Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Samankaltaiset tiedostot
Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

TIIVISTELMÄRAPORTTI. Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Nollasummapelit ja bayesilaiset pelit

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Yhteistyötä sisältämätön peliteoria

Yhteistyötä sisältämätön peliteoria jatkuu

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

How to Support Decision Analysis with Software Case Förbifart Stockholm

Luento 8. June 3, 2014

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

Monimutkaisten järjestelmien toimintavarmuuden parantaminen Jussi Kangaspunta ja Ahti Salo

Tehokas ilmaisku. Terminologiaa. Ilmaisku. Tavoitteiden saavuttaminen. Suunnittelun tavoitteet. S ysteemianalyysin Laboratorio Teknillinen korkeakoulu

Haitallinen valikoituminen

ENG3043.Kand Kandidaatintyö ja seminaari aloitusluento Tutkimussuunnitelman laatiminen

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

Luento 10 Kustannushyötyanalyysi

Lineaaristen monitavoiteoptimointitehtävien

Dynaamiset regressiomallit

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

Projektiportfolion valinta

Rationaalisen valinnan teoria

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)

pitkittäisaineistoissa

Vedonlyöntistrategioiden simulointi ja evaluointi

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely)

ERIMIELISYYKSIEN HOITAMINEN. Prof. Jouko Kankainen JoKa-konsultit Oy

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017

pitkittäisaineistoissa

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

MAT PÄÄTÖKSENTEKO JA ONGELMANRATKAISU

Mat Operaatiotutkimuksen projektityöseminaari Viestiverkon toimintaluotettavuuden arviointi Projektisuunnitelma

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Bayesilainen päätöksenteko / Bayesian decision theory

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Jussi Sainio. Kandidaattiseminaari helmikuuta 2010

Varian luku 12. Lähde: muistiinpanot on muokattu Varianin (2006, instructor s materials) muistiinpanoista

Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu

Dynaamiset regressiomallit

Pelien teoriaa: tasapainokäsitteet

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Kertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

TIIVISTELMÄRAPORTTI. Monimutkaisten järjestelmien toimintavarmuuden parantaminen

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

TIEA382 Lineaarinen ja diskreetti optimointi

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

Optimal Harvesting of Forest Stands

Optimal Harvesting of Forest Stands

Sairaanhoitopiirien talouden ohjauksen tehokkuus

Signalointi: autonromujen markkinat

Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa

Prof. Marko Terviö Assist. Jan Jääskeläinen

Operaatiotutkimus ja MATINE Professori Ilkka Virtanen

Kertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä

SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely)

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Päätöksentekomenetelmät

Tehokkaiden strategioiden identifiointi vakuutusyhtiön taseesta

Järvitesti Ympäristöteknologia T571SA

Suomenlahden öljykuljetusten biologisten riskien mallintaminen ja päätösanalyysi Bayes-verkoilla

Monitavoiteoptimointi

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

Harjoitus 4: Matlab - Optimization Toolbox

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Aseiden leviämisen estäminen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

No millaista metsätietoa jj tarvitaan?

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Päätöksentekomenetelmät

Johdanto peliteoriaan Kirja kpl. 2

Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)

Kurssin esittely (syksy 2016)

Vaikutuskaavioiden ym. strukturointityökalujen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

SEKASTRATEGIAT PELITEORIASSA

Jalkaväkiryhmä simuloinnin pelinappulana

Peliteoria Strategiapelit ja Nashin tasapaino. Sebastian Siikavirta

OPERAATIOTUTKIMUKSEN AJATTELUTAPA TUTKIMUSMAAILMASTA TEOLLISUUTEEN

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Ennustamisen ja Optimoinnin mahdollisuudet

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

Optimoinnin sovellukset

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Kuluttajan valinta ja kysyntä. Viime kerralta. Onko helppoa ja selvää? Mitä tänään opitaan?

VMI kasvututkimuksen haasteita

Transkriptio:

1 Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa Toteuttaja: Aalto-yliopisto Johtaja: Ahti Salo MATINE-rahoitus: 68 160

2 Tutkimusryhmä Aalto-yliopisto Matematiikan ja systeemianalyysin laitos Systeemianalyysin laboratorio Ahti Salo Professori, projektin johtaja Juho Roponen Tohtoriopiskelija Instituto de Ciencias Matemáticas (ICMAT) David Ríos Insua Professori

3 Esityksen sisältö 1. Vastakkainasettelullinen riskianalyysi (ARA) 2. Tutkimusprojekti 3. Jatkosuunnitelmat

4 Esityksen sisältö 1. Vastakkainasettelullinen riskianalyysi (ARA) 2. Tutkimusprojekti 3. Jatkosuunnitelmat

5 Riskianalyysi 1. Riskiarviointi Tunnistetaan riskit ja arvioidaan niiden todennäköisyydet ja seuraukset. 2. Riskien hallinta Valitaan ja toimeenpannaan toimenpiteet, jotka rajaavat riskien toteutumista ja seurauksia. Kehitetty alun perin teollisten riskien hallitsemiseen. Menetelmissä riskien toteutuvan satunnaisesti. Eivät sellaisenaan sovellu tilanteisiin, joissa joku tarkoituksellisesti pyrkii aiheuttamaan vahinkoa.

6 Vastakkainasettelullinen riskianalyysi (Adversarial risk analysis, ARA) Tukee riskien arviointia asetelmissa, joissa riskit ovat tavoitteellisten toimijoiden aiheuttamia. Tarjoaa menetelmiä vastakkainasettelusta aiheutuvien riskien hallitsemiseksi. Perinteisillä menetelmillä rajoitteita (Parnell et al 2008) Tavalliset riskianalyysimenetelmät eivät huomioi tahallisuutta. Peliteoria tekee epärealistisia oletuksia osapuolten tietopohjasta. Päätösanalyysi ei tarjoa menetelmiä vastustajan toimien ennustamiseen. Vastakkainasettelullisessa riskianalyysissä näitä rajoitteita ei ole.

7 ARA metodiikka Menetelmä vastustajan toimien ennakoimiseksi ja niihin vastaamiseksi. Vastustajan pyrkii yleensä hyötynsä maksimointiin. Muut preferenssimallit ovat myös mahdollisia. Vastustajan toimiin liittyy epävarmuutta. Tavoitteita, kykyjä ja tietopohjaa ei tunneta tarkkaan. Osapuolten päätösten välillä keskinäisriippuvuuksia. Vastustajasta voidaan tehdä eri rationaalisuusoletuksia. Satunnainen, kognitiiviseen hierarkiaan perustuva, omaa ajattelua peilaava jne.

8 Vaikutuskaavio Puolustajan päätös Puolustajan hyöty Taistelu Hyökkääjän päätös Hyökkääjän hyöty

9 ARA-ongelman ratkaisu puolustajan näkökulmasta Halutaan löytää puolustajan (Defender) paras päätös olettaen, että hyökkääjä (Attacker) yrittää maksimoida oman hyötynsä. Mikä päätös d D maksimoi puolustajan odotetun hyödyn ψ D a, d = u D c π D c a, d dc, kun hyökkääjä valitsee vaihtoehdon a A?

10 Ratkaisu vaiheittain 1. Määritetään puolustajan hyötyfunktio u D (c) seurauksille c. 2. Arvioidaan todennäköisyysjakauma F(u A, π A ), joka kuvaa puolustajan epävarmuutta hyökkääjän hyötyfunktiosta u A (c) sekä hyökkääjän näkemystä päätöksistä a ja d riippuvista seurauksista π A (c a, d). 3. Ratkaistaan tehtävä hyökkääjän näkökulmasta, jotta saadaan todennäköisyysarvio siitä, miten hyökkääjä reagoi puolustajan päätöksiin, ts. p D a d = P F a = argmax x A ψ A x, d, missä ψ A a, d = u A c π A c a, d dc. 4. Puolustajan odotusarvoisen hyödyn maksimoi päätös d = argmax d D p D a d ψ D a, d da.

11 Esityksen sisältö 1. Vastakkainasettelullinen riskianalyysi (ARA) 2. Tutkimusprojekti 3. Jatkosuunnitelmat

12 ARAn laajentaminen portfolioiden arviointiin Hyötyfunktioita voi olla vaikeata arvioida. Taisteluasetelmassa on usein helpompi arvioida, mihin seurauksiin osapuolten päätökset voivat johtaa. Seuraamusten yli määritellyt todennäköisyysjakaumat voidaan asettaa osittaiseen paremmuusjärjestykseen, kun käytössä on jotakin tietoa preferensseistä ja riskiasenteista. Näin voidaan tunnistaa osapuolten kannalta tehokkaita, eli ei-dominoituja, päätösportfolioita. Päätösyhdistelmiä, joista kumpikaan osapuoli ei voi päätyä omalta kannaltaan kiistatta parempaan tulokseen.

13 Haasteet Tehokkaiden päätösvaihtojen löytäminen ei aina ole mahdollista preferenssi-informaatiolla. Hankittava lisää tietoa preferensseistä. Seurausten todennäköisyyksien arviointi voi olla laskennallisesti tai muutoin haastavaa. Hankittava lisää tietoa tutkittavasta ilmiöstä, kehitettävä menetelmiä tai lisättävä laskentakapasiteettia. Kun päätösten tai päätösvaihtoehtojen lukumäärä kasvaa, ratkaisuja on vaikeampi löytää. Jaettava ongelma eriteltäviin osiin tai harkittava muita menetelmiä.

14 Vahvuudet Ei tarvitse määrittää vastustajan hyötyfunktiota. Seuraamukset taistelussa ovat usein vahvasti korreloituneita. Jos meillä menee hyvin, niin vastustajalla ei yleensä mene. Hyvien ja huonojen päätösvaihtoehtojen erottelu onnistuu vähäisilläkin preferenssitiedoilla. Laajaa laskennallista analyysiä ei ole pakko tehdä. Systemaattinen tarkastelu auttaa tunnistamaan puutteet omassa tiedossa.

15 Realistinen esimerkkitarkastelu Huoltokomppania on perustanut huoltokeskuksen Tarttilan kylän maastoon. Hyökkääjä tietää komppanian olevan alueella ja käyttää miehittämättömiä ilma-aluksia (unmanned aerial vehicle, UAV) epäsuoran tulen maalien paikantamiseen. Hyökkääjän epäsuoran tulen käyttöä koskeva päätös riippuu siitä, miten paljon tietoa UAV:t löytävät. Puolustaja voi varautua tilanteeseen erilaisilla vastakeinoilla ennen hyökkääjän tiedustelua.

Huoltokomppania 16

Vaikutuskaavio 17

18 Tehokkaiden vastakeinoportfolioiden etsintä Päätösvaihtoehtojen seurauksia arvioidaan kahdella simulaatiomallilla. Sandis (Puolustusvoimien Tutkimuslaitokselta) Mockup UAV-simulaattori Vastakeinoportfoliot asetetaan paremmuusjärjestykseen lisäämällä preferenssidataa vaiheittain. Analyysi tuottaa listauksen ei-dominoiduista portfolioista ehdollisessa paremmuusjärjestyksessä.

Huoltokomppania tulen kohteena 19

20 Epäsuoran tulen vaikutukset Tiedämme, miten hyökkääjän kannattaa optimoida tulenkäyttönsä tiedustelutiedon pohjalta. Menetelmät kuvattu Tuukka Stewenin kandidaatintyössä (2017). 9 8 7 6 10 4 Expected pareto front considering the number of aiming locations Expected pareto front overall 7 10 9 8 9 8 7 6 10 4 Expected pareto front considering the number of aiming locations Expected pareto front overall 10 9 8 7 Utility gained 5 4 3 3 4 5 6 Utility gained 5 4 3 3 4 5 6 2 2 2 2 1 1 1 1 0 0 20 40 60 80 100 Total ammunition used 0 0 20 40 60 80 100 Total ammunition used Esimerkkejä tehokkaista tulenkäyttötaktiikoista käytettyjen ammusten ja tunnistettujen maalipisteiden lukumäärän suhteen.

21 UAV-tiedustelun onnistuminen Projektissa kehitetty yksinkertainen simulaattori. Voidaan huomioida puolustajan tutka- ja ilmatorjuntajärjestelmät, maastoutuminen, sää sekä hyökkääjän käyttämät UAV-järjestelmät. Lisälaskentoja tehdään. Simulaattorin tuottamia satunnaisia lentoratoja. Huoltokomppania näkyy pienenä keskellä.

22 Tutkimuksen esittely The 5th Nordic Military Operational Analysis Conference 2017 Tukholma 6-7 syyskuuta Society for Risk Analysis (SRA) Nordic Chapter Conference Espoo 2-3 marraskuuta Tuloksista syntymässä artikkeli korkealaatuiseen sarjajulkaisuun

23 Esityksen sisältö 1. Vastakkainasettelullinen riskianalyysi (ARA) 2. Tutkimusprojekti 3. Jatkosuunnitelmat

24 2018 Tutkimme uhkaa, jonka UAV-tiedustelu muodostaa alustäydennyksille Saaristomerellä. Ongelma on Merivoimille tärkeä. Teemme yhteistyötä prof. Kai Virtasen tutkimusryhmän kanssa, jolla on pitkä kokemus lentosimulaattorimalleista. Laajennamme ARA-menelmäkenttää dynaamisiin ongelmiin. Osapuolten liikkuminen Aika David Ríos Insua vierailee Aallossa 1,6kk:n ajan vuonna 2018.

25 Mahdollisia tutkimusaiheita Moniperiodisten ongelmien ratkaiseminen käyttäen stokastisella optimoinnilla tuotettuja päivitettyjä ennusteita. Ongelmaratkaisun osittainen automatisointi koneoppimisella. Laskenta- ja ratkaisumenetelmien tehokkuuden parantaminen. Uusista sovelluskohteista nousevat ongelmat.

26 Kiitoksia! juho.roponen@aalto.fi