با تحول ساختار نبردهای مدرن و ادغام مؤلفه های سایبری و الکترونیکی ، تهدیدات ترکیبی به چالش جدی برای زیرساخت های نظامی و دفاعی بدل شده اند. این پژوهش با هدف طراحی یک چارچوب هوش مصنوعی شناختی ، به پیش بینی ، تحلیل و مقابله با حملات سایبری - الکترونیکی پرداخته است.در این راستا ، از شبکه های عصبی حافظه دار ( مانند LSTM ) برای تحلیل الگوهای زمانی داده های سیگنال و رویدادهای سایبری استفاده شد و یک مدل تصمیم گیر تطبیقی مبتنی بر یادگیری تقویتی طراحی گردید که قادر به تشخیص ناهنجاری ، اولویت بندی تهدیدات و واکنش بلادرنگ است.نتایج اولیه شبیه سازی نشان می دهد که چارچوب پیشنهادی ، دقت تشخیص تهدید را تا بیش از 92% افزایش داده و زمان واکنش به تهدیدات را به طور معناداری کاهش داده است . این سیستم می تواند به عنوان پایه ای برای توسعه پلتفرم های دفاعی نسل آینده در برابر حملات ترکیبی مورد استفاده قرار گیرد.