Czy komputer może złapać szpiega?

Trzydzieści lat temu znalezienie zdrajcy wymagało intuicji, czegoś w rodzaju szóstego zmysłu, który podpowiadał, że coś jest nie w porządku. Przed Internetem, powszechnym GPS i Google, wymagało to śladów na papierze, ludzkiej inteligencji i śledztw prowadzonych przez detektywów. Sandy Grimes doświadczyła tego z pierwszej ręki, choć niemal przez przypadek: Straciła źródło.

Olivia Fields for NPR

„Pracując w tego rodzaju biznesie, masz osobisty związek z tymi ludźmi, którzy, gdy zgodzili się pracować dla rządu Stanów Zjednoczonych, oddali swoje życie w nasze ręce”, powiedziała, i dlatego mogła wziąć to tak osobiście, gdy jeden ze szpiegów, których prowadziła, urzędnik KGB w Lagos, Nigeria, zniknął.

„Nie pojawił się na pierwszym ponownym kontakcie, nie pojawił się na drugim ponownym kontakcie,” powiedziała. Okazało się, że został aresztowany, jako pierwszy z listy radzieckich podwójnych agentów, którzy zostali odkryci jako pracujący dla Zachodu. „Jeden po drugim traciliśmy ich,” powiedział Grimes, „i nie można było tego zrobić w inny sposób: Zawiedliśmy ich.”

Wielką zagadką było to, czy agencja miała do czynienia ze szpiegiem w szeregach, czy z łamaczem kodów w Moskwie. Gdyby dzisiejsza analityka istniała w tamtych czasach, mogłaby przyspieszyć proces odkrywania. Nowoczesne algorytmy przeanalizowałyby lokalizacje pracowników, znalazłyby podejrzane wzorce w ich zwyczajach zawodowych i prześledziłyby ich ruchy.

Ale w tamtych czasach, pod koniec lat 80-tych, gdy zimna wojna zbliżała się ku końcowi, CIA mogła liczyć tylko na doświadczonych specjalistów od wywiadu, takich jak Grimes. Tak więc w 1991 roku agencja rozpoczęła śledztwo nazwane Operacją Playactor. W jego skład wchodziła mała grupa zadaniowa z Grimesem, młodym pracownikiem Biura Bezpieczeństwa o nazwisku Dan Payne, wieloletnią analityczką CIA o nazwisku Jeanne Vertefeuille oraz dwoma agentami FBI, agentem specjalnym Jimem Holtem i sowieckim analitykiem Jimem Milburnem. („Nazywaliśmy ich Jim Squared,” powiedziała Grimes.)

Nikki Kahn/The Washington Post via Getty Images

Śledztwo było jednym z tych, które wymagały arkuszy kalkulacyjnych, plików papierowych i przesłuchań, a po miesiącach przeżuwania wszystkich tych analogowych narzędzi zespół zdołał zawęzić swoją listę do około 150 pracowników CIA – o wiele za dużo osób dla małego zespołu, aby podejrzewać lub badać. Wymyślili więc niewiarygodnie nienaukowe rozwiązanie: Poprosili siebie nawzajem o wymienienie nazwisk pięciu lub sześciu osób w agencji, które ich zaniepokoiły, a następnie uszeregowali je w rankingu.

Chociaż niektóre nazwiska na listach zespołów pokrywały się, dla Grimes istniał tak naprawdę tylko jeden podejrzany: ktoś, kogo znała od lat i z kim jeździła samochodem; ktoś, kto właśnie niedawno wrócił z placówki za oceanem: niejaki Aldrich Ames.

Jeffrey Markowitz/Sygma via Getty Images

To nazwisko może się kojarzyć. Jako członek Departamentu Operacji CIA odpowiedzialny za sowiecki kontrwywiad stał się jednym z najwyżej postawionych i najbardziej szkodliwych szpiegów w historii USA. Grimes podejrzewał go z powodu, którego żaden algorytm by nie rozgryzł: Po prostu wydawał się inny. „Kiedy wrócił z Włoch w 1989 roku, był innym człowiekiem, naprawdę innym człowiekiem” – powiedziała Grimes, wyjaśniając, dlaczego znalazł się na szczycie jej listy. „To było tak, jakby badał swoją własność i to było prawie to nastawienie, 'Wiem coś, czego ty nie wiesz’. „

Rybi problem z inwentarzem

Mniej więcej w tym samym czasie, gdy zespół Playactor rozpoczął poszukiwania zdrajcy, naukowiec zajmujący się danymi o nazwisku Jeff Jonas rozpoczął nową pracę w Las Vegas. Miesiące wcześniej otrzymał telefon od kasyna The Mirage z pytaniem, czy mógłby zbudować dla niego jakieś specjalne oprogramowanie. „Powiedzieli: 'Mamy problem z zapasami’,” wspomina Jonas. „Odpowiedziałem: 'Och, jestem dobry w systemach inwentaryzacji’. I wtedy oni powiedzieli: 'Dobrze, to jest dla ryb’. „

Mirage dopiero co został otwarty, a już miał problem, którego nie przewidział: Jego przełomowy zbiornik na ryby o pojemności 20,000 galonów stawał się finansowym drenażem. Zawierał tysiące drogich i rzadkich ryb tropikalnych, które nie mogły być rozliczone. „Myślę, że wydawali milion dolarów rocznie na utrzymanie akwarium,” powiedział Jonas, „i próbowali śledzić, co co je.”

Jonas w końcu stworzył coś, co teraz uważamy za jeden z wczesnych programów do analizy danych. Jego oprogramowanie nie tylko śledziło ryby, ale pozwalało kasynu podejmować lepsze decyzje dotyczące obsady akwarium. „Wtedy jeszcze nie wiedziałem, że stanie się to pracą mojego życia” – powiedział Jonas. Specjalnością Jonasa jest dopasowywanie tożsamości. Zaczęło się od ryb, a potem przeniosło na ludzi. „Po tym jak Jonas pomógł Mirage’owi z jego programem rybnym, kasyna wzdłuż pasa zaczęły pytać go, czy mógłby pomóc im zmodernizować ich systemy bezpieczeństwa. Na początku lat 90-tych, najnowocześniejszym sposobem śledzenia ludzi w Vegas była dosłownie karta indeksowa o wymiarach 3 na 5 cali. „Robili karty pracowników i sortowali je według nazwisk, a następnie mieli inny zestaw kart dla tych samych pracowników posortowanych według adresów” – wspomina Jonas. „To było jak w bibliotece, ale zamiast tematu, tytułu, autora, było nazwisko, adres, telefon.”

Jonas zaczął od digitalizacji wszystkich tych kart, a następnie stworzył system, który nazwał Non-Obvious Relationship Awareness, lub NORA. „W pewnym sensie zasłużył on na tę nazwę, ponieważ zacząłem znajdować rzeczy, których nie spodziewałeś się znaleźć” – powiedział. System oznaczał kogoś przy stole do gry, kto mógł mieć ten sam numer telefonu, co pracownik. Jeśli ktoś podał więcej niż jedną datę urodzenia w ciągu całego życia, NORA również to zidentyfikuje. „Często zdarza się, że dane lądują i nie ma z tym większego problemu” – powiedział Jonas. „Ale czasami, gdy dane lądują, jest to ważne”. NORA tworzyła systemy, które pomagały skupić ludzką uwagę na tych ważnych bitach.

toggle caption Olivia Fields for NPR

Pomiędzy innymi, NORA skupiła ludzką uwagę na grupie studentów college’u, którzy wydawali się mieć niewiarygodne szczęście przy stołach do blackjacka. Nie oszukiwali, tak się wydawało. Dziwne było jednak to, że tak wielu młodych graczy radziło sobie tak dobrze. W końcu NORA odkryła, że ci młodzi ludzie liczyli karty – i byli członkami MIT Blackjack Team. (Liczenie kart nie jest nielegalne, ale osoby liczące karty są zazwyczaj wypraszane z kasyna. Zespół stworzył firmę „inwestycyjną”, która miała wypłacać graczom gotówkę, a następnie rozdawać ich wygrane. W końcu jej czołowi gracze zostali wykluczeni z większości kasyn.)

Gdyby Grimes i zespół CIA wiedzieli o Norze, być może właśnie ona pomogłaby im znaleźć i skazać ich własnego podejrzanego.

Bardzo analogowy system

To, co Grimes miała zamiast tego, było swego rodzaju ludzkim odpowiednikiem Nory. Między innymi, miała długą osobistą interakcję z Amesem. Obserwowała jego zachowanie, z bliska, na długo przed tym, jak stał się podejrzany, i mogła ocenić, co uważała za niestandardowe zachowanie agenta CIA. „W dniach podwózki zawsze się spóźniał,” powiedziała. „Wybiegał z mieszkania, koszula wisiała na wierzchu, skarpetki były w różnych kolorach. Był niechlujem.”

Eksperyment z udziałem jego żony, Rosario, również ją zaniepokoił. Rosario poprosiła kolegę z CIA o przysłanie jej witamin prenatalnych, kiedy ona i Ames zostali wysłani do Rzymu w 1988 roku. Kiedy Grimes spotkał pomocną koleżankę, która wysłała witaminy kilka miesięcy później, miała na sobie piękną apaszkę Gucci. „Skąd to masz?” zapytał ją Grimes. Koleżanka odpowiedziała, że żona Amesa przysłała jej go po otrzymaniu witamin. „Powiedziałam: 'Cóż, to całkiem niezły prezent’. „

W odosobnieniu, te rzeczy niewiele by znaczyły, ale system NORA w głowie Grimesa nie przestawał jej podpowiadać, gdy zespół Playactor przesłuchiwał innych podejrzanych. Jedno z pytań, które zadawali wszystkim z ich długiej listy – niezależnie od ich pozycji na tej liście – brzmiało następująco: Gdybyś miał szpiegować, albo zgłosić się na ochotnika, jak byś to zrobił? Większość ludzi, z którymi rozmawiali, uznała to pytanie za ćwiczenie umysłowe; Ames był nim zdruzgotany. „Miał problemy z językiem” – powiedział Grimes. „Oczywiście, że nic nie mówimy, prawda? Siedzimy tam i słuchamy. Ale potem byliśmy w totalnym szoku, że uznał to pytanie za niewygodne.”

Stało się to punktem danych w bardzo analogowym systemie, który zespół tworzył na swoich komputerach agencyjnych. Payne, młody agent FBI, zaczął zdobywać nakazy dotyczące sprawozdań finansowych i depozytów bankowych Amesa. Grimes zaczęła układać chronologię, wyliczając różne zadania Amesa w CIA, osoby, z którymi podobno spotykał się we Włoszech, sprawy, nad którymi pracował w Ameryce. Dodała też inne przypadkowe punkty danych: Kiedy wchodził i wychodził z biura? Kiedy wychodził na papierosa?

Wprowadziła to wszystko do dokumentu w edytorze tekstu na swoim komputerze, co samo w sobie stanowiło pewne wyzwanie. Każdego ranka, kiedy się logowała, musiała czekać 20 minut na załadowanie dokumentu do miejsca, w którym go zostawiła. „Każdego dnia to była frustracja,” powiedziała. „To było nużące.”

toggle caption Olivia Fields dla NPR

Jednym z problemów było to, że aby dokument był użyteczny i możliwy do przeszukiwania, musiał być absolutnie spójny. Nie mogłeś napisać 7 marca w jednym dniu, a następnie napisać 03/07 w następnym. Nie mogło być żadnych literówek ani błądzących spacji. „Pod koniec dnia musiałem się cofnąć i przejrzeć wszystko, co wpisałem” – powiedział Grimes. „I to może być ten mały kawałek informacji, który robi różnicę.”

Ta dbałość o szczegóły w końcu opłaciła się pewnego ranka, kiedy Payne przybył do biura z kopertą pełną sprawozdań finansowych. Wyciągnął z folderu kilka dowodów wpłat, a następnie zaczął dodawać informacje do arkusza kalkulacyjnego na swoim komputerze. A potem, jak to było w ich zwyczaju, podawał odcinki przez ścianę do Grimesa, który przewijał je w dół do odpowiedniej daty w chronologii i dodawał je do arkusza.

„Tak się złożyło, że zerknąłem na linię powyżej i pomyślałem: 'O rany, dzień wcześniej lunch z Chuvakhinem’, powiedział Grimes. „I pomyślałem, co za dziwny zbieg okoliczności”. Siergiej Czuwachin był sowieckim dyplomatą stacjonującym w Waszyngtonie. „Drugi dowód wpłaty przyszedł do mnie przez ścianę boksu.” Był to depozyt w gotówce w wysokości 5 000 dolarów, dokonany 5 lipca. Trzy dni wcześniej chronologia brzmiała: Lunch z Chuvakhinem. Grimes zmarszczyła brwi i chwyciła ostatni dowód wpłaty. Był na 8.500 dolarów w gotówce, zdeponowanych 31 lipca. A chronologia wskazywała, że tego samego dnia Ames jadł lunch z Chuvakhinem.

„To było to dla Sandy” – powiedziała Grimes, odnosząc się do siebie po imieniu. „Powiedziałam: 'Nie uwierzycie, to jest to – nie uwierzycie’. Pobiegła na dół korytarza, aby powiedzieć o tym szefowi wydziału kontrwywiadu CIA, Paulowi Redmondowi. „Zamknęłam drzwi i nie czekałam na niego, po prostu powiedziałam: 'Nie trzeba być naukowcem od rakiet, żeby zobaczyć, co tu się dzieje: Rick jest cholernym sowieckim szpiegiem”. (Grimes powiedziała, że ona i Redmond wciąż spierają się o jej dokładne słowa. On twierdzi, że użyła bardziej barwnego słowa, które według Grimesa jest jednym z jego ulubionych.)

„Najlepszy przypadek niesubordynacji, jaki kiedykolwiek spotkałem”

Wkrótce potem FBI rozpoczęło formalne śledztwo w sprawie Amesa; ale aby zbudować sprawę, Biuro polegało na tym, co dziś wydawałoby się niewiarygodnie analogowe: podsłuchy telefoniczne, urządzenia podsłuchowe, obserwacje, samoloty, a nawet operacje śmieciowe.

„Czasami trzeba wiercić w ścianie, aby umieścić mikrofony”, powiedział Robert „Bear” Bryant, który miał zostać zastępcą dyrektora FBI i który nadzorował śledztwo w Ames. „Jeśli musisz wejść w płytę gipsowo-kartonową, musisz podłączyć linię elektryczną, ale najtrudniejszą rzeczą jest dopasowanie płyty gipsowo-kartonowej.”

To jest pierwszy raz, kiedy Bryant mówi publicznie o sprawie Amesa. „Umieściliśmy mikrofony w jego samochodzie, w jego domu; objęliśmy faceta prawie od momentu wyjścia do pracy.” Mieli nawet samolot w powietrzu śledzący go, gdy jechał ze swojego domu w Arlington, Va., niedaleko Langley. „Miałeś jednego faceta z zestawem lornetek, a on siedzi tam i patrzy na obiekt, gdy się poruszają” – powiedział Bryant. „To najlepszy sposób, aby kogoś nie zgubić.”

toggle caption The Life Picture Collection via Getty Images

Ale to coś, o co Bryant wyraźnie poprosił agentów, aby nie robili, doprowadziło ich do przełomu w sprawie: Zrobili to, co jest znane jako „pokrywa śmieci”. „Kiedy osoba wystawia swoje śmieci na zewnątrz, jeśli jest to na terenie publicznym, możesz przejąć te śmieci i dokonać ich przeszukania”, mówi Bryant. „Zrobili to wbrew moim rozkazom.”

Wtedy, jesienią 1993 roku, Bryant wspomina, jak jeden z jego agentów machał do niego plastikową torbą z kawałkiem żółtego papieru, gdy wchodził do biura. „Zapytałem: 'Co to do cholery jest?’ Odpowiedział: 'Wyciągnęliśmy to ze śmietnika’. „

To była notatka, którą Ames napisał do siebie na temat spotkania, które miał odbyć z oficerem KGB w Bogocie, w Kolumbii. „To był klucz do sprawy, i to duży klucz, bo wiedzieliśmy, gdzie miał dokonać zrzutu. Później zapytano mnie o to i powiedziałem, że był to najwspanialszy przypadek niesubordynacji, z jakim kiedykolwiek się spotkałem.”

Teczka w twojej głowie

Program nieoczywistych relacji Jonasa z Vegas sprzed kilkudziesięciu lat został zastąpiony czymś znanym w branży insider threat jako Entity Resolution. Jest to próba nauczenia komputera dokonywania tych samych skojarzeń, których nasz mózg dokonuje niemal natychmiast, bez naszej pełnej świadomości.

Pomyślmy o muzyku Prince. Ten symbol, którego użył do swojego imienia, może być jedną z pierwszych rzeczy, które przyszły nam do głowy. Nie wiemy, jak wyjaśnić, że kojarzymy ten symbol z Prince’em – po prostu wiemy, że tak jest. Potem pojawiają się inne skojarzenia: piosenka „Purple Rain”, purpurowa gitara, aksamitny garnitur.

„Wszystkie te rzeczy, które z biegiem czasu wyłapałeś na temat Prince’a, żyją w folderze w twojej głowie” – wyjaśnia Jonas. „Pojawiły się w różnym czasie i były różnie opisywane, ale Entity Resolution skleiło je razem.”

toggle caption Olivia Fields for NPR

To, co odróżnia Entity Resolution od tradycyjnych algorytmów, to fakt, że zamiast przeżuwać ogromne zbiory danych, aby zobaczyć, co może znaleźć, próbuje organizować rzeczy bardziej jak mózg. Pyta: W jaki sposób numer ubezpieczenia społecznego jest podobny do numeru identyfikacyjnego pojazdu lub do numeru seryjnego routera? W jaki sposób data urodzenia jest podobna do marki lub modelu samochodu? A sposób, w jaki są one takie same, polega na tym, że generalnie wszystkie identyfikują pojedynczą, dyskretną rzecz.

Jeśli znajdziesz identyczny VIN na liście samochodów, komputer zauważy to i oznaczy jako anomalię. W miarę rozwoju algorytmu, może on znaleźć inne rzeczy, które się nie zgadzają. W przypadku Amesa, może on zauważyć, że właśnie zapłacił 400 000 dolarów gotówką za dom, ale zarabia mniej niż 70 000 dolarów rocznie. Algorytm może uznać to za dziwne, więc prawdopodobnie wymaga innego spojrzenia.

„Prawdopodobnie najciekawszą rzeczą w naszym algorytmie jest to, że może on zmienić zdanie na temat przeszłości”, powiedział Jonas. Innymi słowy, może cofnąć się w czasie, aby sprawdzić, czy nowa informacja sugeruje nowy sposób myślenia o tym, co analizujesz. Widzimy, że pod koniec lipca w Waszyngtonie odbywa się lunch z radzieckim dyplomatą; czy to nasuwa jakieś pytania dotyczące tego typu spotkań w przeszłości? Czy jest tam jakiś wzór, który mogliśmy przeoczyć?

Gdy Grimes dodała do swojej chronologii informacje z dowodu wpłaty, zdarzyło jej się spojrzeć na powyższą linijkę i wtedy zobaczyła obiady z sowieckim dyplomatą. To analogowa wersja tego, co teraz próbuje zrobić Entity Resolution.

„To historia o tym, że dane znajdują dane” – powiedział Jonas. „W sprawie Ames (…) zastanawia mnie to, że trzeba czekać, aż ludzie będą mieli pytania; trzeba czekać, aż wydarzą się złe rzeczy. Dziś zrobilibyśmy kopię wszystkiego, co znajduje się na jego osobistym laptopie, a gdy tylko mogliby zajrzeć na jego konto bankowe, pojawiłyby się nowe dane.”

Ludzie potrzebują dużo czasu, aby przetworzyć te informacje. Komputery nie. Nie ma nieporęcznych, ręcznie pisanych chronologii. I co najważniejsze, Jonas twierdzi, że w niewielkim stopniu można polegać na przeczuciu lub intuicji. „Lista osób, co do których mamy przeczucie, nie zawsze się sprawdzi” – mówi. Entity Resolution może być technologią, która wypełni tę lukę.

Przez lata przed aresztowaniem Amesa nikomu nie przyszło do głowy, by zauważyć, że jego schematy pracy uległy zmianie. Nie istniały żadne algorytmy, które mogłyby poskładać do kupy to, że pił, przeszedł przez kosztowny rozwód, płacił gotówką za dom, jeździł nowym samochodem, przychodził do biura wcześnie i wychodził późno. To były rzeczy, które, jak przyznał sam Ames, powinny zawiadomić władze. To było tylko coś, co zauważyli z perspektywy czasu.

Jeffrey Markowitz/Sygma via Getty Images

„To, na co algorytm ma zerowy wgląd, to czy ta osoba zmieniła swój wzorzec, ponieważ może urodziła dziecko i teraz przychodzi w innych godzinach, a może była chora, więc robiła serię terapii fizycznej rano” – powiedział Yael Eisenstat, były analityk CIA, który obecnie jest wizytującym pracownikiem w Cornell Tech. Eisenstat bada wpływ algorytmów i technologii na społeczeństwo. „Algorytm nie będzie wiedział, że jest tak wiele rzeczy związanych z człowiekiem, które mogą spowodować nieprawidłowości we wzorcu” – powiedziała.

Dlatego algorytmy wciąż potrzebują ludzi, aby połączyć dwa i dwa razem, tak jak zrobiła to Grimes. Z perspektywy czasu widać, że jej spidey-sense był bardziej skuteczny niż jakikolwiek algorytm mógłby być. Nawet dużo później powiedziała, że to pycha Amesa pomogła jej zorientować się, że to ich człowiek. Uważał się za mądrzejszego od wszystkich i nawet dał Grimesowi i Vertefeuille’owi radę, czego powinni szukać w śledztwie Playactor.

„Powiedział mi: 'Przyjrzyj się dobrym i złym przypadkom i zobacz, co jest inne'”, powiedziała Grimes. Pamięta, że pomyślała sobie wtedy: „To dobrze, że uważasz mnie za tak głupią. Wiesz, on myślał, że jesteśmy dwiema głupimi laskami.”

Dwie głupie laski, które złapały szpiega.

Dwie głupie laski, które złapały szpiega.