美国执法部门在很大程度上依靠开源情报(OSINT)来有效保护他们所服务的公民和社区。由于技术的进步,这种形式的情报已经迅速发展,使得执法部门难以有效地收集、分析和传播这种信息。本论文回顾了当前执法部门对开源情报的使用情况,并对俄乌战争之前和期间开源情报的使用情况进行了案例研究。研究发现,社交媒体开源情报是最被依赖的形式,而缺乏收集标准、公众情绪低落和执法文化则是充分使用其潜力的障碍。空前的众包和入侵期间公众对乌克兰的高度积极情绪被强调为成功抵御入侵的俄罗斯军队的关键因素。成立国家开放源码情报标准委员会,改善公众情绪以鼓励公众众包,并建立国家开放源码情报数据库,将提高执法部门开放源码情报的有效性。

执法机构有责任利用一切可以利用的工具来保护和服务他们的社区和公民。主动预防暴力犯罪的情报是一种重要的资源,必须有效优化以完成这一任务。开放源码情报(OSINT)被各地的执法机构严重依赖,以提供准确、实时的信息,帮助官员预防暴力犯罪。尽管几个世纪以来,执法部门一直在使用这种情报,但互联网和社交媒体平台的快速发展和扩张,增加了信息量和对开源情报的依赖性。

这篇论文研究了开放源码情报(OSINT)的背景和目前执法部门对OSINT的使用,并对俄乌行动之前和期间OSINT的使用进行了案例研究。在2022年2月的乌克兰入侵期间,开放源码情报的使用在针对俄罗斯军队的准备工作中产生了前所未有的有益结果。虽然这次入侵是一场国际军事冲突,但它被选为案例研究,因为它展示了对不断发展的现代社交媒体开源情报的有效利用。围绕冲突的大量数据被详细分析,积极主动的防御性演习可能归功于这些情报。

美国政府在战争中使用开源情报的历史可以追溯到第一次世界大战。传统来源包括报纸、杂志和印刷媒体,在美国的各种冲突中被用来对付敌人的军事战术。互联网的诞生改变了开源情报,它创造了在世界各地即时和无限制地分享信息的平台。2009年伊朗总统选举抗议期间,社交媒体的影响在全球范围内得到了强调。由于推特的存在,伊朗公民仍然能够与世界沟通,尽管他们的政府试图关闭国外的通信。

2021年12月,数以千计的俄罗斯军队开始在与乌克兰接壤的俄罗斯土地和俄罗斯占领的克里米亚移动和驻扎。到2022年1月和2月,全球新闻机构都在报道这场即将发生的冲突,并强调普京总统的行动和讲话。乌克兰-俄罗斯的冲突已经聚集了全世界的注意力,并在社交媒体平台上成为 "趋势",这导致数百万公民观看和 "分享 "相关帖子。俄罗斯和乌克兰公民在社交媒体上发布图片、视频和其他信息,并由世界各地的其他人进行分析。卫星图像和谷歌地图被用来确定俄罗斯军事资产的集结地点,反驳俄罗斯的错误信息,并对抗俄罗斯的军事战术。

美国执法部门有几个已确定的障碍,阻碍了OSINT的充分利用,包括需要分析的大量数据、公众对执法技术的低落情绪、囤积信息的文化,以及缺乏国家收集标准。该案例研究表明,由于乌克兰的公众情绪很高,世界上很多地方都愿意协助传播和分析社会媒体的帖子。对乌克兰的支持很高,众包如此猖獗,以至于形成了许多OSINT数据库,帮助在中心位置收集情报。公众情绪、众包和这些新颖的OSINT数据库对于乌克兰准备应对俄罗斯的入侵至关重要。

本论文通过研究当前执法部门OSINT的使用和乌克兰的案例研究提出了几个建议。第一个建议是通过提高公众对执法技术的信任和情感来吸引公众众包。突出和展示OSINT的成功使用,展示预防大规模枪击事件等暴力行为的积极措施,将有助于这一努力。第二个建议是建立一个类似于其他国家执法数据库的国家OSINT数据库。这将集中重要的情报,协助全国的执法安全措施。

第三项建议是建立一个开源的情报国家收集标准委员会。该委员会将形成收集标准并传播 "最佳做法",以指导情报分析员采用最高效和有效的收集方法。研究表明,如果正确实施,这些建议将提高执法部门改善公共安全和预防暴力犯罪的能力。总之,这项研究意味着要提高执法部门使用开源情报的能力,以保护他们所服务社区的公民。通过向执法人员增加可靠的、实时的开源情报,他们可以更有效地保护人的生命,防止对平民的伤害。

成为VIP会员查看完整内容
57

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《北约未来的C4ISR》2023最新50页报告
专知会员服务
151+阅读 · 2023年3月19日
俄乌战争 |《俄罗斯的信息战》美智库报告
专知会员服务
94+阅读 · 2023年3月1日
【AI+军事】 《冲突监测》附论文
专知会员服务
46+阅读 · 2022年4月27日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
48+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年6月18日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年6月23日
Arxiv
14+阅读 · 2021年3月10日
Generative Adversarial Networks: A Survey and Taxonomy
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
VIP会员
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
48+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年6月18日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员