Hotfusionspanel
Interaktiv multikälla hotfusionskalkylator baserad på Dempster-Shafers kombinationsregel. Lägg till drönar-, HUMINT-, SIGINT- och satellitobservationer för att beräkna fusionerad konfidens.
Interactive: Multi-Source Threat Fusion Dashboard
Add independent observations from different sources. Dempster-Shafer fuses them into a single confidence level. Try adding HUMINT or SIGINT to see how non-drone sources improve the picture.
Multikälla underrättelsefusion vid drönarinsatser
Dempster-Shafer-kalkylatorn löser ett avgörande problem inom drönarbaserad underrättelseverksamhet: enskilda sensorobservationer ger ofullständiga konfidensbedömningar, typiskt 60–85 procent. En enskild Fischer 26 som detekterar ett fordon med 72 procents konfidens motiverar inte att riskera en FPV-strikedrönare för 400 euro — sannolikheten för falskt positiv är för hög. Men när tre oberoende drönare observerar samma plats — en vid 72 procent, en annan vid 68 procent och en tredje vid 81 procent — stiger den fusionerade konfidensen till 98,3 procent och passerar tröskeln för strikeinsatsrekommendation. Den matematiska grunden är enkel: C_fusionerad = 1 − ∏(1 − Cᵢ). Varje ytterligare observation minskar den kvarvarande osäkerheten multiplikativt.
Icke-drönarkällor och deras bidrag
Instrumentpanelen stödjer sex källtyper utöver drönarobservationer: HUMINT-rapporter från lokala informanter eller förhör med tillfångatagna, SIGINT-avlyssning av fiendens radiokommunikation, OSINT från sociala medier och öppna källor, satellitbilder från kommersiella leverantörer, markobservatörsrapporter från framskjutna spaningsförband, samt akustiska sensordetektioner. Varje källtyp har unika tillförlitlighetsegenskaper — en HUMINT-rapport med 50 procents konfidens ger kontext som ingen kamera kan fånga, exempelvis truppens stridsmoral eller planerade tillbakadraganden. Fusionering av en 50-procentig HUMINT-rapport med tre drönarobservationer på 70 procent producerar 97,3 procents sammanvägd konfidens.
Konfidenströsklar och beslutsauktoritet
Lisa 26 använder den fusionerade konfidensen för att avgöra vilken beslutsauktoritetsnivå som gäller. Under 70 procent klassificeras detekteringen som L1 — den visas på operationsbilden men ingen åtgärd rekommenderas. Mellan 70 och 85 procent genererar systemet en L2-rekommendation som en mänsklig befälhavare måste godkänna. Över 85 procent, med ett inkommande drönarhot och mindre än 10 sekunder till nedslag, kan systemet vidta autonom L3-åtgärd och avfyra en interceptor utan mänskligt godkännande — den mänskliga beslutscykeln på 8–15 sekunder överskrider helt enkelt den tillgängliga reaktionstiden. Dessa trösklar är konfigurerbara per förbands stående operationsorder.
Implementering
# Dempster-Shafer Fusion — Multi-Source Confidence
def dempster_shafer(confidences):
"""C_fused = 1 - prod(1 - Ci) for independent observations."""
miss = 1.0
for c in confidences:
miss *= (1.0 - c)
return round(1.0 - miss, 4)
# Three drone observations of same target
obs = [0.72, 0.68, 0.81]
fused = dempster_shafer(obs)
print(f"Individual: {obs}")
print(f"Fused: {fused}") # 0.9830
print(f"Level: {'L2 RECOMMEND' if fused > 0.70 else 'L1 MONITOR'}")
# Add HUMINT source
obs_with_humint = obs + [0.50]
fused2 = dempster_shafer(obs_with_humint)
print(f"+ HUMINT: {fused2}") # 0.9915Hotfusionspanelen demonstrerar Dempster-Shafer-fusionsalgoritmen som Lisa 26 använder för att kombinera multipla sensorkällor till en enda konfidensbedömning. Konfigurera individuella sensorers klassificering och konfidens för att se hur fusionen höjer eller sänker den samlade bedömningen. Verktyget visar även hur OSINT- och HUMINT-rapporter integreras med drönarsensordata.
Hotfusionsverktyget demonstrerar den matematiska grunden för Lisa 26:s multisensorfusion. Dempster-Shafer-teorin kombinerar oberoende bevis från multipla källor utan att kräva att källorna är exakt kalibrerade mot varandra. Resultatet är en fusionerad konfidens som alltid är högre än den högsta individuella källan — förutsatt att källorna inte direkt motsäger varandra.
Verktygets praktiska tillämpning: en operatör som ser att en enskild drönarsensor ger 72 procent konfidens kan använda verktyget för att beräkna att en andra oberoende sensor med 65 procent konfidens höjer den fusionerade bedömningen till 89 procent. Detta visar varför multisensorfusion är kritisk — en enda sensor ger otillräcklig konfidens för engagemangsbeslut medan två sensorer tillsammans når den 85-procentströskel som krävs för L2-rekommendation.
Verktyget inkluderar även visualisering av hur OSINT- och HUMINT-rapporter viktas baserat på NATO:s källvärderingsmatris. En A1-källa bidrar fullt till fusionen medan en F6-källa knappt påverkar resultatet. Denna transparens hjälper S2-analytiker att förstå varför vissa rapporter har mer inverkan på operationsbilden än andra.
Fusionsalgoritmen hanterar även motsägande information gracefully. Om en drönarsensor klassificerar ett objekt som stridsvagn med 80 procent konfidens medan en HUMINT-källa rapporterar att inga fientliga stridsvagnar finns i sektorn, reducerar Dempster-Shafer den fusionerade konfidensen istället för att krascha — systemet kvantifierar osäkerheten snarare än att ignorera den. Denna egenskap gör Dempster-Shafer särskilt lämpad för militära tillämpningar där informationskällor ofta är opålitliga eller motsägande. Operatören ser den reducerade konfidensen och kan besluta om ytterligare spaning behövs innan engagemang.
Fusionsverktyget stöder även tidsseriefusion: om samma sensor detekterar samma objekt vid samma position under multipla observationer över tid ökar konfidensen kumulativt. En stationär position som observeras 5 gånger under 2 timmar med 60 procent konfidens varje gång fusioneras till över 95 procent — mönsterigenkänning genom temporal ackumulering av bevis.