Поскольку США и другие страны-члены НАТО следят за действиями России и определяют соответствующие ответные меры, своевременные разведданные, на которые они полагаются, больше не поступают только от многомиллионных спутников-шпионов и наземных шпионов.
Социальные сети, большие данные, смартфоны и недорогие спутники заняли центральное место, а поиск информации в Twitter стал таким же важным, как и все остальное в наборе инструментов аналитика разведки. Эти технологии также позволили новостным организациям и ищейкам на кресле следить за происходящим и вносить свой вклад в анализ.
Правительства по-прежнему проводят секретные операции по сбору разведывательной информации с помощью обширных ресурсов, таких как бюджет разведки США. Но огромное количество ценной информации находится в открытом доступе, и не вся она собирается правительствами. Спутники и беспилотники стали намного дешевле, чем даже десять лет назад, что позволяет частным компаниям управлять ими, и почти у каждого есть смартфон с расширенными возможностями фото- и видеосъемки.
Как исследователь в области разведки и информационных операций, я изучаю, как технологии производят огромное количество разведывательных данных и помогают отсеивать ценную информацию.
Разведка из открытых источников
Благодаря информации, полученной коммерческими компаниями и частными лицами, реальная военная позиция России доступна любому человеку через поиск в Интернете или новостную ленту. Коммерческие компании размещают самые последние, географически точные снимки российских вооруженных сил. Несколько новостных агентств регулярно отслеживают ситуацию и сообщают о ней. Пользователи TikTok размещают видео российской военной техники на железнодорожных вагонах, предположительно направляющихся для усиления сил, уже находящихся на позициях вокруг Украины. Интернет-ищейки отслеживают этот поток информации.
Такая демократизация сбора разведданных в большинстве случаев является благом для профессионалов разведки. Правительственные аналитики восполняют потребность в оценке разведывательных данных, используя информацию, полученную через Интернет, вместо того, чтобы полагаться в основном на засекреченные системы или дорогостоящие датчики, расположенные высоко в небе или на планете.
Однако просеивать терабайты общедоступных данных в поисках нужной информации довольно сложно. Знание того, что большая часть данных может быть намеренно манипулирована с целью обмана, усложняет задачу.
Введите практику разведки из открытых источников. Директор национальной разведки США определяет разведку из открытых источников, или OSINT, как сбор, оценку и анализ общедоступной информации. Источниками информации являются новостные сообщения, посты в социальных сетях, видеоролики на YouTube и спутниковые снимки, полученные от коммерческих спутниковых операторов.
Сообщества OSINT и правительственные агентства разработали лучшие практики для OSINT, и существует множество бесплатных инструментов. Аналитики могут использовать эти инструменты для составления сетевых карт, например, преступных организаций путем анализа общедоступных финансовых документов на предмет преступной деятельности.
Частные детективы используют методы OSINT для поддержки правоохранительных, корпоративных и правительственных нужд. Кресла-сыщики используют OSINT для разоблачения коррупции и преступной деятельности властей. Одним словом, большинство разведывательных потребностей могут быть удовлетворены с помощью OSINT.
Машинное обучение для интеллекта
Даже при использовании передовых методов и инструментов OSINT вносит свой вклад в информационную перегрузку, с которой приходится сталкиваться аналитикам разведки. Аналитик разведки обычно находится в реактивном режиме, пытаясь разобраться в постоянном потоке неоднозначных необработанных данных и информации.
Машинное обучение, набор методов, позволяющих компьютерам выявлять закономерности в больших объемах данных, оказывается бесценным для обработки информации OSINT, особенно фотографий и видео. Компьютеры гораздо быстрее просеивают большие массивы данных, поэтому использование инструментов и методов машинного обучения для оптимизации процесса OSINT является необходимостью.
Выявление закономерностей позволяет компьютерам оценивать информацию на предмет обмана и достоверности и прогнозировать будущие тенденции. Например, машинное обучение может быть использовано для определения того, была ли информация создана человеком или ботом или другой компьютерной программой, и является ли часть данных подлинной или мошеннической.
И хотя машинное обучение ни в коем случае не является хрустальным шаром, его можно использовать - если оно обучено на правильных данных и имеет достаточно текущей информации - для оценки вероятности определенных исходов. Никто не сможет использовать комбинацию OSINT и машинного обучения для чтения мыслей президента России Владимира Путина.
Технологии породили поток разведывательных данных, но технологии также облегчают извлечение значимой информации из данных, чтобы помочь аналитикам собрать общую картину.