open-source intelligence
PulseAugur coverage of open-source intelligence — every cluster mentioning open-source intelligence across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
在提问前收集情报是调查的关键
本文讨论了在制定问题之前收集情报的重要性，尤其是在数字取证和网络安全等领域。它强调，主动收集信息可以带来更有效和更有针对性的询问。文章认为，这种方法对于理解复杂系统和潜在威胁至关重要。
-
网络研讨会将涵盖用于调查的一次性AI工具
一场免费网络研讨会将涵盖专门为主动调查设计的临时AI工具的创建。该会议旨在指导参与者为OSINT（开源情报）目的开发这些一次性AI应用程序。
-
女性在进攻性网络安全和数字调查领域日益增长的影响力得到凸显
该集群聚焦女性在进攻性网络安全和数字调查中的作用。内容强调了她们在这些领域的贡献和领导力，涉及OSINT、AI、机器人技术和网络心理学等领域。文章旨在引起人们对女性在现代网络安全中的影响力和地位的关注。
-
文章通过Vibe、Hybrid和agentic coding区分OSINT代码项目
本文探讨了不同类型开源代码项目之间的区别，特别关注OSINT（开源情报）项目。它将这些项目分为Vibe编码、Hybrid Vibe编码和agentic编码，并探讨了定义每种项目的特征。
-
诱导：通过对话收集信息的艺术
本文讨论了诱导，即通过对话收集信息的技巧。它被呈现为一种艺术形式，与数字调查、网络安全和开源情报等领域相关。
-
深入探讨暗网、国家关联及追踪方法中的有组织网络犯罪 · 追踪到4个来源
这个Mastodon帖子集群讨论了有组织网络犯罪，重点关注犯罪网络的各个方面。内容涵盖暗网市场、国家实体与犯罪实体之间的合作，以及调查人员追踪这些行动的方法。它还触及了访问代理商和网络犯罪生态系统内供应链的作用。
-
大型语言模型提升维和特派团威胁评估能力
研究人员开发了一种使用大型语言模型（LLMs）评估外国维和特派团所面临威胁的新方法。该方法将跨学科风险模型与开源情报（OSINT）和基于LLM的威胁提取相结合。工作流程将媒体内容映射到特派团特定的威胁，提取结构化数据，并使用LLM进行精炼。评估表明，LLM生成的威胁评估与人类判断高度一致，表明其在协助维和行动分析师方面的潜力。
-
WorldMonitor：开源地缘政治情报仪表板获得关注
WorldMonitor 是一个开源、自托管的情报仪表板，专为地缘政治监测和 OSINT 分析而设计。它聚合了来自 50 多个新闻来源的数据，实时跟踪地缘政治事件，并监测关键基础设施。该平台利用 AI 进行事件关联和模式检测，提供可定制的警报和历史分析，定位为 Palantir Gotham 等商业工具的免费替代品。
-
创作者利用心理策略塑造在线行为
本文深入探讨了在线创作者为影响用户行为所采用的心理策略。文章探讨了这些方法如何利用说服和社交工程原则来塑造数字社区中的观点和行动。文章强调了在网络安全和数字调查背景下理解这些动态的重要性。
-
Mastodon 帖子探讨密码学、AI 数据、量子计算和亚文化
此集群汇总了来自 Mastodon 社交网络的几篇帖子，主要来自 sigmoid.social 和 fosstodon.org 实例上的用户 @negativepid。这些帖子涵盖了广泛的主题，包括密码学、互联网亚文化（如 Tulpamancers）、赛博朋克世界、漏洞披露、数据在 AI 中的作用以及构建量子计算的公司。其他涉及的主题包括创作者角色、通过哈希和签名实现的无身份信任，以及汽车可以揭示的数据。
-
SecSuite：用于OSINT和安全测试的AI工具
SecSuite是一款新推出的AI驱动工具，专为开源情报（OSINT）、Web和API安全测试而设计。它旨在通过在这些特定测试领域利用人工智能来加强网络安全工作。
-
乌克兰OSINT专家绘制“火烈鸟”导弹飞越俄罗斯路线图
乌克兰开源情报专家已可视化乌克兰“火烈鸟”巡航导弹飞越俄罗斯领空的弹道。此可视化基于对俄罗斯社交媒体报告的实时分析。
-
Qwen3.6和Llama3.1在抵抗恶意提示方面表现出显著差异
一项针对本地大语言模型（LLMs）的比较安全测试揭示了它们在抵抗恶意提示方面的能力存在显著差异。Qwen3.6-7B表现出更高的易感性，在73.3%的测试案例中输出了可用的攻击脚本，而Llama3.1-8B仅在33.3%的案例中这样做。该研究利用AttackGPT框架，评估了模型对五种MITRE ATT&CK策略下的15种攻击类型的抵抗能力，发现Llama3.1在拒绝提示方面速度更快，但可以通过上下文相关的请求绕过，特别是那些模仿教育场景的请求。
-
提供一次性AI工具免费网络研讨会
一场关于一次性AI工具的免费网络研讨会正在Zoom上进行，由techhub.social的kirbstr主持。该网络研讨会与开源情报相关，可通过Zoom链接访问。
-
AI赋能的暴力犯罪与OSINT讨论会安排
一场讨论会即将举行，旨在探讨AI赋能的暴力犯罪与开源情报（OSINT）的交叉领域。活动将由Kirbstr和另一位主持人进行，并在Twitch上举行。本次会议旨在探讨AI在犯罪活动中的应用以及如何运用OSINT技术来调查此类案件。
-
新的贝叶斯分类方法使用开源情报进行传感器融合
研究人员开发了一种新的贝叶斯目标分类方法，该方法利用开源情报（OSINT）来增强异构传感器融合。该方法建立了一个证据层次结构来模拟直接、指示性和上下文信息，提高了对杂波和先验不匹配的鲁棒性。该方法在模拟场景中进行了评估，分类准确率高达95%。