O autor apresenta o IntelShed, um sistema de código aberto para inteligência de fonte aberta (OSINT) que agrega 50 feeds de dados públicos para produzir relatórios automatizados de segurança de 24 horas. A arquitetura integra recuperação híbrida, resolução de entidades baseada em GNN, aprendizado federado com privacidade diferencial e orquestração multiagente compilada por LLM.
- A recuperação híbrida usa pgvector HNSW, tsvector GIN, fusão de classificação recíproca e um reranker cross-encoder BGE em ~2.000 chunks indexados no PostgreSQL 16.
- A resolução de entidades emprega o esquema FollowTheMoney com ~142k entidades e 173k arestas, utilizando Splink para correspondência probabilística e links previstos por GNN.
- O pipeline GNN inclui GAT para correlação, um preditor T-GCN para previsões de 24 horas e GNNExplainer para atribuição.
- O aprendizado federado implementa FedAvg com DP-SGD, atualmente testado em um nó de GPU único, mas planejado para troca entre dois nós.
- Uma camada de confiança aplica adjudicação bayesiana de fontes bidirecional com limites de corroboracao, reduzindo a taxa de 100% para 16,8%.
- A orquestração multiagente apresenta um fluxo de trabalho em 8 fases com detecção de loop e um módulo "Vibe Graphing" que compila consultas em linguagem natural em gráficos de execução.
O autor busca feedback da comunidade e contribuições, solicitando especificamente benchmarks independentes para qualidade de recuperação, revisões de segurança da superfície de ferramentas MCP, validação do aprendizado federado com troca de gradientes multi-nó e avaliação estatística da metodologia de pontuação de confiança bayesiana.