Розслідування на основі відкритих джерел (OSINT — Open Source Intelligence) та фактчекінг — це передусім дисциплінований процес, а не хаотичний пошук. Найчастіша помилка новачків — починати перевірку без чіткого плану або сліпо довіряти неперевіреним твердженням і випадковим збігам імен у соціальних мережах.
Цей гайд пропонує готову методологію з 5 послідовних промптів, які проводять аналітика крізь повний розслідувальний цикл: від постановки меж задачі (Scope) до збору цифрових слідів (Collect), розширення пошуку (Pivot), верифікації першоджерел (Verify) та складання підсумкового звіту (Document).
1. Архітектура та принципи OSINT-ланцюжка промптів
Ефективна взаємодія з мовними моделями під час проведення розслідувань спирається на принцип ланцюгової послідовності (Prompt Chaining).
1.1. Як працює поетапна послідовність запитів
Замість того, щоб намагатися отримати повну відповідь через один великий запит, ви рухаєтеся крок за кроком:
- Вхідні дані наступного кроку формуються знахідками попереднього: результат аналізу електронної пошти дає нікнейми для перевірки, а знайдені цитати переходять у промпт для фактчекінгу.
- Модель не вигадує факти, а структурує перевірки: промпти сформульовані так, щоб вимагати перелік конкретних контрольних точок і верифікацій, а не здогадок ШІ.
- Критична оцінка кожної гіпотези: будь-який висновок моделі є робочою зачіпкою, що вимагає ручної верифікації за реальними джерелами.
1.2. 5 фаз розслідувального циклу: від постановки до звіту
Професійне розслідування завжди рухається за замкненим циклом:
Кожен із 5 наведених нижче промптів відповідає одній із фаз цього циклу, запобігаючи втраті контексту та когнітивним перевантаженням.
2. Етичні стандарти, правові межі та цифрова гігієна
Розслідування на базі відкритих джерел повинно відповідати суворим правовим та моральним стандартам.
2.1. Правові рамки та допустимість публічних джерел (GDPR, Due Diligence)
Промпти цього посібника розроблені виключно для законних сфер застосування:
- Корпоративна перевірка контрагентів (Due Diligence);
- Журналістські та наукові розслідування фактів;
- Кібербезпека та оцінка цифрового сліду власної компанії;
- Боротьба з дезінформацією та маніпулятивними вкидами.
Використовуйте лише публічно доступну інформацію та сервіси, доступ до яких здійснюється без порушення законодавства про захист персональних даних (зокрема GDPR) і без злому облікових записів.
2.2. Запобігання доксингу та правила безпеки дослідника
Категорично заборонено використовувати OSINT-методики для доксингу, залякування, переслідування приватних осіб чи збору конфіденційної інформації для шахрайства. Якщо розслідування порушує межі приватності — негайно зупиніть роботу.
3. Промпт 1 (Scope): Побудова стратегічного плану розслідування
Фаза Scope — це фундамент усього процесу. Якщо запитання сформульовано розмито, всі подальші пошуки призведуть до надлишку нерелевантної інформації.
3.1. Мета та логіка калібрування первинного запиту
Промпт змушує ШІ-асистента виступити в ролі старшого аналітика розвідки, розкласти тему на типи сутностей (люди, домени, пошти, інфраструктура), окреслити категорії джерел та зафіксувати припущення, які можуть виявитися хибними.
3.2. Шаблон промпту для визначення цілей та джерел
Англомовний варіант для максимальної сумісності з LLM:
4. Промпт 2 (Collect): Перевірка email та цифрового сліду
Електронна адреса — найпоширеніша точка входу в розслідуванні, оскільки вона поєднує ім'я користувача, організацію та корпоративний домен.
4.1. Аналіз структури адреси та публічної засвітки (витоки, сервіси)
Головна вимога до моделі на цьому етапі — скласти список перевірок, а не вигадувати персональний профіль. Промпт націлює на виявлення цифрових слідів у витоках даних, паст-сайтах, реєстрах і соціальних мережах.
4.2. Шаблон промпту для перевірки поштових скриньок
Англомовний варіант:
5. Промпт 3 (Pivot): Пошук та валідація за нікнеймом (Username)
Нікнейм — це гіпотеза, а не гарантія приналежності одній людині. Одне й те саме ім'я користувача на різних сайтах може належати абсолютно різним людям.
5.1. Розрізнення справжнього збігу від випадкового збігу імен
Цей крок навчає відрізняти реальний збіг від збігу через популярність слова. Модель генерує критерії порівняння перехресних маркерів: аватари, опис профілю (bio), мовний стиль, часові пояси та історія активності.
5.2. Шаблон промпту для крос-платформної ідентифікації
Англомовний варіант:
6. Промпт 4 (Verify): Фактчекінг тверджень та першоджерела
Фактчекінг відокремлює реальне розслідування від суб'єктивних інтерпретацій. Одне джерело твердження — це лише зачіпка, а не встановлений факт.
6.1. Методологія спростування та червоні прапорці фальсифікацій
Промпт вибудовує сувору дедуктивну логіку: що має бути істинним, щоб твердження виявилося правдою; які первинні реєстри чи архіви можуть спростувати тезу; і які типові маркери дезінформації присутні у повідомленні.
6.2. Шаблон промпту для верифікації фактів та оцінки достовірності
Англомовний варіант:
7. Промпт 5 (Document): Підсумковий аналітичний звіт та прогалини
Фінальний етап перетворює розрізнені знахідки на професійний розвідувальний звіт. Надійність звіту визначається не тільки тим, що знайдено, але й тим, наскільки чесно вказані невідомі зони.
7.1. Структура професійного OSINT-звіту та облік невизначеностей
Розділ «Прогалини та невідоме» (Gaps/Unknowns) — головний захист аналітика від помилкових висновків. Чітке розмежування фактів і суб'єктивних умовиводів гарантує авторитетність документа.
7.2. Шаблон промпту для фіксації знахідок та таймлайну
Англомовний варіант:
8. Матриця джерел та поширені запитання (FAQ)
8.1. Класифікація публічних джерел даних за типами сутностей
| Тип сутності | Категорія відкритих джерел | Основні методи та інструменти перевірки |
|---|---|---|
| Електронна пошта (Email) | Реєстри витоків, PGP-сервери, DNS-записи | Перевірка витоків паролів, аналіз записів SPF/DKIM/DMARC |
| Нікнейм (Username) | Соціальні мережі, кодові сховища, форуми | Пошук за базою WhatsMyName, перевірка коммітів у репозиторіях |
| Домен або IP-адреса | Записи WHOIS, цифрові сертифікати, пасивний DNS | Історія змін WHOIS, перевірка прозорості сертифікатів (crt.sh) |
| Твердження або цитата | Державні реєстри, офіційні пресрелізи, архіви | Пошук первинних публікацій у Wayback Machine, фактчекінг-бази |
| Зображення та медіа | Метадані файлів, стокові сховища, супутникові знімки | Зворотний пошук зображень, геоприв'язка за тінями та ландшафтом |
8.2. Поширені запитання та рекомендації (FAQ)
Чи може мовна модель самостійно ходити в інтернет і перевіряти закриті бази даних?
Ні. Якщо ШІ-модель не підключена до вебпошуку (Web Search / Browsing), вона оперує виключно своїми тренувальними даними. Використовуйте промпти для складання методики та структури, а реальний збір даних здійснюйте через спеціалізовані сервіси або браузер.
Як правильно перевіряти збіги за нікнеймами, якщо ім'я занадто поширене?
Використовуйте кореляцію за вторинними ознаками: дата створення облікового запису, використовувані плагіни чи інтереси, ідентичні аватари (перевірені через зворотний пошук зображень) та мовні особливості.
Чому не можна покладатися лише на одне джерело при фактчекінгу?
Будь-яке одиничне повідомлення може бути результатом технічної помилки, згенерованого deepfake або цілеспрямованої дезінформації. Принцип OSINT вимагає наявності як мінімум двох незалежних первинних джерел.
Небезпека галюцинацій моделей у розслідуваннях
Мовні моделі схильні впевнено стверджувати неіснуючі факти або приписувати реальним людям чужі цитати. Завжди вимагайте від моделі прямих посилань та самостійно переходьте за ними для верифікації.