情报界分析员的目标是向决策者客户提供信息摘要，以支持他们的决策。虽然所有来源的情报传统上主要依靠HUMINT（来自人类的情报）、SIGINT（来自截获的通信的情报）和IMINT（来自高空图像的情报），但OSINT（来自互联网等公开来源的情报）对情报评估的贡献越来越大。

开源情报被定义为（公法109-163的第931节，题为 "2006财政年度国防授权法"）："从公开可用的信息中产生，并及时收集、利用和传播给适当的受众，以满足特定的情报要求。" 以这种方式定义，它可以包括诸如学术出版物、新闻媒体、论坛讨论、公司和政府文件的网络档案、视频发布和社交媒体等材料。为了促进这些新的信息来源的使用，国家情报总监办公室在2006年成立了开源中心（https://fas.org/irp/dni/osc/）。

与传统的收集方法相比，OSINT有很多优势。首先，它的成本相对较低。第二是可以从盟友那里收集（例如，更好地了解他们的贸易政策），而没有外交影响的风险。第三，它们补充了传统的情报来源，提供了对社会（帮助预测像阿拉伯之春这样的事件）和非国家行为者（如恐怖分子和贩毒集团）公开活动的广泛洞察力。第四，一些对手的活动就其性质而言是在公开的媒体上运作的（例如，虚假信息运动和招募工作），因此最好通过OSINT进行监测。

尽管OSINT有很多优点，但也有很大的缺点。最大的缺点只是开源信息的数量太多。例如，2017年1月10日，Twitter上有大约5亿条新推文，Tumblr上有7500万条新博文，11亿个网站和18亿Facebook用户（internetlivestats.com/twitter-statistics）。需要用计算机化的方法来协助分析人员迅速有效地对如此大量的材料进行分类。

最近一份关于 "为人工智能的未来做准备 "的政府报告强调了人机合作的重要性。之前大多数关注人机协作的工作都是在认知-运动性能的背景下进行的，例如，但不限于，对自动化的信任或飞行任务中的认知工作量的评估，以及用于康复的脑计算机接口。然而，在人类操作者基于大脑生物标志物的信息检索的背景下，人机互动的发展则更为有限。因此，我们在这里提出了另一种以信息为中心的人机合作形式，这与最近的 "国家人工智能研发战略计划 "相一致，该计划指出 "智能系统应该具有增强人类认知的能力，知道在用户需要时应该检索哪些信息，即使他们没有明确提示系统需要这些信息"。

一种可能的方法是利用生理监测和计算机辅助相结合的方式来促进分析员的表现，这被称为增强认知。这种方法已经在IMINT领域进行了调查，由DARPA资助的情报分析员神经技术项目已经完成了一些报告。在这些研究中，参与者主要对国家地理空间情报局（NGA）提供的一堆卫星图像进行分流（识别需要进一步深入检查的图像）。在图像快速连续呈现给参与者的同时，脑电图（EEG）数据被收集起来，用于确定神经反应是否能在公开的按钮按压中得到改善。在速度和准确性上都取得了可喜进展。

有必要将这些有希望的IMINT结果扩展到构成OSINT材料的大部分的文本来源。文本材料要复杂得多，需要一种不同的方法。在RECON这个由加拿大国防研发部提出的情报分析感知框架中，在多个层面提供了计算机支持，即脑机接口（监测用户状态）、人机交互（增强信息的呈现）、情境感知（考虑用户目标以过滤信息）和基于案例的推荐（根据之前的用户会话建议线索）。在这样的框架内，像脑电图、眼球追踪、自主生理唤醒和功能性近红外光谱等措施有可能被部署到分析员的工作场所。

一些研究表明，将认知增强应用于OSINT文本材料的潜力，同时也说明了现有研究的局限性。一项研究表明，自律神经唤醒的措施（即使没有眼球追踪）足以对文件相关性进行分类，几乎与行为反应一样好（75%比79%），但没有研究这种措施如何补充而不仅仅是补充行为反应。这样的自律神经措施也可能检测到压力水平过低或过高的情况，并能实现自动补偿。Gwizdka（2014年）证明，仅眼球追踪数据就能在二进制文本文件分类上达到72%的准确率，仅使用瞳孔放大就能达到67%（用于阅读短篇新闻故事）。Gwizdka和Zhang（2015）在OSINT来源上使用眼球追踪（在网络上的现实观看和阅读），并取得了61%的相关网页的分类准确率。如果考虑到网页的类型、其布局和网络信息对象的类型（如文本或图像），这一准确率可以得到合理的提高。Eugster及其同事（2014年）使用脑电图（没有眼球追踪）来预测单词与主题的细粒度相关性。在后续研究中（Eugster等人，2016），他们证明了阅读文本的EEG分类器随后可以成功地用于选择相关的维基百科文章，但在现实的阅读条件下却没有。Frey及其同事（2013年）使用与眼球追踪同步的EEG来预测文件与主题的相关性。此外，他们报告了对单一目标词的可测量的反应。然而，这项研究并没有研究工作场所应用最终需要的单次试验分析的可行性。

总之，将认知、计算机科学和神经科学方法转化为分析员工作场所的研究可以为OSINT生产力提供强大的投资回报。通过检测表明对特定文本刺激的注意力捕捉和相关性的有效生物标志物，机器界面可以有效地从潜在的大量信息中过滤和选择文本，以帮助人类操作员找到和处理有用的信息，同时避免过度的认知负荷、分心和遗漏关键信息的负担。此外，这种研究可以提高对阅读过程的基础科学认识，对教育和治疗阅读障碍有潜在的好处。

原文及百分点机器文档已上传知识星球

长按识别下面的二维码可加入星球

里面已有近千篇资料可供下载

越早加入越便宜

续费五折优惠