人工智能在开源情报中的新作用

admin

最近,国家情报局局长办公室公布了一项新的开放源码情报战略,并称之为"第一选择的国际标准"。公共和私营部门组织正在认识到这一学科所能提供的价值,但也发现,近年来数字数据的指数增长已经超过了许多传统的奥辛特方法。值得庆幸的是,人工智能(AI)和机器学习(ML)正开始对信息收集和分析的未来产生变革性的影响。

人工智能

什么是开源情报?#
公开来源情报是指从公开来源收集和分析信息。这些来源可包括传统媒体、社交媒体平台、学术出版物、政府报告以及公开获取的任何其他数据。奥斯特的主要特点是,它不涉及秘密或秘密的信息收集方法,如人类情报或社会工程。如果我能在为美国工作期间获得数据的话。但我不能再做平民,那不是奥斯林。

历史上,奥斯特是一个劳动密集型进程,涉及几个关键步骤:

确定来源: 分析师确定哪些公共来源可能包含相关信息。
数据收集: 从这些来源收集信息,通常是通过人工搜索或网络刮刮工具。
数据处理: 收集到的信息进行组织和结构分析。
分析: 熟练的分析师检查数据以确定模式、趋势和见解。
报告: 调查结果汇编成供决策者参考的报告,以便能够作出更知情的决定。
这一方法虽然行之有效,但由于可用信息量之大,面临着种种限制。人类分析师努力用手处理所有的东西,而有价值的洞察力可能隐藏在复杂的模式中,而这些模式对人类来说很难察觉。在这里,AI/ML可以在如何收集、处理和分析信息方面提供巨大的好处,从而使人类分析师能够专注于那些他们唯一适合提供上下文的东西。作为一个副作用,这种转变经常提高士气,因为人类花在日常处理任务上的时间较少,分析和审查信息的时间也较多。

AI/ML可提供直接效益的任务包括:

处理大量数据: AI系统可以以远远超出人类能力的速度处理和分析大量数据。这使得奥斯特实践者可以在更大的范围内创造一个比以前更大的网络,并继续处理结果。
实时分析: 当今数字世界的信息流量惊人。原子能机构提供的OSINT工具可以实时监测和分析数据流,提供最新的智能,并能够对新出现的情况作出快速反应。
多语种和多式联运分析: AI可以通过同时翻译和分析多种语言的内容来打破语言障碍。此外,它可以综合处理各种数据类型--文本、图像、音频和视频,提供更全面的情报图像。这些功能中的很多可以离线使用,比如"开放之声",从而消除对操作安全的任何担忧。
预测分析: 通过分析历史数据和当前的趋势,人工智能可以帮助预测未来的事件或行为,增加一个积极的维度的奥斯林。
日常任务的自动化: AI可以帮助使OSINT的许多耗时方面自动化,例如数据收集和初始过滤,使人类分析师能够专注于更高层次的分析和决策。以前即使不是不可能实现,也是非常困难的事情,比如准确的情感分析,现在都是微不足道的。
虽然没有任何技术是完美的,我们必须在实施人工智能之前考虑到幻觉可能造成的潜在影响,但目前正在用于奥斯特的关键技术包括:

自然语言处理: nlp允许机器理解、解释和生成人类语言。在奥斯金特,国家妇女方案对以下方面至关重要:
社交媒体帖子的情绪分析
在文本中识别人员、组织和地点的实体识别
对大量文本数据进行分类的主题建模
多语言情报收集的机器翻译
计算机视觉: 这种技术使机器能够解释和分析视觉信息.在奥斯特,计算机视觉用于:
图像和录像中的面部识别
进行面部对比,以确定同一个人是否出现在多个图像中
图像中的物体检测
光学字符识别(OCR)从图像中提取文本
录像中的场景理解
机器学习和数据挖掘: 你听过多少次"不知道历史的人注定要重复历史"?机器学习是这一概念的化身,因为它允许系统从数据中学习,并随着时间的推移提高性能。在奥斯特,它们用于:
预测趋势或事件的预测分析
识别异常模式或行为的异常检测
数据集群和分类,便于分析
通过网络分析了解实体之间的关系
我已经做了近20年的奥斯特,这是迄今为止我所看到的最有活力,最令人兴奋的时刻,在空间的新的发展几乎每天都在发生。如果你要去 网络安全 今年9月在拉斯维加斯,我期待着讨论这一能力如何能够提高我们今天的效力和效率,以及我们今后的期望。