从防御到进攻：自动化开源情报
Added 2020-06-13 10:15:50 +0000 UTC《Automating Open Source Intelligence；Algorithms for OSINT》
从防御到进攻 — —
与昨天上传的那本来自欧洲的开源情报调查指南有点不同，这本书会从实战中的不同用例角度介绍这一技术 — — 其中包括防御角度。防御是开源情报对大众来说最具价值的方面，也是IYP相关专栏的主要侧重。
👉这本书中将介绍 数据分析、自动数据收集、API和各种调查工具；算法、包括有监督和无监督机器学习、地理定位追踪方法、去匿名化的手段，等等。
以及，当涉及道德和情境问题时，这些矛盾如何在开源情报内部发生？ 大数据已经吞噬了私人生活的安全和稳定，开源情报该如何处理这一棘手问题？
您的手机提供商每时每刻都在跟踪您、并知道谁与您在一起；它们记录您的在线和店内购买模式，并显示您是否失业、生病或怀孕；您的任何电子邮件和文本都会暴露您的亲密朋友；Google 知道您最隐秘的想法，Facebook 可以确定您的性取向和心理弱点，而无需您自己提及 ……
互联网本身就是跟踪、窃听、监视、和赚钱的工具。
👉开源情报是数据革命的重要参与者之一，如何才能让它成为捍卫民主和正义的使者，而不是高科技人权侵犯噩梦的雪上加霜？
我们已经看到了开源情报促进民主的成功案例，不论是匿名者组织的侦查行动还是国际人权组织的调查和揭露，同时也看到了开源情报可能造成的遭难案例，比如 流行中国和其他很多国家的人肉搜索、以及政府间谍肆无忌惮的社交媒体情报抓人。
互联网驱动的数据收集、存储和传播方式以及与之相关的进步已经发生了深刻的变化，随着在美国成立开源情报中心，已经足够明确了OSINT在所有来源情报过程中的合法性转变。
全球互连性已经大幅提高， OSINT可以产生新的有用的数据和情报见解；但是，它也会带来技术、政治、和道德方面的挑战，以及障碍。必须谨慎对待。
开源情报方法论是多个领域的综合：数据科学、统计学、机器学习、编程、数据库、计算机科学和许多其他领域，但是没有开源情报的总体统一理论。👉您的知识运用越灵活，做事的效率就越高；如果您和您的组织擅长联盟其他专业人士，也可以实现同样的成就。
