OSINT Infohound – Síntesis de datos de fuentes abiertas por medio de modelos de lenguaje de gran tamaño (LLM)
En este trabajo se analiza la viabilidad de la integración de modelos de lenguaje de gran tamaño (LLM) en plataformas de recolección de información de fuentes abiertas (OSINT) con el objetivo de mejorar la eficiencia de búsqueda y análisis de este tipo de información. Se argumenta que los LLM pueden...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Recursos: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/149544 |
| Acesso em linha: | http://hdl.handle.net/10609/149544 |
| Access Level: | acceso abierto |
| Palavra-chave: | OSINT AI LLM Computer security -- TFM Seguretat informàtica -- TFM |
| Resumo: | En este trabajo se analiza la viabilidad de la integración de modelos de lenguaje de gran tamaño (LLM) en plataformas de recolección de información de fuentes abiertas (OSINT) con el objetivo de mejorar la eficiencia de búsqueda y análisis de este tipo de información. Se argumenta que los LLM pueden aportar versatilidad, flexibilidad y valor añadido a estas plataformas, permitiendo buscar, analizar y sintetizar grandes cantidades de datos. Para ilustrar esta idea, se presenta un caso práctico de integración de un LLM en la plataforma InfoHound. InfoHound es una herramienta del instituto de investigación e innovación i2cat de Catalunya que permite, entre otras cosas, a las organizaciones realizar el análisis inverso de la información que se ha indexado sobre ellas en Internet. La integración de un LLM en esta plataforma abriría un gran abanico de oportunidades, permitiendo, por ejemplo, sintetizar los curriculum vitae de las personas asociadas a una organización, o clasificar personas por su pensamiento político derivado de la información de redes sociales. El ejemplo de caso práctico presentado durante este trabajo y demostrado sobre InfoHound consiste en recopilar perfiles de usuarios de fuentes abiertas y guardar los datos de estos tal y como se encuentran en la red, con distintos formatos. De tal manera que, a partir de esta información desorganizada, se le pueda pedir a un contenedor de modelos LLM que busque, filtre y sintetice la información generando un resumen profesional para cada persona recopilada. |
|---|