OPEN SOURCE INTELLIGENCE (OSINT)


Second War ၿပီးတဲ့ အခ်ိန္ကေနစၿပီး သတင္းမီဒီယာေတြ TV အစီအစဥ္ေတြဟာပုိမုိမ်ားၿပားလာၿပီး ေၿပာဆုိေရးသာမႈ အပုိင္းမွာ ပုိမုိပြင့္လင္းလာခဲ့ပါတယ္။ အဲဒီေနာက္ Internet ေပၚလာတဲ့ အခ်ိန္မွာေတာ့ သတင္းအခ်က္အလက္စီးဆင္းမႈဟာ ပုိမုိၿမန္ဆန္က်ယ္ၿပန္႕လာပါတယ္။ ဘယ္ေနရာမဆုိ အဆုိးနဲ႕ အေကာင္းဒြန္႔တြဲေနသလုိပါပဲ။ အခုလုိတုိးတက္လာတဲ့အတြက္ ေကာင္းက်ဳိးေတြရွိသလုိ တစ္ဖက္မွာလဲဆုိးက်ဳိးေတြက ရွိလာျပန္ပါတယ္။ ဆုိက္ဘာရာဇ၀တ္မႈ၊ အၾကမ္းဖက္အဖြဲ႕အစည္း၊ အစုိးရကုိ ေ၀ဖန္တုိက္ခုိက္မႈေတြ စတဲ့အဖြဲ႕အစည္းေတြက အင္တာနက္ကုိ အသုံးၿပဳကာ က်ယ္က်ယ္ျပန္႕ျပန္႔လုပ္ေဆာင္လာၾကပါတယ္။ Juniper Research အရဆုိရင္ လာမဲ့ 2019 မွာ cybercrime ေၾကာင့္္ ကမၻာနဲ႕တစ္၀ွမ္းက စီးပြားေရးလုပ္ငန္းနဲ႕ အစုိးရပုိင္းကေန ကာကြယ္မႈအတြက္ ကုန္က်ေငြ ၂ ဘီလီယံခန္႕ ရွိမယ္လုိ႕ခန္႕မွန္းထားပါတယ္။ ဒါေၾကာင့္အစုိးရပုိင္းနဲ႕ စီးပြားေရးလုပ္ငန္းၾကီးေတြက ေငြအကုန္က်သက္သာၿပီး တစ္ဖက္တစ္လမ္းကေန အက်ဳိးရွိေစမဲ့ Open Source Intelligence စနစ္ကုိ အသုံးၿပဳလာၾကပါတယ္။
Open Source Intelligence (OSINT) စနစ္ဆုိတာ ကမၻာအႏွံမွာ Publice ရရွိႏုိင္တဲ့ သတင္းအခ်က္အလက္ေတြျဖစ္ပါတယ္။ Open Source Intelligence (OSINT) ဆုိတာကုိ ဘယ္ေန႕ ဘယ္အခ်ိန္မွာ စတင္ခဲ့ ေခၚေ၀ၚခဲ့တယ္ဆုိတာမသိရေပမဲ့ အခုလုိမ်ဴိးနည္းစနစ္ကုိ လြန္ခဲ့တဲ့ နွစ္ေပါင္းမ်ားစြာထဲက စစ္ေရး စီးပြားေရး ႏုိင္ငံေရးေတြမွာ အသုံးခ်ခဲ့ပါတယ္။ ဥပမာ အေနနဲ႕ အလြယ္ကူဆုံးေၿပာရရင္ ေစ်းသတင္းလုိဟာမ်ဳိးေပါ့။ ေစ်းသတင္းထဲမွာ ကုန္ေစ်းႏွဳန္းအတက္အက် မိသားစုေရး ႏုိင္ငံေရး က်မ္းမာေရး စီးပြားေရး သတင္းေတြကုိ အခမဲ့ယူႏုိင္တဲ့ေနရာတစ္ခုပါ။
Internet ေခတ္ေရာက္လာတဲ့ အခါမွာေတာ့ သတင္း website ေတြ၊ လူမႈကြန္ယက္ေတြ၊ စီးပြားေရး ထုတ္ကုန္ ေၾကာ္ၿငာေတြ ကေနရယူပါတယ္။ စီးပြားေရးပုိင္းမွာလဲ တစ္ဖက္လုပ္ငန္းက ဘာေတြလုပ္ေနတယ္ ဘာထုတ္ကုန္ေတြထုတ္ေနတယ္ဆုိတာေတြကုိလဲ OSINT နည္းစနစ္ေတြနဲ ရယူႏုိင္ပါတယ္။ Hacking ပုိင္းအတြက္ဆုိရင္ Information Gathering အေနနဲ႕ Dns lookup , Whois , Ip address Look up , Etc ….. ကေန အစရွိသည္ျဖင့္ ရယူၾကပါတယ္။
Social Media ပုိင္းမွာဆုိFacebook Graph Search, Twiitter Search , Linkedin Search ေတြကုိ အသုံးခ်ရင္ အသုံးခ်ႏုိင္သလုိ အက်ဳိးမ်ားပါတယ္။ အခုလုိရယူျခင္းအတြက္ ဥပေဒနဲ႕လဲ လြတ္ကင္းသလုိ ေငြေၾကးအကုန္အက်လဲ သက္သာေစပါတယ္။ ေငြေၾကးကုန္က်မႈနည္းပါးေသာေၾကာင့္ အထင္ေသးသလုိရွိႏုိင္ေပမဲ့ လက္ေတြ႕မွာ ေနရာအလုိက္ လုပ္ငန္းအလုိက္ စနစ္တက်လုပ္ႏုိင္ရင္ အက်ဳိးမ်ားစြာရွိပါသည္။
Open Source Intelligence (OSINT) ကုိအမ်ားဆုံနဲ႕ အဓိကထားၿပီးအသုံးႏုိင္ဆုံးကေတာ့US ႏုိင္ငံပါ။ Second war ကာလ မွာေရာ ယေန႕အခ်ိန္ထိ ႏုိင္ငံမ်ဳိးစုံ လူမ်ဳိးေပါင္းစုံရဲ့ ဘာသာစကားမ်ဳိးစုံကုိ တတ္ကြ်မ္းနားလည္သူေတြနဲ႕စုဖြဲ႕ကာ သတင္းအခ်က္အလက္ေတြကုိ ကုန္က်မႈနည္းပါးစြာ ရယူေနပါတယ္။ ဥပမာ ႏုိင္ငံအႏွံ႕ကသတင္းစာေတြကုိ ခနထား facebook, Twitter လုိေနရာမ်ဳိးဟာ သတင္းရယူလုိ႕ အေကာင္းဆုံးေနရာမ်ဳိးပါ တစ္ကူးတစ္ကကုိ သတင္းသြားတင္ လွဳပ္ရွားမႈေတြသြားတင္ေနၾကပါတယ္။
Foreign Broadcast Information Service (FBIS) ကဆုိရင္ ႏုိင္ငံေပါင္းစုံက public ကေနအခမဲ့ရႏုိင္တဲ့ သတင္းစာနယ္ဇင္းေတြ အင္တာနက္ website ေတြကေန အခ်က္အလက္ေတြရယူၿပီး ခြဲျခမ္းစိတ္ျဖာအသုံးၿပဳလ်က္ရွိပါတယ္။

Comments

Post a Comment

Popular posts from this blog

NTFS Index Attributes

Image
  NTFS Index Attributes Now that we have described the general concept of B-trees, we need to describe how they are implemented in NTFS to create indexes. Each entry in the tree uses a data structure called an index entry to store the values in each node. There are many types of index entries, but they all have the same standard header fields, which are given in Chapter 13. For example, a directory index entry contains a few header values and a $FILE_NAME attribute. The index entries are organized into nodes of the tree and stored in a list. An empty entry is used to signal the end of the list. Figure 11.18 shows an example of a node in a directory index with four $FILE_NAME index entries. Figure 11.18. A node in an NTFS directory index tree with four index entries. Figure 11.18 The index nodes can be stored in two types of MFT entry attributes. The $INDEX_ROOT attribute is always resident and can store only one node that contains a small number of index entries. The $INDEX_ROOT attrib
Read more

B-Trees (NTFS)

Image
  B-Trees An NTFS index sort attributes into a tree, specifically a B-tree. A tree is a group of data structures called nodes that are linked together such that there is a head node and its branches out to the other nodes. Consider Figure 11.13(A), where we see node A on top and it links to nodes B and C. Node B links to nodes D and E. A parent node is one that links to other nodes, and a child node is one that is linked to. For example, A is a parent node to B and C, which are children of A. A leaf node is one that has no links from it. Nodes C, D, and E are leaves. The example shown is a binary tree because there are a maximum of two children per node. Figure 11.13. Examples of A) a tree with 5 nodes and B) the same tree that is sorted by the node values FIG- 11.3 Trees are useful because they can be used to easily sort and find data. Figure 11.13(B) shows the same tree as we saw on the left side, but now with values that are assigned to each node. If we are trying to look up a valu
Read more

eCDFP (Module-6) (Window Forensics) (Part - 1 )

Image
လက်ရှိအချိန်မှာ PC/Laptop သုံးစွဲတဲ့အထဲမှာ Window အသုံးပြုသူက ကမ္ဘာမှာ အများဆုံးဖြစ်ပါတယ်။ Operation System အနေနဲ့ကြည့်မယ်ဆိုရင် ဒုတိယအများဆုံးဖြစ်ပါတယ်၊ ပထမအများဆုံးကတော့ Android ဖြစ်ပါတယ်။ Window 1.0 ကနေ အခုနောက်ဆုံးထွက်တဲ့ Window 11 အထိမှာ လက်ရှိလူတွေ အများဆုံးအသုံးပြုတာကတော့ Window 10/ Window 11 ဖြစ်ပါတယ်။ Forensics Analysis လုပ်မယ်ဆိုရင် Window ကနေရနိုင်တဲ့ Artifact (2) မျိုးရှိပါတယ်။ (1) System Artifacts  (2) User Artifacts  System Artifacts  ကတော့ Window Operation System   ကနေရနိုင်တဲ့ Artifacts တွေဖြစ်ပါတယ်။  System Artifacts Example  Registry Artifacts Event Logs File System Artifacts (Master File Table) Prefetch Files Volume Shadow Copies  User Artifacts ကတော့ User အသုံးပြုတဲ့ Computer ပေါ်မှာ User ကနေအသုံးပြုတဲ့ Activity တွေဖြစ်ပါတယ်။ တစ်ကယ်တန်း Forensics Analysis လုပ်မယ်ဆိုရင် System Artifacts ကိုရော User Artifacts ကိုရော Analysis ပြုလုပ်ပါတယ်။  User Artifacts Example  UserAssist  LNK Files Browser Artifacts  Recycle Bin  Recent File  Jump Lists  .LNK File (Shortcut) An
Read more