國外開源情報領域研究現狀、研究熱點及趨勢分析

商容軒 張斌 馬海群 張濤

摘?要：[目的/意義]開源情報作為一種新興事物已經得到了各國研究人員的廣泛重視，梳理其研究現狀、熱點以及研究趨勢，既能夠對過去的研究進行很好的總結，同時也能夠為后續研究提供借鑒和參考，促進開源情報產業化發展。[方法/過程]采用文獻計量學方法，獲取國外開源情報相關研究的文獻，之后對文獻數據進行預處理，采用可視化分析展現其研究現狀、研究熱點，并對未來的趨勢進行預判。[結果/結論]近年來，對于開源情報的研究呈現出快速增長的態勢，同時也顯現出了交叉領域的特征，開源情報領域呈現出越來越明顯的技術依賴性，可以推動技術的進步進而促進開源情報研究的持續發展，提升對開源情報進行開發以及分析的準確性。

關鍵詞：開源情報;可視化分析;文獻計量;知識圖譜;研究趨勢

DOI：10.3969/j.issn.1008-0821.2022.01.001

〔中圖分類號〕G250.2?〔文獻標識碼〕A?〔文章編號〕1008-0821（2022）01-0005-09

Abstract：[Purpose/Significance]As a new thing，open source intelligence has been widely valued by researchers all over the world.Combing its research status，hot spots and research trends can not only make a good summary of the past research，but also provide reference for the follow-up research and promote the development of open source intelligence industrialization.[Method/Process]In the study，bibliometrics was used to obtain the documents of foreign open source information for related research，then the document data was preprocessed，and various visual analysis methods were used to show its research status and research hotspot，and the future trend was the predicted.[Result/Conclusion]In recent years，the research on open source intelligence has shown a trend of rapid growth，but also shows the characteristics of cross fields.The open source intelligence field shows more and more obvious technology dependence，which can promote the progress of technology，and then promote the sustainable development of open source intelligence research，and improve the accuracy of open source intelligence development and analysis.

Key words：open source intelligence;visual analysis;bibliometrics;knowledge map;research trends

信息化技術日新月異的發展使得情報思維和情報的獲取方式產生了根本性的變革。雖然“秘密情報”有其獨一無二的可靠性以及穩定性，但是“開源情報”的門檻低、信息廣，在情報工作和情報工作制度中發揮著不可替代的重要作用[1]。正如英國沖突研究所研究員安妮·阿迪斯所言：“沒有公開來源的情報，密級情報分析無法做得更好”[2]。開源情報的觀念肇始于20世紀30年代，當時的英國工業情報中心通過對德國海關進出口統計數據的分析，認為德國當時正進行戰爭準備[3]。而1941年美國成立“外國廣播監測處”[4]，則可以作為分析、搜集開源情報的起點，到如今開源情報已經走過了將近80年的路程。在這80年的時間里，國內外不少專家學者、情報界的分析人士以及來自政府或者軍方的情報官員都從各自的立場出發，對開源情報進行了相關的研究或者是闡釋。但是進行適當的總結性回顧能夠更好地為未來開源情報的研究、發展和利用奠定基礎。因此，需要從文獻計量的角度出發，分析國外對于開源情報研究的現狀，了解其研究熱點并對相關趨勢進行總結和分析，促進國內更好地以產業化的手段對開源情報進行利用。

1?研究目的與研究方法

1.1?研究目的

通過相關文獻計量的方法，對國外以開源情報為主題的文獻進行分析，并采用可視化分析的方法對其中的指標分析結果進行展示，了解國外在開源情報領域的研究熱點有哪些、研究現狀如何以及研究趨勢的演變，對國內開源情報的研究起到借鑒作用，更好地促進開源情報的產業化發展以及開發利用，為實際決策提供參考。

1.2?研究方法

為實現本文的研究目的，結合研究的實際情況，主要采用文獻計量學的方法和可視化分析的方法[5]。文獻計量即通過分析符合要求文獻的發表時間、作者、關鍵詞、機構等一些外在的統計指標，并借助數理統計的知識來揭示某一領域或某一學科在一定時間段內的熱點演變、研究現狀等內容。但是單純通過文獻計量展示出來的內容或者結論可讀性較差，因此借助可視化分析的手段，包括Citespace、Vosviewer等工具，以圖的形式可以更好地將結論直觀、形象地展示出來。

2?數據獲取與數據分析

2.1?數據獲取

為充分、準確地獲得本次研究所需要的數據，在Web of Science數據庫中進行檢索，該數據庫是全球最大、覆蓋學科最廣的綜合性學術信息資源數據庫。根據本文的研究目的，只要是涉及開源情報或者是包含開源情報相關思想的文獻都可以納入本次的研究范疇。為此，采用主題檢索的方式。具體檢索條件為：主題=Open Source Intelligence，數據庫選擇“Web of Science核心合集數據庫”，時間段截至2020年，檢索時間為2020年10月30日，同時對檢索出來的文獻進行人工篩選以提高檢索的精度和準確度。共計得到符合要求的文獻601篇，將這601篇文獻的題錄信息導出，導出內容為“全記錄與引用的參考文獻”，導出格式為“純文本”。

2.2?數據分析

1）時間與發文量的分析

對601篇文獻的發表時間進行梳理，可得統計結果如圖1所示。

雖然在20世紀90年代到21世紀初已經形成開源情報的概念，但是如圖1所示，國外對開源情報的系統性研究開始于2007年，當年發表論文5篇，之后呈現出逐步上升的態勢，2020年截至檢索日期已經發表文獻130篇，平均每年約40篇左右，如果以平均值作為分界線，在2007—2014年對于開源情報的研究處在剛開始起步的發展期，而到了2015—2020年則屬于穩步上升期，所發表文獻的綜合占全部601篇的80%左右，可以說絕大部分開源情報的研究成果產出自近5年左右的時間。從2012年開始，美國發布“大數據研發計劃”[6]，旨在從海量的開源數據中及時掌握需要的情報信息并獲取關鍵性的知識;同時2015年各大技術廠商也在紛紛推動開源技術的進步。從政策和技術兩個方面推動了開源情報穩步上升期的到來。

2）研究熱點分析

使用VOSviewer可視化分析軟件，將上文中保存好題錄信息的文本文檔導入，通過抽取Title以及Abstract中的名詞性短語作為研究熱點。之所以采用VOSviewer來進行研究熱點之間的聚類，主要是由于其色彩搭配較之Citespace更加豐富，且呈現出研究熱點之間聯系的緊密程度高于Citespace。每篇文章的標題以及摘要部分是文章整體的濃縮，通過抽取、識別其中的名詞性信息，能夠比單純通過關鍵詞提取到的研究熱點更加全面、準確。識別出的結果如圖2所示。

開源情報（OSINT）的誕生、發展與社會大環境的發展有著密不可分的聯系。例如新冠疫情從暴發到全球蔓延，不同學者從自身的學術背景出發，都對在突發公共衛生事件中，如何有效地利用OSINT來應對進行了探索并取得了一系列的有益成果。不論是傳統醫學，亦或是現代醫學，或者是將各種高技術手段應用在抗擊疫情的戰斗中，國外的同行都對OSINT給予持續的關注并付出了相當大的努力。由圖2可以看出，國外開源情報的研究熱點大致分為3類，采用3種不同顏色進行表示。每一個圓圈代表一個研究內容，圓圈越大說明該研究內容在開源情報的領域中越受到關注和重視。

第一類即圖2中紅色節點顯示的詞語，共計包含99項。和其他節點聯系較為密切且圓圈較大的主要有medicine、health、history、experience、effect、mechanism、group、function以及improvement等，主要涉及開源情報在不同領域內的應用，如醫療、健康、機械、教育等方面。Harris E S J等[7]學者認為，將開源情報的思想與民族醫藥學領域的日常實踐結合起來，構建開源基礎的多語言數據庫，能夠為藥物的提取與分級、藥物質量檢測、不同民族醫學之間的相互交流以及高質量藥物的篩選提供幫助。此次新冠疫情傳統醫藥能夠發揮重要作用也證明了其研究領域與方法的正確性。Quick D等[8]提出了一種基于實體識別以及開放源代碼信息的框架，并將開源情報的內容應用在數字取證領域，通過測試數據顯示將開源情報作為數字證據能夠增加實體情報分析時的價值，從而擴大開源情報的應用范疇;也有學者[9]指出，開源情報在機械工程領域更加具有應用的潛力，為驗證其提出的想法，通過對5家該領域內的跨國公司進行采訪，指出在日常的公司內部討論業務的時候將開源情報的思想融合進來，能夠極大地激發公司內部的創新動力，除此之外，開源情報的使用還能夠改善公司內部同外部公關部門之間的關系，更好地幫助公司在處理危機時占據有利位置;Brando A等[10]探究了開源情報在提取臨床指標以及與醫療保健知識相關聯方面的可行性，并通過實例驗證了所提方法是可以實現的。

第二類即圖2中綠色節點顯示的詞語，共計包含64項。和其他節點聯系較為密切且圓圈較大的詞語主要有intelligence、open source intelligence、data source、big data以及case study等，主要涉及對開源情報自身的研究。Gabriela T[11]指出，開源情報在重視技術所發揮的作用的同時，不應忽視人的影響作用，將技術因素和人為因素結合起來，確保情報內容準確、情報質量可靠是開源情報持續發揮作用的根本;Koops B J等[12]學者認為，開源情報需要借鑒技術、法律以及道德的內容來充實自身，從而更好地讓開源情報的內容和成果在合法的前提下，被越來越多的客戶所接受，進而擴大開源情報的應用范疇;Eldridge C等[13]學者提出開源情報應該在大數據背景下發揮自身的作用，將大數據的內涵和技術分析的特點融合進自身的理論基礎中來，并充分發揮分析人員的主觀能動性，做到大數據、技術、分析人員三者有機結合，共同促進開源情報的發展;除了上述一般性因素需要考慮之外。

第三類即圖2中藍色節點顯示的詞語，共計包含51項。其中包含的主要技術性詞語有algorithm、code、deep learning、library、machine learning、network、open source software等。Ganino G等[14]認為，在爬取網絡上的開源情報時需要將本體的概念融合進來，并提出“通用文本工程體系結構”的概念，同時結合深度學習和機器學習對于開源情報數據格式提出的要求，實例驗證了所提方法的準確性;Bernard R等[15]學者還認為，開源情報相關理論需要補充危機管控方面的因素，并指出突發事件發生時帶來的管轄權以及情報所有權問題也同樣需要重視。

從研究熱點來看，國外針對開源情報的研究與社會環境的變化息息相關，一方面是因為開源情報所具備的“開源”屬性使得其自身與社會環境變化具有千絲萬縷的聯系，如新冠疫情暴發則大多數學者[7，11-14]傾向于從搜集醫療情報，進而從自身的視角出發開展相關研究;另一方面是情報自身所具有的“耳目、尖兵、參謀”的特點使得相關機構、學者[8-10]需要從開源情報的視角出發來獲得相關決策支持。

3）研究前沿分析

韓雙淼等[16]認為，研究前沿即領域內存在的一組潛在的研究問題和動態概念，可以起到明確研究方向的作用。因此，導入本次研究的題錄信息到Citespace軟件中，可以得到開源情報領域關鍵詞共現網絡時區圖，如圖3所示。

圖3中每1個節點代表1個關鍵詞，每1條淡粉色和白色的色帶代表1年，兩個關鍵詞之間的共現次數越是頻繁，則兩個節點之間的連線越是密切，節點的大小與關鍵詞在領域中的重要性高低呈現出正相關的關系。

在2007—2014年，開源情報的研究逐漸興起，即圖2中的發展期，并且圖3中較為重要的詞語大部分是在這一時間段內開始出現，如artificial intelligence、model、algorithm、open source intelligence、network、framework、open source等。這一時期各種概念、算法、模型、工具以及指標等的出現為下一階段研究成果的快速涌現奠定了基礎。同時，以人工智能、物聯網以及5G為核心的數字爆炸時代的到來，數字化浪潮正在席卷全球，快速獲取數據的能力，精準定位分析的能力，并且高效便捷地利用各種開源情報的能力就顯得尤為重要。國外各個領域的同行也敏銳地捕捉到了這一點并進行了廣泛且深入的研究。Glassman M等[17]認為，開源情報的發展和研究是人類解決21世紀難題的重要途徑，通過對OSINT的研究，超越了傳統的對于文化智能邊界的框架，并且可以擺脫掉后續合作的束縛，提高后續進行人工智能領域合作的精確度，進一步激發人類從信息中挖掘潛在有意義情報的潛力;而Koops B J等[18]則從OSINT來源廣泛的特點出發，認為如果不加限制地對OSINT進行開發和利用，可能會帶來潛在的隱私泄露的風險，并且據此提出了一個隱私策略分析的框架，之后通過實例進行驗證，指出收集和使用限制、數據的質量是對隱私數據泄露的兩個關鍵因素，在開發和使用OSINT平臺或者工具的過程中需要用戶根據自己的實際需要來進行具體的選擇。Kim Y等[19]學者探究將開源情報的思想應用在學生教育中的情況，為此專門設計了若干分析指標，包括信息區分度和信息反應力等，并對367名大學生進行了實例驗證，結果發現在日常教育領域納入開源情報的思想能夠有效提升學生的信息獲取、信息區分能力，同時學生的自我效能也得到了有效的提高，并對今后可能產生的其他影響進行了討論;Hayes D R等[20]學者從開源情報的思想出發，通過分析電力系統的軟件、硬件和負責關鍵位置運維保障的日常工作人員可能遇到或者產生的工作紕漏以及安全隱患，提出了相應的建議和解決措施。而在2015—2020年的穩步上升期之中，由于前期研究基礎的奠定以及信息化環境的快速改變，涌現出大數據、大數據分析、厚數據、數據故事化以及機器學習等概念，使得這一時期的主要關鍵詞有data science、privacy、deep neutral network、data mining、big data analysis等，數據類型的多種多樣、各種自媒體終端的快速普及等為開源情報提供了廣泛的情報來源，同時也為情報研究與分析帶來了挑戰。Burtsev M等[21]從取自維基百科的短文本片段和個性化語句出發，結合深度神經學習網絡、數據挖掘以及大數據分析等工具，對將近5 000條人機之間的對話信息進行了分析，為不同環境下的開源情報分析提供了借鑒，也深化拓展了不同情報分析算法、工具的應用場景。

從研究前沿來看，針對開源情報的研究除了如何獲取搜集和分析之外，保護情報自身不被外泄也是開源情報學者[17-18]重點關注的方向。而且由于國外的形勢日趨復雜，同時面臨的威脅也與21世紀之前有很大的差別。因此，關注社會變化和各種突發事件以及如何從海量的、類型復雜的以及快速產生的大量情報分析資料中快速針對不同客戶提取不同類型的信息就顯得尤為重要，這也是國外學者[19-21]所致力于研究的主要方向。

4）國家（地區）分析

在Citespace 5.7 R2中，將分析節點選擇為Country，可以得到不同國家（地區）之間所產出成果數量的多少以及彼此之間的合作關系，節點圓圈的大小與該節點代表國家（地區）的產出成果成正比，節點之間連線的疏密程度與兩個國家（地區）之間合作的緊密程度成正比，而節點圓圈包含的顏色越淺，那么該節點代表國家（地區）涉及開源情報領域的時間越近，主要節點如圖4所示。

從圖4中可以看出，美國、英國、西班牙等國家（地區）的節點較大，產出成果較多，且研究持續時間較長，基本在整個時間跨度內都存在。據Citespace統計，美國出現了148次，英國出現60次，中國出現55次，西班牙出現46次。按照出現次數的降序排列，前20位的國家（地區）的文章均是出現在2014年之前，說明發展期已經為后續的進步打下了堅實的基礎。美國情報界早在2006年就頒發了《國家開源情報計劃》，并成為指導美國開源情報工作的現行規范，隨后美國國防部、空軍、陸軍等機構和組織紛紛頒布了自己的開源情報指導意見來促使開源情報更好地在自身領域發揮作用[14];以英國為代表的歐洲國家也對OSINT的研究與應用非常重視，如英國廣播公司監聽部即為一個開源情報機構，政府部門、國防部以及其他情報機構對其提供相應的經費支持;西班牙則主要關注醫療和健康領域的開源情報，特別在媒體報道、私營衛生機構的報告以及用戶的訂閱信息中獲取需要的信息。從我國的節點顏色上來看，雖然從后半段時間才開始涉足開源情報的研究，但是仍然在整個體系之中起到了相當重要的作用，同其他幾個關鍵節點之間的聯系也是較為密切的。特別是總體國家安全觀提出以來，將非傳統威脅也納入研究范疇中，為OSINT的研究以及應用提供了平臺，逐漸成為國家安全工作的重要組成部分，并間接促進了情報之間的融合。

5）文獻共被引分析

在Citespace中選擇節點為共被引（Reference），導入前期處理過的數據，可以得到國外開源情報研究的文獻共被引情況，部分主要文獻如表1所示。

從表1可知，共被引次數排名前10位的文獻大部分發表在近5年，其中LeCun Y在2015年發表在Nature期刊上的文獻共被引次數最多，達到19次，同時也被WOS數據庫標記為高被引論文。該文章指出，可以采用深度學習的方式進行抽象級別的數據表示，通過使用反向傳播算法來獲取數據內部的參數[27]，并可以在語音識別、圖像識別以及其他諸多領域獲得應用。同時提出將深層卷積網絡與遞歸網絡相結合，可以對文本語料和語音語料進行更加深入的挖掘。除此之外，其他論文大部分發表在Med Image Anal、International Journal of Information Management、Communications of the Acm等在國際上享有較高聲譽的期刊，既能夠推動開源情報領域研究的發展，同時也能夠為開源情報的研究提供可借鑒的方法和工具。

6）研究趨勢分析

結合圖1所示的發文數目可以看出，在2014年之后文章的發表數量呈現出快速增長的態勢，因此在Citespace中按照2007—2014年、2015—2020年分別統計關鍵詞之間的共現情況，所得可視化圖譜如圖5（a）和圖5（b）所示。

從圖5（a）可以看出，在發展期各個關鍵詞之間的聯系不是非常緊密，關鍵詞數目雖然多，但是分布較為零散，說明在這個階段（2007—2014年）研究熱點與重點不是非常突出，呈現多方位的探索式研究;而到了穩步上升期，即圖5（b）所示，關鍵詞的大小明顯有所區分，說明在OSINT領域已經開始出現了研究重點與研究熱點，同時關鍵詞之間連線顏色較前一階段的更深，說明研究的持續性較好，能夠繼續支撐OSINT領域研究的進一步發展。

從兩個階段關鍵詞詞頻的對比來看，部分結果如表2所示。在不同階段關鍵詞存在著較大的差異。在起步發展期，關鍵詞詞頻最大為11，相關研究進展較慢，對于開源情報的研究還僅限于從淺層次進行分析，尚未觸及開源情報的核心本質。而到了穩步上升期，關鍵詞詞頻最大達到了83，相較于前一階段有了極大的發展，如artificial intelligence的詞頻由11變成83，且open source intelligence的詞頻也由前一階段的2上升到18，說明經過8年的發展已經慢慢對開源情報的核心內容有了一定的探索以及研究，同時big data（大數據）、deep learning（深度學習）、machine learning（機器學習）、algorithm（算法）以及neural network（神經網絡）等概念也出現在開源情報的研究范疇之中，并占據了較高的詞頻[22]。說明開源情報的研究對技術的依賴程度越來越大，信息技術以及網絡技術的快速發展使得互聯網成為開源情報真正快速發展的主要載體，通過快速且龐雜的數據傳輸，促進不同類型、不同大小甚至不同種類的數據真正以“扁平化”的方式傳遞信息，從而更好地在海量的數據之中發現真正有價值的情報內容。由此可以得出，在開源情報領域的研究趨勢主要是：面對如今數據大爆發的現狀，深化大數據的開發和應用，加強人工智能相關領域以及相關技術的開發，將技術的優勢、分析人員的主觀能動性與數據的復雜性結合起來，充分挖掘數據的內在價值，進一步滿足用戶的情報需求，從系統化以及產品化思維角度出發，提供給用戶最需要的情報產品，真正發揮情報“耳目、尖兵、參謀”的作用。

從研究趨勢來看，越來越多的學者[17-18]注意到將“技術”作為分析開源情報的手段能夠取得比以往人工分析更好的效果，不僅效率高，而且最大可能地降低了分析人員的主觀偏見性，提升了分析產品的客觀性。同時，不同學者[19-22]從不同角度出發，已經開始將一種或者幾種分析方法結合起來使用，既能夠有效地彌補單一方法的自身缺陷，同時也使得分析結論更加全面、翔實、可靠。

3?結?論

本文利用WOS數據庫，從文獻計量學的角度對國外研究中涉及開源情報的文獻進行分析，歸納總結其研究現狀、研究熱點，并對其可能產生的研究趨勢進行分析，所得結論如下：

第一，目前針對開源情報的研究現狀呈現出穩步上升的態勢。不論是從文獻的發表數量還是從關鍵詞之間聯系的緊密程度來看，越來越多的專家、學者以及相關研究機構從各自不同的學科背景出發，對開源情報進行了不同程度的探索，并積累了相當數量的研究成果，特別是不同國家（地區）相繼頒布了一系列的政策、法規等也從外部環境上對開源情報的研究起到了客觀的推動作用。雖然我國對于開源情報的研究較之于國外起步較晚，但是研究潛力巨大，同國外部分國家（地區）保持著較為緊密的聯系，發揮越來越主要的作用。

第二，從研究熱點來看，使用人工智能、機器學習、深度學習以及模型等工具快速、有效、準確、客觀地發現用戶需要的信息是該領域的主要研究熱點。既能夠促進開源情報在醫療、健康、教育等領域發揮關鍵的支撐作用，同時也使得開源情報自身的研究理論、研究工具以及研究方法等得到進一步的豐富，從而實現開源情報自身發展與開源情報更好發揮作用的良性循環。

第三，從研究趨勢來看，開源情報的相關研究對于技術方面越來越依賴。不論是從剛起步的框架、模型、文本挖掘、數據庫、算法等到穩步發展期的神經網絡模型、機器學習模型或者是深度學習模型，還是相關的較為抽象的理論，正在逐步構建起具有開源情報自身特色的技術方法理論體系;而且開源情報的研究越來越注重與現實中的信息化環境相關聯。從外部環境中汲取、發現所需要研究的問題，才能促使開源情報所獲得的結論能夠更好地促進社會信息化的發展，而信息化環境的發展反之會對開源情報提出新的要求，促進其自身的研究發展上升到一個新的水平。

參考文獻

[1]陳超.更新觀念，科學把握新時代科技情報事業發展規律——“十四五”我國科技情報事業發展戰略斷想之二[J].競爭情報，2020，16（5）：1.

[2]馬增軍，耿衛，汪川.美國開源情報制度分析及發展趨勢[J].創新科技，2017，（9）：78-81.

[3]楊建英，余至誠.開源情報在中國國家安全情報中的地位和作用分析[J].情報雜志，2019，38（10）：21-26，145.

[4]趙小康.公開源情報——在情報學和情報工作中引入Intelligence的思考[J].情報理論與實踐，2009，32（12）：23-27.

[5]張濤，馬海群.國際數據政策文獻研究現狀、前沿熱點與演化趨勢分析（1989—2018年）[J].情報科學，2020，38（9）：149-156.

[6]張恒.基于開源情報的情報處理系統模型構建[J].情報雜志，2014，33（3）：54-57.

[7]Harris E S J，Erickson S D，Tolopko A N，et al.Traditional Medicine Collection Tracking System（TM-CTS）：A Database for Ethnobotanically Driven Drug-discovery Programs[J].Journal of Ethnopharmacology，2011，135（2）：590-593.

[8]Quick D，Choo K K R.Digital Forensic Intelligence：Data Subsets and Open Source Intelligence（DFINT Plus OSINT）：A Timely and Cohesive Mix[J].Future Generation Computer Systems-the International Journal of Escience，2018，78：558-567.

[9]Mortara L，Ford S J，Jaeger M.Idea Competitions Under Scrutiny：Acquisition，Intelligence or Public Relations Mechanism？[J].Technological Forecasting and Social Change，2013，80（8）：1563-1578.

[10]Brando A，Pereira E，Esteves M.A Benchmarking Analysis of Open-Source Business Intelligence Tools in Healthcare Environments[J].Information，2016，7（4）：57-73.

[11]Gabriela T.The Role of New Technologies in Transforming Open-source Intelligence[J].Romanian Journal of Information Technology and Automatic Control-Revista Romana De Informatica Si Automatica，2018，（3）：41-46.

[12]Koops B J，Hoepman J H，Leenes R.Open-source Intelligence and Privacy By Design[J].Computer Law & Security Review，2013，29（6）：676-688.

[13]Eldridge C，Hobbs C，Moran M.Fusing Algorithms and Analysts：Open-source Intelligence in the Age of‘Big Data’[J].Intelligence and National Security，2017，33（3）：391-406.

[14]Ganino G，Lembo D，Mecella M，et al.Ontology Population for Open：Source Intelligence：A GATE-Based Solution[J].Software Practice and Experience，2018，48（12）：2302-2330.

[15]Bernard R，Bowsher G，Milner C，et al.Intelligence and Global Health：Assessing the Role of Open Source and Social Media Intelligence Analysis in Infectious Disease Outbreaks[J].Journal of Public Health-Heidelberg，2018，（5）：509-514.

[16]韓雙淼，謝靜，肖曉飛.國際高等工程教育研究方法與主題的演進[J].高等工程教育研究，2020，（6）：148-155.

[17]Glassman M，Kang M J.Intelligence in the Internet Age：The Emergence and Evolution of Open Source Intelligence（OSINT）[J].Computers in Human Behavior，2012，28（ 2）：673-682.

[18]Koops B J，Hoepman J H，Leenes R.Open-source Intelligence and Privacy By Design[J].Computer Law & Security Review the International Journal of Technology Law & Practice，2013，29（6）：676-688.

[19]Kim Y，Glassman M，Bartholomew M，et al.Creating an Educational Context for Open Source Intelligence：The Development of Internet Self-efficacy Through a Blogcentric Course[J].Computers & Education，2013，69：332-342.

[20]Hayes D R，Cappa F.Open-source Intelligence for Risk Assessment[J].Business Horizons，2018，61（5）：689-697.

[21]Burtsev M，Logacheva V.Conversational Intelligence Challenge：Accelerating Research with Crowd Science and Open Source[J].Ai Magazine，2020，41（3）：18-27.

[22]Eldridge C，Hobbs C，Moran M.Fusing Algorithms and Analysts：Open-source Intelligence in the Age of‘Big Data’[J].Intelligence and National Security，2017，33（3）：391-406.

（責任編輯：孫國雷）