Tekoäly käytössä - SecMeter

Tiedustelun tehokkuus nousee uudelle tasolle

Analyysikoneena tekoäly on armoton. Siinä missä supon analyytikko käy läpi satoja asiakirjoja ja tiedonlähteitä viikossa, tekoäly voi analysoida miljoonia. Se tunnistaa signaalin kohinan keskeltä.

Reaaliaikainen tiedonlouhinta sosiaalisesta mediasta, verkkoliikenteestä ja avoimista lähteistä auttaa supon analyytikkoja havaitsemaan riskit jo ennen kuin ne konkretisoituvat. Erityisesti hybridivaikuttamisen aikakaudella, jossa totuus ja vale sekoittuvat, tekoäly pystyy auttamaan ja hahmottamaan, kuka yrittää vaikuttaa ja millä motiivilla.

Vakoilijoiden uusi ase on myös supon uusi haaste

Samalla kun tekoäly mahdollistaa supolle uuden työkalun, myös sen vastustajat saavat omansa. Vihamieliset valtiot voivat käyttää tekoälyä propagandan, deepfake-sisältöjen ja kybervakoilun tehostamiseen.

Maailmaa, jossa vakoilija ei tarvitse väärennettyä passia, vaan voi valeidentiteetillä ja tekoälyn avulla rakentaa uskottavan sosiaalisen median profiilin ja päästä verkossa sisään järjestelmiin, jotka ennen vaativat fyysistä läsnäoloa tulee olemaan supolle uusi haaste. Tähän supo joutuu varautumaan ja vastaamaan sekä teknologisesti että lainsäädännöllisesti.

Muuttuva tiedusteluympäristö

Tiedustelun keskeinen haaste ei ole enää tiedon puute vaan tiedon runsaus. Viranomaisilla on käytössään valtava määrä erilaisia tietolähteitä, kuten omia tietokantoja, viranomaisyhteistyön kautta saatavaa tietoa, kansainvälisten kumppaneiden tiedustelutietoa sekä avoimia lähteitä internetistä ja sosiaalisesta mediasta.

Tietoa syntyy enemmän kuin yksittäiset analyytikot kykenevät sitä käsittelemään. Julkisten tietojen perusteella supo on viime vuosina kehittänyt järjestelmiä, jotka tukevat tiedon automaattista luokittelua, yhdistelyä ja analysointia ennen analyytikon tekemää lopullista arviointia.

Kansainvälisesti vastaavaa kehitystä on nähty esimerkiksi Yhdysvalloissa, Isossa-Britanniassa sekä Nato-maissa, joissa tekoälyä ja koneoppimista käytetään yhä enemmän tiedustelutyön tukena. INTER-hanke voidaan nähdä osana tätä laajempaa kansainvälistä kehityssuuntaa.

Tiedustelulainsäädäntö kehityksen taustalla

INTER-hanketta ja supon digitaalista kehitystä ei voida tarkastella irrallaan tiedustelulainsäädännön uudistuksesta. Vuonna 2019 voimaan tullut tiedustelulainsäädäntö laajensi supon tiedustelutoimivaltuuksia ja vahvisti sen asemaa kansallisena tiedusteluviranomaisena.

Lainsäädännön uudistuksen myötä tiedon määrä, analyysitarpeet ja tekniset vaatimukset kasvoivat merkittävästi. Uudet toimivaltuudet lisäsivät tarvetta järjestelmille, jotka kykenevät käsittelemään ja analysoimaan suuria tietomääriä tehokkaasti sekä tuottamaan päätöksenteon tueksi ajantasaista tilannekuvaa.

INTER-hanke voidaan nähdä osana tätä laajempaa kehitystä, jossa uusia tiedusteluvaltuuksia tukemaan rakennetaan nykyaikaista analyysi- ja tietojärjestelmäympäristöä.

INTER-hanke ja analyytikon työpöytä

Julkisten tietojen perusteella hankkeen tavoitteena oli luoda analyytikoille työpöytäsovellus, joka kokoaa yhteen eri lähteistä tulevaa tietoa ja hyödyntää tekoälyä tiedusteluanalyysin tukena. Järjestelmä ei vaikuta olevan uusi tietovarasto, vaan pikemminkin analyysikerros olemassa olevien tietojärjestelmien päällä. Tällaisen järjestelmän keskeisiä ominaisuuksia ovat:

• tiedon automaattinen luokittelu
• eri tietolähteiden yhdistäminen
• yhteyksien tunnistaminen henkilöiden, organisaatioiden ja tapahtumien välillä
• poikkeamien havaitseminen
• heikkojen signaalien tunnistaminen
• tilannekuvien muodostaminen
• raportoinnin tukeminen

Supon analyysijärjestelmän keskeiset ominaisuudet

Eri lähteiden integraatio

Järjestelmä kerää ja yhdistää tietoa useista eri tietolähteistä ja eri formaateissa (kuten teksti, dokumentit tai muut mediatiedostot) yhteen näkymään.

Ydintietojärjestelmän automatisointi

Järjestelmä kytkeytyy suoraan supon omaan suojattuun ydintietojärjestelmään ja automatisoi sen sisäisiä hakutoimintoja.

Automaattinen rakenteistaminen

Koneoppimismallit käyvät läpi kasvavaa tietomassaa ja luokittelevat sitä automaattisesti. Tämä vähentää mekaanisen manuaalisen työn määrää merkittävästi.

Heikkojen signaalien tunnistus

Järjestelmä pystyy tunnistamaan datamassoista sellaisia epäsuoria kytköksiä, trendejä ja niin sanottuja heikkoja signaaleja, joiden havaitseminen pelkästään ihmisvoimin ja manuaalisilla hauilla olisi vaikeaa tai mahdotonta.

Operatiivisten riskien vähentäminen

Koska tekoäly suorittaa laajaa ristiinanalyysia, riski siitä, että jokin kriittinen yhteys tai kahden irrallisen tiedonmuruun välinen linkki jäisi huomaamatta, pienenee huomattavasti.

Luotettavammat tilannearviot

Järjestelmän tuottaman analyysin ja jäsennellyn tiedon pohjalta supo pystyy luomaan tarkempia tilannekuva-arvioita ja ennakoimaan uhkia tietoon perustuvan johtamisen tueksi.

Vaikka käyttöliittymästä ei ole julkaistu kuvia, järjestelmä muistuttaa todennäköisesti kansainvälisesti tunnettuja tiedusteluanalyysin työkaluja, kuten IBM i2 Analyst's Notebookia tai Palantir Gothamia. Näissä järjestelmissä analyytikko voi tarkastella verkostokaavioita, aikajanoja, karttoja sekä automaattisesti muodostettuja yhteyksiä eri havaintojen välillä.

Reaktorin rooli ja mahdollinen yhteys Intelligence Software Suiteen

INTER-hankkeen toteuttajana toimi Reaktor Innovations Oy. Samalla Reaktor on viime vuosina tuonut markkinoille puolustus- ja turvallisuusorganisaatioille suunnatun Intelligence Software Suite -ratkaisun. Kyseinen tuoteperhe painottaa:

• tietopohjaista päätöksentekoa
• yhteistä tilannetietoisuutta
• turvallista tiedon jakamista
• tekoälypohjaista analytiikkaa
• Nato-yhteensopivuutta

Julkisten tietojen perusteella ei voida vahvistaa yhteyttä INTER-hankkeen ja Reaktorin Intelligence Software Suite -tuoteperheen välillä. Ominaisuuksien samankaltaisuuden perusteella on kuitenkin mahdollista, että hankkeessa kehitettyjä teknologioita tai toimintamalleja on hyödynnetty myöhemmässä tuotekehityksessä.

Turvallisuus- ja puolustusalalla tällainen kehityspolku on yleinen. Asiakaskohtaisesta ratkaisusta voi ajan myötä kehittyä kaupallinen tuote, jota tarjotaan myös muille organisaatioille.

Supon muuttuneet IT-rekrytoinnit

Ehkä kiinnostavin näkökulma supon kehitykseen löytyy sen rekrytoinneista. Julkiset työpaikkailmoitukset osoittavat, että supo on viime vuosina etsinyt aivan erilaista osaamista kuin perinteinen virasto. Keskeisiä rekrytoituja rooleja ovat olleet:

• Data Engineer
• Data Scientist
• Machine Learning Engineer
• ohjelmistokehittäjä
• järjestelmäasiantuntija

Näiden tehtävien yhteinen nimittäjä on data. Supo ei ole keskittynyt pelkästään infrastruktuurin ylläpitämiseen, vaan tiedon hyödyntämiseen ja analysointiin.

Data Engineer

Data Engineerien tehtävänä on rakentaa järjestelmiä, joiden avulla eri lähteistä tuleva tieto voidaan kerätä, yhdistää ja jalostaa analysoitavaan muotoon. Tähän kuuluu esimerkiksi:

• tietoputkien rakentaminen
• tietovarastojen kehittäminen
• dataintegraatiot
• suurten tietomassojen käsittely

Ilman tätä perustaa tekoälyjärjestelmät eivät kykene toimimaan tehokkaasti.

Data Scientist ja ML Engineer

Data Scientistit ja koneoppimisinsinöörit kehittävät analyysimenetelmiä, joiden avulla järjestelmät voivat löytää merkityksellisiä yhteyksiä suurista tietomassoista. Näiden asiantuntijoiden työ voi sisältää:

• koneoppimismallien kehittämistä
• tekstianalyysiä
• luokittelualgoritmeja
• ennustavia malleja
• verkostoanalyysiä

Juuri tällainen osaaminen liittyy läheisesti INTER-hankkeessa mainittuihin heikkojen signaalien tunnistamiseen ja automaattiseen analyysiin.

Ohjelmistokehittäjät

Ohjelmistokehittäjien tehtävänä on rakentaa analyytikoiden käyttämät työkalut ja käyttöliittymät. Tämä viittaa siihen, että supolla on myös omaa ohjelmistokehitystä eikä se tukeudu yksinomaan ulkoisiin toimittajiin. Tällainen toimintamalli mahdollistaa nopeamman kehityksen ja paremman kyvyn vastata muuttuvaan turvallisuusympäristöön.

Kohti dataohjattua tiedusteluorganisaatiota

Supon viime vuosien kehitystä tarkasteltaessa voidaan havaita selkeä strateginen suunta. Supo ei pyri pelkästään keräämään tietoa, vaan muuttamaan tiedon analysoitavaksi ja päätöksenteon kannalta hyödylliseksi tiedoksi. Tämä tarkoittaa siirtymistä malliin, jossa:

• data kerätään useista lähteistä
• järjestelmät yhdistävät tiedon
• tekoäly tunnistaa yhteyksiä ja poikkeamia
• analyytikko arvioi tulokset
• johto saa ajantasaisen tilannekuvan

Kyseessä on sama toimintamalli, jonka monet länsimaiden tiedustelu- ja turvallisuusorganisaatiot ovat viime vuosina omaksuneet. Julkisten hanke- ja rekrytointitietojen perusteella vaikuttaa siltä, että supo pyrkii rakentamaan toimintaympäristöä, jossa data engineering, koneoppiminen, ohjelmistokehitys ja tiedusteluanalyysi tukevat toisiaan aiempaa tiiviimmin.

Johtopäätökset

INTER-hanke ja supon viimeaikaiset IT-rekrytoinnit osoittavat, että supo on keskellä merkittävää digitaalista murrosta. Perinteisen tiedon keräämisen rinnalle on noussut kyky käsitellä valtavia tietomääriä tekoälyn ja analytiikan avulla.

Julkisten tietojen perusteella vaikuttaa siltä, että supo rakentaa toimintamallia, jossa data engineering, koneoppiminen, ohjelmistokehitys ja tiedusteluanalyysi muodostavat aiempaa integroidumman kokonaisuuden. INTER-hanke näyttäytyy tämän kehityksen näkyvimpänä julkisesti tunnettuna ilmentymänä.

Rekrytoinnit osoittavat myös, että tulevaisuuden supo tarvitsee yhä enemmän data- ja tekoälyosaajia perinteisten turvallisuusalan asiantuntijoiden rinnalle.

Kehityssuunta heijastaa laajempaa muutosta koko länsimaisessa turvallisuusympäristössä. Kilpailu ei enää koske pelkästään tiedon hankkimista, vaan ennen kaikkea kykyä ymmärtää, yhdistää ja hyödyntää tietoa nopeammin ja tehokkaammin kuin vastustaja.

Suomessa INTER-hanke voidaan nähdä merkittävänä askeleena kohti uuden sukupolven tiedustelu- ja analyysikyvykkyyttä.