LISA 26 OSINT/HUMINT-INTEGRATION

Tre underrättelsekällor — fusionerade genom Dempster-Shafer

Drönarsensorer ger översiktsbilden: termiska signaturer avslöjar motoraktivitet, visuella kameror möjliggör fordonsklassificering och radarspårning visar rörelsemönster. Men drönare kan inte tolka det de ser — en kolumn lastbilar kan vara logistik, flyktingar eller en vilseledningsoperation. Marknivåunderrättelser från soldater, lokala kontakter och signalavlyssning tillhandahåller den kontext som ger drönarbilder mening.

OSINT (Open Source Intelligence) adderar en tredje dimension: satellitbildtjänster, geolokalisering via sociala medier, offentliga fraktdatabaser, radiofrekvenslistor och myndighetspublikationer. En S2-analytiker som identifierar ett inlägg på sociala medier som visar fientliga fordon vid en specifik korsning kan korsreferera detta med Fischer 26 termisk avbildning av samma korsning tagen 30 minuter senare. Om båda källorna oberoende bekräftar fordonsnärvaro höjer Dempster-Shafer-fusion konfidensen från 70 procent (en källa) till 91 procent (två oberoende källor). Tre oberoende bekräftelser når 97 procent.

Manuellt inmatningsarbetsflöde i Lisa 26

HUMINT- och OSINT-data matas in i Lisa 26 genom S2-terminalen vid brigad- eller bataljonsstabskvarter. Analytikern skapar en post med: källtyp (HUMINT/OSINT), konfidensbedömning (0–100 procent baserat på källtillförlitlighet och informationsriktighet enligt Försvarsmaktens STANAG 2022 / AJP-2.1 med A–F/1–6-gradering), MGRS-position (om tillgänglig), fritextbeskrivning och klassificeringsnivå. Posten taggas med tidsstämpel och analytikerns identitet för ansvarsutkrävande.

Lisa 26 försöker automatiskt korrelera den manuella inmatningen med befintliga drönardetektioner inom 200 meter och 30 minuter. Om en drönare detekterade ett fordon vid PA 2345 6789 kl 14:00 med 72 procents konfidens, och en HUMINT-källa rapporterade fientligt pansar vid samma korsning kl 13:45 med 60 procents konfidens, når den fusionerade bedömningen 89 procent. Denna korrelation sker automatiskt — analytikern matar in datan och Lisa 26 berikar den med allt drönarnätverket redan vet. Resultatet visas på COP:en som en berikad detektionsmarkör som visar både drönarobservationen och den mänskliga underrättelsekällan.

Kvalitetskontroll och källutvärdering

Inte alla underrättelsekällor är likvärdiga. Lisa 26 implementerar Försvarsmaktens informationsvärdering enligt STANAG 2022 och AJP-2.1: källtillförlitlighet (A=helt tillförlitlig till F=tillförlitlighet kan ej bedömas) korsat med informationsriktighet (1=bekräftad till 6=sanning kan ej bedömas). En A1-bedömning (tillförlitlig källa, bekräftad information) bär maximal vikt i Dempster-Shafer-fusionen. En F6-bedömning (okänd källa, obekräftad information) visas på COP men viktas nära noll i fusionsberäkningar. S2-analytikern tilldelar dessa betyg vid inmatningstillfället — och Lisa 26 loggar betyget för efteruppdrags granskning av om analytikerns bedömningar var korrekta över tid.

Integrationsprocess

OSINT och HUMINT ersätter inte drönar-ISR — de kompletterar det. En drönare ser vad som finns där nu. OSINT kan avslöja vad som fanns där igår (satellitbilder) eller vad fienden diskuterar (avlyssnad kommunikation). HUMINT ger kontext som ingen sensor kan fånga: moral, avsikter, ledningsstruktur. Lisa 26 fusionerar alla tre till en operationsbild. Styrkan i multikällsfusion ligger i att varje källtyp kompenserar för de andras svagheter: drönare ger realtidsbilder men saknar kontext, HUMINT ger kontext men med fördröjning, OSINT ger historiskt djup men med osäker tillförlitlighet. Tillsammans producerar de en underrättelsebild som är mer komplett och tillförlitlig än vad någon enskild källa kan leverera.

OSINT-verktyg (fria/öppen källkod)

Öppna den interaktiva hotfusionspanelen →

Relaterade kapitel

Implementering

# OSINT/HUMINT Ingestion — Manual Entry to Lisa 26 COP
import json, time

def ingest_humint_report(report, s2_operator):
    """S2 manually enters HUMINT/OSINT into Lisa 26."""
    entry = {
        "source_type": report["type"],  # "HUMINT" or "OSINT"
        "confidence": report.get("confidence", 0.5),
        "timestamp": time.time(),
        "entered_by": s2_operator,
        "position": report.get("mgrs"),
        "description": report.get("text"),
        "classification": "UNCLASSIFIED",  # JEF filter respects this
    }
    
    # Fuse with drone detections at same location
    nearby = lisa26_db.query(
        "SELECT * FROM detections WHERE ST_Distance(geom, %s) < 200",
        [entry["position"]]
    )
    
    if nearby:
        # Dempster-Shafer: combine HUMINT + drone observation
        fused = dempster_shafer_fuse([entry["confidence"]] + 
                [d["confidence"] for d in nearby])
        entry["fused_confidence"] = fused
    
    lisa26_db.insert("intelligence", entry)
    broadcast_cop_update(entry)

Källor

Se de kategoriserade källsektionerna tidigare på denna sida för specifika referenser som stöder varje påstående. Tekniska baslinjer: ArduPilot utvecklardokumentation; NATO STANAG 4609 Ed. 4 (motion imagery metadata), 4671 (UAV-luftvärdighet), 2022 (underrättelsevärdering); Watling & Reynolds, "Meatgrinder: Russian Tactics in the Second Year", RUSI (2023); ISW dagliga kampanjanalyser på understandingwar.org (arkiv). FSG-A har ingen egen operativ erfarenhet. Copernicus Sentinel-2-data. QGIS öppen källkodsdokumentation.