ARTICLE · 1281920
联网摄像头与AI追踪工具增加部队调动暴露风险
一支部队尚未进入战场，其活动就可能已在民用数字网络中留下痕迹。道路摄像头记录车辆经过，商业卫星拍下港口变化，公开照片留下人员信息，运输与位置服务持续产生数据。过去，这些信息分散在不同系统中，搜集、核验和关联需要大量人力。如今，人工智能正在降低这项工作的成本，使更多行为主体能够从日常活动中提取具有军事意义的线索。
2026年10月28日，DefenseScoop报道，美军运输司令部官员担忧，商业车牌识别、联网摄像头及AI追踪工具构成的监测网络，可能暴露人员活动规律和部队调动迹象。他们关注的重点，已从单次车辆记录，转向这些记录能否被关联到行动意图与时间安排。
这一担忧具有普遍性。凡是依赖公共交通、商业物流和数字基础设施的军事力量，都面临类似问题：军事系统内部的信息得到保护，并不意味着其外部活动无法被观察。前沿AI与商业感知技术的结合，正在改变军事行动保密的条件。
军事活动留下数字痕迹，并非新现象。2018年，美国国防部就已限制人员在指定行动区域使用设备、应用和服务的地理定位功能，原因是这些功能可能危及人员和行动安全。当时，防范重点主要是自身设备对位置的暴露。
今天的变化在于，即使当事人关闭定位、不发布照片，周边环境仍可能持续记录其活动。摄像头、商业遥感和第三方业务系统扩大了观察范围，AI则提高了处理这些记录的能力。保密对象由此从“我主动发布了什么”，扩展到“外部系统能够推断出什么”。
AI带来的关键增量，是将原本耗时的信息整理、跨语言检索和初步关联变得更容易。一张照片或一条车辆记录通常不足以说明问题，但当多个来源能够相互印证，零散数据就可能形成活动图景。原先因为分析成本过高而无人利用的信息，也可能重新获得价值。
Anthropic在2026年9月发布的威胁情报报告中披露，一个与伊朗有关联的行为主体曾利用Claude汇总公开信息，研究美国海军位置并形成目标建议。涉及材料包括公开军事照片说明、船舶与航空器识别信息，以及商业卫星影像相关工具。该公司称已封禁账户，并向政府部门分享情报。
这一案例证明的是利用AI开展军事情报分析的尝试，不能据此认定相关建议准确，更不能推导出已经促成实际打击。但它揭示了一项变化：通用模型正在进入过去更依赖专业人员和专用工具的分析流程。
如果将这一趋势仅理解为“AI帮助识别武器装备”，就会低估其影响。军事力量的运行依赖人员、运输、能源、维修和通信。许多环节位于营区之外，由地方机构或商业企业运营。它们产生的数据，可能间接反映军事体系的运转状态。
欧洲援乌物流已经提供了相关案例。2025年5月，英国国家网络安全中心与多国伙伴发布通报，指称俄罗斯军事情报机构相关人员针对西方物流和技术企业开展网络行动，并将乌克兰边境口岸及军事设施附近的联网摄像头作为目标，以监视援助物资运输。
该通报没有证明相关监视由AI驱动，但它展示了AI可以放大的既有路径：民用设施一旦被用于军事情报搜集，受影响的就不只是设施运营者。随着分析能力提高，大量分散记录可能更快被筛选、关联，并用于判断运输活动变化。
这里还需要区分不同的数据来源。公开照片与商业遥感，不等于受限的摄像头后台或企业业务数据库。公开获取、商业采购、违规共享与网络入侵，是性质不同的行为。不能因为某类设备存在，就认定其数据已经被对手掌握，也不能将潜在风险直接视为供应商失守的证据。
但从防守角度看，这些来源最终可能汇入同一个分析过程。因此，军事行动安全不能只检查内部网络，还需要理解外部合作伙伴掌握哪些数据、数据如何流转，以及多方信息汇集后会暴露什么。
商业感知与AI分析的结合，也在被正规军事组织主动采用。北约盟军转型司令部公布的SINBAD项目，利用商业卫星影像监测部队、装备、飞机和舰船活动，并通过AI分析识别变化与趋势，帮助分析人员将原始数据转化为情报。
这说明，商业技术进入军事侦察并非单向威胁，而是一场能力扩散。同一类技术既能加强预警，也能帮助对手观察部署。不同组织之间的差距，越来越取决于能否获得持续数据、验证分析结果，并将结果接入可靠的决策流程。
对资源有限的行为主体而言，AI可能降低组织初步情报工作的门槛。它们未必需要建立完整的侦察体系，就能利用现成模型处理部分公开资料。传统优势力量仍然拥有高质量传感器、专业分析人员和指挥体系，但低成本观察者可能增加，保密工作需要应对的对象也随之扩大。
面对这一趋势，简单要求人员少发照片、关闭定位仍有必要，却已不足以覆盖全部风险。安全评估需要进一步追问：哪些日常记录能够被关联到敏感任务？这些关联在什么时间内具有价值？外部企业与地方设施是否进入了保护范围？
保密管理的重点，也需要从单条信息是否敏感，转向信息组合后是否敏感。分别看似普通的人员、地点和业务记录，汇集后可能揭示组织关系与活动规律。相应地，访问权限、保存期限、共享范围和公开时机，都需要结合任务场景审视。
与此同时，防御不能完全建立在“对手看不见”的前提上。DefenseScoop报道中，运输司令部官员已将分散使用港口、机场和其他地点，以及加强与地方和私营基础设施伙伴协作，列为提高韧性的方向。
对各国军事力量而言，这意味着保密与韧性必须同时建设。一方面，尽量减少对手能够利用的敏感关联；另一方面，检验部分活动被识别、局部节点遭干扰后，运输、通信与保障任务能否继续。隐藏能够争取时间，替代与恢复能力则决定暴露后的承受力。
前沿AI不会让战场变得完全透明，却正在削弱一种长期存在的保护：信息虽然存在，但对手没有足够的人力和时间理解它。当这种分析成本持续下降，军事安全的边界就会从营区、设备和内部网络，延伸到整个行动所依赖的社会技术环境。未来的竞争，将越来越体现为谁能更快形成可靠判断，以及谁能在被观察、被推断的条件下保持行动能力。
态势报告.定制研究
参考资料
1. DefenseScoop：US military officials flag opsec risks of automated surveillance networks（2026-10-28） https://defensescoop.com/2026/10/28/us-military-opsec-risks-automated-surveillance-networks/
2. 美国国防部：Geolocation of Devices, Applications and Services（2018-08） https://media.defense.gov/2018/Aug/06/2001951064/-1/-1/1/GEOLOCATION-DEVICES-APPLICATIONS-SERVICES.PDF
3. Anthropic：Threat Intelligence Report（2026-09） https://www.anthropic.com/threat-intelligence-report-september-2026
4. 英国国家网络安全中心：UK and partners expose Russian intelligence campaign（2025-05） https://www.ncsc.gov.uk/news/uk-partners-expose-russian-intelligence-campaign
5. 北约盟军转型司令部：SINBAD https://www.act.nato.int/activities/sinbad/
态势报告.定制研究
