लेखक ने ओपन-सोर्स इंटेलिजेंस (OSINT) के लिए एक ओपन-सोर्स सिस्टम IntelShed प्रस्तुत किया है, जो स्वचालित 24-घंटे की सुरक्षा ब्रीफिंग तैयार करने के लिए 50 सार्वजनिक डेटा फ़ीड को एकीकृत करता है। आर्किटेक्चर हाइब्रिड रिट्रीवल, GNN-आधारित एंटिटी रिज़ॉल्यूशन, डिफरेंशियल प्राइवेसी के साथ फेडेरेटेड लर्निंग और LLM-कंपाइल्ड मल्टी-एजेंट ऑर्केस्ट्रेशन को एकीकृत करता है।
- हाइब्रिड रिट्रीवल PostgreSQL 16 में ~2,000 इंडेक्स किए गए चंक्स पर pgvector HNSW, tsvector GIN, रिसीप्रोकल रैंक फ्यूजन और BGE क्रॉस-एन्कोडर रीरैंकर का उपयोग करता है।
- एंटिटी रिज़ॉल्यूशन ~142k एंटिटीज और 173k एज के साथ FollowTheMoney स्कीमा को अपनाता है, प्रायिक मिलान और GNN-पूर्वानुमित लिंक के लिए Splink का उपयोग करता है।
- GNN पाइपलाइन सहसंबंध के लिए GAT, 24-घंटे की भविष्यवाणियों के लिए T-GCN फोरकास्टर और एट्रिब्यूशन के लिए GNNExplainer शामिल हैं।
- फेडेरेटेड लर्निंग में DP-SGD के साथ FedAvg लागू किया गया है, जो वर्तमान में एकल GPU नोड पर परीक्षण किया जा रहा है लेकिन दो-नोड एक्सचेंज के लिए योजनाबद्ध है।
- ट्रस्ट लेयर कोरबोरेशन कैप्स के साथ टू-साइडेड बेयसियन स्रोत निर्णय लागू करता है, जिससे दर 100% से घटकर 16.8% हो जाती है।
- मल्टी-एजेंट ऑर्केस्ट्रेशन में लूप डिटेक्शन के साथ एक 8-चरण का वर्कफ़्लो और "Vibe Graphing" मॉड्यूल शामिल है जो प्राकृतिक भाषा क्वेरी को एक्जीक्यूशन ग्राफ में कंपाइल करता है।
लेखक समुदाय से प्रतिक्रिया और योग की अपेक्षा रखते हैं, विशेष रूप से रिट्रीवल गुणवत्ता के लिए स्वतंत्र बेंचमार्क्स, MCP टूल सर्फेस की सुरक्षा समीक्षा, मल्टी-नोड ग्रेडिएंट एक्सचेंज के साथ फेडेरेटेड लर्निंग की वैलिडेशन और बेयसियन ट्रस्ट स्कोरिंग विधि का सांख्यिकीय मूल्यांकन मांगते हैं।