GEOINT по звуку от жука и ещё 15 инструментов OSINT, которые мы заслужили

В OSINT-разведке никогда не знаешь, какая деталь приведёт тебя к успеху. Профессионалы умеют определять геолокацию по падению лучшей света. Есть и те, кто может определить дату и время создания фотографии, по теням, которые отбрасывают здания.

Однако порой знаки более просты и очевидны, но мы не умеем их “читать”. Например, иногда по виду почтового ящика можно определить, в каком штате он находится, а по формату адреса на письме – какое государственное учреждение его отправило. Подобные результаты – следствие большой практики и жизненного опыта. Но если вдруг их вам будет недостаточно, я собрала подборку OSINT-инструментов, которые, как ружьё на стене, в один момент могут и выстрелить. Хотя эти, конечно, вряд ли это сделают. Зато вы хорошо проведете время.

По фотографии интерьера трудно определить геолокацию фотографии, ведь мы не можем ориентироваться по характеру окружения. Приходится всматриваться в детали. И отличной деталью являются розетки потому, что они далеко не универсальны. Форма, размер, тип и детали штекеров могут точно указать на конкретную страну

Источник

Сервис для расчета, как далеко кто-то может уехать из определенного места за определенный период времени. Согласно заявлениям сервиса, поиск осуществляется по любому местоположению в мире, виду транспорта и периоду времени. Однако стоит учитывать, что информация об общественном транспорте подтягивается по API в тех случаях, когда сервис общественного транспорта готов отдавать эти данные за границу. В России поддержка осуществляется крайне слабо.

Однако, например, для европейских зон расчеты производятся гораздо лучше. Можно получить прогноз перемещения человека с учетом разных видов транспорта, нескольких точек и разных остановок. Сервис также может учитывать, что человек шел пешком через парк, взял велосипед на станции аренды, а потом пересел на авто.

Источник

Возможно вы помните, как властям удалось установить местонахождение нелегальной помойки благодаря AirTag, установленному на бомжа. То же самое можно сделать проще: есть открытый репозиторий «Smart Waste Bin trash image dataset» на GitHub, где собраны фото мусорных баков и предметов для классификации. Инструмент подойдет и для анализа городской инфраструктуры – где стоят мусорки, как они выглядят, как загружены, как меняется состояние баков во времени.

Источник

Кроме того, существует платформа Roboflow предлагает подборку датасетов с классом «bin» (мусорка) и моделями для обнаружения баков

Источник

В России такой учет ведет ФГИС УТКО (Федеральная государственная информационная система учёта твёрдых коммунальных отходов) на портале Министерства природы РФ. Она содержит сведения о типах контейнеров, местах их установки, объёмах отходов, операторах, маршрутах вывоза и многом другом. Крайне полезный инструмент, если вы не хотите лично идти к помойке, чтобы проверить не переполнена она. Просто рассчитайте прогноз переполненности на основе статистических данных не выходя из дома.

Источник

Реестры подземок есть во многих городах. Например, в Москве собраны фотографии подземных тоннелей, нескольких пешеходных переходов, мостов и других сооружений, которые запускал Гормост. Источник. А в Чебоксарах можно подробно изучить и подземные и надземные переходы здесь.

Проект “Does It Fart” является большой научной базой данных о том, какие животные выделяют кишечные газы и каким образом. База может подсказать, каких животных не заводить дома или дать вам источник работы с биоданными, если вы увлекаетесь биологией. Например, из нее можно узнать, что термиты пукают метаном, а вот совы вообще не имеют такого механизма.

Источник

В Великобритании существует база всех публичных туалетов, управляемая организацией Public Convenience. Они собирают максимально полную и актуальную карту туалетов, доступных для общественности, то есть тех, которыми можно пользоваться без платы за вход.

Для туалетов есть большое количество фильтров, благодаря которым, порой можно понять, где стоит тот или иной туалет. Вряд ли оттуда могут когда-либо делаться фотографии, однако карта помогает определить направления для прогулок, демонстрирует состояние общественного пространства, а еще, такие туалеты часто сопровождаются внешними камерами видеонаблюдения.

Источник

Сервис Wytham Great Tit Song Dataset – это аудиодатасет пения полевого поползня, где собрано более 21 000 часов записи пения тысячи индивидуальных птиц, все они аннотированы с точностью до отдельной ноты и индивидуального идентификатора. В наборе есть метаданные по каждому животному – возраст, пол, территория, изменение песенного репертуара с течением времени. Согласно задумке датасет позволяет исследовать, как демографические процессы (миграция, возраст, смена особей) влияют на культурную эволюцию пения птиц. Но если вдруг в видеоролике, который вас заинтересует, вы услышите поползня, то поиск по данному реестру позволит вам выяснить, кто именно пел.

Источник

Есть сразу несколько источников, которые коллекционируют последние слова людей, приговоренных к смертной казни. Считается, что такие слова дают уникальное окно в эмоциональное и психологическое состояние людей в последние минуты жизни. Это помогает исследователям составить психологический портрет людей разных культур, религий и социального уровня.

Реестр сообщений о наблюдениях снежного человека (бигфута) ведётся организацией BFRO (Bigfoot Field Researchers Organization) и представляет собой географическую базу данных, в которой собраны сообщения очевидцев из США и Канады. Каждое событие проходит проверку добровольными исследователями: они оценивают достоверность по классам:

В базе можно найти дату, описание, координаты, погодные условия, сезон, а также текст свидетельства от очевидцев.

Источник

Dog Names Zurich – это открытый датасет, в котором собраны имена собак, зарегистрированных в городе Цюрих (Швейцария), на основе городского реестра собак отдела контроля собак полиции Цюриха. В нём содержатся сведения о каждом зарегистрированном животном: его кличка, год рождения и пол. Благодаря реестру можно понять, какие имена выбирают владельцы, как они меняются со временем и как они связаны с породами. Например, можно анализировать распространённость определённых типов имён по годам.

Источник

UFO Sightings Dataset – это 80 000 записей о наблюдениях НЛО по всему миру. Каждая запись включает дату и время события, географические координаты или хотя бы штат/регион, форму объекта (например, «диск», «свет», «треугольник»), длительность наблюдения и текстовое описание от свидетеля. Благодаря такой базе можно анализировать паттерны — например, как количество сообщений менялось десятилетиями, в каких регионах они чаще фиксируются, какие формы чаще упоминаются и как коррелируют с погодой, аэронавигацией, или масс‑медиа.

Источник

InsectSet459 — набор данных звуков насекомых, где собрано 26 399 аудиофайлов, охватывающих 459 видов, с записями, сделанными с использованием разного оборудования и различных частот дискретизации. Датасет создавался как база для разработки моделей глубокого обучения, способных работать с биоакустическими данными и классифицировать насекомых по звуку. Однако его можно использовать и для того, чтобы понять по стрекоту, какой перед вами жук, где он проживает и насколько опасен.

Источник

Муниципальные власти Шотландии постепенно оцифровывают информацию обо всех захоронениях. Сейчас база содержит 86 000 записей захоронений за последние 150 лет. База пополняется благодаря национальным архивам и помогает найти погибших родственников и восстановить генеалогическое древо.

Источник

В России действует аналогичный "Проект Помним" - большая база захоронений с фотографиями и координатами могил.

Источник