人工智能在開源情報中的新作用

admin

最近,國家情報局局長辦公室公布了一項新的開放源碼情報戰略,并稱之為"第一選擇的國際標準"。公共和私營部門組織正在認識到這一學科所能提供的價值,但也發現,近年來數字數據的指數增長已經超過了許多傳統的奧辛特方法。值得慶幸的是,人工智能(AI)和機器學習(ML)正開始對信息收集和分析的未來產生變革性的影響。

什么是開源情報?#
公開來源情報是指從公開來源收集和分析信息。這些來源可包括傳統媒體、社交媒體平臺、學術出版物、政府報告以及公開獲取的任何其他數據。奧斯特的主要特點是,它不涉及秘密或秘密的信息收集方法,如人類情報或社會工程。如果我能在為美國工作期間獲得數據的話。但我不能再做平民,那不是奧斯林。

歷史上,奧斯特是一個勞動密集型進程,涉及幾個關鍵步驟:

確定來源: 分析師確定哪些公共來源可能包含相關信息。
數據收集: 從這些來源收集信息,通常是通過人工搜索或網絡刮刮工具。
數據處理: 收集到的信息進行組織和結構分析。
分析: 熟練的分析師檢查數據以確定模式、趨勢和見解。
報告: 調查結果匯編成供決策者參考的報告,以便能夠作出更知情的決定。
這一方法雖然行之有效,但由于可用信息量之大,面臨著種種限制。人類分析師努力用手處理所有的東西,而有價值的洞察力可能隱藏在復雜的模式中,而這些模式對人類來說很難察覺。在這里,AI/ML可以在如何收集、處理和分析信息方面提供巨大的好處,從而使人類分析師能夠專注于那些他們唯一適合提供上下文的東西。作為一個副作用,這種轉變經常提高士氣,因為人類花在日常處理任務上的時間較少,分析和審查信息的時間也較多。

AI/ML可提供直接效益的任務包括:

處理大量數據: AI系統可以以遠遠超出人類能力的速度處理和分析大量數據。這使得奧斯特實踐者可以在更大的范圍內創造一個比以前更大的網絡,并繼續處理結果。
實時分析: 當今數字世界的信息流量驚人。原子能機構提供的OSINT工具可以實時監測和分析數據流,提供最新的智能,并能夠對新出現的情況作出快速反應。
多語種和多式聯運分析: AI可以通過同時翻譯和分析多種語言的內容來打破語言障礙。此外,它可以綜合處理各種數據類型--文本、圖像、音頻和視頻,提供更全面的情報圖像。這些功能中的很多可以離線使用,比如"開放之聲",從而消除對操作安全的任何擔憂。
預測分析: 通過分析歷史數據和當前的趨勢,人工智能可以幫助預測未來的事件或行為,增加一個積極的維度的奧斯林。
日常任務的自動化: AI可以幫助使OSINT的許多耗時方面自動化,例如數據收集和初始過濾,使人類分析師能夠專注于更高層次的分析和決策。以前即使不是不可能實現,也是非常困難的事情,比如準確的情感分析,現在都是微不足道的。
雖然沒有任何技術是完美的,我們必須在實施人工智能之前考慮到幻覺可能造成的潛在影響,但目前正在用于奧斯特的關鍵技術包括:

自然語言處理: nlp允許機器理解、解釋和生成人類語言。在奧斯金特,國家婦女方案對以下方面至關重要:
社交媒體帖子的情緒分析
在文本中識別人員、組織和地點的實體識別
對大量文本數據進行分類的主題建模
多語言情報收集的機器翻譯
計算機視覺: 這種技術使機器能夠解釋和分析視覺信息.在奧斯特,計算機視覺用于:
圖像和錄像中的面部識別
進行面部對比,以確定同一個人是否出現在多個圖像中
圖像中的物體檢測
光學字符識別(OCR)從圖像中提取文本
錄像中的場景理解
機器學習和數據挖掘: 你聽過多少次"不知道歷史的人注定要重復歷史"?機器學習是這一概念的化身,因為它允許系統從數據中學習,并隨著時間的推移提高性能。在奧斯特,它們用于:
預測趨勢或事件的預測分析
識別異常模式或行為的異常檢測
數據集群和分類,便于分析
通過網絡分析了解實體之間的關系
我已經做了近20年的奧斯特,這是迄今為止我所看到的最有活力,最令人興奮的時刻,在空間的新的發展幾乎每天都在發生。如果你要去 網絡安全 今年9月在拉斯維加斯,我期待著討論這一能力如何能夠提高我們今天的效力和效率,以及我們今后的期望。