Wywiad jawnoźródłowy w Internecie (OSINT 2.0) 2100-BW-L-Z5WJWI-CP

Przedmiot rozpoczyna się od omówienia problemu pozyskiwania i analizy danych w warunkach nadmiaru informacji. Uczestnicy analizują zjawisko „cyfrowego smogu”: przeciążenie informacyjne, niską jakość źródeł, automatycznie generowane treści, dezinformację, błędy poznawcze, bańki informacyjne oraz ryzyko mylenia dostępności danych z ich wartością analityczną. Punktem wyjścia jest zasada, że OSINT nie polega na zbieraniu maksymalnej liczby danych, lecz na pozyskaniu danych koniecznych, wiarygodnych i proporcjonalnych do postawionego pytania.

W dalszej części zajęć omawiane są techniki wyszukiwania w Internecie powierzchniowym: dobór słów kluczowych, operatory, warianty językowe, wyszukiwanie po domenach, dokumentach, czasie i typie pliku, porównywanie wyników różnych wyszukiwarek oraz dokumentowanie przebiegu kwerendy. Szczególne znaczenie ma krytyczna ocena narzędzi wyszukiwawczych, ich indeksów, ograniczeń, sposobów rankingu i wpływu personalizacji na rezultaty.
Moduł Web Intelligence dotyczy analizy stron WWW i domen: identyfikacji właściciela oraz funkcji serwisu na podstawie treści jawnej, analizy historii publikacji, archiwów internetowych, struktury witryny, informacji technicznych dostępnych publicznie, relacji między domenami oraz sygnałów wskazujących na wiarygodność albo ryzyko manipulacji. Analiza ma charakter pasywny i nie obejmuje obchodzenia zabezpieczeń ani ingerowania w funkcjonowanie badanych zasobów.

Zajęcia obejmują także analizę publicznie dostępnych danych kontaktowych, w tym wyszukiwanie i weryfikację adresów e-mail w kontekście bezpieczeństwa organizacji. Praca ta służy zrozumieniu ekspozycji danych, ryzyka phishingu, potrzeby ochrony tożsamości cyfrowej i oceny jakości źródeł. Nie obejmuje pozyskiwania danych prywatnych, automatycznego masowego zbierania adresów ani kontaktowania się z osobami pod fałszywym pretekstem.
Kolejny blok poświęcony jest kartograficznemu białemu wywiadowi. Uczestnicy wykorzystują mapy, zdjęcia satelitarne, zdjęcia uliczne, ukształtowanie terenu, architekturę, infrastrukturę, oznaczenia czasu i warunki środowiskowe do weryfikacji miejsca i kontekstu materiałów. Omawiane są zarówno możliwości, jak i ograniczenia geolokalizacji oraz ryzyko nadinterpretacji pojedynczego szczegółu.

Moduł Science Intelligence rozwija umiejętność weryfikacji źródeł naukowych. Obejmuje ocenę autorstwa, afiliacji, recenzji, indeksowania, identyfikatorów publikacyjnych, cytowań, reputacji czasopisma, dostępności danych i materiałów badawczych, a także rozpoznawanie publikacji drapieżnych, pseudonaukowych oraz nieadekwatnych metodologicznie.

Blok poświęcony wykrywaniu fake newsów obejmuje krytyczną ocenę źródła, lateral reading, ustalanie pierwotnego kontekstu informacji, weryfikację obrazów i nagrań, analizę motywacji nadawcy, rozpoznawanie technik perswazji oraz dokumentowanie procesu fact-checkingu.

Końcowa część kursu obejmuje ekstrakcję i usuwanie metadanych oraz budowę dokumentacji analitycznej pozwalającej odtworzyć tok pracy badawczej bez ujawniania zbędnych danych osobowych.

Koordynatorzy przedmiotu

Jacek Ziółkowski
Marcin Żółtowski

Założenia (opisowo)

Celem zajęć jest: • wprowadzenie do procesu OSINT: planowania, pozyskiwania, przetwarzania, analizy, weryfikacji i komunikowania wniosków; • rozwijanie umiejętności formułowania pytań badawczych i analitycznych odpornych na nadmiar oraz niską jakość informacji; • rozwijanie praktycznych kompetencji wyszukiwawczych w Internecie powierzchniowym; • kształtowanie umiejętności analizy stron WWW, domen, archiwów sieciowych i ogólnodostępnych śladów infrastrukturalnych; • zapoznanie z metodami geolokalizacji, analizy map i wizualnego potwierdzania miejsca; • rozwijanie kompetencji w zakresie oceny źródeł naukowych, organizacyjnych, medialnych i technicznych; • rozwijanie odporności na dezinformację oraz umiejętności weryfikowania twierdzeń, obrazów i materiałów audiowizualnych; • przygotowanie do odpowiedzialnej pracy z metadanymi, dokumentacją dowodową i materiałem analitycznym; • rozwijanie umiejętności prezentowania ustaleń OSINT z uwzględnieniem niepewności, ograniczeń i zasad etycznych.

Efekty uczenia się

Wiedza (W)

- K_W03: Opisuje na zaawansowym poziomie klasy źródeł i narzędzi OSINT, w tym wyszukiwarki, archiwa sieciowe, mapy, źródła naukowe, rejestry publiczne oraz narzędzia ekstrakcji metadanych.
K_W07: analizuje w zaawansowanym stopniu zagrożenia dla funkcjonowania współczesnego państwa i społeczeństwa w sferze cyfrowej

Umiejętności:
- K_U01: Formułuje pytanie badawcze lub analityczne, określa zakres kwerendy i dobiera adekwatne źródła oraz narzędzia OSINT.
- K_U04: Weryfikuje informacje przez triangulację, rozróżnia fakty, interpretacje, hipotezy i kwestie nierozstrzygnięte oraz dokumentuje tok pracy analitycznej.
- K_U07: Ekstrahuje, interpretuje i usuwa metadane z materiałów cyfrowych z uwzględnieniem ograniczeń technicznych oraz ochrony prywatności.

Kompetencje społeczne (K)
- K_K01: Przestrzega zasad etyki akademickiej, prywatności, ochrony danych oraz odpowiedzialnego wykorzystania informacji jawnych.
- K_K05 - aktywnie występuje jako ekspert w sferze związanej z analizą OSINT

Kryteria oceniania

Metody i kryteria oceniania:
Wymogi formalne: Obecność na zajęciach - dopuszczalna jedna nieobecność

Metody weryfikacji efektów uczenia się:
Śledztwo OSINT i dokumentacja projektu — 50% / 50 pkt
Zakres: pytanie analityczne, plan kwerendy, dziennik pracy, jakość źródeł, triangulacja, argumentacja, etyka, ograniczenia, transparentność użycia AI
Przypisane efekty uczenia się: K_W03, K_W07, K_U01, K_U04; K_U07, K_K01, K_K05

Prezentacja śledztwa — 30% / 30 pkt
Zakres: przejrzystość, logika wywodu, wizualizacja dowodów, odróżnienie faktów od hipotez, odpowiedzi na pytania
Przypisane efekty uczenia się: K_U01, K_U04; K_U07; K_K01, K_K05

Aktywność bieżąca — 20% / 20 pkt
Zakres: zadania warsztatowe, praca z wyszukiwarkami, WebInt, mapami, źródłami naukowymi, metadanymi i fact-checkingiem
Przypisane efekty uczenia się: K_W03;K_W07;K_U01;K_U04;K_U07;K_K01;K_K05

Wymagania dotyczące projektu zaliczeniowego

Projekt zaliczeniowy ma postać udokumentowanego śledztwa OSINT realizowanego indywidualnie albo w zespole maksymalnie dwuosobowym. Temat powinien dotyczyć problemu o znaczeniu społecznym, organizacyjnym, bezpieczeństwa informacyjnego, gospodarczym, naukowym albo środowiskowym.
Projekt musi zawierać:
1. Precyzyjne pytanie badawcze lub analityczne.
2. Uzasadnienie znaczenia problemu.
3. Zakres śledztwa, granice kwerendy oraz kryteria zakończenia pracy.
4. Hipotezy robocze, o ile zostały sformułowane.
5. Dziennik badawczy zawierający daty, zapytania, użyte narzędzia, źródła oraz odrzucone tropy.
6. Rejestr źródeł z oceną autorstwa, pochodzenia, aktualności, celu publikacji, wiarygodności i możliwych konfliktów interesów.
7. Triangulację kluczowych ustaleń przez niezależne źródła.
8. Jasne rozdzielenie faktów, interpretacji, hipotez i kwestii nierozstrzygniętych.
9. Ocenę ryzyk etycznych, prawnych i związanych z prywatnością.
10. Informację o wykorzystaniu AI, jeżeli narzędzia AI zostały użyte.
11. Prezentację projektu na ostatnich zajęciach.
12. Podsumowanie ograniczeń: czego nie udało się potwierdzić, czego nie można ustalić na podstawie dostępnych danych oraz dlaczego.

Zasady bezpieczeństwa, legalności i etyki OSINT

Zajęcia mają charakter edukacyjny, pasywny, legalny i etyczny. Celem jest analiza informacji jawnych oraz rozwijanie kompetencji weryfikacyjnych, a nie ingerencja w systemy, naruszanie prywatności lub pozyskiwanie informacji bez upoważnienia.

Obowiązują następujące zasady:

• Śledztwo OSINT opiera się wyłącznie na informacjach dostępnych publicznie i legalnie.
• Zakazane jest obchodzenie zabezpieczeń, uzyskiwanie nieautoryzowanego dostępu, skanowanie systemów, phishing, tworzenie fałszywych kont, podszywanie się, kontaktowanie się z celem pod fałszywym pretekstem oraz jakakolwiek ingerencja w cudzą infrastrukturę.
• Zakazane jest stalkingowe śledzenie osób prywatnych, doxxing, gromadzenie danych wrażliwych, danych uwierzytelniających, danych finansowych lub danych, których publikacja mogłaby stworzyć ryzyko dla osoby trzeciej.
• Wyszukiwanie publicznie dostępnych danych kontaktowych służy wyłącznie analizie ekspozycji informacyjnej, weryfikacji źródeł lub analizie organizacyjnej. Zakazane jest masowe zbieranie adresów, budowanie list kontaktowych i używanie danych do kontaktu z osobami badanymi.
• Należy stosować zasadę minimalizacji danych: gromadzić wyłącznie informacje niezbędne do odpowiedzi na pytanie analityczne.
• Materiały zawierające dane osobowe należy anonimizować w prezentacji, jeśli identyfikacja osoby nie jest konieczna dla celów dydaktycznych.
• Każdy istotny wniosek powinien zostać potwierdzony w co najmniej dwóch niezależnych źródłach, o ile charakter sprawy pozwala na taką triangulację.
• Należy wyraźnie rozdzielać fakty potwierdzone źródłowo, interpretacje, hipotezy robocze i kwestie nierozstrzygnięte.
• Wątpliwości dotyczące legalności, etyki, prywatności lub bezpieczeństwa projektu należy skonsultować z prowadzącym przed rozpoczęciem kwerendy.

Wykorzystanie AI w śledztwie OSINT
(zgodnie z uchwałą nr 75 Uniwersyteckiej Rady ds. Kształcenia z dnia 11 września 2026 r. w sprawie wytycznych dotyczących korzystania z narzędzi sztucznej inteligencji w procesie kształcenia oraz uchwałą nr 29/2025 Rady Dydaktycznej z dnia 7 maja 2025 r. w sprawie szczegółowych zasad korzystania z narzędzi sztucznej inteligencji w procesie kształcenia)

Narzędzia AI mogą być wykorzystywane jako wsparcie pracy OSINT, lecz nie mogą zastępować samodzielnej oceny źródeł, triangulacji ani krytycznej analizy. Wynik modelu AI nie jest samodzielnym dowodem i nie może stanowić jedynej podstawy istotnego wniosku w projekcie.

Dopuszcza się wykorzystanie AI m.in. do:

• tworzenia wariantów zapytań wyszukiwawczych i słów kluczowych;
• tłumaczenia, transkrypcji oraz wstępnego streszczania materiałów;
• ekstrakcji encji, dat, miejsc, nazw instytucji i relacji z materiałów roboczych;
• wstępnego kodowania i porządkowania większych zbiorów danych;
• generowania hipotez do samodzielnego sprawdzenia;
• przygotowywania tabel, diagramów, wizualizacji i struktury prezentacji;
• wspierania analizy metadanych i dokumentowania procedury pracy.

Każde istotne wykorzystanie AI wymaga oznaczenia w pracy i udokumentowania w osobnym Aneksie transparentności użycia AI. Aneks powinien zawierać nazwę narzędzia, model, datę użycia, pełny prompt lub sekwencję promptów, dane przekazane modelowi, wynik, zakres wkładu własnego, procedurę weryfikacji oraz źródła pierwotne.

W tekście projektu należy stosować oznaczenie:

[AI-XX] Fragment przygotowany z wykorzystaniem modelu nazwa modelu. Zakres wsparcia: [np. propozycje zapytań, tłumaczenie, ekstrakcja encji, porządkowanie danych, diagram]. Pełna dokumentacja: Aneks AI, pozycja AI-XX.

Nie wolno przekazywać do zewnętrznych usług AI danych osobowych, informacji poufnych, danych wrażliwych, danych uwierzytelniających ani materiałów, do których student nie ma uprawnienia dostępu i przetwarzania. Preferowane jest użycie modeli lokalnych podczas pracy z materiałem potencjalnie wrażliwym.

Literatura

Literatura obowiązkowa
1. K. Wosiński, OSINT: Nowy wymiar poszukiwań w sieci, Securitum Wydawnictwo, Kraków 2024.
2. R. L. Baker, Prawdziwa głębia OSINT. Odkryj wartość danych Open Source Intelligence, Helion, Gliwice 2025.
3. D. Mider, „Wywiad jawnoźródłowy w internecie – kategoryzacja i ewaluacja narzędzi wyszukiwawczych”, Przegląd Bezpieczeństwa Wewnętrznego, nr 31, 2024, s. 119–151. Dostęp: https://www.abw.gov.pl/wyd/przeglad-bezpieczenstwa-wewnet/nr-31/2587,Nr-31.html
4. D. Mider, „Źródła informacji w wywiadzie gospodarczym” — publikacja wskazana przez prowadzącego.
Literatura uzupełniająca i zasoby
1. Bellingcat, materiały edukacyjne i przewodniki OSINT: https://www.bellingcat.com/resources/
2. OSINT Framework: https://osintframework.com/
3. Google, Advanced Search: https://www.google.com/advanced_search
4. Internet Archive, Wayback Machine: https://web.archive.org/
5. WHOIS / ICANN Lookup: https://lookup.icann.org/en
6. Crossref Metadata Search: https://search.crossref.org/
7. ENISA: https://www.enisa.europa.eu/
8. First Draft Archive: https://firstdraftnews.org/