نیاز مبرم کشور به ارتباطات اضطراری و شبکه‌های تاکتیکی زمان

عباس پورخصالیان

در حین جنگ 12 روزه و پس از آن، یک نیازمندی حافظان امنیت فیزیکی کشور در بهره‌مندی از سیستم‌ها و شبکه‌های مخابراتی/ارتباطی، بیش از پیش آشکار شد: نیاز به شبکه‌ای با قابلیت پردازش «زمان-واقعی»! آن‌هم در شرایطی اضطراری و بحرانی که دیرکردِ چند میلی ثانیه ای در برقراری ارتباط و از دست رفتن حتی کسری از یک ثانیه در دریافت بازخورد و پردازش داده‌های نبرد به منظور کنترل عملیات میدانی، عملکرد سامانه‌های دفاعی را به شدت متأثر می‌کند.

وقتی که:

• جنگ افزارها، سیستم‌هایی ارتباطی شده‌اند
• و عملکرد سامانه‌های پشتیبانی تصمیم نظامی، به دریافت داده‌های زنده و پویا از شبکه وابسته است
• حیات و ممات انسان‌ها و بقاء ملت‌ها هم به جریان داده‌های انبوه، پردازش به موقع اطلاعات درست و مطمئن و اتخاذ تصمیم‌های فوری-فوتی وابسته می‌شود.

کاستی و نقیصه بزرگی که امروزه مشخص شده است همه شبکه‌های ارتباطی ما دارند، غیر زمان-واقعی بودن پردازش‌ها و به درد نخور بودن بازخوردهای به نسبت دیرهنگام این شبکه‌ها و سیستم‌ها برای کاربرد‌های نظامی‌ در اتاق‌های جنگ و در شرایط بحران است.

اکنون مشخص شده است که به ویژه برای استفاده در شرایط جنگی و در برهه‌های اضطراری و بحرانی، ضروری است که شبکه‌های تاکتیکی و سامانه‌های امداد عمومی، هم در سطح ملی و هم تخصصی، با قابلیت پاسخ دهی «زمان-واقعی» به نیازمندی‌های کاربران، طراحی و ایجاد شوند.

انواع شبکه‌های مخابراتی و ارتباطی نیازمند به قابلیت پاسخ‌دهی زمان-واقعی در کشور عبارتند از:

• شبکه‌های ارتباطات عمومی ‌مثل شبکه‌های تلفن‌های ثابت، شبکه‌های ارتباطات همراه، اینترنت، شبکه‌های دیتا و شبکه‌ایمنی عمومی؛
• شبکه‌های ملی پهن‌باند مخصوص نیروهای امداد، پلیس، آتش‌نشانی و اورژانس؛
• شبکه‌های رادیویی سنتی نیروهای پلیس و آتش‌نشانی که به رغم قدیمی‌بودن هنوز هم گسترده‌اند؛
• شبکه‌های مأموریت‌ حیاتی برای عملیات امنیتی؛
• شبکه‌های ارتباطات تاکتیکی فرماندهی و کنترل نیروهای نظامی‌ در زمین، هوا و دریا؛
• شبکه‌های ارتباطی ویژه برای مدیریت بحران‌ها و بلایای طبیعی؛
• شبکه‌های برقراری ارتباط از راه دور در نقاط فاقد زیرساخت زمینی؛
• شبکه‌های اختصاصی سازمان‌ها برای ایمنی و کنترل صنعتی؛
• شبکه‌های آموزش از دور جدید برای تماس‌های اضطراری با پشتیبانی از داده، ویدئو و پیام متنی؛
• شبکه‌های پرسرعت دانشگاهی و تحقیقاتی برای تبادل داده‌های علمی؛
• شبکه‌های ارتباطی ویژه برای کنترل زیرساخت‌های حیاتی خطوط خدمات برق رسانی، آبرسانی و گازرسانی؛
• شبکه‌های ارتباطات هوایی و دریایی برای ناوبری و ایمنی ترافیک.

• قابلیت زمان-واقعی بودن پاسخ‌دهی؛ مهمترین سنجه سطح خدمات

اگر روزی متولیان و مدیریت‌های مخابراتی و طراحان شبکه‌های ارتباطی در جمهوری اسلامی ‌ایران موفق شدند، حفره‌های امنیتیِ موجود در زیرشبکه‌های شبکه ملی اطلاعات کشور را ببندند یا آنها را به قدر کافی برطرف کنند و مصونیت و امنیت کلیه شبکه‌ها، به ویژه شبکه‌های تاکتیکی را ارتقاء دهند و درنتیجه: درصد بالایی از ایمنی و امنیت ارتباطی و اطلاعاتی را تضمین کنند، فبها! اما:

اگر کیفیت خدمات شبکه (QoS) و کیفیت تجربه مشترکان (QoE) را که یکی از سنجه‌های مهم آن، تضمین انواع قابلیت‌های پاسخدهی زمان-واقعی است، ارتقاء نداده باشند، قادر به عقد توافقنامه سطح خدمات (SLA) نیستند و هنوز کارشان ناتمام است!

سنجه «زمان-واقعی بودنِ» خدمات، اطلاعات، داده‌ها، سیستم‌ها و پردازش‌های مورد نیاز هر مشتری یا هر کاربر، پارامتری است که میزان آن از قبل معین نیست بلکه کمیت آن (که معمولاً به میلی ثانیه سنجیده می‌شود) از یک  دسته از خدمات به دسته‌ای دیگر، از یک سیستم به سیستمی ‌دیگر، از یک مشتری به مشتری دیگر فرق می‌کند و برآوردن آن برای مشتری، همه اُپراتورهای شبکه ملی اطلاعات کشور را در همه سطوح شبکه (شبکه محلی، شهری، بین شهری و بین المللی) درگیر می‌کند. در ایران، متولی هماهنگ سازی این اُپراتورها، شرکت ارتباطات زیرساخت است.

• تعریف پارامتر زمان-واقعی بودن ارتباط

برای درک مفهوم پارامتر «زمان-واقعی» بودن ارتباط، ابتدا به فرق میان سه صفتِ  online (برخط)، available (در دسترس) و real-time  (زمان-واقعی) اشاره می‌کنم.

معمولاً کاربران شبکه‌های مخابراتی، مشترکانی هستند که از حق اتصال‌پذیری (Connectivity) به صورت برخط  برخوردارند؛ اتصال برخط اما کافی نیست. پس از برقراری اتصال برخط، مشتری نیازمند دسترسی‌پذیری (Availability) است یعنی سرویس یا مخاطب مورد نظرش، باید در دسترس باشد؛ ولی اتصال‌پذیری برخط و دسترسی‌پذیری، پیش‌نیازهایی هستند برای پاسخ مطلوب گرفتن از شبکه در مدت-زمانی معین، پس از برقراری ارتباط. یکی از سنجه‌های مهم برای  تشخیص پاسخ مطلوب از نامطلوب، مدت-زمانِ تأخیر موردِ انتظارِ کاربر است.

بنا به تعریف: سیستم‌هایی که دریافت پاسخ از آنها باید آنقدر سریع باشد که تأخیرشان بیشتر از آستانه انتظار کاربر طول نکشند، «زمان-واقعی» هستند.

• انواع پردازش‌ها و سیستم‌ها از منظر مدت-زمانِ تأخیر دریافت بازخورد

پردازش‌ها و سیستم‌ها از منظر مدت-زمان اخذ بازخورد به انواع زیر دسته بندی می‌شوند:

• سیستم‌های «زمان-واقعی» (real-time) که خود به  سه گونه زیر تقسیم می‌شود:
• سیستم‌های «زمان-واقعیِ سخت» (Hard Real-Time)،
• سیستم‌های «‌زمان-واقعیِ نرم» (Soft Real-Time)، و
• سیستم‌های «زمان-واقعی-میان کنشی» (Real-Time Interactive)
• سیستم‌های «نزدیک به زمان-واقعی» (near-real-time)،
• سیستم‌های«غیرِ زمان-واقعی» (non-real-time).

 تمایز میان سیستم‌های مخابراتی/ارتباطی از منظر مدت-زمانِ تأخیرِ مجاز در اخذ  بازخورد، به دو لحاظ مهم است:

از یکسو: برای کاربران سیستم‌های دیجیتالی، بخصوص در شرایط بحرانی بسیار حیاتی است؛

و از سوی دیگر: برای اپراتورهای شبکه، طراحی  کردن و اجرا و پیاده سازی حدود و ثغور تأخیر مجاز و تضمین آن در پردازش داده‌ها، اعم از ذخیره‌سازی داده و انتقال داده، بسیار هزینه‌بر است.

برای مثال، بیاییم سیستم‌های هوش مصنوعی مکالمه‌‌محور (مانند چت‌بات‌ها) را با سیستم‌های هوش مصنوعی مورد استفاده در حوزه‌‌های حساس مانند جنگ ترکیبی، دفاع خودکار، یا کنترل زیرساخت‌های حیاتی مقایسه ‌کنیم:

• سیستم چت‌بات‌های امروزی از جمله آن‌هایی که در خدمات مشتری، بهره‌وری و آموزش استفاده می‌شوند، در حالت «نزدیک به زمان-واقعی» عمل می‌کنند: تاخیر(Latency) در این نوع سیستم‌ها معمولاً بین ۱۰۰ میلی‌ثانیه تا چند ثانیه است.

هدف این سیستم‌ها: ایجاد پاسخ‌هایی انسانی‌گونه است که فوری به نظر برسند، اما از منظر ماشین، فوریت مطلق ندارند.

دلیل «نزدیک به زمان-واقعی بودن» تأخیر در تولید پاسخ: چت‌بات‌ها به زیرساخت ابری و مدل‌های زبانی بزرگ (LLM) متکی هستند که برای پردازش ورودی‌های متنی پیچیده نیاز به مدت-زمان محاسباتی نسبتاً زیادی دارند. تأخیرهای شبکه و زمان استنتاج مدل باعث می‌شوند این سیستم‌ها کاملاً «زمان-واقعی» نباشند.

نمونه: وقتی پرامپت یا پُرسندی را به چت‌بات می‌فرستید، درونداد اِعمال شده از سوی شما، از طرف چت‌بات به‌صورت ترتیبی پردازش می‌شود؛ سپس مدل زبانی می‌آید آن را «توکنیزه» می‌کند و از شبکه عصبی پیچیده ای عبور می‌دهد و پاسخ را «توکن‌ به ‌توکن» تولید و ارائه می‌کند.

• اما در سیستم‌های زمان-واقعیِ هوش مصنوعی، موضوع فقط سرعت عمل سیستم نیست، بلکه زمان‌بندی تضمین‌شده و پیش‌بینی‌پذیر نیز حیاتی است.

در سیستم‌های «زمان-واقعی سخت»: سیستم باید در زمان کاملاً مشخصی پاسخ دهد؛ زیرا شرایط کار سیستم طوری است که هرگونه تأخیر بیش از آستانه مجاز، شکست سیستم محسوب می‌شود

نمونه: سیستم هوش مصنوعی حمله پهپادی از نوع «زمان-واقعی سخت» است. اتاق جنگ نمی‌تواند تأخیر‌های بیش از آستانه مجاز را تحمل کند.

ولی در دفاع موشکی و سیستم‌های کنترل هواپیما، سیستم هوش مصنوعی از نوع «زمان-واقعی نرم» است: یعنی اتاق جنگ می‌تواند تأخیرهای جزئی فراتر از آستانه مجاز را تحمل کند، اما همچنان نیازمند بازخورد سریع است. همچنین در نمونه ترجمه زنده گفتار، تاخیر مجاز در حد میکروثانیه تا میلی‌ثانیه و سیستم هوش مصنوعی از نوع «زمان-واقعی سخت» است.

سیستم‌های هوش مصنوعی به خدمت گرفته شده در جنگ ترکیبی (که در آن، تاکتیک‌های فیزیکی، سایبری و اطلاعاتی باهم ترکیب می‌شوند) باید تصمیمات زمان-واقعی را بر اساس جریان‌های پیوسته و زنده و پویای داده ( مانند داده‌های رادار، ارتباطات، و تصاویر ماهواره‌ای) اتخاذ کنند. چنین سیستم‌هایی معمولاً در حد میلی‌ثانیه عمل می‌کنند، و تأخیرهای فراتر از چند میلی ثانیه تحمل نمی‌شوند.

• اهمیت پردازش زمان-‌واقعی داده‌های میدان از منظر طرف مقابل

1. نقش بنیادین پردازش زمان-‌واقعی در جنگ ۱۲ روزه

تقریباً تمام گزارش‌های منتشر شده از طرف مقابل، تأکید دارند که عملیات نظامی ‌و سایبری اسرائیل که ایالات متحده آمریکا هم به آن پیوست، در این جنگ به‌طور عمیق به تصمیم‌گیری آنی-لحظه‌ای مبتنی بر داده‌های زمان-واقعی وابسته بود.

این عملیات شامل سه سطح می‌شد:

سطح یکم یا لایه میدان نبرد: شامل تحلیل همزمان داده‌های حسگرها، رادارها و پهپادها برای تشخیص تهدیدها یا اهداف جدید بود. نقش هوش مصنوعی در این لایه، پردازش زمان-‌واقعی و تحلیل فوری این داده‌ها، مبتنی بر مدل‌های یادگیری عمیق برای تشخیص هدف و اولویت‌بندی فوری تهدیدها بود.

سطح دوم یا لایه فرماندهی و کنترل: شامل همگام‌‌سازی داده‌ها بین واحدهای مختلف و تصمیم‌گیری در کسری از ثانیه برای تخصیص نیرو و حملات بود. نقش هوش مصنوعی این لایه، پردازش زمان-‌واقعی مبتنی برسیستم‌های پشتیبانی تصمیم گیری هوشمند برای ارائه پیشنهاد گزینه‌های سریع به فرماندهان بود. و بالاخره:

سطح سوم یا لایه اطلاعات و عملیات سایبری: شامل پایش حملات سایبری، بررسی ترافیک شبکه و تمیز پیام‌های جعلی از واقعی بود. نقش هوش مصنوعی در این لایه، پردازش زمان-‌واقعی مبتنی بر الگوریتم‌های تشخیص الگو و تشخیص سریع نفوذ بود.

2. مصادیق وابستگی اتاق‌های جنگ به پردازش زمان-واقعی

 الف) سیستم‌های پدافند چندلایه شاملِ Iron Dome ، David’s Sling و Arrow

این سامانه‌ها برای رهگیری موشک‌ها در بازه زمانی کمتر از ۲ ثانیه از لحظه تشخیص تا شلیک تصمیم‌گیری می‌کردند. در این عملیات، الگوریتم‌های هوش مصنوعی در پردازش داده‌های رادار‌های مجهز به چند حسگر ترکیبی نقش حیاتی داشتند تا مسیر موشک، احتمال برخورد، و نقطه اصابت را پیش‌بینی کنند. این فرایند بدون پردازش زمان-‌واقعی اساساً ممکن نیست؛ حتی تأخیر چند صدم ثانیه‌‌ای می‌تواند باعث نفوذ و فرار و فرود یک موشک و ایجاد تخریب شود.(منبع: CSIS & JPost Defense Tech, ژوئن ۲۰۲۵)

ب) عملیات اطلاعاتی و شناسایی هدف

در این عملیات، پهپادهای شناسایی اسرائیل (مثل‌هاروپ و هرمس  900) داده‌های زنده را از مناطق ایران و سوریه گردآوری و به اتاق‌های جنگ منتقل می‌کردند. وظیفه هوش مصنوعی این بود که در کسری از ثانیه تصاویر را تحلیل و اهداف دارای اهمیت بالا را به سیستم فرماندهی معرفی کند. در این فرایند، الگوریتم‌های شناسایی اشیاء و بازشناسی الگوها به صورت زمان-واقعی عمل می‌کردند تا مثلاً یک پرتاب گر یا یک خودروی نظامی‌ را از یک وسیله غیرنظامی‌تمیز دهند. (منبع: Euronews Next, ، هجدهم ژوئن ۲۰۲۵)

3. تحلیل ترافیک در انواع شبکه‌ها

 شبکه‌های هدف که ترافیک‌شان در طی جنگ 12 روزه مورد تحلیل قرار گرفتند، عبارت بودند از:

 الف) شبکه‌های ارتباطی و زیرساختی ملی: شاملِ شبکه‌های برق، انرژی، آب، راه‌آهن و مخابرات در ایران و اسرائیل.

بخش بزرگی از جنگ سایبری در این سطح رخ داد، چون این شبکه‌ها با سامانه‌های کنترل صنعتی (مثل سیستم‌های Supervisory Control and Data Acquisition  برای صنایع) در پیوند بودند. مثال: حمله به سامانه‌های کنترل فشار خطوط گاز یا پالایشگاه‌ها، که در گزارش Middle East Institute (2025) و Reuters Cyber Brief ذکر شده‌اند.

در این گزارش‌ها، منظور از «تحلیل ترافیک»، پایشِ آمد و شُدِ بسته‌‌های داده میان کنترل‌ کننده‌ها و سرورها برای کشف الگوهای غیرعادی یا نفوذ غیر مجاز است.

 ب) شبکه‌های اینترنت عمومی ‌و «رسا»ها یا سرویس ‌دهندگان

در سطحی دیگر، حملات گسترده ای رخ دادند: 1) از نوع DDoS (به صورت تحریک همزمانِ هزاران منبع اینترنتی و هدایت سیگنال‌های ارسال شده از آنها به طرف یک سرویس دهنده هدف به منظور ایجاد مزاحمت و راه بندان تصنعی برای کاربران واقعی‌اش تا نتوانند به سرویس‌دهنده مهدوف دسترسی پیدا کنند) و 2) از نوع فیشینگ یا تله‌گذاری علیه دامنه‌های دولتی، بانکی و رسانه‌ای.

هدف از تحلیل ترافیک این شبکه‌ها عبارت بود از: 1)  شناسایی رفتار «بات‌نِت»‌ها یا ربات‌هایی که از کاربران شبکه‌ها جاسوسی می‌کنند و ممانعت از ادامه فعالیت جاسوس افزارها؛ 2) شناسایی حجم درخواست‌های مخرب؛ 3) شناسایی مسیرهای IP ؛ و 4) ردگیری حملات توزیع ‌شده.

 در هر چهار مورد فوق، از سامانه‌های هوش مصنوعی مبتنی بر آشکارسازیِ زمان-واقعیِ نابهنجاری‌های شبکه برای تفکیک ترافیک واقعی از ترافیک مخرب، استفاده شد.

منبع اطلاعات مذکور در مورد تحلیل ترافیک شبکه، گزارش‌های شرکت‌های امنیت سایبری در تل‌آویو (مثل Check Point) پس از جنگ 12 روزه است.

 ج) شبکه‌های نظامی ‌و ارتباطی رمزگذاری‌ شده موسوم به شبکه‌های تاکتیکی امن

در لایه نظامی، هر سه طرف جنگ (ایالات متحده آمریکا، اسرائیل و جمهوری اسلامی‌ ایران) از شبکه‌های اختصاصی برای تبادل داده میان واحدهای رزمی، پهپادها، مراکز فرماندهی و بین حسگرها و پردازشگرها استفاده می‌کردند. تحلیل ترافیک در مورد شبکه‌های نظامی ‌و ارتباطی رمزگذاری‌ شده موسوم به شبکه‌های تاکتیکی امن، به منظور نظارت بر سلامت و امنیت داده‌های زمان-واقعی صورت می‌گیرد تا اطمینان حاصل شود که اطلاعات مأموریت‌ها، دست‌کاری نشده‌اند و نشت اطلاعات و شنود رخ نداده است.

این نوع شبکه‌ها معمولاً مبتنی بر مقاوله نامه‌های مِش (mesh) یا پروتکل‌های ماهواره‌ای طراحی می‌شوند که سرعتی بسیار بالا و تأخیری اندک دارند. در این سطح از عملیات، از هوش مصنوعی برای تشخیص نفوذ و شناسایی جاسوس افزار در ارتباطات تاکتیکی امن، استفاده می‌شود.

 د) شبکه‌های اطلاعات اجتماعی

در حوزه جنگ اطلاعاتی، اصطلاح «شبکه» معنای دیگری هم دارد و در این معنا، به ساختار ارتباطی حساب‌ها و کاربران در پلتفرم‌هایی مثل پیام رسان‌های X (توییتر سابق)، تلگرام و اینستاگرام، اطلاق می‌شود. تحلیل ترافیک این شبکه‌ها، ردیابی الگوهای انتشار پیام، حساب‌های هماهنگ و مرتبط با یکدیگر و تشخیص» عملیات جنگ روانی را ممکن می‌سازد. این تحلیل از طریق الگوریتم‌های «گراف» و سیستم‌های «یادگیری عمیق برای کشف گره‌های مرکزی این نوع از شبکه‌ها صورت می‌گیرد.

4. نقش هوش مصنوعی در تحلیل ترافیک انواع شبکه‌ها

هوش مصنوعی در هر چهار نوع شبکه مذکور وظیفه مشابهی داشت، شاملِ:

• تشخیص و آشکارسازی الگوهای غیرعادی در جریان داده؛
• یادگیری رفتار طبیعی سیستم و شناسایی انحراف
• پیش‌بینی مسیر نفوذ و جهت گسترش حمله در زمان‌واقعی
• پشتیبانی از پاسخ خودآیین (Autonomous Response) مثل: بستن مسیر، قرنطینه‌سازی یا تغییر مسیر ترافیک

5. اجرای توصیه نامه‌های سری Y از اتحادیه بین‌المللی مخابرات برای تحقق پردازش زمان-واقعی در شبکه‌های مبتنی بر پروتکل اینترنت

اجرای استانداردهای Y.Sup66 و Y.3147 از مجموعه توصیه نامه‌های اتحادیه بین‌المللی مخابرات (ITU) در شبکه‌های تاکتیکیِ امن برای دستیابی به برتری نظامی‌در میدان‌های جنگ سایبری، امری بسیار حیاتی تا تقریباً الزامی‌است، البته به‌شرطی که بخواهیم قابلیت‌هایی مثل کنترل راه‌دورِ تعینی (deterministic remote control)، واکنش آنی فرماندهی و کنترل، و تضمین حداقل تأخیر انتها-به-انتهای قابل پیش‌بینی را واقعا به‌دست آوریم.

در این استانداردها، مفهوم «بودجه تأخیر» (Delay Budget) یک مفهوم کلیدی در رعایت عدالت در ستانداردهای شبکه است و ITU-T توصیه‌نامه‌هایی دارد که به طور غیرمستقیم بر این موضوع حکم می‌راند و سطوح مختلف اپراتورهای شبکه ملی مخابرات را ملزم به رعایت میزان خاصی از کیفیت خدمات (QoS) می‌کند که تأخیر بخشی از آن است.

در ادامه، به استانداردهای مرتبط  مختصر اشاره‌ای می‌شود:

استانداردهای کلیدی ITU-T برای توزیع عادلانه بودجه تأخیر میان اپراتورهای محلی، شهری، بین شهری و بین‌المللی عبارتند از:

۱. ITU-T Y.1541 (معروف به I.355 سابق): حاوی «معیارهای عملکرد شبکه برای سرویس‌های IP»
۲. ITU-T Y.2171 (معروف به Y.sam): حاوی «مدیریت توافقنامه سطح سرویس برای سرویس‌های پهن‌باند»
۳. ITU-T Y.2173: حاوی «الزامات کنترل پذیرش برای سرویس‌های حساس به تأخیر در “شبکه‌های نسل آینده» (NGN)
اجرای این استاداردها در ایران برای زمان-واقعی کردن شبکه‌های حساس به تأخیر ضروری است و متولی اجرای آنها در شبکه‌های عمومی ‌و حاکمیتی، شرکت ارتباطات زیرساخت است.