GEOINT, или геопространственная разведка, – это процесс использования и анализа изображений, геопространственной информации для описания, оценки и визуального отображения физических особенностей и установления географической привязки деятельности на Земле.
Геопространственная разведка опирается на:
изображения и видеозаписи, анализ их содержимого
геопространственную информацию.
Звучит сложно, не правда ли? На самом деле все проще, наиболее частый и эффективный метод GEOINT заключается в анализе содержимого изображения, видеозаписи и их контекста для того, чтобы понять, где они были сделаны. Вы сами понимаете, как важна такая информация в условиях военного конфликта, частного или государственного расследования. Наверное, для этого нужна какая-то техника или специальные знания?
Нет! Все, что нам нужно, есть в открытом доступе, и это навык, который нарабатывается практикой. Даже самые сложные задачки решались открытыми инструментами.
А как же вам начать, если вы об этом слышите впервые? Начинать нужно с простого:
Думаю, да, это Биг-Бен, догадываются об этом и сервисы Google Images, и Яндекс Картинки. Такие сервисы индексируют изображения и предполагают, что на ней изображено.
Думаю, нет, а Яндекс-Картинки прекрасно знают, что это «Скала-указатель» рядом с медовыми водопадами. Вы примерно понимаете, о чем я? Иногда разведывательный цикл GEOINT заканчивается на стадии использования поисковика изображений. Он находит оригинал, где может быть указано, где и как сделана фотография или видеозапись.
Естественно, лучше попробовать все поисковики, для этого есть удобный сервис: Duplichecker, в функционал которого как раз и включены все поисковики (не только гугл, яндекс, но еще пара интересных инструментов).
Тем не менее, вы сами прекрасно понимаете, что если было бы все так просто, не существовало бы и самой разведывательной дисциплины. Часто поисковик находит совершенно не то. Но возвратимся к азам: хлеб геопространственного разведчика – Google Earth
Это, естественно, не панаця – разные сервисы нафоткали по-разному, подбирайте инструмент по задачам, а не по удобству.
Именно он содержит в себе наибольшее количество панорам улиц, и чаще всего именно там мы и находим ответы на разведывательную задачу.
Сейчас покажу!
Все просто (на самом деле не очень). Нам необходимо выделить все ориентиры, для этого давайте воспользуемся переведенной мною таблицей:
Теперь же применим полученное нами знание на практике!
Первая отличная зацепка – номер машины; если его ввести можно найти гневный пост в фейсбуке. Все фотографии в группе сделаны в Сингапуре.
Вторая зацепка – оранжевая краска. Почти все такие здания в Сингапуре покрашены в разные цвета, нам же нужен оранжевый
.
Третья зацепка – комбинация окружения, стол с желтым основанием, дорожная разметка, растения на фоне, а также характерный знак. Именно эта комбинация укажет нам на верное место!
Я постараюсь показать весь процесс, до правильного ответа, это было вовсе не просто!
Для начала я решил убрать машину с изображения:
Сделал я это с помощью инструмента Clean Up Pictures, но лучше от этого не стало: яндекс и гугл все еще выдавали различные парковки. Осмотрев панорамы Сингапуру мы пришли к выводу, что чаще всего это закрытые дворы и нужно вручную проверять схожие места:
Данная методика могла сработать, потому что поиском занималось много людей, но если это делал бы один человек, процесс бы затянулся на долгие и нудные дни. Ошибка была в том, что задачу хотели решить брут форсом, без использования специализированных инструментов.
Из этого кейса я пришел к выводу, что под каждую задачу нужно искать специализированные инструменты, так поступил один из моих подписчиков. Используя сервис 4.map он заметил, что часть домов подкрашена, он стал изучать цвета похожие на оранжевый, его внимание привлек данный участок:
Как видите, на словах все выглядит крайне просто, но сам процесс занял около недели, все тоже самое могли проделать и ВЫ. В дальнейшем, я посвящу аналитическому процессу в GEOINT отдельную статью, а пока вы можете изучать материалы на моем канале:
И оттачивать мастерство GEOINT в группах:
Статья подготовлена специально для CyberYozh