Osint Risk Assessment Models in Digital Intelligence Using Data Mining Methods and Automated Classification of Ethical and Legal Scenarios

Abstract

Збільшення використання розвідувальних даних з відкритих джерел (OSINT) в автоматизованих системах цифрової розвідки породжує правові та етичні ризики, які залишаються непоміченими в більшості аналітичних моделей через їхню зосередженість на продуктивності. Це робить автоматизовані канали OSINT вразливими до регуляторних та інституційних збоїв. Метою дослідження є розробка та валідація технічно функціональної та юридично обґрунтованої моделі оцінки ризиків OSINT. Модель призначена для використання в автоматизованих процесах цифрової розвідки. У дослідженні використовується гібридна методологія. Вона поєднує сценарну інженерію, структуроване вилучення правових та етичних ознак та класифікацію за допомогою контрольованого машинного навчання (ML). Також використовується юридичне мислення. Для контрольованого експериментального тестування було створено синтетичний набір даних OSINT. Він складається зі 124 аналітично побудованих сценаріїв, 27 структурованих ознак та трьох правових та етичних класів (A/B/C). Результатом дослідження є розроблена гібридна модель оцінки ризиків OSINT. Модель здатна розрізняти юридично допустимі, умовно допустимі та заборонені сценарії. Отримані результати демонструють, що правові та етичні ризики можна формалізувати та кількісно оцінити. На відміну від попередніх досліджень, в яких нормативна оцінка була відокремлена від технічної обробки, у цьому дослідженні правова та етична логіка безпосередньо вбудована в механізми класифікації ризиків OSINT. Подальші дослідження можуть бути зосереджені на розробці модулів оцінки ризиків, адаптованих до юрисдикцій. Аналіз потоків OSINT у режимі реального часу є перспективним. Особливу увагу слід приділити масштабованим гібридним архітектурам для управління взаємодією людини та машини.