🎯 MOSAIC — v1.0.0-alpha

Intelligenza Comportamentale tra Piattaforme

Un framework multi-piattaforma incentrato sulla privacy per l'analisi comportamentale e sociodinamica

📺 Demo

🧭 Cos'è MOSAIC?

MOSAIC non è un semplice aggregatore OSINT. È un framework di analisi comportamentale progettato per aiutare ricercatori, analisti e professionisti della sicurezza a osservare, strutturare e interpretare segnali comportamentali attraverso molteplici piattaforme online.

MOSAIC raccoglie dati pubblici eterogenei e li organizza in dimensioni comportamentali, consentendo analisi comparative e longitudinali non possibili con approcci a fonte singola.

⚠️ MOSAIC non produce diagnosi psicologiche o verità assolute. Fornisce segnali strutturati e ipotesi analitiche che devono essere interpretati da un analista umano.

🎯 Visione

La maggior parte degli strumenti si concentra su cosa una persona pubblica. MOSAIC si concentra su come il comportamento emerge attraverso gli ambienti.

Invece di aggregare profili, MOSAIC costruisce impronte comportamentali su tre dimensioni complementari:

• Tecnica Competenze, esperienza, strategie di problem-solving (GitHub, StackOverflow)

• Sociale Interazioni, affiliazioni, modelli discorsivi, dinamiche di comunità (Telegram, Reddit, Mastodon, Bluesky)

• Influenza Produzione di contenuti, temi, visibilità, coerenza narrativa (YouTube, Medium)

Questo approccio multi-angolo consente analisi sociodinamiche, di sicurezza e di credibilità che rimangono contestuali, spiegabili e attente alla privacy.

🚀 Avvio Rapido

Installazione

git clone https://github.com/Or1un/MOSAIC.git
cd MOSAIC
pip install -r requirements.txt

Configurazione (Opzionale)

# La maggior parte delle piattaforme funziona senza credenziali
# Alcune fonti (YouTube, Telegram) richiedono chiavi API
cp modules/config.yaml.example modules/config.yaml
nano modules/config.yaml

Esecuzione

python3 mosaic.py

🤖 Configurazione LLM

1. Installa le dipendenze Python

pip install -r requirements_llm.txt

2. Installa il server Ollama (una tantum)

# Linux/macOS
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# Scarica da https://ollama.com/download

3. Avvia Ollama e scarica i modelli - Qwen:0.5b (PoC)

ollama serve &
ollama pull qwen:0.5b

🌍 Casi d'Uso

🎯 Valutazione del Talento e delle Competenze

Vai oltre i curriculum analizzando:

• profondità tecnica
• stile comunicativo
• riconoscimento tra pari
• coinvolgimento nella comunità

Esempio: Valuta un profilo DevSecOps senior tramite l'attività su GitHub (rigore tecnico), le risposte su StackOverflow (stile di problem-solving) e le pubblicazioni su Medium (trasmissione di conoscenza).

🔒 Analisi dell'Impronta Digitale e OPSEC

Identifica rischi di esposizione, modelli di condivisione eccessiva e incongruenze nella presenza pubblica.

Esempio: Controlla l'impronta online di un dirigente o di un ruolo sensibile per la sicurezza per rilevare potenziali superfici d'attacco o rischi reputazionali.

🕵️ Due Diligence e Analisi di Credibilità

Convalida incrociata delle affermazioni e della coerenza comportamentale tra piattaforme.

Esempio: Prima di una partnership o un investimento, valuta se il comportamento pubblico è allineato con le competenze e le responsabilità dichiarate.

🔬 Ricerca Comportamentale e Sociodinamica

Studia:

• evoluzione del discorso
• diffusione della competenza
• modelli di influenza nella comunità
• cambiamenti comportamentali tra piattaforme

Esempio: Analizza come l'autorità tecnica si traduce (o meno) in influenza sociale attraverso diversi ecosistemi.

🧩 Flusso di Lavoro Principale

1️⃣ Raccolta — Segnali Multi-Fonte

MOSAIC raccoglie dati pubblici eterogenei per evitare il bias mono-piattaforma.

Fonti attualmente supportate:

• Tecniche: GitHub, StackOverflow
• Sociali: Telegram, Reddit, Mastodon, Bluesky
• Influenza: YouTube, Medium

💡 MOSAIC funziona meglio quando sai già dove il tuo target è attivo. Una raccolta mirata migliora la qualità del segnale e riduce il rumore.

Fonti future (idee di ricerca): piattaforme professionali, forum, comunità di nicchia. Contributi e discussioni sono benvenuti.

2️⃣ Contesto — Inquadramento Analitico

L'analisi è guidata da prompt contestuali, non da istruzioni generiche.

Contesti disponibili (Alpha):

• Recruitment.md — valutazione delle competenze tecniche e trasversali
• OPSEC_audit.md — analisi dell'impronta digitale e dell'esposizione
• Threat_Intelligence.md — ricerca di attribuzione e coerenza
• PoC.md — analisi esplorativa rapida

I prompt sono template Markdown memorizzati in modules/prompts/.

⚠️ Nota Alpha I prompt attuali danno priorità all'architettura e all'estendibilità rispetto al perfezionamento. MOSAIC presuppone che gli analisti adattino i prompt alla propria metodologia e dominio.

3️⃣ Analisi — L'IA come Assistente

MOSAIC supporta due modalità di analisi:

✅ Locale (Priorità alla Privacy — Consigliata)

• Utilizza LLM locali tramite Ollama
• I dati non lasciano mai la tua macchina
• Migliore per contesti sensibili alla sicurezza

ollama pull mistral:7b-instruct

Modelli supportati: mistral, llama, qwen, ecc.

⚠️ Cloud (Opzionale)

• Prestazioni superiori
• Compromessi sulla privacy gestiti dall'utente
• Carica solo file JSON esportati da results/

💡 I migliori risultati si ottengono combinando gli output di MOSAIC con contesto esterno (CV, colloqui, referenze, tempistiche).

4️⃣ Insight — Interpretazione Centrata sull'Umano

La qualità degli insight dipende da:

• diversità dei dati
• precisione del prompt
• competenza dell'analista
• capacità del modello

MOSAIC fornisce struttura e segnali. Tu fornisci giudizio.

⚠️ Quadro Etico e Legale

MOSAIC è progettato per un uso legittimo, consensuale e legale.

❌ Non Inteso Per

• Sorveglianza o stalking
• Molestie o intimidazioni
• Controlli dei precedenti non autorizzati
• Profilazione automatizzata di massa
• Violazioni dei Termini di Servizio delle piattaforme

🔐 Privacy e Responsabilità

• Nessun utilizzo obbligatorio del cloud
• Analisi locale per impostazione predefinita
• Risultati memorizzati localmente (results/, .git-ignored)
• Gli utenti sono responsabili della conformità al GDPR e alle leggi locali
• Credenziali memorizzate in modo sicuro in config.yaml

Utilizzando MOSAIC, accetti di usarlo eticamente, responsabilmente e legalmente.

🤝 Comunità e Contributi

Domande, idee o direzioni di ricerca?

• 📧 Email: [email protected]
• 🐛 Problemi: GitHub Issues
• 💡 Discussioni: GitHub Discussions
• 📖 Wiki: in arrivo

MOSAIC è un framework metodologico — i contributi che migliorano i prompt, la logica di analisi o le salvaguardie etiche sono particolarmente graditi.

Realizzato con 🔍 da Or1un