作者：北京海鷹科技情報研究所 王立盟

2023年4月26日，美國國防部工程與研究辦公室發布《用于持續交付作戰能力的軟件工程》指南，旨在為軟件規劃、開發過程提供指導，以適應快速變化的軟件技術、軟件工程實踐、軟件開發及軟件采辦需求，實現快速、安全和有效地持續交付作戰能力。該指南是美國國防部軟件工程和采辦現代化戰略的重要部分，主要內容包括政策和指南、技術現代化、挑戰與最佳實踐、軟件度量標準、軟件工程和人員能力、人工智能/機器學習等。

01政策與指南

(資料圖片)

2018至2022年間，美國國防部對軟件工程相關領域政策及指南進行了修訂，以推進軟件獲取、開發、運營和管理現代化。國防部軟件工程政策和指南文件可分為總體戰略、軟件工程和采辦、軟件工程和技術現代化3個層面。

表1 美國防部軟件工程相關政策及指南

圖1 傳統及現代軟件開發方法及其特征

02技術現代化

軟件技術正在軟件壽命周期、開發過程、軟件架構、部署和封裝、軟件基礎設施5個方面發生變革。軟件開發過程正在從傳統的瀑布式向敏捷/DevSecOps開發方式轉變，從有明確開始和結束日期的項目轉變為持續開發、迭代，以最終滿足用戶需求的產品。敏捷/DevSecOps開發方式提供快速交付能力，可降低風險，采用微服務架構支持多個團隊獨立開發和部署，基于云的基礎架構通過共享計算和網絡資源有效提高可擴展性和靈活性。該指南對應用程序接口、容器化技術、容器編排技術、微服務架構、持續集成/持續交付管道等新興軟件技術進行了介紹。

圖2 軟件技術變革的5個方面

國防部數字工程戰略（2018）列出了國防部數字工程倡議的5大戰略目標，以促進數字化轉型計劃，分別是：規范化模型的開發、集成和使用，便于組織和項目決策；提供持久的權威真相源；集成創新技術來改進工程實踐（大數據分析、認知、計算、數字到物理融合）；建立支撐基礎設施和環境，用于項目相關人員執行活動、協作和溝通；文化和人力資源的轉型，在裝備的整個生命周期的各個階段采納和支持數字工程。

03挑戰與最佳實踐

瀑布式開發方法通過文檔和項目關鍵節點來管理軟件開發過程，而敏捷/DevSecOps方法通過自動化開發、測試和部署來持續管理開發過程。該指南分析了在需求、體系結構、設計、編碼、測試、系統集成及部署階段所面臨的挑戰以及最佳實踐，通過不斷進行過程改進，實現快速、高質量軟件交付。

04軟件度量標準使用及經驗教訓

通過度量指標跟蹤和監控軟件開發過程，將有效降低軟件開發風險，同時，客觀指標將使各級決策者了解開發進展，并采取相應對策。指南討論了適用國防部采辦指令5000.87《軟件采辦路徑操作》的軟件采辦路徑指標、敏捷/開發運營流程及軟件工廠，并建議采用一致的軟件度量標準。從方案確定、開發流程、技術性能及任務有效性、軟件質量、軟件開發效率、核心基準指標、軟件成熟度的評估和預測等方面定義了軟件度量標準及應用。

圖3 軟件計劃與實際開發時間

圖4 軟件開發計劃與實際人員配置情況

05軟件工程和人員能力

該指南指出，國防部必須識別、雇傭和培訓為現代化作戰開發軟件的專業技術人員。國防部負責人事和戰備的副部長被授權制定和實施政策，建立程序，提供指導方針，在此基礎上建立了5項能力框架，將作為國防部基于能力的人事管理方法的基礎。

圖5 美國防部5項能力框架

06敏捷與DevSecOps軟件開發合同

敏捷開發方法關注軟件開發的共同目標以及明確定義的角色和責任，以實現軟件開發各參與方持續的合作和參與，這種管理架構被稱為“參與規則”，將有助于合同雙方靈活合作，創造性地實現共同目標。Scrum模型為軟件開發制定了明確的需求，包括關鍵的項目角色（如產品負責人、開發團隊等）、關鍵的計劃或會議（待辦事項、項目回顧等）、關鍵的項目文檔（如產品愿景、產品路線圖等）。同時，從傳統瀑布式到敏捷開發實踐是逐漸過渡的，可通過敏捷合同級別和敏捷開發水平體現，空軍的合同成熟度模型展示了敏捷合同成熟度各階段的特征。

圖6 敏捷合同成熟度模型

07人工智能與機器學習

該指南介紹了人工智能/機器學習的發展背景、首席數字和人工智能辦公室（CDAO）如何促進人工智能的應用，以及人工智能軟件發展愿景。指南指出，人工智能/機器學習在防御系統中發揮越來越重要的作用，軟件工程實踐將成為人工智能/機器學習開發和部署的關鍵使能因素。機器學習可提高軟件性能，縮短代碼編寫時間，并支持功能擴展。但也存在易受到訓練數據中偏差、不準確的影響，以及易受到對抗性攻擊和環境欺騙等問題。

首席數字和人工智能辦公室是加速人工智能能力交付的主要執行機構，通過國家任務計劃（NMIs）和組件任務計劃（CMIs）向國防部提供人工智能能力。作為整體軟件架構的一部分，人工智能將嵌入到數據處理微服務層，以提供支持作戰任務執行的能力。而加速人工智能能力交付，則需要構建所需的基礎設施，如采用云服務、基礎設施即服務（IaaS）架構、高性能計算等。

圖7 人工智能/機器學習作為軟件系統的組成部分

圖8 人工智能應用模型