Матеріали до Уроку 3: Верифікація та протидія маніпуляціям

Навігація курсу: Категорія: Довідники

Урок: Урок-03-Верифікація-та-маніпуляції · ДЗ (класичне): ДЗ-03 (класичне) — буде додано · ДЗ (MindsDB + Arkham): ДЗ-03
Попередній урок (обов’язковий контекст): Урок-02-GenAI-для-аналітика — промптинг, обмеження LLM, температура, RAG

Цей файл — практичний довідник: інструменти, промпти, SQL/MindsDB та посилання. Теорія маніпуляцій, Amsterdam Matrix, ArkhamMirror і покрокові слайди — у Урок-03-Верифікація-та-маніпуляції.

З Уроку 2 до Уроку 3: як GenAI допомагає і підриває верифікацію

У Урок-02-GenAI-для-аналітика ти вже бачив: LLM не «знає» факти, а передбачає правдоподібний текст; звідси галюцинації, упередження й залежність від контекстного вікна. Урок 3 перевертає це в робочу дисципліну: кожен вивід моделі — гіпотеза, а істину встановлюють джерела, метадані, інструменти та ланцюжок доказів.

Ідея з Уроку 2	Як використовувати в верифікації (Урок 3)
Галюцинації та «впевнений тон»	Не плутати красиву відповідь LLM із підтвердженим фактом; завжди мати незалежну перевірку (архів, EXIF, reverse search, офіційний реліз).
Knowledge cutoff	Для подій після дати тренування моделі — RAG / пошук / первинні джерела (див. блок RAG у Уроці 2), а не «пам’ять» моделі.
Температура	Для витяжки фактів, JSON, чеклистів тримай низьку температуру (0.0–0.2); трохи вище (0.2–0.3) лише там, де потрібна обережна інтерпретація (опис сцени), але не для юридичних висновків.
Структурований вивід	Промпти нижче вже розбиті на секції — додавай явний формат (маркери, таблиця, JSON), щоб потім порівняти з тим, що дають InVID, ExifTool, ACH у Arkham.
RAG / grounding	Якщо аналізуєш великий корпус (звіти, експорти), спершу завантаж у довірений RAG (NotebookLM, власна база з Уроку 2) або в Arkham ingest, а LLM питай лише по цитованому контексту.
Confirmation bias моделі	Не підгодовувати модель формулюванням «доведи що це фейк» без альтернативи; для гіпотез краще ACH-рамка (кілька пояснень одних даних) — узгоджується з практикою Уроку 3.

Практичне правило курсу: спочатку інструментальна або архівна верифікація (InVID, Wayback, EXIF, TinEye…), потім LLM як асистент узагальнення — не навпаки.

Інструменти верифікації: повний довідник

Зворотний пошук зображень

Інструмент	URL	Сильні сторони
Google Images	images.google.com	Найбільша база, новини
Yandex Images	images.yandex.com	Обличчя, слов’янський контент
TinEye	tineye.com	Найстаріша дата появи
Bing Visual Search	bing.com/visualsearch	Альтернатива Google
Google Lens	lens.google.com	Мобільний, точний

Як отримати найстарішу дату в TinEye:

Завантаж зображення на tineye.com
У лівій панелі: Sort by → “Oldest”
Перша дата = ймовірне першоджерело

EXIF-аналіз

Інструмент	Тип	URL/Команда
ExifTool	CLI	`exiftool image.jpg`
Jeffrey’s Exif Viewer	Web	exifdata.com
Pic2Map	Web + карта	pic2map.com
ExifPurge	Desktop	exifpurge.com (для видалення)
Phil Harvey ExifTool	Офіційний	exiftool.org

Встановлення ExifTool:

# Linux (Debian/Ubuntu)
sudo apt install libimage-exiftool-perl
 
# macOS
brew install exiftool
 
# Windows
# Завантажити з exiftool.org → розпакувати → додати до PATH

Корисні команди:

# Повний аналіз
exiftool image.jpg
 
# Тільки GPS
exiftool -GPSLatitude -GPSLongitude image.jpg
 
# Тільки підозрілі поля
exiftool -DateTimeOriginal -CreateDate -Software -Make -Model image.jpg
 
# Масовий аналіз + CSV
exiftool -csv *.jpg > metadata_report.csv
 
# Знайти всі фото з GPS у папці
exiftool -if '$GPSLatitude' -FileName -GPSLatitude -GPSLongitude *.jpg

Forensic аналіз

Інструмент	URL	Що перевіряє
FotoForensics	fotoforensics.com	ELA, metadata
Ghiro	self-hosted	Комплексний forensic звіт
Izitru	izitru.com	Автентичність JPEG
JPEGsnoop	jpegsnoop.com (Win)	Поглиблений JPEG аналіз
Amped Authenticate	enterprise	Professional forensic

Верифікація відео

Інструмент	URL/Спосіб	Для чого
InVID/WeVerify	Chrome/Firefox extension	Стандарт для журналістів
FFmpeg	CLI	Витяг кадрів, метадані
MediaInfo	GUI/CLI	Технічні метадані відео
ExifTool	CLI	Метадані відео файлу
YouTube DataViewer	amnesty.org/en/documents/doc10/2018	Дата завантаження

FFmpeg команди для верифікації:

# Витягти кадр кожні 2 секунди
ffmpeg -i video.mp4 -vf fps=0.5 frames/frame_%04d.jpg
 
# Витягти один кадр на хвилині 0:30
ffmpeg -ss 00:00:30 -i video.mp4 -frames:v 1 frame.jpg
 
# Технічна інформація про відео
ffprobe -v quiet -print_format json -show_format -show_streams video.mp4

Deepfake детекція

Інструмент	URL	Тип	Безкоштовно?
AI or Not	aiornot.com	Web	Так
Hive Moderation	hivemoderation.com	Web/API	Частково
Illuminarty	illuminarty.ai	Web	Так
Sensity AI	sensity.ai	API	Enterprise
FakeCatcher (Intel)	—	API	Enterprise
ElevenLabs Classifier	labs.elevenlabs.io	Web	Так (аудіо)
Resemble Detect	detect.resemble.ai	Web	Так (аудіо)

Геолокація

Інструмент	URL	Для чого
Google Maps / Street View	maps.google.com	Основне порівняння
Bing Maps / Bird’s Eye	bing.com/maps	Альтернатива
GeoSpy AI	geospyai.com	AI-геолокація за фото
SunCalc	suncalc.org	Позиція сонця по координатах
ShadowCalc	shadowcalc.com	Аналіз тіней
Overpass Turbo	overpass-turbo.eu	OpenStreetMap запити
Wikimapia	wikimapia.org	Підписані об’єкти на карті
Mapillary	mapillary.com	Street-level фото від спільноти

AI-текст детекція

Інструмент	URL	Особливості
GPTZero	gptzero.me	Найпопулярніший
Originality.ai	originality.ai	Точніший, платний
Copyleaks	copyleaks.com	Добре для студентських робіт
Winston AI	gowinston.ai	Слов’янські мови
Sapling	sapling.ai/ai-content-detector	Безкоштовний
ZeroGPT	zerogpt.com	Безкоштовний

Архіви та кеш

Інструмент	URL	Для чого
Wayback Machine	web.archive.org	Архів сторінок, зміни
Archive.today	archive.ph	Зберегти сторінку зараз
CachedView	cachedview.nl	Коли Google cache недоступний
Timetravel	timetravel.mementoweb.org	Мета-архів кількох сервісів

Аналіз координованих операцій

Інструмент	URL	Для чого
Botometer	botometer.osome.iu.edu	Рейтинг бота Twitter/X
Social Blade	socialblade.com	Статистика зростання акаунтів
TGStat	tgstat.com	Telegram-аналітика
Telemetr	telemetr.io	Telegram статистика
Hoaxy	hoaxy.osome.iu.edu	Поширення у Twitter
SpiderFoot	spiderfoot.net	Автоматизований OSINT
Whois lookup	who.is	Власник домену

Промпти для верифікації через LLM

Нижче — готові шаблони, які навмисно узгоджені з підходом Урок-02-GenAI-для-аналітика: роль, структура секцій, явний формат висновку, мінімізація «вільної прози». Після відповіді моделі обов’язково пройди хоча б короткий чеклист: (1) чи є посилання на пікселі / написи / тіні, які можна звірити з EXIF або картами; (2) чи не вигадані назви місць чи дат; (3) що з розділу «Рекомендовані кроки» ти реально виконав інструментами з першої частини цього файлу.

Рекомендовані параметри (нагадування з Уроку 2): для цих промптів логічна температура 0.1–0.25; якщо модель підтримує JSON mode / structured output — увімкни для табличних висновків.

Промпт 1 — Forensic аналіз зображення

Ти — forensic-аналітик медіаконтенту.
Проаналізуй це зображення детально.

СЕКЦІЯ 1 — ОПИС:
Перерахуй всі видимі об'єкти, написи, орієнтири, людей, транспорт.

СЕКЦІЯ 2 — ОСВІТЛЕННЯ:
- Де знаходиться джерело світла?
- Чи відповідають тіні джерелу?
- Чи рівномірне освітлення на всіх об'єктах?

СЕКЦІЯ 3 — ОЗНАКИ МАНІПУЛЯЦІЇ:
Перевір і вкажи наявність або відсутність:
- Розмиття або артефакти на межах об'єктів
- Аномалії у волоссі, вухах, руках, пальцях
- Нечитабельний або безглуздий текст
- Нерівномірна глибина різкості
- Повторювані патерни у фоні

СЕКЦІЯ 4 — ГЕОЛОКАЦІЯ:
- Регіон світу (за мовою написів, архітектурою, рослинністю)
- Конкретна локація якщо можливо визначити

СЕКЦІЯ 5 — ХРОНОЛОГІЯ:
- Чи відповідає сезон, одяг, техніка заявленому часу?
- Будь-які хронологічні невідповідності?

ВИСНОВОК:
- Оцінка автентичності: Натуральне / Підозріле / Очевидно згенеровано / AI-generated
- Ключові ознаки що вплинули на оцінку (конкретно)
- Рекомендовані додаткові кроки верифікації

Промпт 2 — Аналіз тексту на маніпуляцію

Ти — аналітик дезінформації з 10-річним досвідом.
Проаналізуй цей текст на ознаки маніпуляції.

Текст: [ВСТАВИТИ ТЕКСТ]

Перевір такі аспекти:

1. ЕМОЦІЙНА МОВА
   Чи текст апелює до страху, гніву, обурення замість фактів?
   Цитати що демонструють це.

2. ВІДСУТНІСТЬ ДЖЕРЕЛ
   Конкретні твердження що потребують підтвердження але не мають джерел.

3. АБСОЛЮТНІ ТВЕРДЖЕННЯ
   "Завжди", "ніколи", "всі", "ніхто" — де вони неправдиві?

4. FALSE DILEMMA
   Де подано лише 2 варіанти де насправді їх більше?

5. ОЗНАКИ AI-ГЕНЕРАЦІЇ
   Кліше, рівна структура абзаців, відсутність голосу.

6. CUI BONO
   Хто виграє від поширення цього тексту?
   Яка ймовірна мета публікації?

ФОРМАТ ВІДПОВІДІ:
- Рівень ризику маніпуляції: Низький / Середній / Високий
- Конкретні виявлені ознаки з цитатами
- Тип маніпуляції (якщо визначено)
- Рекомендації для перевірки конкретних тверджень

Промпт 3 — Аналіз акаунту

Ти — OSINT-аналітик що спеціалізується на виявленні операцій впливу.
Проаналізуй цей акаунт на ознаки неавтентичної поведінки.

Дані акаунту:
- Дата реєстрації: [ДАТА]
- Кількість постів: [КІЛЬКІСТЬ]
- Фоловери: [КІЛЬКІСТЬ]
- Слідкує за: [КІЛЬКІСТЬ]
- Тематика постів (опис): [ОПИС]
- Зразки останніх 5 постів:
  1. [ПОСТ]
  2. [ПОСТ]
  3. [ПОСТ]
  4. [ПОСТ]
  5. [ПОСТ]

Оціни:

1. ОЗНАКИ БОТА
   - Регулярність публікацій (неприродно точна = бот)
   - Час публікацій (3–5 ранку = підозрілий)
   - Одноманітність тематики

2. ОЗНАКИ ОПЕРАЦІЇ ВПЛИВУ
   - Один вузький наратив?
   - Відсутність нейтрального контенту?
   - Тільки "breaking news" без аналізу?

3. ОЗНАКИ "СПЛЯЧОГО" АКАУНТУ
   - Довга пауза до різкої активізації?
   - Зміна тематики після паузи?

ФОРМАТ:
Таблиця виявлених ознак + загальний рейтинг:
A — Явно автентичний
B — Ймовірно автентичний
C — Сумнівний
D — Ймовірно неавтентичний / операція впливу

MindsDB + ArkhamMirror (практичний модуль)

Покроковий гайд для студентів (Docker на Linux/macOS, запуск обох сервісів, мережа shattered-network, CREATE DATABASE): Гайд-Docker-MindsDB-та-ArkhamMirror

Для чого ця зв’язка

ArkhamMirror відповідає за ingestion/verification workflow (documents, claims, contradictions, ACH), а MindsDB дає SQL-шар поверх даних Arkham PostgreSQL для швидкої аналітики та AI-driven запитів.

Що це дає на практиці:

миттєві зрізи по ingest jobs, projects, documents;
менше ручних скриптів для метрик курсових кейсів;
єдину точку доступу для подальшої автоматизації.

Локальна схема контейнерів

shattered-postgres (Arkham DB) у мережі shattered-network
mindsdb (MindsDB Studio) зазвичай у bridge

Щоб MindsDB бачила Arkham DB, додай її в мережу Arkham:

# Перевірити поточні мережі
docker ps --format "table {{.Names}}\t{{.Networks}}"
 
# Підключити mindsdb до мережі Arkham
docker network connect shattered-network mindsdb
 
# Тест DNS + TCP до Arkham PostgreSQL
docker exec mindsdb python -c "import socket; print(socket.gethostbyname('shattered-postgres')); s=socket.create_connection(('shattered-postgres',5432),timeout=5); print('ok'); s.close()"

Підключення Arkham DB у MindsDB

MindsDB UI: http://localhost:47334
В SQL Editor виконай:

CREATE DATABASE arkham_pg
WITH ENGINE = 'postgres',
PARAMETERS = {
  "host": "shattered-postgres",
  "port": 5432,
  "user": "arkham",
  "password": "arkhampass",
  "database": "arkhamdb"
};
 
SHOW DATABASES;

Робочі запити для Уроку 3

-- 1) Стан ingestion pipeline
SELECT status, COUNT(*) AS jobs
FROM arkham_pg.arkham_ingest.jobs
GROUP BY status
ORDER BY jobs DESC;
 
-- 2) Останні оброблені файли
SELECT id, filename, status, created_at
FROM arkham_pg.arkham_ingest.jobs
ORDER BY created_at DESC
LIMIT 10;
 
-- 3) Розподіл документів по проєктах
SELECT
  p.name AS project_name,
  COUNT(d.id) AS docs,
  COALESCE(SUM(d.file_size), 0) AS total_bytes
FROM arkham_pg.arkham_frame.projects p
LEFT JOIN arkham_pg.arkham_frame.documents d ON d.project_id = p.id
GROUP BY p.name
ORDER BY docs DESC;

Як інтегрувати у workflow верифікації

ArkhamMirror: ingest + перевірка (Media Forensics / Claims / ACH).
MindsDB: SQL-контроль метрик якості (completed/failed, обсяг кейсу, прогрес).
Звіт: включити результати у Reports/Export як доказ відтворюваності процесу.

Зв’язок з Уроком 2 (агенти, MCP, «розмова з даними»)

У Урок-02-GenAI-для-аналітика обговорювались якість промпта та обмеження моделі. У MindsDB ти можеш поєднати обидва світи: табличні метрики (SQL по arkham_*) + AI Agent для запитань природною мовою — але відповідь агента залишається гіпотезою, поки її не звірив з документами в Arkham або з первинним джерелом. Офіційно про MCP (підключення зовнішніх агентів до MindsDB): Model Context Protocol — MindsDB.

Ключові ресурси

Верифікація і deepfake

Дезінформація і координовані операції

C2PA і провенанс контенту

Навчальні ресурси

Встановлення та налаштування

ExifTool (обов’язковий)

# Linux (Debian/Ubuntu/Manjaro)
sudo apt install libimage-exiftool-perl
# або
sudo pacman -S perl-image-exiftool
 
# macOS
brew install exiftool
 
# Перевірка
exiftool --version

FFmpeg (для відео)

# Linux
sudo apt install ffmpeg
 
# macOS
brew install ffmpeg
 
# Перевірка
ffmpeg -version

InVID WeVerify (обов’язковий)

Відкрий Chrome або Firefox
Перейди на Chrome Web Store або Firefox Add-ons
Пошук: “InVID WeVerify”
Встанови
Перевір: правою кнопкою на будь-якому відео → має з’явитись “Analyse with InVID”

Безкоштовні акаунти (зареєструватись)

gptzero.me          → до 5000 слів/день безкоштовно
aiornot.com         → 25 перевірок/день безкоштовно
hivemoderation.com  → обмежений безкоштовний план

← Урок-02-GenAI-для-аналітика | Урок-03-Верифікація-та-маніпуляції | ДЗ-03 (класичне) — буде додано | ДЗ-03 | Гайд-Docker-MindsDB-та-ArkhamMirror

Оновлено для узгодження з Уроком 2 (GenAI, RAG, обмеження LLM) — 2026-04-16.

AI для OSINT 2026

Провідник

Матеріали-Урок-03-Верифікація