• Open Source Intelligence
• Social Media Intelligence

Un numero crescente di forze dell’ordine di tutto il mondo utilizza anche i social
media per le proprie investigazioni. Il motivo principale è che le organizzazioni
criminali utilizzano sempre più i social media per le loro attività criminose di propaganda
e arruolamento. Lo sfruttamento di dati provenienti dai social media per
identificare e tracciare le attività delle organizzazioni criminali è alla base della social
media intelligence (SOCMINT). L’analisi tradizionale degli utenti attualmente
svolta in ambienti di intelligence, non può essere applicata allo stesso modo, per
esempio, per analizzare i social network. Questo perché ci sono limiti dovuti al
rispetto della privacy ed etici. Le impostazioni di privacy possono portare a buchi
neri nei dati analizzati, data anche la tendenza sempre più diffusa tra gli utenti a
nascondere le proprie informazioni. Di conseguenza non si può sempre ottenere
un’analisi completa e significativa. In questa tesi è presentato un approccio per
superare questo problema che sposta l’attenzione su spazi di social media pubblici
(public-by-design). L’utilizzo dei dati provenienti da tali spazi risolve i problemi
relativi alla privacy, quelli etici e quelli legati ai limiti tecnici, buchi neri inclusi. Viene
prima presentato un framework per gestire facilmente una pipeline dei social
media. Il framework è modulare ed è progettato in modo da essere il più indipendente
possibile dal social media considerato. È dunque introdotto un algoritmo
che recupera il grafo delle interazioni tra gli utenti a partire dai contenuti scambiati
sugli spazi pubblici di Facebook. Questo grafo descrive come gli utenti interagiscono
fra loro nel social media e può essere studiato con strumenti di social media
analytics. Infine viene descritto un sistema di pesi per il grafo delle interazioni.
Questo sistema è stato studiato in modo da prendere in considerazione la natura
differente delle numerose interazioni possibili. Per validare lo studio è stato usato
un gruppo reale di utenti Facebook. I membri del gruppo sono stati intervistati in modo i) da determinare il grafo di interazione reale e ii) avere indicazioni utili alla
fase di assegnazione dei pesi. I risultati ottenuti mostrano che l’analisi delle interazioni
consente di evidenziare relazioni tra utenti che sono utili ai fini della attività
investigative. Il grafo delle interazioni fornisce, dunque, una visione più di completa
di come gli utenti interagiscono fra loro. Inoltre, i risultati ottenuti confermano
l’importanza degli utenti attivi di una rete.