＃＃オープンソース調査の新しい武器、ターンストーン

国際探査報道専門メディアベリングキャットが航空データを可視化して分析できる新しいツール「ターンストーン」を公開した。このツールは、1日10万件に及ぶ全世界のフライトデータから異常なパターンを検出し、歴史的傾向を把握できるように設計された。

ターンストーンは自動依存監視放送（ADS-B）データに基づいて動作します。 ADS-Bは、ほとんどの民間航空機に搭載された技術で、航空機の識別情報、機種、正確な位置、速度、高度などをリアルタイムで送出する。ただし国別規定差があり、軍用機は送出しない場合もある。

既存ツールとの差別点

フライトレーダー24（Flightradar24）やADS-Bエクスチェンジ（ADS-B Exchange）などの既存の航空追跡ウェブサイトは、特定の時間帯または個々の航空機の過去のデータのみを提供します。一方、ターンストーンは、複数の航空機のデータを長期間にわたって集計し、2つの関心領域を同時に検索する機能を提供します。

ユーザーは、航空機の機種、地理的領域、飛行方向など、さまざまなパラメータでデータをフィルタリングできます。これにより、オープンソースの調査官は、特定の航空機の動きがどのような状況で発生したかをより正確に把握することができます。

＃＃実際の事例：イラン空襲前の米軍給油機異常の兆候を捉える

ターンストーンの活用可能性を示す代表的な事例がある。 2026年2月28日、米国とイスラエルはイランに対する合同空襲を断行し、イラン指導部の挨拶を含む1,000人以上が死亡したという。これは２０２５年６月、イラン核施設３カ所に対する爆撃以後、劇的な緊張高調を意味した。

ベリングキャットはターンストーンを活用し、2回の空襲以前の航空データを分析した。北大西洋地域を関心領域に設定し、航空機タイプを給油機に、飛行方向を東にフィルタリングした結果、KC-135やKC-46Aのような米軍空中給油機が大西洋を横断してイラン方向に大量移動するパターンが捉えられた。空中給油機は長距離戦闘任務に不可欠な航空機であり、このような異常兆候は大規模軍事作戦の前兆として解釈されることができる。

検索結果4万件以上の航空機位置データがフィルタ条件に合致し、さらに「United States」を入力して米国所属給油機のみ抽出することも可能だった。

この流れはいつから？オープンソースインテリジェンスの怪我

オープンソースインテリジェンス（OSINT）は、2014年にウクライナのマレーシア航空機撃墜事件調査を契機に国際的注目を集め始めた。ベリングキャットは当時SNSの投稿と衛星写真を分析してロシア軍の介入を立証し、その後OSINTの代表ランナーとして位置づけた。

2022年ロシアのウクライナ全面侵攻以降、OSINTの重要性はさらに浮上した。一般市民も公開された航空データ、衛星映像、SNS情報などを組み合わせて軍事動向を分析する「市民情報アナリスト」の役割を遂行し始めた。ターンストーンの発売は、これらのOSINTツールの進化中の最新の段階に対応しています。

##ツールの制限とアプローチ

ベリングキャットはターンストーンのいくつかの制限も述べた。航空機カテゴリ分類には大規模言語モデル（LLM）のクロードソネット4.0が活用されたが、LLMの特性上、誤った分類が発生する可能性がある。また、所有権データが最新の状態ではない場合があり、新規登録航空機にはデータがない場合があります。

ターンストーンのソースコードはベリングキャットのハット（GitHub）に公開されており、誰でも自己ホスティングが可能だ。 Webベースのバージョンも存在しますが、データホスティングと処理コストの問題により、記者や学術研究者に選択的にアクセス権が付与されます。ベリングキャットの目標に合致するオープンソース調査を行う研究者に優先権が与えられる。

今後の展望 [AI分析]

ターンストーンのような道具の登場は、オープンソース調査の民主化をさらに加速する可能性が高い。過去には情報機関だけがアクセス可能だった水準の航空データ分析が、ジャーナリスト、研究者、市民団体にも開かれるようになった。

これは両面的な意味を持ちます。肯定的には権力監視と透明性向上に貢献できる。軍事作戦や秘密活動の兆候を事前に捕捉することで、マスコミと市民社会が政府発表だけに頼らず独自の検証を行うことができるようになる。

一方、これらのツールの普及は国家安全保障の面で懸念を引き起こす可能性があります。軍事作戦のセキュリティ維持が難しくなる可能性があり、悪意のある行為者が同じツールを逆に活用する可能性も排除できない。

今後のOSINTツールは、AI（AI）技術との組み合わせによってさらに洗練されることが予想されます。大量のデータからパターンを自動検出し、異常の兆候をリアルタイムで通知する機能が強化される可能性が高い。ただし、LLMベースの分類の正確性の問題、データアクセスコスト、倫理的使用ガイドラインの用意など、解決すべき課題も残っている。