基礎：新興技術》，闡述將在未來數年里對美國國家安全產生重要影響的新興技術，如人工智能、定向能武器、生物技術。

1人工智能

人工智能的軍事應用包括情報、監視與偵察，后勤保障，網絡戰，指揮控制系統，半自主和自主平臺等。人工智能未來將催生蜂群作戰等新作戰概念，人工智能技術賦能的“深度造假”，可對圖片、視頻內容進行篡改，可能被對手用于“灰色地帶”信息戰奪取優勢。美國國防部2018年創建聯合人工智能中心，《2019財年國防授權法》設立人工智能國家安全委員會，評估美國在人工智能領域的競爭力，向國會提供發展建議。

2定向能武器

美國國防部將其定義為使用電磁能的武器，可摧毀敵方設備、設施或人員，能有效應對導彈齊射、無人機蜂群。激光武器屬于此類，可用于地面作戰人員應對火箭炮、火炮、迫擊炮，或遂行短程空防任務，高功率微波武器，也屬于定向能武器，可摧毀敵方電子設備、通信系統和簡易爆炸裝置。

3生物技術

生物技術是將生命科學用于技術應用，在國家安全方面有重大的潛在應用價值。美國政府問責局曾于2018年發布報告強調，美國國防部、國務院、國土安全局和國家情報總監辦公室對生物技術中的基因編輯技術進行過評估，該技術可能會通過基因編輯或修改DNA的方式來對人類、以及其他動物和植物進行修改。這些技術可能被用來提升軍事人員的作戰能力。合成生物技術可能被用來制造生化武器。美國的對手國家在研究和應用生物技術方面的限制相對較少，特別是在提高士兵作戰能力的基因編輯、生物武器制造等方面。

三、美國國防部提出新的電磁頻譜戰略

據防務系統網站2019年12月23日報道，美國國防部正在準備一項新的電磁頻譜戰略，該戰略預計將于2020年夏天發布。

2019年12月18日，在弗吉尼亞州亞歷山大市由“老烏鴉”協會舉行的一次圓桌會議上，美國國防部長電磁頻譜作戰跨職能團隊副主任、美國空軍少將Lance Landrum對記者說：“我們在電磁頻譜方面面臨挑戰。”

2019年4月成立的美國國防部電磁頻譜作戰跨職能團隊與美國國防部首席信息辦公室（CIO）共同領導了這項工作。該團隊是根據2019年《美國國防授權法案》的規定創建的，該規定要求美國國防部組建一支電子戰團隊，以確保其能夠成功指導電磁頻譜作戰。這個團隊包括來自各美國軍事部門、美國網絡司令部、美國聯合參謀部和美國其他部門的代表，他們利用預算和項目信息提出建議。該團隊負責戰略的實施、人力和培訓、未來能力、情報以及網絡、空間和電磁頻譜（EMS）的集成。

該工作旨在將現有的兩項戰略——由CIO開發的美國國防部2013年電磁頻譜戰略和美國國防部電子戰戰略——融合為一項單一的政策：電磁頻譜優勢戰略。Landrum表示，跨職能團隊和CIO辦公室已經在該戰略上取得了進展，預計將在2020年夏季末發布戰略。

新成立的團隊還開始了一項為期一年的人力分析研究，該研究將重點確定美國軍用和民用EMS人員，并更好地了確定他們的職業道路、培訓、教育、文化及專業指導和發展。Landrum說，他們已經進行了幾個月的研究，并將研究這些事物如何“在工作人員中形成一種文化和心態，使其與電磁頻譜的任務領域具有統一性、凝聚力和認同感”。他說，該團隊還高度重視電磁戰管理，以幫助指揮官做出更好的作戰決策，同時了解相關的風險。

四、美國研究人員演示通過監聽DNA合成儀竊取合成信息

國際電氣和電子工程師協會（IEEE）網站發布的美國加州大學的一項研究結果顯示，DNA合成儀在合成DNA時所發出的機器聲音經過錄音后，通過算法能夠準確識別其正在合成的DNA序列。這項研究結果給合成生物學敲響了警鐘，合成儀需考慮該安全漏洞，以避免“黑客”入侵竊取合成數據信息。

合成生物學是通過人工設計和構建自然界中不存在的生物系統，來實現在化學品合成（包括材料、能源和天然化合物）、醫學、農業、環境等領域的應用。近十來年，“合成生物學”飛速發展，受到各個國家和研究機構的持續關注。麥肯錫全球研究所的研究報告將合成生物學評價為未來的革命性技術，認為該技術將驅動相關市場和全球經濟的革命性發展，預測2025年合成生物學和工業生物技術產值將達到1，000億美元左右。2016年，經濟合作與發展組織（OECD）在“下一代產業革命”的研討會上，將合成生物學列為10項顛覆性技術之一。

DNA的人工合成，是合成生物學的一個研究領域。DNA合成儀在合成DNA堿基（核苷酸腺嘌呤A、鳥嘌呤G、胞嘧啶C或胸腺嘧啶T）時會發出不同的聲音，這使得以該合成儀的聲音為特征訓練的算法很容易識別正在合成的堿基種類以及堿基排列順序。

在美國圣地亞哥舉行的2019年網絡和分布式系統安全研討會上，美國加州大學研究人員用一種廣泛使用的老式DNA合成儀演示了如何準確竊取正在合成的DNA序列信息：研究人員用智能手機對正在運行的DNA合成儀進行錄音，然后通過訓練有素的算法來識別DNA合成儀所發出的滴答聲和嗡嗡聲，這樣就能準確地得到合成儀中正在合成的DNA序列。

研究人員表示，除發出的聲音外，發射的電磁場、散發的熱量以及機器的振動頻率等，所有這些信息都可能為不法分子或生物恐怖分子提供挖掘敏感信息的線索。

五、美國情報高級研究計劃局尋求將人工智能技術用于城市監視

目前，美國情報界研究機構正尋求通過訓練機器學習算法來跟蹤城市監視網絡視頻中的人群。美國情報高級研究計劃局（IARPA）已發布了廣泛機構公告（BAA），希望招募技術團隊來構建更大、更好的數據集以訓練計算機視覺算法，目的是對城市環境中的人群進行監視。經過大量的數據訓練，計算機視覺算法可將安保攝像頭網絡拍攝的視頻內容進行合成，以更好地跟蹤和識別潛在目標。

計算機視覺算法是一種人工智能算法，它可使計算機理解圖像和視頻。該算法曾在2013年被用于調查波士頓馬拉松爆炸案的犯罪嫌疑人，自此之后，便開始廣泛應用。許多執法機構和公共安全組織已經使用計算機視覺算法來調查犯罪活動、監視關鍵基礎設施和保障大型活動，以防恐怖分子攻擊。

IARPA稱，目前可用于訓練這些算法的數據相對較少，這限制了計算機視覺算法對現實世界各種態勢的識別能力。IARPA尋求利用新型數據集來改進訓練過程，并讓計算機視覺系統能夠連接城市攝像頭網絡拍攝的視頻畫面。未來，用于多攝像頭視頻網絡的計算機視覺算法可支持案發后的犯罪現場重建、關鍵基礎設施和運輸設施保護、軍隊保護和國家特種安全活動。

根據IARPA發布的公告，方案提供者應編輯約960小時的視頻，這些視頻應包含大量不同的環境和場景。數據集必須至少包含20個不同安保攝像頭拍攝的視頻，這些攝像頭的位置、視角、分辨率和幀頻各不相同，并需要拍攝約2.5英畝的城市或半城市空間。視頻應在全天候條件下拍攝，應包含行人、移動車輛、道路標志和其他干擾信息。視頻的拍攝范圍內必須至少包含200個測試目標，計算機視覺算法必須關注人的識別和跟蹤技術。

六、美國麻省理工學院研究人員僅憑聲音就可描繪出人臉

阿根廷經濟新聞網2019年6月18日報道稱，美國麻省理工學院的研究人員開發了一個名為Speech2Face的自主智能學習系統，僅憑聲音就可以描繪出人臉。

Speech2Face系統實際上就是一個神經網絡。研究人員搜集了來自YouTube等網站上的海量視頻，而所有視頻內容都是人在講話。隨后他們利用這些資料對這個能夠自主智能學習的神經網絡加以訓練。通過訓練，這個系統學習到了聲音和面部特征的相關聯系，掌握了講話者的一些基本特征，例如年齡、性別、種族和音色等。Speech2Face系統能夠利用聲音與面部特征的關系，根據少量聲音片段大致推測出一個從未見過的講話者的面容。目前該系統并不能準確還原一個講話者的面容，而是只能根據學習到的基本特征大致模擬人臉圖像。研究人員指出，這是因為該系統的訓練方向就是捕捉與年齡、性別等特征相關的視覺特點，而這些特點屬于多位講話者的共性。在海量資料的基礎上，該系統只有在從未見過的講話者身上找到足夠多的共性之后，才能大致模擬出一幅人臉圖像。因此這幅圖像無法做到精確還原講話者的面容。此外，雖然該系統的資料庫規模龐大，但畢竟無法涵蓋全世界所有人，因此該系統模擬出來的圖像仍需要進一步調整和完善。目前該系統面臨的最大挑戰就是如何給這個資料庫擴容，進而使其描繪的講話者面容更加接近原型，但這項任務絕非易事，仍需研究人員進一步努力。

七、美日研究人員利用激光向手機等電子設備發送語音指令

美國密歇根大學和日本電氣通信大學的研究人員證明，可用激光向手機、平板和智能音箱等發送語音指令。

該攻擊方法被研究人員命名為 “光指令（Light Commands）”，其依據的原理是：很多現代設備使用的微機電系統（MEMS）話筒會對直接指向自身的光線做出反應。話筒就是將聲波轉換為電子音頻信號的設備，但研究人員注意到，話筒也會對光源做出反應，比如就像激光對聲波做出反應那樣。這一特性可用于通過調制激光強度來將聲音“注入”話筒。在針對語音助手的攻擊中，攻擊者可用激光光束搭載語音指令 “射向” 目標設備的話筒，話筒會解調該信號。設備將以處理用戶語音指令的相同方式處理此解調出來的信號。攻擊者可使用“光指令”攻擊指示語音助手執行各類指令，比如控制房間燈光開關、打開車庫門、解鎖并啟動車輛、開鎖，還可以受害者的名義在線下單購物。很多設備都是此類攻擊的目標，包括運行 Siri 和 Google Assistant 的手機和平板電腦，使用 Alexa 助手的亞馬遜 Echo 智能音箱和 Facebook Portal 智能屏幕。該攻擊已在蘋果、谷歌、亞馬遜、Facebook 和三星的十多種設備上做了測試。攻擊距離各設備不同，但至少可在 110 米開外發起——測試距離受限于研究人員可用的通道長度，而且攻擊甚至隔著玻璃窗都可行。

八、美軍生物識別項目Jetson可在200米外遙測心跳識別身份

MIT Technology Review報道稱，美國五角大樓完成了一項針對恐怖分子的生物識別項目Jetson該項目技術先進，即使離目標200米遠，也能隔著衣服遙測心跳特征，進而準確識別目標身份。Jetson的技術依據是：每個人的心跳特征不同，因此可以作為識別個體的要素。該項目使用激光振動測量技術（laser vibrometry），主要識別心跳引起的表面運動。研究人員經測試發現，在較好的實驗條件下（如被識別者只穿著普通襯衫、夾克），Jetson的識別準確率不低于95%。在實際使用中，Jetson可與人臉識別等生物識別技術共同使用，以進一步提高準確率。然而，該項目也存在短板，如需要將發射至被識別者身上的激光點保持至少30秒才能得到較好結果，而且需要構建恐怖分子心跳特征數據庫。
責任編輯；zl