Internetbrugere afslører Ruslands militære aktivitet
Sociale medier, big data, smartphones, lavprissatellitter og Twitter er i dag vigtige redskaber i efterretningsanalytikernes værktøjskasse.
efterretningsanalytiker computer

Efterretningsanalytikere bruger computere til at skabe orden i den nyttige, men voldsomt store strøm af informationer, der ligger offentligt tilgængeligt på internettet. (Foto: Shutterstock)

Efterretningsanalytikere bruger computere til at skabe orden i den nyttige, men voldsomt store strøm af informationer, der ligger offentligt tilgængeligt på internettet. (Foto: Shutterstock)

Partner The Conversation

Videnskab.dk oversætter artikler fra The Conversation, hvor forskere fra hele verden selv skriver nyheder og bringer holdninger til torvs

I flere uger advarede USA om risikoen for, at Rusland invaderede Ukraine, med trusler om gengældelse, hvis det skete. 

Blot otte år efter Ruslands indtrængen i det østlige Ukraine og invasion af Krim, mobiliserede russiske styrker sig igen langs Ukraines grænser, før invasionen indtraf 24. februar 2022.

USA og andre NATO-medlemmers regeringer har haft travlt med at overvåge russisk aktivitet og beslutte sig for en passende politisk reaktion, men den rettidige efterretning, de sætter deres lid til, stammer ikke længere udelukkende fra spioner i felten og spionsatellitter til flere millioner dollars.

Sociale medier, big data, smartphones og lavprissatellitter er nu afgørende, og Twitter er i dag et vigtigt redskab i efterretningsanalytikernes værktøjskasse.

Alle disse teknologier har også gjort det muligt for nyhedsorganisationer og lænestolseksperter at følge handlingen og bidrage med analyser.

Ikke al information er indsamlet af regeringerne

Regeringer udfører stadig efterretningsoperationer ved hjælp af omfattende ressourcer som det amerikanske efterretningsbudget

Men enorme mængder af værdifuld information er offentligt tilgængelig, og ikke alt er indsamlet af regeringerne. 

Satellitter og droner er meget billigere, end de var for blot 10 år siden, hvilket gør private virksomheder i stand til at betjene dem, og næsten alle har en smartphone med avancerede foto- og videofunktioner.

Jeg er forsker med speciale i efterretnings- og informationsoperationer, og jeg studerer, hvordan teknologien producerer enorme mængder efterretningsdata, og hvordan vi kan sortere informationsmængden, så vi kan udvinde værdifuld information.

Fakta
Om Forskerzonen

Denne artikel er en del af Videnskab.dk’s Forskerzonen, hvor forskerne selv formidler deres forskning, viden og holdninger til et bredt publikum – med hjælp fra redaktionen.

Forskerzonen bliver udgivet takket være støtte fra vores partnere: Lundbeckfonden, Aalborg Universitet, Roskilde Universitet og Syddansk Universitet.

Forskerzonens redaktion prioriterer indholdet og styrer de redaktionelle processer, uafhængigt af partnerne. Læs mere om Forskerzonens mål, visioner og retningslinjer her.

Open source-efterretningstjeneste

Gennem information indsamlet af kommercielle virksomheder og enkeltpersoner kan alle se Rusland spille med de militære muskler via internetsøgning eller nyhedsfeed. 

Kommercielle virksomheder laver opslag med opdaterede, geografisk præcise billeder af Ruslands militærstyrker. 

Adskillige nyhedsbureauer overvåger og rapporterer jævnligt om situationen. 

TikTok-brugere har lavet videoer af russisk militærudstyr på jernbanevogne angiveligt på vej for at forøge militærstyrkerne allerede er i position omkring Ukraine. 

Og internetdetektiverne sporer denne informationsstrøm.

Demokratisering af efterretningstjenesten

Denne demokratisering af efterretningsindsamling er i de fleste tilfælde en velsignelse for de professionelle efterretningtjenester.

Regeringsanalytikere opfylder behovet for efterretningsvurderinger ved hjælp af information hentet fra hele internettet i stedet for primært at stole på klassificerede systemer eller dyre sensorer placeret højt oppe i himlen eller opstillet rundt omkring iverden.

Det er imidlertid vanskeligt at gennemsøge adskillige terabytes af offentligt tilgængelig data for at finde relevant information. 

Desuden er opgaven kompliceret af, at en stor del af datamængden med vilje er blevet manipuleret for at spænde ben for efterretningsarbejdet.

Her kommer OSINT (open source intelligens) ind i billedet. OSINT står for Open Source INTelligence, som er uklassificerede oplysninger frit tilgængelige på Internettet. 

Analytikere bruger TikTok til at spore Ruslands militærstyrker. (Video: YouTube/NBC News)

Analytikere kan bruge OSINT

Lederen af den amerikanske efterretningstjeneste definerer Open Source Intelligence (OSINT) som indsamling, evaluering og analyse af offentligt tilgængelige oplysninger. 

Informationskilderne omfatter nyhedsrapporter, opslag på sociale medier, YouTube-videoer og satellitbilleder fra kommercielle satellitoperatører.

OSINT-samfund og offentlige myndigheder har udviklet best practice for OSINT, og der er adskillige gratis redskaber

Analytikere kan bruge redskaberne til at udvikle netværksdiagrammer over eksempelvis kriminelle organisationer ved at gennemsøge offentligt tilgængelige økonomiske registre for kriminel aktivitet.

Computere skaber mening i uklare rådata og information

Private efterforskere bruger OSINT-metoder til at understøtte retshåndhævelses-, virksomheds- og regeringsbehov. Lænestolsdetektiver har brugt OSINT til at afsløre korruption og kriminel aktivitet over for myndigheder. Kort sagt, størstedelen af efterretningsbehovet kan opfyldes gennem OSINT.

Selv med best practice for OSINT samt de forskellige redskaber bidrager OSINT til den overbelastning af information, som efterretningsanalytikere kæmper med. 

Efterretningsanalytikerne er typisk reaktive, mens de forsøger at skabe mening på grundlag af en konstant strøm af uklare rådata og information.

Maskinlæring, som er teknikker, der gør det muligt for computere at identificere mønstre i store mængder data, har vist sig uvurderlig til behandling af OSINT-information, især fotos og videoer.

Computere er meget hurtigere til at gennemsøge store datasæt, så det er en nødvendighed at anvende maskinlæringsværktøjer og -teknikker til at optimere OSINT-processen.

Identifikation af mønstre gør det muligt for computere at evaluere oplysninger for bedrag og troværdighed og forudsige fremtidige tendenser. For eksempel kan maskinlæring bruges til at afgøre, om information er produceret af et menneske eller af en bot eller et andet computerprogram, og om et stykke data er autentisk eller svigagtig.

Skabe det store billede

For eksempel kan maskinlæring bruges til at afgøre, om information er produceret af et menneske eller en bot - eller måske et andet computerprogram, og om et stykke data er autentisk eller falsk.

Og selvom maskinlæring på ingen måde er en krystalkugle, kan den bruges - hvis den er forsynet med de rigtige data og har nok aktuelle oplysninger - til at vurdere sandsynligheden for visse udfald. 

Vi vil aldrig være i stand til at bruge en kombination af OSINT og maskinlæring til at læse den russiske præsident Vladimir Putins tanker, men det er redskaber, som kan hjælpe analytikere med at vurdere, hvordan eksempelvis en russisk invasion af Ukraine vil udspille sig.

Teknologien har produceret en strøm af efterretningsdata, men teknologien gør det også lettere at uddrage meningsfuld information fra datamængden for at hjælpe menneskelige efterretningsanalytikere med at skabe det store billede.

Denne artikel er oprindeligt publiceret hos The Conversation og er oversat af Stephanie Lammers-Clark.

The Conversation

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.

Corona-tal

Videnskab.dk går i dybden med den seneste corona-forskning. Læs vores artikler i temaet her.

Hver dag opdaterer vi også de seneste tal.

Dyk ned i grafer om udviklingen i antal smittede, indlagte, døde og vaccinationer i Danmark og alle andre lande.

Ny video fra Tjek

Tjek er en YouTube-kanal om videnskab henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's videojournalister med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.

Ugens videnskabsbillede

Se flere forskningsfotos på Instagram, og læs om, hvorfor denne 'sort hul'-illusion narrer din hjerne.

Hej! Vi vil gerne fortælle dig lidt om os selv

Nu hvor du er nået helt herned på vores hjemmeside, er det vist på tide, at vi introducerer os.

Vi hedder Videnskab.dk, kom til verden i 2008 og er siden vokset til at blive Danmarks største videnskabsmedie med over en halv million brugere om måneden.

Vores uafhængige redaktion leverer dagligt gratis forskningsnyheder og andet prisvindende indhold, der med solidt afsæt i videnskabens verden forsøger at give dig aha-oplevelser og væbne dig mod misinformation.

Vores journalister fortæller historier om både kultur, astronomi, sundhed, klima, filosofi og al anden god videnskab indimellem - i form af artikler, podcasts, YouTube-videoer og indhold på sociale medier.

Vi stiller meget høje krav til, hvordan vi finder og laver vores historier. Vi har lavet et manifest med gode råd til at finde troværdig information, og vi modtog i 2021 en fornem pris for vores guide til god, kritisk videnskabsjournalistik.

Vores redaktion gør en dyd ud af at få uafhængige forskere til at bedømme betydningen af nye studier, og alle interviewede forskere citat- og faktatjekker vores artikler før publicering.

Hvis du går rundt og undrer dig over stort eller småt, vil vi elske at høre fra dig og forsøge at give dig svar med forskernes hjælp. Send bare dit spørgsmål til vores brevkasse Spørg Videnskaben.

Vi håber, at du vil følge med i forskningens forunderlige opdagelser her på Videnskab.dk.

Få et af vores gratis nyhedsbreve sendt til din indbakke. Du kan også følge os på sociale medier: Facebook, Twitter, Instagram, YouTube eller LinkedIn.

Med venlig hilsen

Videnskab.dk