除了不断演变的威胁之外，机器学习算法、处理和网络技术的进步将影响实行机载电子攻击(AEA)的途径的类型、组合和使命。在使命方面，现在主要有不同的专业途径和系统服务的通讯和雷达AEA使命，将越来越多地满意多用途。鉴于传统的挟制雷达和通讯系统一般在不同的频率规模内运转，意味着不同的AEA系统和带着它们的途径也不同。跟着根据GaN的AESA技术的呈现，更多的功用软件操控系统可以在更宽的带宽上实行这两个使命。一些雷达干扰系统有能力进入通讯频率规模，反之亦然。在NGJ和海军的SEWIP Block 3可以看出通用的AEA系统适用于通讯和雷达。AEA的能力需求融合到凌乱的、可扩展的、价格合理的端到端EMSO系统中，而智能EMSO的未来则是关于网络，高收益、EA、赛博空间、可扩展通用后端和多功用阵列。混合模式可能是有效的，但是需求网络化来合作，且伴跟着分布式处理和通讯等内涵应战。别的，多用途系统也面对应战。小精灵”方案旨在证明蜂拥式网络无人途径可以在IADS内，实行各种使命，包含AEA。(DARPA)另一方面，削减人工使命负载是将认知电子战和机器学习应用到AEA使命中最明显的优点之一。虽然期望这些系统是选用完全自治的装备和使命组，但是也有其他的办法可能需求有一个操作员处于‘人在回路’状况。在这种情况下，虽然操作员实际上并不在回路中驱动决议方案进程，但他们可以观察到正在产生的事情并承认机器建议的一个办法，或许在某些情况下，手动覆盖它。第三种选择是运营商在线环境，不只要使用你搜集和处理EMS的信息，还要使用一切的信息，包含在从途径上的一切其他传感器搜集信息，以协助优化全体使命。雷达和通讯系统将不再是仅有的有助于应对凌乱IADS环境或许A2 / AD环境的挟制系统。其他潜在的监视、瞄准以及自动、被逼武器技术也有必要加以考虑和处理，例如：使用商业发射器(电视和无线电信号)信号作业的被逼雷达、卫星系统、红外与光学传感器、无人机和便携式防空系统等。