Hoạt động tình báo thay đổi thế nào trong cuộc chiến Nga – Ukraine?

[Hanna]

Công nghệ đang tạo ra cuộc cách mạng đối với việc thu thập và phân tích thông tin tình báo. Cuộc chiến Nga – Ukraine là minh chứng rõ nhất cho điều đó.Vài tuần trước khi Nga tiến hành chiến dịch quân sự đặc biệt tại Ukraine, Mỹ đã cảnh báo về khả năng xảy ra cuộc tấn công. Chỉ 8 năm sau khi Nga sáp nhập Crimea, quân đội Nga một lần nữa huy động dọc biên giới Ukraine.

Khi Mỹ và các chính phủ thành viên NATO khác theo dõi các hoạt động của Nga và xác định chính sách phản ứng phù hợp, thông tin tình báo kịp thời mà họ dựa vào không còn chỉ đến từ các gián điệp và vệ tinh gián điệp trị giá hàng triệu USD. Phương tiện truyền thông xã hội, dữ liệu lớn, điện thoại thông minh và vệ tinh giá rẻ đã chiếm vị trí trung tâm, trong khi trích xuất dữ liệu từ Twitter trở nên quan trọng không kém thứ gì khác trong bộ công cụ phân tích tình báo. Những công nghệ này cũng cho phép các hãng thông tấn và nhà quản lý theo dõi hành động, đóng góp phân tích.Các chính phủ vẫn tiến hành các hoạt động thu thập thông tin tình báo nhạy cảm với sự trợ giúp của các nguồn lực dồi dào như ngân sách tình báo Mỹ. Tuy nhiên, trong số lượng lớn thông tin có giá trị được công bố rộng rãi, không phải tất cả đều được các chính phủ thu thập. Vệ tinh và máy bay không người lái rẻ hơn nhiều so với một thập kỷ trước, giúp các công ty tư nhân vận hành chúng. Gần như tất cả mọi người đều sở hữu smartphone với khả năng chụp ảnh và quay video tiên tiến.

Có thể nói, công nghệ hiện đại đã tạo ra một lượng lớn dữ liệu tình báo và giúp chọn lọc ra những thông tin có giá trị.

Tình báo nguồn mở

Thông qua thông tin do các công ty thương mại và cá nhân nắm được, bất kỳ ai cũng có thể biết được hành tung của quân đội Nga thông qua tìm kiếm trên Internet hoặc nguồn cấp tin tức. Các công ty hình ảnh thương mại đăng tải những hình ảnh địa lý chính xác đến từng phút về lực lượng quân sự của Nga. Một số hãng thông tấn thường xuyên theo dõi và đưa tin về tình hình. Người dùng TikTok đăng video về thiết bị quân sự của Nga trên các toa tàu được cho là đang trên đường đến Ukraine. Vô số người đang theo dõi luồng thông tin này.

Trong hầu hết trường hợp, việc dân chủ hóa thu thập thông tin tình báo đều có lợi cho các chuyên gia tình báo. Các nhà phân tích của chính phủ đang đáp ứng nhu cầu đánh giá thông tin tình báo bằng cách sử dụng thông tin có nguồn gốc từ Internet, thay vì chủ yếu dựa vào các hệ thống được phân loại hoặc các cảm biến đắt tiền trên bầu trời hoặc bố trí trên hành tinh.

Tuy nhiên, rất khó để sàng lọc hàng terabyte dữ liệu công khai để có thông tin liên quan. Phần lớn dữ liệu có thể bị cố ý thao túng để đánh lừa, làm nhiệm vụ phức tạp thêm.

Giám đốc tình báo quốc gia Mỹ định nghĩa Tình báo nguồn mở (Open-Source Intelligence – OSINT) là hoạt động thu thập, đánh giá và phân tích thông tin có sẵn công khai. Các nguồn thông tin bao gồm các bản tin, bài đăng trên mạng xã hội, video YouTube và hình ảnh vệ tinh từ các nhà khai thác vệ tinh thương mại.

Các cộng đồng OSINT và các cơ quan chính phủ đã phát triển các thực hành tối ưu cho OSINT và có rất nhiều công cụ miễn phí. Các nhà phân tích có thể sử dụng các công cụ để phát triển các biểu đồ mạng, chẳng hạn của các tổ chức tội phạm, bằng cách rà soát các hồ sơ tài chính công khai về hoạt động tội phạm.

Các nhà điều tra tư nhân sử dụng các phương pháp OSINT để hỗ trợ việc thực thi pháp luật, nhu cầu của công ty và chính phủ. Những điều tra viên khác đã dùng OSINT để vạch trần tham nhũng và hoạt động tội phạm cho chính quyền. Tóm lại, phần lớn các nhu cầu về tình báo có thể được đáp ứng thông qua OSINT.

Máy học trong hoạt động tình báo

Ngay cả với các công cụ và phương pháp tốt nhất của OSINT, OSINT cũng góp phần khiến các nhà phân tích tình báo bị quá tải thông tin. Họ liên tục ở trong một chế độ cố gắng hiểu được luồng dữ liệu và thông tin thô không rõ ràng.

Máy học (machine learning), một tập hợp các kỹ thuật cho phép máy tính xác định các mẫu trong một lượng lớn dữ liệu, tỏ ra vô giá trong việc xử lý thông tin OSINT, đặc biệt là ảnh và video. Máy tính nhanh hơn nhiều trong việc sàng lọc thông qua các bộ dữ liệu lớn, vì vậy việc áp dụng các công cụ và kỹ thuật máy học để tối ưu hóa quy trình OSINT là một điều cần thiết.

Việc xác định các mẫu giúp máy tính đánh giá thông tin về sự lừa dối và độ tin cậy cũng như dự đoán các xu hướng trong tương lai. Chẳng hạn, máy học có thể được dùng để giúp xác định xem thông tin do con người hay bot/chương trình máy tính tạo ra và dữ liệu nguyên gốc hay gian lận.

Dù máy học không hoàn toàn chính xác, có thể dùng nó để đánh giá xác suất của một số kết quả nhất định, miễn là được đào tạo với dữ liệu phù hợp và có đủ thông tin hiện tại. Không ai có khả năng kết hợp OSINT và máy học để đọc suy nghĩ của Tổng thống Nga Vladimir Putin, song các công cụ này có thể giúp các nhà phân tích đánh giá, ví dụ, cuộc tấn công của Nga vào Ukraine diễn ra như thế nào.

Không chỉ tạo ra một lượng lớn dữ liệu tình báo, công nghệ còn giúp việc trích xuất thông tin khả dụng từ dữ liệu trở nên dễ dàng hơn, hỗ trợ các nhà phân tích tình báo đưa ra bức tranh toàn cảnh.