长期以来，开源情报（OSINT）主要由外国新闻来源的见解组成。这是补充性的公共信息，分析师可以在机密情报之上分层，以获得完整的操作情况。情报界的许多人认为它是一个“很高兴拥有”，而不是一个关键任务数据源——这是一个需要确认而不是基本信息的东西。
那个时代已经结束。原因有两个。首先，开源情报的类型和范围在数字时代呈爆炸式增长。从公共法律记录到社交媒体平台再到暗网，OSINT现在涵盖了不良行为者用来沟通和动员的每一个在线渠道。其次，技术已经发展到可以解决将OSINT转变为关键任务决策的两个主要障碍：速度和规模。
从历史上看，在开发自动化技术之前，呈指数级增长的 OSINT 数据量使分析工具不堪重负，并且使得以足够快的速度提供见解以保持领先于威胁变得具有挑战性。人工智能（AI）大大增加了可以实时分析的数据量。当今支持人工智能的平台使情报分析师能够利用OSINT作为基础，帮助发现隐藏的威胁，证实机密报告，并确定需要资源密集型传统情报收集的目标。
OSINT的演变
OSINT 源自公开和商业信息（分别为 PAI 和 CAI）。它现在包括公共记录（人员/业务见解），本地事件，域和IP信息，区块链和加密活动以及暗网上发生的交互等元素。它已经发展成为基础信息资源，可以馈送到其他传统的情报学科中 - 例如，通过应用程序进行众包现场报告以补充传统的人力情报（HUMINT）或基于太空的开源图像（甚至包括开源，天基雷达和RF收集！）以补充传统的图像情报和地理空间情报。
像定位这样的整个情报学科，在过去几乎完全依赖于只有政府才能获得的敏感数据（例如，呼叫详细记录或通过传票获得的电子邮件流量），现在可以直接得到可比较但开源数据的支持，包括社交和暗网数据的关系网络分析或位置见解。
随着源和应用程序类型的增加，OSINT 数据量呈指数级增长，需要新的分析方法来提供可操作的见解。幸运的是，适当的AI工具可以重塑并增加OSINT的实用性。虽然其庞大的数量意味着只有一小部分OSINT被用于情报目的，但人工智能现在提供了释放这些数据全部潜力的能力，最大限度地利用了OSINT分析带来的洞察力。从本质上讲，人工智能将大数据量的挑战转化为优势，并最终与OSINT建立共生关系。
可扩展性
人工智能、机器学习和自动化工具能够扫描大量数据和对话，熟练识别需要进一步调查的联系和风险。为了帮助确保免受威胁，分析OSINT需要24/7的时间表，而AI有助于近乎实时地评估和识别风险。这些方法大大减少了分析师收集和处理数据所花费的时间，而是专注于提取相关见解。人工智能解决方案可用于快速观察数据中的模式，并比传统的人类驱动搜索覆盖更多的来源。他们甚至在检测机器生成的威胁（即AI击败其他可以伪装的AI）方面也非常成功。
准确性
AI限制了进行分析时所犯的错误数量，通常是通过提供更全面和一致的处理。人工智能和机器学习并不能取代情报专家的传统分析，但它们使人类分析师能够确定时间的优先级，并专注于最关键的信息以形成评估。技术现在能够为国家安全和情报领导人提供OSINT见解的基础，用于为任务资源的战略分配提供信息。
团效力
还可以利用AI驱动的OSINT来实时评估任何情况，从而就存在威胁和机会的位置建立联系。好处包括持续筛选 - 特别是用于识别组织或供应链中的内部风险 ，自动识别潜在的危险信号。与以前用于定期重新检查的劳动时间相比，筛查现在可以在几秒钟内完成，并且是常规，精确和及时的过程，可以立即提醒决策者。
有了 AI，OSINT 从未如此有价值或任务关键。现在是时候完全接受这种现成的资源了，因为技术已经发展到可以近乎实时地分析OSINT的程度。人工智能不会取代情报分析师，但它可以提供强大的洞察力基础，帮助他们将时间和精力集中在最紧迫的国家安全威胁上。
长按识别下方二维码加入情报学院知识星球
星球内有超千篇情报专业资料可供下载
往期推荐
原文始发于微信公众号（情报分析师）：AI 在开源情报（OSINT）中的作用
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论