Diante do crescente avanço tecnológico e da ampla disponibilização de dados pelos meios de comunicação aberta, vê-se surgir a necessidade de novos mecanismos que auxiliem a captar e analisar corretamente tais informações, tirando o máximo de proveito que a Open Source Intelligence (OSINT) pode oferecer. O objetivo de estudo deste artigo é descobrir as vantagens do uso da OSINT pelas agências de inteligência, organizações e empresas, e como os mecanismos de Big Data e Data Science podem auxiliar na sua propagação e torná-la cada vez mais eficaz.
Palavras-chave: Inteligência; Open Source Intelligence (OSINT); Big Data; Data Science.
Com o surgimento e a ampla difusão da internet, os veículos de comunicação tomaram forma e dimensão novas. Hoje, tem-se uma enorme gama de informações à disposição, surgindo o que é chamado de Open Source Intelligence (OSINT), que se refere à Inteligência, no sentido de informações, obtida por meio de dados disponíveis para o público em geral, por meio de veículos de comunicação tais como jornais, sites, blogs, revistas científicas, TV, entre outros.
Entretanto, de nada basta ter milhares de informações à disposição se ninguém souber como fazer bom uso delas. Em prol dessa necessidade de valorização e tratamento das informações, atualmente existem duas importantes ferramentas: o Big Data e a Data Science.
O Big Data pode, modestamente, ser definido como um grande e complexo conjuntos de dados, cujos métodos de processamento tradicionais seriam insuficientes para seu tratamento — que inclui processos como análise, captura, pesquisa, compartilhamento, armazenamento, transferência, visualização e segurança das informações.
Já a Data Science é descrita como a ciência responsável pela análise e utilização de dados que incorpora técnicas e teorias de diversas áreas, como lógica, matemática, estatística, computação, engenharia e economia.
Assim, diante do exposto, este artigo pretende mostrar os benefícios da incorporação da Open Source Intelligence no dia a dia e como o Big Data e a Data Science podem auxiliar nesse processo, tornando a OSINT cada vez mais útil e eficaz nas tomadas de decisão.
Dentre as muitas definições de inteligência, o primeiro conceito (surgido nos campos corporativo e de espionagem) a descrevia como o produto da coleta, análise, avaliação, integração e interpretação de todas as informações disponíveis, podendo afetar ou não a sobrevivência e o sucesso da organização (Eells et Nehemkis, 1984). Já numa definição mais ampla, em que a inteligência é similar a conhecimento e informação, é descrita como toda informação coletada, organizada e/ou analisada para atender à demanda de um tomador de decisão (Cepik, 2002). E, numa definição mais restrita, é a coleta de informações sem consentimento, cooperação ou mesmo conhecimento por parte dos alvos da ação (Cepik, 2002).
Contudo, é importante perceber que, independentemente da definição escolhida, todas as atividades ligadas à inteligência visam à produção de conhecimento baseado em dados devidamente selecionados, avaliados, interpretados e, por fim, expostos de maneira útil para o processo decisório.
Diferentemente do que muitos podem pensar, inteligência não é o mesmo que conhecimento ou informação. Informação é o dado contextualizado; conhecimento é o resultado da análise da informação com base na aprendizagem e na experiência do indivíduo; e inteligência é a utilização prática do conhecimento, quando acionado numa tomada de decisão. Enfim, toda inteligência é informação, mas nem toda informação é inteligência (Lowenthal, 2012).
Além disso, o processo da criação de inteligência ainda pode ser categorizado conforme a fonte de coleta de dados — OSINT (iInteligência de fontes abertas), HUMINT (inteligência de fontes humana), SIGINT (inteligência de sinais) e IMINT (inteligência de imagens) — e, independentemente da fonte escolhida, após a coleta, se faz a verificação, análise e tratamento dos dados, para torná-los úteis no processo de tomada de decisão1 .
Em síntese, o processo é sempre o mesmo: coleta de informação conforme necessidade e análise, e reporte para o tomador de decisão. Entretanto, ao longo dos anos, viu-se que as fontes abertas passaram a ser de grande importância para o processo. Com o surgimento da internet e o avanço tecnológico, o mundo passou a ter acesso e a compartilhar milhares de informações em tempo real ¬— com isso, deu para perceber quão errônea é a ideia de que só informações sigilosas é que são valiosas. Passa-se, então, a dar destaque a Open Source Intelligence.
É um conceito amplo e em franca expansão no ambiente das agências de inteligência e entre empresas e órgãos governamentais. Ele remete à ideia de utilização de fontes abertas para recolhimento de informações. A OSINT é definida como a análise baseada na “obtenção legal de documentos oficiais sem restrição de segurança, da observação direta e não clandestina dos aspectos políticos, militares e econômicos da vida interna de outros países ou alvos, do monitoramento da mídia, da aquisição legal de livros e revistas especializadas de caráter técnico-científico, enfim, de um leque mais ou menos amplo de fontes disponíveis cujo acesso é permitido sem restrições especiais de segurança” (Cepik, 2003).
Entenda-se aqui como fonte aberta, veículos de informação como mídias (jornais, revistas, rádio, TV), dados públicos (relatórios governamentais, orçamentos públicos) e produções profissionais e acadêmicas (artigos, papers, simpósios, conferências). E ainda: Literatura cinzenta (pesquisas científicas e tecnológicas e outros materiais com distribuição limitada), observação de terceiros e conteúdo na Web (qualquer um se torna fonte de informação) e informações geoespaciais (fotos de satélites, mapeamento de campo) (Brito, 2006).
Na OSINT, os processos envolvidos visam à coleta de informações de fontes abertas e seu tratamento. Por fim, seu resultado será o produto de um raciocínio baseado e contextualizado a um fato ou ação.
Como pioneiro na utilização da OSINT, pode-se citar a Foreign Broadcast Information Service (FBIS), organização norte-americana situada na Universidade de Princeton que, durante a II Guerra Mundial, recolhia informações em noticiários internacionais como fonte de inteligência e, já na Guerra Fria, monitorizava publicações oficiais da União das Repúblicas Socialistas Soviéticas (URSS). Após o fim da Guerra Fria, o FBIS perdeu um pouco sua função, pois teoricamente não existia uma ameaça ou inimigo real aos EUA. Entretanto, com os atentados de 11 de setembro (2001)2 , a utilização das fontes abertas voltou a ter destaque. Afinal, após o ocorrido, viu-se que muitas informações que poderiam ter ajudado a prever (e, quem sabe, até a evitar) os atentados estavam à disposição do grande público.
Desde 2001, a NATO3 defende a utilização ampla da Open Source Intelligence e, nesse âmbito, criou os conceitos Open Source Data (OSD) e Open Source Information (OSI). Ambos se aludem à informação antes de sua análise, logo que é capturada. O OSD é utilizado para designar elementos, como fotografias e imagens de satélite comerciais, e o OSI se refere às informações provenientes de meios de comunicação social, relatórios, livros e demais publicações do gênero. Para a organização, OSINT é “a informação que foi deliberadamente descoberta, discriminada, destilada e disseminada por uma audiência selecionada, de modo a responder a uma questão específica”.
Se a inteligência provém de informações descobertas, discriminadas, destiladas e difundidas para o tomador de decisão (Steele, 2006) (independentemente de serem de fonte aberta ou sigilosa) e se são aceitas tanto a definição de inteligência como conhecimento ou informação analisada quanto a de um segredo ou informação secreta, por que então os serviços secretos e seus espiões estão perdendo espaço para OSINT?
Como resposta, podem-se elencar alguns motivos, dentre eles destacam-se a constatação de que há milhares de informações relevantes nas fontes abertas — como o fato de que, de 1998 a 2008, passou-se de 15 links terro¬ristas presentes em websites para mais de 4500 — e a considerável diminuição de custos para obtenção das informações, afinal elas estão à disposição de quem as quiser.
Todavia, as informações coletadas de nada servem se não forem corretamente filtradas, analisadas e validadas. Assim, tornam-se de suma importância os processos utilizados e os analistas envolvidos no processamento dos dados. A OSINT só será benéfica para o processo se houver a correta implementação e investimentos em sistemas, estrutura e tecnologia, com agentes qualificados, devidamente treinados para descobrir fontes adequadas de informações, definir quais dados são relevantes para suprir a demanda requerida e analisá-los. Afinal, hoje o grande problema não é falta de dados, mas sim a correta análise deles.
Diante disso, surgem softwares, tecnologias, conceito e culturas envolvidos no processo de inteligência. Dentre esses, os que vêm ganhando grande destaque são o Big Data e a Data Science.
O termo Big Data surge no começo dos anos 90, na NASA4 , com o intuito de descrever o conceito de conjuntos de dados grandes e complexos, onde os sistemas e estruturas computacionais utilizados até então não seriam suficientes para a correta captura, processamento, análise e armazenamento informacional. Assim, pode-se descrevê-lo como a utilização de sistemas e tecnologias eficientes na valorização de grandes conjuntos de dados, tornando-os mais precisos e auxiliando na mitigação dos riscos envolvidos no processo de tomada de decisão.
O Big Data conta com diversas tecnologias e algoritmos que são implementados a grandes bancos de dados (estruturados ou não) com intuito de efetuar correta captura, análise, processamento e disseminação das informações, conforme demanda e objetivo traçado ao início do processo e frequentemente reanalisado. Seu principal objetivo é tornar as informações úteis para o processo decisório.
Um estudo realizado pela OBS (Online Business School) mostrou que, de 2004 a 2014, gerou-se mais dados do que em todo período anterior na história. Isso confirma o que disse Peter Norvig, diretor de pesquisas do Google: "Nós não temos melhores algoritmos. Temos apenas mais dados".
Nessa conjuntura, percebe-se o papel primordial da informação. Entretanto apesar do que Norvig pode dar a entender, só tê-la não basta. O receptor precisa interpretá-la ao seu favor. E é nessa conjuntura que o Big Data se torna tão importante. Por meio dos preceitos de volume, variedade, velocidade, veracidade e valor5 , o Big Data é capaz de armazenar um elevado número de informações diversas, efetuar rapidamente sua análise e ainda checar sua veracidade, o que o permite agregar valor ao processo de tomada de decisão, tornando-o mais eficaz e eficiente.
Associado à OSINT, o Big Data vem conseguindo mapear padrões de comportamento e tendências. O projeto Google Flu Trends é um bom exemplo disso. Por meio dele, conseguiu-se identificar uma epidemia de gripe usando como fonte de informação os dados que os usuários jogavam no sistema de busca do Google. Mapeando as áreas geográficas onde se buscou na web palavras referentes à gripe, ponderou-se que uma epidemia de gripe estava realmente acontecendo nessas regiões. O Big Data também vem auxiliando na identificação de padrões de comportamentos terroristas presentes nas mídias sociais, o que é de grande valia em sua prevenção e ataque.
Além disso, pode-se observar que, com o Big Data, vieram mudanças significativas na maneira a análise de dados é pensada e executada. A primeira mudança é que ao tratar grandes volumes de dados, a percepção de como olhar os dados muda. Ou seja, mudando a escala, nossa percepção também se altera. A segunda mudança é que, por se tratar de enormes quantidades de informações, o N da amostra é gigantesco, assim deixa-se de perseguir a exatidão e passa-se a se preocupar com a tendência. Isso porque, ao se trabalhar com números pequenos busca-se uma exatidão dos dados, pois só assim existe a certeza de um resultado. Porém, com amostras muito grandes, a tendência já direciona para o resultado. E, por fim, a terceira mudança é a libertação dos efeitos de causalidade para a dedicação às correlações. Afinal, num volume grande de dados as causalidades serão em pequeníssimas quantidades e, se não o forem, serão consideradas correlações que indicarão uma tendência.
Assim, pode-se ver que as associações e análises presentes ao longo dos processos envolvidos no Big Data seriam impossíveis de se executar se não fossem as tecnologias e os sistemas atuais, sendo os métodos estatísticos por si só ineficientes para tal. Entretanto, o Big Data só será bem-sucedido, sem déficits analíticos causados por desinformação ou pela má qualidade do dado, se os parâmetros e objetivos forem bem estabelecidos e se houver analistas preparados e especializados em suas áreas temáticas. É aqui que entra a Data Science.
Pode ser definida como um conjunto de técnicas utilizadas no processamento e análise de dados, com intuito de fornecer informações para decisões inteligentes. Para tanto, mescla-se diversas áreas do conhecimento, desde conceitos simples de estatística até complexos algoritmos.
Seus analistas são conhecidos como data scientists e é desejável que tenham qualificações na área de tecnologia da informação (TI) para capturar eficientemente e em tempo hábil os dados; conhecimentos matemáticos e estatísticos para definir os modelos e algoritmos a serem utilizados e entender suas implicações e resultados; e, por fim, conhecimento do negócio para poder traduzir os resultados em informações que auxiliem o tomador de decisão.
O processo de Data Science é bem semelhante ao de Big Data — inicia com a coleta dos dados por meio do correto questionamento do problema/objetivo. Segue com a análise dos dados, com a visualização e aplicação de técnicas e algoritmos, e finaliza com a comunicação dos resultados.
Entretanto, ao longo do processo, surgirá a necessidade de novos dados — alguns serão descartados e erros de análise aparecerão. É por isso que os analistas necessitam ter um amplo know how em diversos campos e ciências, pois devem fazer as perguntas certas, capturar os dados certos e ter a correta percepção de como proceder ao longo do processo para, ao final, dados se transformarem em inteligência.
Com a ampla disposição de dados gerada pela “democratização da informação” e pelo avanço tecnológico e sua popularização, a Open Source Intelligence despontou entre as fontes utilizadas para obtenção de dados.
Dentre as vantagens da sua utilização, destaca-se o alto grau de oportunidade, com muitas informações à disposição e o baixo custo para obtê-las. Em época de crises e ajustes orçamentários, seu uso se torna mais atraente, possibilitando a ampliação das possibilidades dos serviços de inteligência. Entretanto, a quantidade exagerada de dados, a qualidade duvidosa das informações e a falta de confiança nas fontes podem desabilitar os benefícios do uso das fontes abertas. E é aí que surge a importância de conciliar as práticas de Big Data e da Data Science ao uso da OSINT.
A utilização do Big Data e da Data Science em processos de inteligência atribui-lhe uma mais valia, pois permite ganhos de eficiência relacionados a custo, inovação e produtividade. Isto porque, para execução dos seus processos, designam analistas com amplo conhecimento e experiência em diversos campos, além de contar com avançadas tecnologias, sistemas e estruturas que permitem a captura e manipulação das informações necessárias a sua demanda, transformando-as em inteligência — informação útil ao processo de tomada de decisão.
Enfim, fica evidente que os serviços de inteligência, empresas e organizações se beneficiam muito com o uso do Big Data e da Data Science na manipulação das informações provenientes de fontes abertas. Eles tornam a Open Source Intelligence uma fonte ampla, segura, barata e eficiente de informações, o que só contribui para o resultado das suas atividades e provém vantagem competitiva nos processos de tomada de decisão.
Afonso, L. (2006), “Fontes abertas e Inteligência de Estado”, Revista Brasileira de Inteligência, No. 2, disponível em: www.abin.gov.br/modules/mastop_publish/?tac= Fontes_abertas_e_Inteligencia_de_Estado (Acesso em 01 de junho de 2015).
Best, C. (2008), “Open Source Intelligence”. Joint Research Centre, disponível em: media.eurekalert.org/aaasnewsroom/2008/FIL_000000000010/071119_MMDSS-chapter CB.pdf (Acesso em 05 de junho de 2015).
Brito, V. (2006), O Papel Informacional dos Serviços Secretos, Dissertação de Mestrado em Ciência da Informação, Universidade Federal de Minas Gerais, Belo Horizonte, MG.
Cepik, M. (2003), Espionagem e democracia, 1 ed., FGV, Rio de Janeiro, RJ.
Cepik, M. Inteligência e Políticas Públicas: dinâmicas operacionais e condições de legitimação, Security and Defense Studies Review, Nº 2, vol. 2. Rio de Janeiro, 2002.
Ghiggi, L. et SEBBEN, S. (2009), “Inteligência”, Dossiê Temático Nº06, disponível em www.ufrgs.br/nerint/folder/artigos/artigo76.pdf (Acesso em 02 de junho de 2015).
Eells, R. et NEHEMKIS, P. (1984). Corporate intelligence and espionage: A blueprint for executive decision making, 1 ed., Macmillan, New York, NY.
Gonçalves, J. (2013), Atividade de Inteligência e Legislação Correlata, 3 ed., Impetus, Niterói, RJ.
Johnston, R. (2005), “Analytic Culture in the US Intelligence Community – an Ethnographic Study”, disponível em: www.cia.gov/library/center-for-the-study-of-intelligence/csi-publications/books-and-monographs/analytic-culture-in-the-u-s-intelligence-community/ analytic_culture_report.pdf (Acesso em 25 de maio de 2015).
Leite, S. (2014), “O Emprego das Fontes abertas no Âmbito da Atividade de Inteligência Policial”, Revista Brasileira de Ciências Sociais, Vol. 1, No. 5, Brasília, DF.
Lowenthal, M. (2012), Intelligence: From Secrets to Policy, 5 ed., CQPress, Washington, DC.
Mendes, G., Moresi, E., Silva, W. (2010), “Estudo sobre Portais Públicos como Fontes Confiáveis para Inteligência de Fontes Abertas”, artigo apresentado no COVIBRA 2010: Congresso Virtual Brasileiro – Administração, 19 - 21 de novembro, 2010, disponível em: www.convibra.org/2010. asp?ev=71&p=&lang=en (Acesso em 20 de maio de 2015).
Mendes, G. et MORESI, E. (2012), “Operações de Informação: um estudo sobre o desenvolvimento de doutrina aplicada à prevenção à fraude”, Sistemas, Cibernética E Informática, Vol. 9, No. 1, Brasília, DF.
North Atlantic Treaty Organization. (2001), “Open Source Handbook”, Vol. 1, disponível em: www.oss.net/dynamaster/file_archive/030201/ca5fb66734f540fbb4f8f6 ef759b258c/NATO%20OSINT%20Handbook%20v1.2%20-%20Jan%202002.pdf (Acesso em 20 de maio de 2015).
Steele, R. (2006), “Open Source Intelligence”, Forbes, disponível em: http://www.forbes.com/2006/04/15/open-source-intelligence_cx_rs_06slate_0418steele. html (Acesso em 19 de maio de 2015).
1Processo conhecido como Ciclo da Inteligência, descrito por Johnson, R. em Analytic Culture in the US Intelligence Community – an Ethnographic Study,2005. Consiste nas seguintes etapas: 1) Planejamento e direção: gestão de todo o esforço do processo e a determinação dos requisitos de escolha dos dados, baseados na demanda apresentada; 2) Coleta: captura de dados brutos (ainda não analisados e tratados), conforme demanda; 3) Processamento: análise e tratamento dos dados brutos, de forma que possam ser utilizados na tomada de decisão; 4) Análise e produção: verificação da confiabilidade, validade e relevância, das informações recolhidas; 5) Disseminação: compartilhamento do conhecimento produzido com o público-alvo.
2Série de ataques terroristas contra os Estados Unidos, coordenados pelo grupo terrorista islâmico Al-Qaeda, que resultou na colisão de 2 aviões contra as Torres Gêmeas (edifícios do complexo empresarial do World Trade Center, em Nova Iorque), levando a morte de centena de pessoas.
3North Atlantic Treaty Organization, também conhecida por OTAN (Organisation du Traité de l'Atlantique Nord), criada em 1949 com o objetivo de garantir a defesa coletiva dos países membros (atualmente 28) em resposta a ataques sofridos.
4National Aeronautics and Space Administration, agência do governo americano responsável pela pesquisa e desenvolvimento de tecnologias e programas espaciais.
5Conceito dos 5 Vs criado, em 2001, pelo analista de informação Doug Laney, para descrever o Big Data.