저자는 오픈소스 인텔리전스(OSINT)를 위한 오픈소스 시스템인 IntelShed를 소개하며, 이는 50개의 공개 데이터 피드를 집계하여 자동화된 24시간 보안 브리핑을 생성합니다. 아키텍처는 하이브리드 검색, GNN 기반 엔티티 해결, 차분 프라이버시가 적용된 연성 학습, 그리고 LLM 컴파일된 다중 에이전트 오케스트레이션을 통합합니다.
- 하이브리드 검색은 PostgreSQL 16에서 인덱싱된 약 2,000개의 청크에 대해 pgvector HNSW, tsvector GIN, 상호 순위 융합 및 BGE 크로스 인코더 리랭커를 사용합니다.
- 엔티티 해결은 약 142k개의 엔티티와 173k개의 엣지를 가진 FollowTheMoney 스키마를 활용하며, Splink을 통한 확률적 매칭과 GNN 예측 링크를 사용합니다.
- GNN 파이프라인에는 상관관계를 위한 GAT, 24시간 예측을 위한 T-GCN 포캐스터, 그리고 귀속 분석을 위한 GNNExplainer가 포함됩니다.
- 연성 학습은 DP-SGD와 함께 FedAvg를 구현하며, 현재 단일 GPU 노드에서 테스트 중이지만 두 노드 간 교환을 계획하고 있습니다.
- 신뢰 계층은 양방향 베이지안 소스 심판을 교차 검증 캡과 함께 적용하여 오류율을 100%에서 16.8%로 감소시킵니다.
- 다중 에이전트 오케스트레이션은 루프 감지 기능과 자연어 쿼리를 실행 그래프로 컴파일하는 "Vibe Graphing" 모듈을 갖춘 8단계 워크플로우를 특징으로 합니다.
저자는 커뮤니티의 피드백과 기여를 구하고 있으며, 특히 검색 품질에 대한 독립적인 벤치마크, MCP 도구 표면의 보안 검토, 다중 노드 그라디언트 교환을 통한 연성 학습 검증, 그리고 베이지안 신뢰 점수 매개변수의 통계적 평가를 요청합니다.