🎯 MOSAIC — v1.0.0-alpha

Inteligência Comportamental Entre Plataformas

Um framework multiplataforma com foco em privacidade para análise comportamental e sociodinâmica

📺 Demonstração

🧭 O que é o MOSAIC?

O MOSAIC não é um simples agregador de OSINT. É um framework de análise comportamental projetado para ajudar pesquisadores, analistas e profissionais de segurança a observar, estruturar e interpretar sinais comportamentais em múltiplas plataformas online.

O MOSAIC coleta dados públicos heterogêneos e os organiza em dimensões comportamentais, permitindo análises comparativas e longitudinais que não são possíveis com abordagens de fonte única.

⚠️ O MOSAIC não produz diagnósticos psicológicos ou verdades absolutas. Ele fornece sinais estruturados e hipóteses analíticas que devem ser interpretadas por um analista humano.

🎯 Visão

A maioria das ferramentas foca no que uma pessoa publica. O MOSAIC foca em como o comportamento emerge entre ambientes.

Em vez de agregar perfis, o MOSAIC constrói impressões digitais comportamentais em três dimensões complementares:

• Técnica Habilidades, conhecimentos especializados, estratégias de resolução de problemas (GitHub, StackOverflow)

• Social Interações, afiliações, padrões de discurso, dinâmicas de comunidade (Telegram, Reddit, Mastodon, Bluesky)

• Influência Produção de conteúdo, temas, visibilidade, consistência narrativa (YouTube, Medium)

Essa abordagem multiangular permite análises sociodinâmicas, de segurança e de credibilidade que permanecem contextuais, explicáveis e conscientes da privacidade.

🚀 Início Rápido

Instalação

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

Configuração (Opcional)

# Most platforms work without credentials
# Some sources (YouTube, Telegram) require API keys
cp modules/config.yaml.example modules/config.yaml
nano modules/config.yaml

Executar

python3 mosaic.py

🤖 Configuração do LLM

1. Instale as dependências Python

pip install -r requirements_llm.txt

2. Instale o servidor Ollama (uma única vez)

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

# Windows
# Download from https://ollama.com/download

3. Inicie o Ollama e baixe os modelos - Qwen:0.5b (PoC)

ollama serve &
ollama pull qwen:0.5b

🌍 Casos de Uso

🎯 Avaliação de Talentos e Especialização

Vá além dos currículos analisando:

• profundidade técnica
• estilo de comunicação
• reconhecimento entre pares
• engajamento comunitário

Exemplo: Avalie um perfil sênior de DevSecOps por meio da atividade no GitHub (rigor técnico), respostas no StackOverflow (estilo de resolução de problemas) e publicações no Medium (transmissão de conhecimento).

🔒 Análise de Pegada Digital e OPSEC

Identifique riscos de exposição, padrões de compartilhamento excessivo e inconsistências na presença pública.

Exemplo: Audite a pegada online de um executivo ou de uma função sensível à segurança para detectar possíveis superfícies de ataque ou riscos reputacionais.

🕵️ Due Diligence e Análise de Credibilidade

Valide de forma cruzada afirmações e consistência comportamental entre plataformas.

Exemplo: Antes de uma parceria ou investimento, avalie se o comportamento público está alinhado com a expertise e as responsabilidades declaradas.

🔬 Pesquisa Comportamental e Sociodinâmica

Estude:

• evolução do discurso
• difusão de conhecimento especializado
• padrões de influência comunitária
• mudanças comportamentais entre plataformas

Exemplo: Analise como a autoridade técnica se traduz (ou não) em influência social em diferentes ecossistemas.

🧩 Fluxo de Trabalho Principal

1️⃣ Coletar — Sinais de Múltiplas Fontes

O MOSAIC reúne dados públicos heterogêneos para evitar viés de plataforma única.

Fontes atualmente suportadas:

• Técnicas: GitHub, StackOverflow
• Sociais: Telegram, Reddit, Mastodon, Bluesky
• Influência: YouTube, Medium

💡 O MOSAIC funciona melhor quando você já sabe onde seu alvo está ativo. A coleta direcionada melhora a qualidade do sinal e reduz o ruído.

Fontes futuras (ideias de pesquisa): plataformas profissionais, fóruns, comunidades de nicho. Contribuições e discussões são bem-vindas.

2️⃣ Contexto — Enquadramento Analítico

A análise é guiada por prompts contextuais, não por instruções genéricas.

Contextos disponíveis (Alpha):

• Recruitment.md — avaliação de habilidades técnicas e interpessoais
• OPSEC_audit.md — análise de pegada digital e exposição
• Threat_Intelligence.md — pesquisa de atribuição e consistência
• PoC.md — análise exploratória rápida

Os prompts são modelos Markdown armazenados em modules/prompts/.

⚠️ Nota Alpha Os prompts atuais priorizam arquitetura e extensibilidade em vez de refinamento. O MOSAIC parte do princípio de que os analistas adaptarão os prompts à sua metodologia e domínio.

3️⃣ Análise — IA como Assistente

O MOSAIC suporta dois modos de análise:

✅ Local (Privacidade em Primeiro Lugar — Recomendado)

• Usa LLMs locais via Ollama
• Os dados nunca saem da sua máquina
• Ideal para contextos sensíveis à segurança

ollama pull mistral:7b-instruct

Modelos suportados: mistral, llama, qwen, etc.

⚠️ Nuvem (Opcional)

• Maior desempenho
• Trade-offs de privacidade gerenciados pelo usuário
• Envie apenas os arquivos JSON exportados de results/

💡 Os melhores resultados são obtidos ao combinar as saídas do MOSAIC com contexto externo (currículos, entrevistas, referências, cronologias).

4️⃣ Insights — Interpretação Centrada no Humano

A qualidade dos insights depende de:

• diversidade de dados
• precisão dos prompts
• experiência do analista
• capacidades do modelo

O MOSAIC fornece estrutura e sinais. Você fornece o julgamento.

⚠️ Estrutura Ética e Legal

O MOSAIC é projetado para uso legítimo, consensual e legal.

❌ Não Destinado A

• Vigilância ou perseguição
• Assédio ou intimidação
• Verificações de antecedentes não autorizadas
• Perfilamento automatizado em massa
• Violações dos Termos de Serviço das plataformas

🔐 Privacidade e Responsabilidade

• Nenhum uso obrigatório de nuvem
• Análise local por padrão
• Resultados armazenados localmente (results/, .git-ignored)
• Os usuários são responsáveis pelo GDPR e pela conformidade local
• Credenciais armazenadas com segurança em config.yaml

Ao usar o MOSAIC, você concorda em usá-lo de forma ética, responsável e legal.

🤝 Comunidade e Contribuições

Perguntas, ideias ou direções de pesquisa?

• 📧 E-mail: [email protected]
• 🐛 Issues: GitHub Issues
• 💡 Discussões: GitHub Discussions
• 📖 Wiki: em breve

O MOSAIC é um framework metodológico — contribuições que melhorem prompts, lógica de análise ou salvaguardas éticas são especialmente bem-vindas.

Feito com 🔍 por Or1un