ایالات متحده اخیرا از مغزی مصنوعی به نام سنتینت رونمایی کرده است که قادر به جذب انواع اطلاعات در سطح انبوه با اهداف جاسوسی است.
نیروی هوایی و مدیران سازمان هوش فضایی ملی (NGA) در آخرین نشست سمپوزیوم فضایی سال ۲۰۱۹ در کلرادو اسپرینگز در مورد آنچه «نوآوری سازمان» می‌خوانند، به بحث پرداختند. بحث مبهم بود تا اینکه سؤال مستقیم و شفاف یکی از مخاطبان، هیئت بحث را هیجان‌زده کرد.
سؤال این بود: «عملکرد الگوریتم‌های هوش و ارتش در تفسیر داده‌ها و اقدام براساس تحلیل آن‌ها چگونه است؟» در پاسخ به این سؤال به نرم‌افزار صنعت ماهواره‌ای دیجیتالی اشاره شد که بالافاصله پس از تصویربرداری فضایی قادر به شمارش مخازن حمل‌ونقل کشتی‌های باربری یا تعداد خودروهای موجود در پارکینگ است. سؤال بعدی این بود: «وزارت دفاع دقیقا چه زمانی به آرایش نظامی خودکار و زمان واقعی خواهد رسید؟»
چیراگ پاریخ، رئیس دفتر علوم و روش‌شناسی NGA در پاسخ به این سؤال گفت:
سؤال بسیار خوبی است و البته پاسخ‌های طبقه‌بندی‌شده و خوبی برای آن وجود دارند. هوش فضایی دیگر محدود به تصاویر ماهواره‌ای نمی‌شود. بلکه به‌معنی برچسب زمانی، مکانی و تلاش برای یکپارچه‌سازی کل داده‌های متفرقه است.
سپس پاریخ در پاسخ به این سؤال که «چه زمانی می‌توان به درک تقریبا لحظه‌ای و توسعه‌ی استراتژی پرداخت؟» گفت، این هدف به‌زودی محقق خواهد شد.
پاریخ به هیچ برنامهی مشخصی برای کمک به تفسیر زمان واقعی و خودکار اشاره نکرد؛ اما برنامه‌ای نوآورانه به نام «سِنتیِنت» (Sentient، معنای لغوی: چیزی که قابلیت ادراک دارد) قابلیت‌های مرتبطی دارد. سنتینت که محصول NRO (دفتر اکتشافی ملی) است، ابزار تحلیلی اصطلاحا همه‌چیزخوار است که قادر به جذب انواع داده‌ها، درک گذشته و حال، پیش‌بینی آینده و جهت‌گیری مناسب ماهواره‌ها برای رسیدن به بهترین نتایج است. به لطف این فناوری، کار برای تحلیلگران انسانی و سازمان‌هایی مثل NGA و شرکای ماهواره‌ای NRO آسان خواهد شد.
سنتینت تاکنون محرمانه بود و صرفا در بحث‌های آزاد به شکلی محدود به آن اشاره می‌شد؛ اما اسناد منتشرشده که بسیاری از آن‌ها در دسته‌ی محرمانه یا فوق‌محرمانه طبقه‌بندی شده‌اند، جزئیاتی را در مورد اهداف، پیشرفت و دسترسی به این برنامه ارائه می‌دهند.
پژوهش مرتبط با سنتینت از اکتبر ۲۰۱۰ و پس از ارسال درخواست گزارش‌های Sentient Enterprise توسط سازمان NRO آغاز شد. براساس یکی از اسناد منتشرشده، برنامهی سنتینت در سال ۲۰۱۳ به اولین شاخص R&D (شاخص تحقیق و توسعه) خود رسید اما جزئیات آن منتشر نشد (رئیس روابط عمومی NRO، کارن فورگورسن از نظردهی درباره‌ی زمان‌بندی این پروژه خودداری کرد). جلسه‌ی کمیته‌ی یگان نیروهای مسلح در رابطه با فضای امنیت ملی شامل خلاصه‌ای فوری از این مغز داده‌محور بود اما در جلسات عمومی اشاره‌ای به آن نمی‌شد. در سال ۲۰۱۸، خبر نمایش عمومی سنتینت منتشر شد؛ اگرچه به‌گفته‌ی فورگرسن این پروژه هنوز درحال توسعه بود. فورگرسن می‌گوید:
NRO اطلاعات زیادی را درباره‌ی عمومیت سنتینت ارائه نداد؛ زیرا این برنامه محرمانه بود و NRO قبل از کنگره به‌ندرت در جلسات آزاد شرکت می‌کرد.
سازمان NRO سال‌ها است در حال کار روی مغز مصنوعی است؛ اما جزئیات کمی را در اختیار عموم قرار داده بود. به‌گفته‌ی فورگورسن: «این مغز، حجم زیادی از داده‌ها را دریافت و پردازش می‌کند. سنتینت به دسته‌بندی الگوهای عادی می‌پردازد، ناهنجاری‌ها را کشف می‌کند و به پیش‌بینی اقدامات بالقوه‌ی هجومی کمک می‌کند.»
NRO از ارائه‌ی نمونه الگوها یا ناهنجاری‌ها خودداری کرد اما می‌توان تصور کرد، تشخیص مسائلی مثل «عدم حرکت موشک» در مقابل «حرکت موشک» در این فهرست قرار دارند. سنتینت با این پیش‌بینی‌ها می‌تواند حسگر ماهواره‌ها را در زمان صحیح در مسیر صحیح قرار دهد و اقدامات مجرمانه (هر آنچه که می‌خواهد ببیند) را تشخیص دهد. به‌گفته‌ی فورگورسن، «سنتینت سیستمی متفکر است».
تصویر ماهواره ای USSR که توسط کورونا ثبت شده است
سنتینت نویدبخش ظهور نوعی پادآرمان‌شهر یا ویران‌شهر (نقطه‌ی مقابل آرمان‌شهر) نیست. براساس اسناد منتشرشده توسط NRO، سنتینت می‌تواند بازدهی و بهره‌وری ماهواره‌ها را افزایش دهد. همچنین انسان با این سیستم می‌تواند به‌جای جستجوی سوزن در انبار کاه، بیشتر روی تحلیل عمیق تمرکز کند. البته ممکن است سنتینت انحراف‌هایی هم داشته باشد، نتایج مشکوک ارائه دهد و نگرانی‌هایی را برای آزادی شهروندان به‌دنبال داشته باشد. در کل به دلیل ماهیت محرمانه‌ی سنتینت، اطلاعاتی هم درباره‌ی مشکلات بالقوه‌ی آن در دست نیست. به‌گفته‌ی فورگرسون:
براساس استانداردهای انجمن هوش و NRO، منابع و روش‌های حساب به دلیل خطر تهدید دشمن، افشا نمی‌شوند. از بین رفتن اطلاعات به ضرر کشور و متحدان آن است، همچنین مزیت اطلاعاتی و امنیت ملی ایالات‌متحده را کاهش می‌دهد. به همین دلیل جزئیات مربوط به سنتینت محرمانه هستند و صرفا اطلاعات محدودی از آن را می‌توانیم ارائه دهیم.
برنامه‌های ماهواره‌ای از محرمانه‌ترین نوآوری‌های هوش هستند. اولین پروژه‌ی ماهواره‌ای به نام کورونا (Corona) در سال ۱۹۵۸ آغاز شد؛ هدف این برنامه ثبت تصاویری از فضا بود؛ این ماهواره در اوت ۱۹۶۰ موفق به اولین فیلم‌برداری از جو زمین شد. چند سال بعد، ادوین لند، مدیرعامل پولاروید، فیلم را در دفتر اوال و در حضور دوایت آیزنهاور، رئیس‌جمهور وقت آمریکا به نمایش درآورد و تصاویر فرودگاه‌ها و پایگاه‌های نظامی جماهیر شوروی را در اختیار او گذاشت.
افشای اطلاعات کورونا زمینه‌ای برای تأسیس سازمانی جدید شد که مسئولیت طراحی، دریافت و عملیات ماهواره‌های اکتشافی را برعهده داشت. این شرکت NRO بود که درست در سال بعد به‌صورت رسمی تأسیس شد. NRO در دهه‌ی ۱۹۷۰، ماهواره‌های سری keyhole را پرتاب کرد که از نظر مشخصات مشابه تلسکوپ فضایی هابل بودند؛ با این تفاوت که هدف آن‌ها زمین بود، نه کهکشان‌های دیگر. مجموعه‌ی مداری NRO شامل داده‌هایی است که در طول تست یا عملیات هواپیمایی، موشکی و سیستم‌های دیگر جمع‌آوری شده‌اند؛ همچنین شامل صوت‌های استراق‌سمع‌شده، ارتباطات متنی، تصویری و راداری است. در میان بیش از۱۵۰ ماهواره‌ی نظامی ایالات متحده، NRO پنجاه ماهواره را در اختیار دارد.
پس از گذشت تقریبا ۶ دهه از تأسیس NRO، مدار زمین با حضور ماهواره‌های دیگر از جمله ماهواره‌های شرکت‌های خصوصی هوش، شلوغ شده است. BlackSky یکی از این شرکت‌ها است که از ماهواره‌ها برای تغذیه‌ی سیستمی استفاده می‌کند که همتای غیرمحرمانه‌‌ی سنتینت است. در تاریخ ۱۳ ژوئن و پس از حمله به دو تانکر نفتی، BlackSky ماهواره‌های خود را وارد عمل کرد و درحالی‌که دود حاصل از انفجارها در هوا پخش شده بود، از این حادثه عکس‌برداری کرد. براساس گزارش‌های خبری محلی و سیگنال‌های انحراف کشتی، اتفاقی در حال رخ دادن بود که باعث شد تحلیلگران BlackSKY توجه خود را به خط شلوغ کشتی‌رانی در نزدیکی ایران جلب کنند.
این فرایند که به‌اصطلاح به آن «اطلاع‌رسانی و سرنخ‌دهی» می‌گویند، این‌گونه تعریف می‌شود: استفاده از داده‌های افشاشده از منبعی برای سرنخ‌دهی به ماهواره به‌منظور رصد نقطه‌ای مشخص یا استفاده از اطلاعات ماهواره برای افزایش سرعت مجموعه ابزار دیگر. سیستم خودکار در شرایط ایده‌آل انواع داده‌ها را جذب می‌کند، آن‌ها را به داده‌های قابل‌درک تبدیل می‌کند، سپس به هدایت ماهواره می‌پردازد و داده‌های ماهواره را وارد حلقه‌ی تحلیل می‌کند. در این مرحله، سیستم به نتیجه‌ای هوشمندانه‌تر می‌رسد، ماهواره‌ها و حسگرهای دیگر را هدایت و کل فرایند را تکرار می‌کند. شرکت‌ها و سازمان‌های امنیتی-اطلاعاتی با این فرایند می‌توانند دست به ساخت برج‌های اطلاعاتی درباره‌ی گذشته بزنند، سریع‌تر از رقبا از رویدادهای زمان حال آگاه شوند و حتی روزی به پیش‌بینی آینده بپردازند.
مغز مصنوعی سنتینت قادر به دریافت و پردازش تمام انواع داده‌ها است
پس از ساخت شبکه‌ای از ماهواره‌های ناظر زمین توسط صنایع تجاری، جامعه‌ی هوش موردتوجه قرار گرفت. NRO و NGA (تحلیگر داده‌های NRO) در سال ۲۰۱۶ از برنامهی تجاری GEOINT برای خرید بهتر داده‌ها خبر دادند. در سال ۲۰۱۷، NRO مسئولیت خرید را برعهده گرفت و از آن زمان حداقل سه قرارداد جدید را امضا کرد. یکی از شرکت‌های طرف قرارداد Maxar بود که مالک قدرتمندترین ماهواره‌های دقیق و قدرتمند بخش خصوصی است و برای مدتی طولانی تنها شرکتی بود که تصاویر ماهواره‌ای را به NRO می‌فروخت. گرچه این بار NRO قرارداد دیگری را هم با Planet امضا کرد. Planet یک مجموعه از ماهواره‌های کوچک را هدایت می‌کند که هر روز به تصویربرداری از خشکی‌های زمین می‌پردازند. سومین طرف قرارداد، هم شرکت BlackSky است.
اینجا است که سنتینت وارد عمل می‌شود: با استفاده از تمام تصاویر NRO، ارتش و سازمان‌های ماهواره‌ای همراه‌با دیگر تصاویر هوش جغرافیایی و هرچیزی که دارای برچسب زمان و مکان باشد، مجموعه‌ی وسیعی از اطلاعات را تولید می‌کنند که حتی ارتشی از انسان‌ها هم برای بررسی آن کافی نیست. در نتیجه NRO برای کنترل این حجم انبوه از داده‌ها از هوش مصنوعی کمک می‌گیرد. به‌گفته‌ی فورگرسن: «هدف سنتینت، کمک به تحلیل‌گرها برای اتصال نقاط در مجموعه‌ی انبوه داده‌ها است.»
اما سنتینت چگونه می‌تواند نقاط را به یکدیگر وصل کند؟ هنوز دقیقا مشخص نیست. اسناد منتشرشده به‌وضوح نمی‌گویند سنتینت کدام نوع از منابع داده‌‌ای را بررسی می‌کند، اما بدیهی است که این برنامه تمام انواع اطلاعات را جذب می‌کند. به‌گفته‌ی استیون افترگود، پژوهشگر فدراسیون دانشمندان آمریکایی: «سنتینت می‌تواند ترکیبی از استراق‌سمع الکترونیکی ارتباطات بین‌المللی؛ تصویربرداری اولویت یا منابع انسانی باشد. برای مثال مردم از وقوع اتفاقی روی یک تپه خبر دهند.» تحلیل‌گر بازنشسته‌ی CIA، آلن تامسون قدم را فراتر می‌گذارد و می‌گوید:
طبق درک من، پاسخ به این سؤال «همه چیز» است. اطلاعات علاوه بر تصاویر، داده‌های مالی، اطلاعات آب و هوایی، آمار کشتی‌رانی، اطلاعات جستجوهای گوگل، سوابق خرید دارو و بسیاری از موارد دیگر را می‌تواند دربر بگیرد.
برای مثال بخش خصوصی را در نظر بگیرید: Blacksky داده‌ها را از ۲۵ ماهواره دریافت می‌کند که شامل بیش از ۴۰ هزار منبع جدید، ۱۰۰ میلیون دستگاه موبایل، ۷۰ هزار کشتی و هواپیما، هشت شبکه‌ی اجتماعی، ۵۰۰۰ حسگر محیطی و هزاران دستگاه اینترنت اشیا است. در آینده قرار است تعداد این ماهواره‌ها به ۶۰ ماهواره‌ی ناظر زمین برسد. کل این اطلاعات براساس نوع، وارد کانال‌های پردازشی متفاوتی می‌شوند. BlackSky می‌تواند براساس این اطلاعات به استخراج افراد، مکان‌ها، سازمان‌ها و کلمات کلیدی بپردازد؛ براساس تصویر می‌تواند نقشه‌ای از ساختمان‌های آسیب‌دیده پس از زلزله را تهیه کند.
تمام این اطلاعات پردازش می‌شوند اما تا این مرحله هنوز جدا هستند؛ در مرحله‌ی بعد داده‌ها وارد موتور تحلیل عظیمی می‌شوند که آن‌ها را تجزیه می‌کند و سپس به ماهواره‌ها می‌گویند چه عملیاتی را روی آن‌ها انجام دهند و به تحلیل‌گرهای انسانی درباره‌ی زمان اجرای معیارهای از پیش‌تعیین‌شده هشدار می‌دهد. در دنیای واقعی، Blacksky می‌تواند از اطلاعات یادشده برای ردیابی موقعیت هواپیماهای جت روسی استفاده کند. این شرکت تصاویری از موقعیت هواپیماهای روسی دارد و با شکل دقیق موتور آن‌ها آشنا است.
شرکت BlackSky از الگوریتم‌های تشخیص شکل برخوردار است و با استخراج پیکسل‌ها می‌تواند به الگویی مشخص برسد. همچنین می‌تواند الگوریتم را به‌گونه‌ای تنظیم کند که طرح کلی هواپیماهای روسی مثل هواپیماهای MiG Fulcrum و Foxhound را ارائه دهند. با واردکردن تصاویر ماهواره‌ای به این الگوریتم‌ها، می‌توان تعداد هواپیماهای موجود در باندهای فرود را به دست آورد. برای رسیدن به آمار معنادار هواپیماها نیاز به داده‌های بیشتری است (برای مثال ۴۵ فروند Fulcrum در آلیسک است اما هیچ هواپیمایی در کریمسک وجود ندارد). به این منظور سیستم باید به تاریخچه‌ی آماری جت‌ها پی ببرد و سیستم نیاز به دانستن تاریخچه‌ی آماری جت‌ها دارد که ممکن است از مشاهدات گذشته به دست آمده باشد؛ همچنین می‌تواند اطلاعات مربوط به زمان و مکان پرواز را جمع‌آوری کند یا با بررسی اخبار به آشفتگی‌ها یا اقدامات در اطراف الیسک پی ببرد؛ سیستم براساس این داده‌ها، ماهواره‌های زمان واقعی را در جهت صحیح قرار می‌دهد و اطلاعات موردنیاز را جمع‌آوری می‌کند.
Blacksky تازه در آغاز راه است و اخیرا موفق به پرتاب ماهواره‌های خود شده است. در نتیجه موفقیت نهایی و کارایی سیستم هنوز اثبات نشده است. براساس اطلاعات موجود، هنوز مشخص نیست سیستم قابل‌مقایسه‌ی سنتینت تا چه مرحله‌ای پیش رفته است. به‌گفته‌ی تامسون:
اینکه سنتینت تاکنون به چه دستاوردهایی رسیده یا به کجا خواهید رسید، هنوز مشخص نیست. اگر این فناوری با موفقیت و در مقیاس گسترده‌ای پیاده‌سازی شود، پیشرفت زیادی به‌دنبال خواهد داشت؛ اما هنوز هیچ نشانه‌ای از موفقیت آن دیده نشده است.
بااینکه سنتینت هنوز در مراحل اولیه است، خط قرمزهای زیادی را برای کارشناسان حریم خصوصی به وجود آورده است. آیا الگوریتم‌ها واقعا کار می‌کنند؟ چگونه منحرف می‌شوند؟ چه تعداد خطای مثبت شناسایی تولید می‌کنند؟ به‌گفته‌ی افترگود: «باید دقت کنیم، سنتینت چه مواقعی ماهواره‌های میلیارد دلاری‌مان را به جستجویی بیهوده فرا می‌خواند؟ باید پیامدهای گمراه‌کننده‌ی سنتینت را در نظر بگیریم.»
به نقل از NRO، سنتینت با ارائه‌ی وضعیت خود، افراد را در جریان فرایند قرار می‌دهد. به‌گفته‌ی فورگرسن: «روش کلیدی نظارت بر عملکرد الگوریتم، حضور انسان در حلقه‌های نظارت بر داده‌ها و اطلاعات هوش است. سنتینت، یادگیری ماشین به ماشین با کمک انسانی است.»
به‌گفته‌ی اسکات هرمان، مدیر اجرایی ارشد BlackSky، برای تأثیرگذاری سیلیکون باید به‌درستی به آن آموزش دهید. به‌عنوان مثال فرض کنید برای آموزش ظاهر برج‌های رادیویی به الگوریتم‌ها، تنها تصویر برج‌های رادیویی زیر نور خورشید را به آن‌ها نشان داده‌اید. در چنین شرایطی الگوریتم، حتی سایه‌ی سیاه کنار برج را هم به خود برج تفسیر می‌کند. حالا اگر چنین سازه‌ای را در روز ابری ببیند، ممکن است اصلا قادر به شناسایی آن نباشد.
مثال فوق صرفا مثالی پیش‌پاافتاده بود اما در کار با یادگیری ماشین همیشه باید موارد پیچیده‌تر و مهلک‌تر را در نظر گرفت: برای مثال نرم‌افزاری را فرض کنید که کلمه‌ی «بمب» را مرتبط با برنامه‌های تروریستی ارزیابی می‌کند اما هرگز به آن آموزش داده نشده که اصطلاح «این بمب است» (کنایه از کاری فوق‌العاده و برجسته) صرفا یک اصطلاح است و در معنای اصلی به کار نمی‌رود. فناوری یادگیری ماشین حتی در حوزه‌های دیگر هوش مصنوعی هم فراگیر و هدفمند نیست؛ برای مثال در آمازون، نرم‌افزار تشخیص چهره دائما در شناسایی جنسیت زن یا افرادی با پوست تیره شکست می‌خورد یا شرکت تحلیلی Palantir، نوعی برنامهی اعمال قانون پیشگو را برای نیروهای پلیس نیواورلئان طراحی کرد اما داده‌هایی را وارد آن کرد که طبق بعضی گزارش‌ها، برای اقلیت‌ها تبعیض‌آمیز بودند.
سنتینت نگرانی‌های نقض حریم خصوصی را افزایش داده است
حالا این سؤال مطرح می‌شود که چه انحراف‌هایی در انتظار سنتینت هستند؟ داده‌های آموزشی آن چگونه هستند؟ چه کسی و چگونه نتایج آن را ارزیابی می‌کند؟ در حال حاضر پاسخ مبهم است اما افرادی مثل افترگود این‌گونه پاسخ می‌دهند: «معمولا خود حامیان و بنیان‌گذاران نباید چنین پرسش و پاسخ‌هایی را مطرح کنند.»
سؤال‌های مربوط به اینکه چه کسی و چگونه بر سنتینت نظارت می‌کند، غیرقابل پاسخگویی هستند اما سرنخ‌هایی در مورد نظارت بر این برنامه وجود دارند. هدف ماهواره‌های جاسوسی از جمله ماهواره‌های NRO تمرکز بر دنیاهای فراتر از مرزهای ایالات متحده است و NRO برخلاف سازمان‌های همتای خود (از جمله NSA و CIA) هیچ پرونده‌ای در رسوایی‌های عمده‌ی جاسوسی داخلی ندارد. بزرگ‌ترین نگرانی عمومی به لوگوی ماهواره‌ی NROL-39 مربوط می‌شود: اختاپوس زرد بزرگی که در حال بلعیدن زمین است. بازوهای آن کل زمین را محاصره کرده‌اند. در قسمت پائین این لوگو هم نوشته شده است: «هیچ‌چیز از دسترس ما دور نیست.» با وجود شعار این مأموریت، NRO و سنتینت به بعضی مناطق دسترسی نخواهند داشت. طبق قوانین، شهروندان آمریکایی از جستجوی غیرمنطقی و تسلط حکومتی در امان خواهند بود. به‌گفته‌ی افترگود:
در رژیم قانونی موجود، اکتشاف مبتنی بر سنتینت نباید در ایالات متحده انجام شود وگرنه نگرانی شهروندان نسبت به آزادی و حریم خصوصی افزایش خواهد یافت و سؤال‌هایی در رابطه با چگونگی استفاده از اطلاعات جمع‌آوری‌شده، ذخیره‌سازی شده و موارد دیگر به وجود خواهد آمد؛ اما امروزه نباید به جمع‌آوری این اطلاعات پرداخت.
سخنگوی NRO در پاسخ به پرسش‌های مرتبط با جاسوسی داخلی به اطاعت از دستورالعمل جامعه‌ی هوش (دستور اجرایی ۱۲۳۳۳) و دیگر قوانین مرتبط اشاره می‌کند. براساس قانون یاد شده، زمان مجاز برای جمع‌آوری، نگه‌داری و توزیع اطلاعات فرد در ایالات متحده مشخص شده است و گرد‌آورندگان ملزم به رعایت رویه‌های صحیح هستند. گرچه یکی از استثناهای سیاست «آمریکا را رها کنید» زمانی است که هوش تحت مالکیت پژوهشی باشد و به‌صورت مستقیم در اختیار اشخاص حقیقی در ایالات متحده قرار نگرفته باشد.
البته دستور اجرایی ۱۲۳۳۳ دربرگیرنده‌ی اصول ناظر بر سازمان‌های هوش است و پیاده‌سازی آن بر شرکت‌های خصوصی ناظر زمین که در سال‌های اخیر افزایش یافته‌‌اند، یکسان نیست. Blacksky یکی از این شرکت‌های خصوصی است. شرکت‌ها می‌توانند تلسکوپ‌های خود را به هر سمتی قرار دهند. اگرچه دولت حق اعمال «کنترل شاتر» برای منع عکاسی از یک منطقه‌ی مشخص را دارد اما تاکنون هرگز این قانون را اجرا نکرده است (گاهی اوقات دولت، دسترسی انحصاری به یک منطقه را خریداری می‌کند که به آن کنترل شاتر دسته چکی می‌گویند). محدودیت‌هایی هم برای قوانین فروش تصاویر شرکت‌های خصوصی به عموم افراد یا کشورهای دیگر وجود دارد.
هر شخص یا سازمانی مثل NRO با چک معتبر می‌تواند تصاویر شرکت‌هایی مانند Maxar، Planet و Blacksky را خریداری کند. این روند سؤال‌های جالبی را به وجود آورده است که پژوهشگرهایی مانند افترگود در تلاش هستند تا به آن‌ها پاسخ دهند. برای مثال: درصورتی‌که NRO علاقه‌مند به جاسوسی در ایالات متحده باشد و نتواند از ماهواره‌های خود برای تمرکز بر خانه‌ی افراد استفاده کند، آیا می‌تواند تصاویر خانه‌ی موردنظر را از شرکتی خصوصی خریداری کند؟
NRO پاسخ واضحی به نقش داده‌های تجاری در سنتینت نداده است؛ اما به‌گفته‌ی افترگود باید محدودیت‌هایی برای خرید داده‌ها وجود داشته باشد. او می‌گوید: «کار با داده‌ها می‌تواند مأموریت محور باشد؛ و تجسس صرفا با هدف تجسس انجام نمی‌شود.» در حال حاضر، تجسس سنتینت به‌صورت یک راز باقی مانده است. به‌گفته‌ی تامسون، سیستم متفکر سنتینت تنها با افرادی که از اعتبار امنیتی برخوردار هستند، در مورد همه‌چیز صحبت می‌کند یا به آن‌ها گوش می‌دهد.
در آیدت،
فایل‌های
خود را به فروش بگذارید و یا
مقالات‌تان
را منتشر کنید👋
پاسخ ها