Henkilötiedustelukurssin soluttautumisriski - SecMeter

Tämän analyysin tavoitteena on arvioida, onko mahdollista tunnistaa vastapuolen soluttautuja suuresta määrästä kurssihakemuksia, sekä määrittää realistinen suuruusluokka-arvio tällaisten toimijoiden lukumäärästä hakemusvaiheessa. Analyysi perustuu avoimiin, ei-luokiteltuihin periaatteisiin ja korostaa motivaatiokirjeiden ja hakemusaineiston käyttöä signaalien tunnistamisessa.

Manuaalinen läpikäynti 12 000 kurssihakemuksesta neljän kuukauden aikana on käytännössä mahdotonta. Aineiston määrä ja hakemusten monimuotoisuus tekevät täydellisestä arvioinnista äärimmäisen työlästä ja altista inhimillisille virheille. Tämän vuoksi strategisesti merkittävissä henkilötiedustelukursseissa hyödynnetään riskiperusteista, kerroksellista analyysiä, jossa suurin osa hakemuksista voidaan nopeasti rajata pois populaatiotasoisen vertailupohjan avulla.

Poikkeavuusanalyysi ja useiden heikkojen signaalien kasauma ohjaavat resurssit suppeaan joukkoon hakemuksia, jotka ansaitsevat syvällisemmän tarkastelun. Näin neljässä kuukaudessa voidaan realistisesti käsitellä jatkoselvityksen kohteena olevia satoja hakemuksia, samalla kun yksittäisen soluttautujan tunnistaminen perustuu todennäköisyyksiin ja vahvistetaan monilähteisellä tiedolla.

Teoreettinen viitekehys

Soluttautumisen merkitys vastavakoilussa

Soluttautuminen organisaatioon on vastavakoilun keskeinen tutkimuskohde. Kirjallisuudessa on laajasti todettu, että soluttautujat harvoin paljastuvat pelkästään dokumenttien tai hakemusaineistojen perusteella. Tunnistaminen edellyttää monitasoista analyysiä, jossa yhdistetään narratiivisten aineistojen poikkeavuuksien tarkastelu, metadata-analyysi ja riskiperusteinen arviointi. Useiden signaalien yhdistäminen vähentää väärien positiivisten riskin syntymistä ja tukee turvallisuusprosessien päätöksentekoa.

Motivaatiokirjeet analyysivälineenä

Kurssihakemusten motivaatiokirjeet tarjoavat narratiivisen analyysipohjan, koska ne sisältävät hakijan kertomuksia urapolusta, motivaatiosta ja arvoista. Poikkeavuudet ja ristiriidat näissä kertomuksissa voivat viitata soluttautumispyrkimyksiin, mutta yksittäiset havainnot eivät ole riittäviä todisteita. Näin ollen motivaatiokirjeet toimivat ensisijaisesti signaalien tuottajina, eivät varmoina tunnistusvälineinä.

Menetelmä

Analyysi perustuu riskiperusteiseen ja kerrokselliseen seulontamalliin, jossa hakijajoukkoa (~12 000 hakemusta) tarkastellaan populaatiotasolta yksilötasolle. Menetelmä koostuu kolmesta vaiheesta:

1. Populaatiotason vertailuprofiilin muodostaminen

Kaikki hakemukset analysoidaan tilastollisesti ja temaattisesti, jotta voidaan muodostaa kuva tavanomaisesta hakijaprofiilista. Tässä vaiheessa ei tehdä yksilöarvioita. Ensimmäinen ja keskeinen periaate on, että analyysi ei ala yksilöistä vaan kokonaisuudesta. Suuressa hakijajoukossa valtaosa hakijoista on hyväntahtoisia, ja tämä oletus on analyysin perusta. Tämän vuoksi muodostetaan:

• kuva tyypillisestä hakijasta
• jakaumat, vaihteluvälit ja toistuvat rakenteet
• narratiiviset ja ajalliset peruskuviot

Ilman tätä vertailupohjaa yksittäisiä hakijoita ei voida arvioida mielekkäästi.

2. Poikkeavuuksien tunnistaminen

Hakemuksia verrataan vertailuprofiiliin useilla ulottuvuuksilla: narratiivin rakenne, ajallinen johdonmukaisuus ja metatiedot. Poikkeavuus ei automaattisesti merkitse uhkaa, vaan rajaa joukkoa jatkotarkastelulle. Poikkeavuus ei ole syyllistävä havainto. Poikkeavuus tarkoittaa ainoastaan sitä, että hakemus poikkeaa systemaattisesti populaation keskiarvoista tai tyypillisistä rakenteista. Tärkeää on:

• poikkeavuuksien luokittelu (yleiset, harvinaiset, erittäin harvinaiset)
• poikkeavuuksien selitettävyyden arviointi
• satunnaisten ja systemaattisten erojen erottaminen

3. Kerroksellinen priorisointi

Laajassa hakijajoukossa analyysi etenee kerroksittain:

• Laaja seulonta, joka sulkee pois suuren enemmistön
• Kohdennettu tarkastelu, jossa arvioidaan rajattua joukkoa
• Syventävä analyysi, johon kohdistetaan rajalliset resurssit

Jokainen kerros pienentää tarkasteltavaa joukkoa merkittävästi. Näin 12 000 hakemuksesta päädytään lopulta hyvin pieneen määrään tapauksia, joissa jatkoselvityksen odotusarvo on korkein.

Poikkeavuudet asetetaan keskinäiseen riskijärjestykseen useiden signaalien kasaantumisen perusteella. Tämä mahdollistaa resurssien kohdentamisen niihin hakemuksiin, joissa jatkoselvityksen odotusarvo on suurin. Yksittäinen havainto ei koskaan riitä. Riskiperusteinen analyysi perustuu ajatukseen, että merkityksellisyys syntyy vasta, kun:

• useita heikkoja signaaleja esiintyy samassa hakemuksessa
• signaalit ovat toisistaan riippumattomia
• kokonaisuus poikkeaa populaatiosta johdonmukaisesti

Tätä kutsutaan kumulatiiviseksi riskiksi. Yksittäinen hakija nousee tarkempaan tarkasteluun vasta, kun signaalien yhteisvaikutus ylittää ennalta määritellyn kynnysarvon.

Todennäköisyys, että joukossa on ollut vastapuolen toimija

Hakijamäärän ja kurssin strategisen merkityksen perusteella voidaan todeta, että on mahdollista, että yksi tai useampi hakija edustaa vastapuolta. Samalla on yhtä mahdollista, ettei kukaan ole mukana operatiivisesti. Ilman luokiteltua tiedustelutietoa analyysi ei anna varmaa lukua. Kyseessä on ei-triviaali mutta matala perusriski.

Realistinen lukumääräarvio

• 0 toimijaa on mahdollinen skenaario
• 1 toimija on uskottava pahimman tapauksen skenaario
• 2 toimijaa on epätodennäköinen, mutta ei poissuljettu
• Useampi kuin 2 on erittäin epätodennäköinen ilman erityistä viitettä poikkeuksellisesta operaatiosta

Motivaatiokirjeiden rooli

Motivaatiokirjeet tarjoavat ainoastaan signaaleja mahdollisista poikkeavuuksista, eivätkä ne yksin muodosta todisteita soluttautumisesta. Poikkeamat toimivat ainoastaan jatkotarkastelun kriteerinä, eivät suoraan uhkana.

Johtopäätökset

Yksittäisen soluttautujan tunnistaminen suuresta hakijajoukosta perustuu populaatiotason poikkeavuusmallinnukseen, heikkojen signaalien kasaantumisen analyysiin ja useista toisistaan riippumattomista prosesseista saatavan informaation triangulaatioon. Kurssin hakemusaineisto yksin ei mahdollista luotettavaa tunnistamista.

Riskiperusteisessa analyysissä triangulaatio tarkoittaa sitä, että soluttautujan todennäköisyyttä arvioidaan yhdistämällä:

• motivaatiokirjeiden poikkeavuusanalyysi
• hakemuksen metadata (esim. aikaleimat, koulutuspolku)
• aiempien hakijoiden vertailutiedot
• eri analyysimenetelmät tukevat samaa johtopäätöstä
  
• useat arvioijat päätyvät samansuuntaisiin tuloksiin
  
  

Jos kaikki nämä lähestymistavat viittaavat samaan poikkeavuuteen, analyysin luotettavuus kasvaa.

Tekoäly voi tukea soluttautujien tunnistamista analysoimalla suuria hakijamassoja ja tunnistamalla populaatiotason poikkeavuuksia sekä heikkojen signaalien kasaantumista. Sen käyttö on metodologisesti perusteltua vain avustavana välineenä, jossa tekoäly tuottaa todennäköisyyspohjaisia priorisointeja analyytikon tulkinnan tueksi. Tekoäly ei kykene itsenäisesti arvioimaan yksilön intentioita, eikä sitä tule käyttää itsenäisenä päätöksentekijänä.

• Riskiperusteinen, kerroksellinen analyysi tarjoaa tavan arvioida mahdollisia soluttautumisia laajoissa hakijajoukoissa:
• Strategisesti merkittävissä koulutuksissa on mahdollista, että joukossa on vastapuolen toimija, mutta lukumäärä pysyy matalana (tyypillisesti 0–1).
• Motivaatiokirjeet ja metadata-analyysi ovat hyödyllisiä signaaleja, mutta eivät itsessään tunnista soluttautujaa.
• Kerroksellinen riskianalyysi mahdollistaa resurssien kohdentamisen tehokkaasti ja hallitsee väärien positiivisten riskin.
• Menetelmä noudattaa eettisiä ja juridisia periaatteita, sillä se perustuu eksplisiittisiin, dokumentoituihin ja jälkikäteen arvioitaviin kriteereihin.