Strategisen tiedustelun tukeminen tiedonlouhinnalla : uutisdatasta tiedustelutiedoksi

Abstract

Strateginen tiedustelu tuottaa tietoa maailmasta ympärillämme kansallisen ja kansainvälisen tason suunnittelun ja päätöksenteon tueksi. Strategisella tasolla tiedustelun kohteita ovat kansainväliset suhteet, konfliktit, terrorismi, järjestäytynyt rikollisuus ja muut merkittävät ilmiöt. Tietoa kerätään esimerkiksi henkilölähteistä, viestiliikenteestä, satelliittikuvista ja avoimista lähteistä, kuten mediasta. Merkittävä osa strategisen tiedustelun tiedoista voidaan hankkia avoimista lähteistä. Teknologian kehityksen myötä tiedustelujärjestelmät kykenevät keräämään dataa niin suuria määriä, että ihmiset eivät ehdi käsittelemään niitä. Informaatioteknologian hyödyntämistä ihmisten tekemän tiedusteluanalyysin tukena on kuitenkin tutkittu vain vähän. Tieto on tiedustelun keskeisiä resursseja ja sitä käsitellään pääsääntöisesti tietojärjestelmien avulla, joten on luontevaa tutkia ja kehittää tiedustelun toimintaa hyödyntämällä tietojärjestelmätieteen teorioita ja tutkimusmenetelmiä. Tiedonlouhinta on tietojärjestelmätieteen tutkimusalueella kehitetty prosessi, jonka avulla voidaan tuottaa tietoa suuresta määrästä dataa. Tässä tutkielmassa selvitetään, miten tiedonlouhinnan avulla voidaan tukea strategista tiedustelua tuottamalla tietoa uutisdatasta. Vastaus kysymykseen selvitetään suunnittelututkimuksen metodologiaa hyödyntäen. Kirjallisuuskatsauksen avulla muodostetaan tietopohja, johon perustuen suunnitellaan ja kehitetään prosessimalli, jossa yhdistetään tiedonlouhinnan ja tiedustelun toimintoja. Prosessimallin toimivuus todennetaan prototyyppisovelluksen avulla. Tutkimusaineistona käytetään Global Database of Events and Tone -tietokantaa, josta prototyyppisovelluksen avulla tuotetaan tiedustelutietoa viiden strategisen tiedustelun toimintaa kuvailevan skenaarion ohjaamana. Skenaarioissa hyödynnetään erilaisia laskennallisia ja koneoppimiseen perustuvia menetelmiä. Tulokset osoittavat, että tiedonlouhinnan avulla voidaan tuottaa informaatiota strategisen tiedusteluanalyysin tueksi sekä automatisoida tiedustelutietojen keräystä ja prosessointia. Tutkielma tarjoaa käytännöllisen esimerkin, miten tiedusteluorganisaatiot voivat hyödyntää tiedonlouhintaa toimintansa tukena. Lisäksi tutkielma osoittaa, että tietojärjestelmätiede soveltuu hyvin tiedustelun tutkimukseen. Tiedonlouhinnan soveltaminen tiedustelun kontekstiin voidaan nähdä uutena tutkimusalueena, jossa kehitetään menetelmiä eri tiedustelun keräysmenetelmillä hankitun datan tutkimiseen.

Strategic intelligence produces information and knowledge about the world around us to support planning and decision-making at the national and international levels. At the strategic level, intelligence interests include international relations, crises, conflicts, terrorism, organized crime, and other significant phenomena. Intelligence is collected, for example, from personal sources, communications, satellite images, and open sources such as the media. A significant part of strategic intelligence can be obtained from open sources. With the development of technology, intelligence systems can collect such large amounts of data that people do not have time to process them. The use of technology to support people in intelligence has been identified, but little research has been done on its use. Information is a key resource for intelligence, so it is natural to study and develop the operation of intelligence by utilizing theories and re- search methods in information systems science. Knowledge discovery in databases (KDD) is a process developed in the research area of information systems. It can be used to produce information and knowledge from a large amount of data. This thesis explores how KDD can be applied to support strategic intelligence by generating information from news data. The answer to the question is formed through design science research methodology. A process model was developed to present the KDD application to strategic intelligence. The knowledge base for design and development was formed with the help of a literature review. The functionality of the developed process is demonstrated and evaluated with a prototype application. The Global Database of Events and Tone is used as data, from where the prototype application is used to produce intelligence guided by five scenarios describing the operation of strategic intelligence. Scenarios were developed around key strategic intelligence targets, and each scenario utilizes a variety of computational and machine learning-based methods for data mining. The results show that KDD can be used to produce information to support strategic intelligence analysis and to automate the collection and processing of intelligence. This thesis provides a practical example of how intelligence organizations can utilize information technology to support their operations. In addition, this thesis shows that information systems science is well suited for intelligence studies. The application of KDD to intelligence can be seen as a new area of research, where methods are being developed to study data obtained by various intelligence collection methods.