美國幾周來一直在警告俄羅斯入侵烏克蘭的可能性，並威脅說如果俄羅斯發起入侵行動，將對其實施制裁。在俄羅斯入侵烏克蘭東部和入侵克里米亞僅僅8年之後，俄羅斯軍隊再次沿着烏克蘭的邊界動員起來。
當美國和其他北約成員國政府監測俄羅斯的活動並確定適當的政策反應時，他們所依賴的及時情報不再僅僅來自價值數百萬美元的間諜衛星和地面間諜。社交媒體、大數據、智能手機和低成本衛星已經佔據了中心位置，爬取Twitter上的數據已經變得與情報分析員工具箱中的其他東西一樣重要。這些技術也使新聞組織和分析人員能夠跟蹤行動並提供分析。
政府仍然在美國情報預算等廣泛資源的幫助下開展敏感的情報收集行動。但是，大量有價值的信息是公開的，而且並非所有的信息都是由政府收集的。衛星和無人機甚至比十年前便宜得多，私人公司也能夠熟練操作，而且幾乎每個人都有一部具有先進的照片和視頻功能的智能手機。
研究技術如何產生大量的情報數據，並幫助篩選出有價值的信息，是情報和信息操作學者接下來的工作。
通過商業公司和個人捕獲的信息，任何人都可以通過互聯網搜索或新聞獲得俄羅斯軍事態勢的真實情況。商業影像公司正在發布最新的、地理上精確的俄羅斯軍事力量的圖像。一些新聞機構正在定期監測和報道這一情況。接近前線的TikTok用戶正在發布俄羅斯軍事裝備的視頻，據稱這些裝備正被運往烏克蘭周邊地區，以加強已經就位的部隊，網絡偵探們正在持續追蹤這一信息流。像TikTok這樣的流行社交媒體平台已經成為寶貴的情報來源。
在大多數情況下，這種情報收集的碎片化對情報專業人士來說是一個福音。政府分析人員正在利用來自整個互聯網的信息來滿足情報評估的需要，而不是主要依靠機密系統或昂貴的視覺傳感器在高空俯瞰。
然而，從數兆字節的公開數據中篩選出相關信息是很困難的。要知道，許多數據可能被故意操縱以進行欺騙，這使任務更加複雜。
開放源碼情報的做法應運而生。美國國家情報總監將開放式情報，或OSINT定義為收集、評估和分析公開可用的信息。信息來源包括新聞報道、社交媒體帖子、YouTube視頻和商業衛星運營商的衛星圖像。
OSINT社區和政府機構已經開發了OSINT的最佳實踐，並有許多免費工具。分析師可以使用這些工具來開發網絡圖，例如，通過搜索公開的財務記錄來了解犯罪活動，從而開發犯罪組織的網絡圖。私人調查員正在使用OSINT方法來支持執法、公司和政府的需要。偵探們利用OSINT向當局揭露了腐敗和犯罪活動。簡而言之，大部分的情報需求都可以通過OSINT來滿足。
即使有了OSINT的最佳實踐和工具，OSINT也會造成情報分析員不得不面對的信息過載問題。情報分析員通常處於被動模式，試圖對不斷湧現的模糊的原始數據和信息做出解釋。
機器學習是一套允許計算機在大量數據中識別模式的技術，對於處理OSINT信息，特別是照片和視頻，證明其用途是非常寶貴的。計算機在篩選大型數據集時速度更快，因此採用機器學習工具和技術來優化OSINT流程是必要的。
識別模式使計算機有可能評估信息的欺騙性和可信度，並預測未來趨勢。例如，機器學習可以用來幫助確定信息是由人類還是由機器人或其他計算機程序產生的，以及一個數據是真實的還是欺詐內容。
雖然機器學習絕不是一個水晶球，但它可以被用來評估某些結果的概率。沒有人能夠利用OSINT和機器學習的結合來解讀俄羅斯總統弗拉基米爾·普京的想法，但這些工具可以幫助分析人員評估，例如，俄羅斯入侵烏克蘭的情況可能會如何發展。
技術產生了大量的情報數據，但技術也使得從數據中提取有意義的信息以幫助人類情報分析員拼湊出大畫面變得更加容易。