【研究池】TwitterOSINT：自动化开源情报收集，分(4)

图4：探索性的TwitterOSINT可视化的网络心理学研究方法

5. 探讨

依靠人工智能和机器学习等大数据分析的技术，可望在未来几年大大改变OSINT的收集和处理方式。使用TwitterOSINT进行探索性大数据分析具有直接的和多方面的实际好处。该项目的目标是展示一个自动化网络安全威胁情报收集和分析系统在近乎实时地分析Tweets的功效。这里报告的使用案例表明，这一目标已经实现。

此外，研究结果还证明了TwitterOSINT的架构是如何随时适应不同的来源和主题的。也就是说，TwitterOSINT可以作为探索基于社交媒体的活动的低成本选择来即时实施。

NLP的使用也为寻求捕捉社会上大片集体声音的研究者提供了巨大的优势。能够收集到同样限于相关内容的大数据，有利于加快成果的整理和报告。能否依靠现有的NLP库取决于具体的学科领域，这一点从本文报告的用例中可以看出。语料库词典的使用使得TwitterOSINT的NLP在社会科学或临床应用中更加有效，有助于确保OSINT项目不仅仅是简单的、过度复杂的基本网络搜索。

社交媒体为一对多的沟通方式提供了便利，用户可以将自己的想法、感受、行为和观点潜在地发布给全球受众。作为人群中的一员，不断接触社交媒体所产生的匿名感降低了人们的冲动控制。这反过来又促进了在 "真实世界 "的互动和研究情境中可能不会发生的情感表达和自我披露，创造了潜在的数十亿条 "过度共享 "的数据供研究人员检索和分析。

TwitterOSINT对AWS免费层的使用使得那些没有复杂的现场计算平台、大数据技术或计算机编程专业知识的研究人员也能掌握基于云的大数据分析的计算能力。这为我们提供了深入了解新的研究方法和研究结果的机会，这些研究方法和研究结果超出了传统观察研究或自我报告调查所能达到的水平。

此外，TwitterOSINT有可能帮助扩大研究规模，将大量的全球人口纳入其中，这就有可能超越单一文化或社区的限制，从而使研究结果具有更大的适用性。

?

6.局限性和未来方向

TwitterOSINT目前仅限于英文推文。这限制了它成为一个跨语言和国家的通用工具。一个迫在眉睫的改进是将其扩展为处理其他语言、书面字符和其他文化的速记表达工具。

此外，还有更多的机会可以纳入多种OSINT来源，并探索这些数据来源中包含的更丰富的元数据。这样的改进将使在线人类行为的建模更加全面并将适用于不同人群。缺乏特定领域的语料库也限制了TwitterOSINT只能通过关键词搜索来识别不同语境下的相关源数据。为此，需要开发不同领域的额外语料，如网络心理学，以丰富其NLP分析。

还可以增加一项功能，即TwitterOSINT根据用户选择的触发条件发送警报，这些条件可以在数据分析和可视化过程中被自动检测。可以开发一个用户友好型、点击式的界面，使程序更容易重新配置关键词和NLP工件，以适应特定项目的需求。这对于探索性研究来说尤其如此，因为在这些研究中，需要多次修改参数，而且相对容易。未来的调查还应该更仔细地研究假阴性和假阳性数据过滤的影响，以及尽量减少和减轻这些影响的方法。

研究人员和分析人员正在从大数据中寻求新的见解和答案。在许多情况下，需要高度复杂的、多阶段的和特定领域的过程--包括随时间变化的趋势、将感兴趣的特定事件的数据与其他数据进行比较、识别术语或值的共同出现以及无数其他计算，以发现及时、有用、可操作的信息。

正如一开始所说，TwitterOSINT是一个提取和可视化开放源数据的工具。它作为一个有利的构件，也就是一个更大型的解决方案中的一个步骤。未来的努力方向可以集中于确定TwitterOSINT与其他免费软件的整合，以解决更多的用例及其大数据分析方面的挑战。