Miért fontos az adatok, információk és intelligencia különbözősége?

Az adat, információ és intelligencia fogalmai gyakran összekeverednek, különösen az IT és adatelemzés világában, pedig mindegyik más szerepet játszik a tudásépítés folyamatában. Ahhoz, hogy hatékonyan kezeljük őket, elengedhetetlen megérteni, hogy miként kapcsolódnak egymáshoz, és mi különbözteti meg őket.

Az "információ" az adat rendszerezett formája. Amikor az adatokat különböző jellemzőik alapján kategorizáljuk, akkor azt információnak hívjuk. Az információ tehát az összegyűjtött és rendszerezett adat. Az információ előállításához tehát szükség van az adatok feldolgozására. Ha visszautalunk az előző példára, az abc.inc egy cég neve, az xyz.com egy domain, john egy felhasználónév, 28 pedig életkor. Az email cím [email protected] és a CTO pozíció is ezen információk közé tartozik. Ekkor az adatok már értelmet nyernek, és információvá válnak.

Az adat tehát önállóan nem értékes, de az információról és az információk közötti kapcsolatok értelmezése rendkívüli haszonnal bírhat. Ha az adatokat nem értjük meg, akkor nem tudunk mit kezdeni velük. Például, ha kapunk 1000 véletlenszerű karakterláncot, azok értéktelenek, amíg nem derítjük ki, hogy ezek felhasználónevek vagy jelszavak, ami már egészen más értéket képviselhet. A jól kezelt adatok gyorsan felhasználhatók, és könnyebben megmutatják az összefüggéseket, például egy táblázatban rendszerezett adatokat gyorsan kereshetünk és összevethetünk egymással.

A különböző adatforrásokból származó információk összegyűjtése rendkívül fontos, mivel minden forrás egyedi módon járul hozzá a teljes képhez. Amint azt a Maltego esettanulmány is bemutatta, az eszköz különböző adatforrásokból gyűjt adatokat, de még mindig léteznek egyéb források is. A lényeg nem csak az, hogy egy eszközt futtassunk és begyűjtsük az adatokat, hanem az, hogy az egyes adatokat lépésről lépésre összegyűjtsük, összekapcsoljuk és értelmezzük őket a saját igényeink szerint. Az adatok nem minden esetben származnak egyetlen forrásból, ezért több adatforrásra van szükség ahhoz, hogy teljes képet alkossunk.

Ha például egy John nevű személy összes információját próbáljuk összegyűjteni, akkor különböző forrásokból kell információkat begyűjtenünk. Elindíthatjuk egy egyszerű Google kereséssel, hogy találjunk egy képet róla, majd ezt követően kereshetünk a közösségi médiában, például Facebookon vagy LinkedIn-en. Ha sikerül profilokat találni, további adatokat szerezhetünk, például email címet, céget, pozíciót, lakóhelyet és egyéb jellemzőket. Miután összegyűjtöttük ezeket az adatokat, ellenőrizhetjük az email címeket más webhelyeken, fórumokon, blogokon. Az információkat különböző online forrásokból manuálisan is begyűjthetjük. Az egész folyamat egy lépésről lépésre történő adatgyűjtést jelent, ahol az egyes információk egy következő lépés kiindulópontjaként szolgálnak.

A lényeg tehát, hogy a különböző adatok rendszerezése és összegyűjtése nem egyszerű feladat. Az adatokat nemcsak meg kell szerezni, hanem strukturálisan kell kezelni, hogy később könnyen navigálhassunk közöttük. Az adatok struktúrája, például a szülő-gyermek entitások alkalmazása, segíthet a következtetések levonásában. Az email cím például egy gyermek entitás lehet, amely a név szülő entitásához kapcsolódik. A jól struktúrált adat lehetővé teszi, hogy a későbbiekben egyszerűen navigáljunk, és gyorsan megtaláljuk, amit keresünk.

A vizualizált adatmegjelenítés, mint amilyen a Maltego is, kulcsfontosságú eszközként szolgál az adatok közötti kapcsolatok megértésében. A vizuális megjelenítés segít abban, hogy a bonyolult adatfolyamok könnyebben áttekinthetők és érthetőek legyenek, különösen akkor, amikor hatalmas mennyiségű adatot kell kezelni és elemezni. Az adatok megfelelő kezelésével és strukturálásával sokkal hatékonyabbak lehetünk az információk kinyerésében és a szükséges intelligencia megértésében.

Mik a HTTP-válaszkódok jelentése és milyen környezet szükséges a gyakorlati munkához?

A gyakorlati laborfeladatokhoz és a további munkához szükséges környezet megértése ugyanolyan fontos, mint a protokoll ismerete. Az operációs rendszer a hardver fölött futó szoftvergyűjtemény, amely kezeli az alapvető erőforrásokat és szolgáltatásokat; enélkül a hardver értelmetlen. A Windows, melyet a Microsoft 1985-ben vezetett be és a szerkesztés idején 8.1-es verzióját említi a szöveg, széles körben elterjedt és használhatósága miatt népszerű; a könyv gyakorlatai esetén a szerző Windows 7 64 bites környezetet használta, de minden 7-nél újabb verzió hasonlóan működik. A Linux, sokféle disztribúcióban elérhető, szerveroldalon gyakori választás stabilitása és biztonsága miatt; a parancssori felület (terminál) ereje különösen fontos rendszergazdáknak és biztonsági szakembereknek. A könyv során Kali Linuxot (http://www.kali.org/), a Debian alapú penetrációs tesztelésre optimalizált disztribúciót használjuk, de más disztribúciók, például Ubuntu vagy Arch is alkalmazhatók, mivel a legtöbb parancs hasonló. Az Apple által fejlesztett Mac OS X jellegzetes, letisztult felületet ad, és erős CLI-t is kínál; a szerző 10.8.2 verziót említi, de későbbi kiadások is megfelelnek a gyakorláshoz.

A programozási nyelvek ismerete alapvető: a Java, egy magas szintű, objektumorientált nyelv (eredetileg Sun Microsystems, ma Oracle), kliens-szerver alkalmazások fejlesztésében gyakori, és sok böngésző alapú alkalmazás futtatásához szükséges. A Python, egy magas szintű, olvashatóságot előtérbe helyező nyelv, kis hatékony scriptek automatizálására és webfejlesztésre egyaránt alkalmas; a szerző megjegyzi, hogy míg a jelenlegi sorozat 3.x, a példák többsége a széles körben elterjedt 2.7-es verziót használja, így a gyakorlatokhoz a Python 2.7-et ajánlja és a 2.7.6 letöltési forrását is megadja (https://www.python.org/download/releases/2.7.6/). A nyelvek tanulmányozása során érdemes figyelembe venni a verziók közötti inkompatibilitásokat és a könyv példáinak következetes futtathatóságát.

Fontos kiegészítő anyag, amelyet a szöveghez illesztve hozzá kell adni az olvasó gyakorlatias felkészítéséhez: élő vizsgálatok HTTP-válaszokkal — a fejlesztői eszközök (devtools) hálózati paneljének tudatos használata kérések és válaszok nyomon követésére; explicit gyakorlatok a státuszkódok generálására (sikeres válasz, átirányítás, kliens- és szerverhibák szimulálása) és ezek hatásának megfigyelése cache-elés, fejlécek és érvényességi idő vizsgálatával; a virtualizációs környezet biztonságos beállítása, snapshotok készítése és visszaállítási gyakorlatok; Python 2.7 vs 3.x kompatibilitási problémák demonstrálása konkrét példákkal és a modernizációs útvonalak ismertetése; alapvető parancssori (CLI) gyakorlatok Linuxon és Mac-en — fájlkezelés, hálózati eszközök és csomagkezelők használata; végül a biztonsági megfontolások: mi történik, ha tudatosan manipuláljuk a státuszkódokat vagy a fejléceket, és hogyan lehet a tesztkörnyezetet izolálni a valódi hálózattól annak érdekében, hogy a kísérletek ne okozzanak kárt vagy zavarokat más rendszerekben.