🎯 MOSAIC — v1.0.0-alpha

Межплатформенный поведенческий анализ

Основанная на конфиденциальности, многоплатформенная платформа для поведенческого и социодинамического анализа

📺 Демонстрация

🧭 Что такое MOSAIC?

MOSAIC — это не простой агрегатор OSINT. Это фреймворк поведенческого анализа, предназначенный для помощи исследователям, аналитикам и специалистам по безопасности в наблюдении, структурировании и интерпретации поведенческих сигналов на различных онлайн-платформах.

MOSAIC собирает разнородные общедоступные данные и организует их в поведенческие измерения, обеспечивая сравнительный и лонгитюдный анализ, невозможный при использовании одноисточниковых подходов.

⚠️ MOSAIC не ставит психологических диагнозов и не претендует на абсолютную истину. Он предоставляет структурированные сигналы и аналитические гипотезы, которые должен интерпретировать человек-аналитик.

🎯 Видение

Большинство инструментов фокусируются на том, что публикует человек. MOSAIC фокусируется на том, как поведение проявляется в разных средах.

Вместо агрегирования профилей MOSAIC строит поведенческие отпечатки по трём взаимодополняющим измерениям:

• Техническое Навыки, экспертиза, стратегии решения проблем (GitHub, StackOverflow)

• Социальное Взаимодействия, связи, паттерны дискурса, динамика сообществ (Telegram, Reddit, Mastodon, Bluesky)

• Влияние Создание контента, темы, видимость, согласованность нарратива (YouTube, Medium)

Такой многоугольный подход позволяет проводить социодинамический, безопасностный и аналитический анализ достоверности, оставаясь контекстуальным, объяснимым и ориентированным на конфиденциальность.

🚀 Быстрый старт

Установка

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

Настройка (опционально)

# Большинство платформ работают без учётных данных
# Некоторые источники (YouTube, Telegram) требуют API-ключи
cp modules/config.yaml.example modules/config.yaml
nano modules/config.yaml

Запуск

python3 mosaic.py

🤖 Настройка LLM

1. Установка Python-зависимостей

pip install -r requirements_llm.txt

2. Установка сервера Ollama (однократно)

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

# Windows
# Скачать с https://ollama.com/download

3. Запуск Ollama и загрузка моделей — Qwen:0.5b (PoC)

ollama serve &
ollama pull qwen:0.5b

🌍 Варианты использования

🎯 Оценка талантов и экспертизы

Выйдите за рамки резюме, анализируя:

• техническую глубину
• стиль общения
• признание коллег
• вовлечённость в сообщество

Пример: Оценка профиля старшего DevSecOps на основе активности в GitHub (техническая строгость), ответов на StackOverflow (стиль решения проблем) и публикаций на Medium (передача знаний).

🔒 Анализ цифрового следа и OPSEC

Выявление рисков раскрытия, паттернов чрезмерного обмена информацией и несоответствий в публичном присутствии.

Пример: Аудит онлайн-следа руководителя или сотрудника, работающего с конфиденциальной информацией, для обнаружения потенциальных поверхностей атак или репутационных рисков.

🕵️ Due Diligence и анализ достоверности

Перекрёстная проверка утверждений и согласованности поведения на разных платформах.

Пример: Перед партнёрством или инвестициями оценить, соответствует ли публичное поведение заявленной экспертизе и обязанностям.

🔬 Поведенческие и социодинамические исследования

Изучение:

• эволюции дискурса
• распространения экспертизы
• паттернов влияния в сообществах
• межплатформенных поведенческих сдвигов

Пример: Анализ того, как технический авторитет трансформируется (или нет) в социальное влияние в разных экосистемах.

🧩 Основной рабочий процесс

1️⃣ Сбор — Многоисточниковые сигналы

MOSAIC собирает разнородные общедоступные данные, чтобы избежать смещения, связанного с одной платформой.

Поддерживаемые источники:

• Технические: GitHub, StackOverflow
• Социальные: Telegram, Reddit, Mastodon, Bluesky
• Влияние: YouTube, Medium

💡 MOSAIC работает лучше всего, когда вы уже знаете, где активна ваша цель. Целенаправленный сбор улучшает качество сигнала и снижает шум.

Будущие источники (исследовательские идеи): профессиональные платформы, форумы, нишевые сообщества. Приветствуются вклады и обсуждения.

2️⃣ Контекст — Аналитическое обрамление

Анализ направляется контекстуальными промптами, а не общими инструкциями.

Доступные контексты (Alpha):

• Recruitment.md — оценка технических и мягких навыков
• OPSEC_audit.md — анализ цифрового следа и раскрытия
• Threat_Intelligence.md — исследование атрибуции и согласованности
• PoC.md — быстрый разведывательный анализ

Промпты хранятся как Markdown-шаблоны в modules/prompts/.

⚠️ Замечание для Alpha Текущие промпты ставят во главу угла архитектуру и расширяемость, а не отточенность. MOSAIC предполагает, что аналитики будут адаптировать промпты под свою методологию и предметную область.

3️⃣ Анализ — ИИ как ассистент

MOSAIC поддерживает два режима анализа:

✅ Локальный (конфиденциальность в первую очередь — рекомендуется)

• Использует локальные LLM через Ollama
• Данные никогда не покидают ваш компьютер
• Лучше всего подходит для контекстов, чувствительных к безопасности

ollama pull mistral:7b-instruct

Поддерживаемые модели: mistral, llama, qwen и др.

⚠️ Облачный (опционально)

• Более высокая производительность
• Компромиссы по конфиденциальности на усмотрение пользователя
• Загружайте только экспортированные JSON-файлы из results/

💡 Наилучшие результаты достигаются при сочетании выходных данных MOSAIC с внешним контекстом (резюме, интервью, рекомендации, таймлайны).

4️⃣ Инсайты — Интерпретация, ориентированная на человека

Качество инсайтов зависит от:

• разнообразия данных
• точности промптов
• опыта аналитика
• возможностей модели

MOSAIC предоставляет структуру и сигналы. Суждение остаётся за вами.

⚠️ Этические и правовые рамки

MOSAIC разработан для законного, добросовестного и правомерного использования.

❌ Не предназначен для

• Наблюдения или сталкерства
• Домогательств или запугивания
• Несанкционированных проверок биографии
• Массового автоматизированного профилирования
• Нарушения Условий использования платформ

🔐 Конфиденциальность и ответственность

• Отсутствие обязательного использования облака
• Локальный анализ по умолчанию
• Результаты хранятся локально (results/, игнорируется .git)
• Пользователи несут ответственность за соблюдение GDPR и местного законодательства
• Учётные данные хранятся в зашифрованном виде в config.yaml

Используя MOSAIC, вы соглашаетесь использовать его этично, ответственно и законно.

🤝 Сообщество и вклад

Вопросы, идеи или исследовательские направления?

• 📧 Email: [email protected]
• 🐛 Ошибки: GitHub Issues
• 💡 Обсуждения: GitHub Discussions
• 📖 Вики: скоро

MOSAIC — это методологический фреймворк — особенно приветствуются вклады, улучшающие промпты, логику анализа или этические гарантии.

Создано с 🔍 Or1un