🧰Tool of the WeekІнструмент тижня
#01
InVID Verification Plugin turns social-media video verification into a sequence of inspectable steps rather than one black-box verdict
Source: InVID Project — Verification Plugin · Official tool page, checked 29 August 2026
What happened
The free InVID Verification Plugin bundles several media-verification functions in one browser tool. Its official documentation describes contextual lookup for Facebook and YouTube videos, keyframe extraction from video, reverse-image searches through several search engines, image exploration and magnification, metadata reading and still-image forensic filters. The project explicitly notes that some external analysis and keyframe services used through the interface are not open-source.
Why it matters
Video verification often fails when the researcher searches only the thumbnail or watches the clip as a whole. Keyframes create multiple visual search anchors, while metadata and context checks expose separate claims about upload, source and transformation. Keeping these outputs separate makes it easier to see which step actually supports a conclusion.
How to use it
Preserve the original URL and an archived copy first. Extract keyframes, reverse-search several distinctive frames, compare earliest discoverable versions, inspect metadata where available, and record each result with engine, query frame and timestamp. Treat forensic filters as prompts for further examination, not as proof of manipulation.
Limits
Reverse-image search has uneven coverage and can miss the original. Metadata may be stripped or rewritten by platforms. Forensic filters can be ambiguous and do not establish authenticity on their own. Some plugin functions rely on external services, so sensitive unpublished material should not be submitted without understanding where it is processed.
InVID Verification Plugin перетворює перевірку відео із соцмереж на послідовність видимих кроків, а не на один непрозорий вердикт
Джерело: InVID Project — Verification Plugin · Офіційна сторінка інструмента, перевірено 29 серпня 2026
Що сталося
Безкоштовний InVID Verification Plugin поєднує в одному браузерному інструменті кілька функцій перевірки цифрових матеріалів. Офіційна документація описує отримання контексту для відео з Facebook і YouTube, виділення ключових кадрів, зворотний пошук зображень у кількох пошукових системах, детальний перегляд зображень, читання метаданих і криміналістичні фільтри для нерухомих зображень. Проєкт прямо зазначає, що частина зовнішніх сервісів аналізу й виділення ключових кадрів, доступних через інтерфейс, не має відкритого коду.
Чому це важливо
Перевірка відео часто провалюється, коли дослідник шукає лише обкладинку або сприймає ролик як неподільне ціле. Ключові кадри дають кілька окремих візуальних точок для пошуку, а метадані й контекст дозволяють окремо перевіряти публікацію, джерело та можливі перетворення матеріалу. Розділення цих результатів показує, який саме крок підтримує висновок.
Як це застосувати
Спочатку збережіть первинне посилання та архівну копію. Виділіть ключові кадри, виконайте зворотний пошук за кількома характерними кадрами, порівняйте найраніші доступні версії, перевірте метадані за наявності й фіксуйте кожен результат із назвою пошукової системи, використаним кадром і часом перевірки. Криміналістичні фільтри використовуйте як підказку для подальшого аналізу, а не як доказ монтажу.
Обмеження
Зворотний пошук має нерівномірне покриття й може не знайти першоджерело. Платформи можуть видаляти або переписувати метадані. Криміналістичні фільтри можуть давати неоднозначний результат і самі по собі не встановлюють автентичність. Частина функцій використовує зовнішні сервіси, тому чутливі неопубліковані матеріали не слід передавати без розуміння того, де саме вони обробляються.
media-verificationvideokeyframesreverse-image-searchprovenance
🛰️SAR SearchПошук радарних даних
#02
ASF Vertex makes SAR search and higher-level processing accessible without hiding acquisition geometry behind a simple map preview
Source: Alaska Satellite Facility — ASF SAR Data Search · Official documentation, checked 29 August 2026
What happened
ASF Data Search provides Vertex, a graphical interface for finding synthetic-aperture-radar data in NASA-hosted collections, including Sentinel-1 and NISAR holdings. Searches can be constrained by geography, date and product properties. Eligible scenes can also be submitted through ASF's HyP3 service for higher-level products such as radiometric terrain correction or interferometric SAR. A free NASA Earthdata Login is required for data download and authenticated functions.
Why it matters
SAR can observe through cloud and without daylight, which makes it valuable when optical imagery is unavailable. Vertex also exposes acquisition footprints and metadata, allowing a researcher to preserve the exact scene and acquisition conditions instead of citing only a screenshot.
How to use it
Define an area of interest, constrain the acquisition window, inspect orbit direction, product type and scene metadata, then export the search or download the selected products. For change analysis, compare acquisitions with compatible geometry and processing. Preserve product identifiers and processing level in the case record.
Limits
SAR brightness is not a photograph and can change because of viewing geometry, moisture, surface roughness or processing. Speckle and layover can mislead visual interpretation. A derived InSAR or RTC product reduces some processing burden but does not identify an object or cause automatically.
ASF Vertex спрощує пошук і похідну обробку радарних даних, не скасовуючи потреби враховувати геометрію знімання
Джерело: Alaska Satellite Facility — ASF SAR Data Search · Офіційна документація, перевірено 29 серпня 2026
Що сталося
ASF Data Search надає Vertex — графічний інтерфейс для пошуку даних радарів із синтезованою апертурою у фондах NASA, зокрема Sentinel-1 і NISAR. Пошук можна обмежувати географією, датою та властивостями продукту. Для придатних сцен через сервіс HyP3 можна замовляти похідні продукти, зокрема радіометричну корекцію рельєфу або інтерферометричну обробку. Для завантаження даних і функцій з автентифікацією потрібен безкоштовний обліковий запис NASA Earthdata.
Чому це важливо
Радарні дані можуть давати спостереження крізь хмарність і без денного освітлення, тому вони корисні, коли оптичні зображення недоступні. Vertex також показує межі сцен і метадані, що дозволяє зберігати точний продукт та умови знімання, а не посилатися лише на знімок екрана.
Як це застосувати
Визначте ділянку інтересу, обмежте часовий проміжок знімання, перевірте напрям орбіти, тип продукту й метадані сцени, після чого експортуйте пошук або завантажте вибрані продукти. Для аналізу змін порівнюйте знімання із сумісною геометрією та обробкою. У матеріалах справи зберігайте ідентифікатори продуктів і рівень обробки.
Обмеження
Яскравість радарного зображення не є фотографічною яскравістю й може змінюватися через геометрію огляду, вологість, шорсткість поверхні або спосіб обробки. Спекл і геометричні спотворення можуть вводити в оману. Похідний інтерферометричний або радіометрично скоригований продукт спрощує частину обробки, але не визначає об'єкт чи причину зміни автоматично.
sarsatellitesentinel-1nisarchange-detection
🌍Earth ObservationСпостереження Землі
#03
NASA Worldview is a fast multisensor comparison desk, not a substitute for high-resolution scene-level verification
Source: NASA Earthdata — Worldview · Official application, checked 29 August 2026
What happened
NASA Worldview lets users visually explore past and near-real-time Earth-observation layers from multiple sensors. The application includes true-colour layers from instruments such as VIIRS and MODIS, many thematic products, a time axis and comparison modes including swipe, opacity and spy views. It is designed for rapid visual exploration across dates and layers.
Why it matters
Worldview is useful for rapidly asking whether a large-scale phenomenon is visible at the right place and time: smoke, flooding, fires, snow cover, night lights or broad land-surface change. Its layer diversity also helps a researcher avoid treating one optical image as the whole observation record.
How to use it
Start with the event date and a broad area, select layers appropriate to the phenomenon, inspect adjacent days, and use comparison mode to test persistence or change. Record the exact layer name, sensor, date and screenshot context, then move to the underlying product or a higher-resolution source if the claim needs finer detail.
Limits
Resolution, latency and processing status vary by layer. Clouds and smoke can obscure optical imagery, and some near-real-time products may later be refined. Worldview is excellent for screening and contextual confirmation but often cannot resolve small structures, individual vehicles or exact damage geometry.
NASA Worldview є швидким середовищем багатосенсорного порівняння, а не заміною детальної перевірки знімків високої роздільності
Джерело: NASA Earthdata — Worldview · Офіційний застосунок, перевірено 29 серпня 2026
Що сталося
NASA Worldview дозволяє візуально досліджувати архівні та оперативні шари спостереження Землі з багатьох сенсорів. Застосунок містить, зокрема, кольорові зображення VIIRS і MODIS, численні тематичні продукти, часову шкалу та режими порівняння із розділенням екрана, зміною прозорості й локальним вікном. Інструмент призначений для швидкого перегляду різних дат і шарів.
Чому це важливо
Worldview корисний для швидкої перевірки того, чи видно масштабне явище в потрібному місці й у потрібний час: дим, повінь, пожежі, сніговий покрив, нічне освітлення або великі зміни поверхні. Різноманітність шарів допомагає не перетворювати одне оптичне зображення на весь масив спостережень.
Як це застосувати
Почніть із дати події та широкої ділянки, виберіть шари, що відповідають явищу, перегляньте сусідні дні й використайте режим порівняння для перевірки сталості або зміни. Зафіксуйте точну назву шару, сенсор, дату й контекст знімка екрана, а для тверджень про дрібні деталі переходьте до первинного продукту або джерела вищої роздільності.
Обмеження
Роздільність, затримка публікації та стан обробки різняться залежно від шару. Хмарність і дим можуть приховувати об'єкти на оптичних зображеннях, а частину оперативних продуктів згодом уточнюють. Worldview добре підходить для первинного відбору й контекстної перевірки, але часто не дозволяє розрізнити малі споруди, окремі транспортні засоби чи точну геометрію пошкодження.
earth-observationnasaworldviewsatellitemultisensor
🏢Company RecordsРеєстри компаній
#04
OpenCorporates helps resolve company names to legal entities while keeping jurisdiction and source provenance visible
Source: OpenCorporates · Official data and API page, checked 29 August 2026
What happened
OpenCorporates describes itself as an open company database containing records for more than 200 million companies and linking data back to primary public sources. Its API exposes company information in structured form, and its OpenRefine reconciliation service can match messy company-name lists to candidate legal entities. API access requires a key, with limits and licence conditions depending on use.
Why it matters
A company name is not a stable identifier. The same string can refer to different entities in different jurisdictions, while one legal entity can appear under previous names or spelling variants. Source-linked company numbers and jurisdictions provide stronger joins than name-only matching.
How to use it
Search by name, narrow by jurisdiction, compare company numbers, current and previous names, and follow the cited registry source. For bulk work, reconcile candidate matches in OpenRefine and require human review for ambiguous rows. Store the OpenCorporates record together with the underlying registry citation rather than replacing the registry with the aggregator.
Limits
Coverage, field completeness and update timing depend on the underlying jurisdictions. A matching name or address is not proof of beneficial ownership or control. API access is not unlimited, and open-data licence conditions matter for redistribution.
OpenCorporates допомагає зіставляти назви компаній із юридичними особами зі збереженням юрисдикції та походження запису
Джерело: OpenCorporates · Офіційна сторінка даних та API, перевірено 29 серпня 2026
Що сталося
OpenCorporates описує себе як відкриту базу корпоративних даних із записами про понад 200 мільйонів компаній і посиланнями на первинні публічні джерела. API надає корпоративну інформацію у структурованому вигляді, а сервіс зіставлення для OpenRefine дозволяє прив'язувати списки з різними написаннями назв до кандидатів на конкретні юридичні особи. Для API потрібен ключ, а обмеження й умови ліцензії залежать від способу використання.
Чому це важливо
Назва компанії не є стабільним ідентифікатором. Однаковий рядок може означати різні юридичні особи в різних юрисдикціях, а одна компанія може з'являтися під попередніми назвами або різними написаннями. Номер юридичної особи, юрисдикція й посилання на джерело дають надійніше зіставлення, ніж сама назва.
Як це застосувати
Шукайте за назвою, звужуйте за юрисдикцією, порівнюйте реєстраційні номери, чинні й попередні назви та переходьте до зазначеного реєстрового джерела. Для масових списків зіставляйте кандидатів через OpenRefine й залишайте неоднозначні рядки на ручну перевірку. Зберігайте запис OpenCorporates разом із посиланням на первинний реєстр, а не підміняйте реєстр агрегатором.
Обмеження
Покриття, повнота полів і швидкість оновлення залежать від конкретної юрисдикції. Збіг назви чи адреси не доводить кінцеве бенефіціарне володіння або контроль. Доступ через API має обмеження, а умови відкритої ліцензії важливі для повторного поширення даних.
companiescorporate-recordsentity-resolutionprovenanceregistries
🧹Data CleaningОчищення даних
#05
OpenRefine cleans messy datasets locally while keeping clustering and entity reconciliation reviewable
Source: OpenRefine · Official project and documentation, checked 29 August 2026
What happened
OpenRefine is a free open-source application for cleaning, transforming and extending messy tabular data. It provides facets, clustering, transformations, operation history with undo and replay, and reconciliation against external services such as Wikidata or other compatible authorities. Its documentation stresses that clustering is syntactic and reconciliation is semi-automated, requiring human review.
Why it matters
OSINT datasets often contain the same person, company, unit or place under several spellings. Cleaning those variations can unlock joins and counts, but silent normalisation can also merge distinct entities. OpenRefine exposes candidate groups and operation history, making the transformation itself auditable.
How to use it
Import a copy of the source dataset, profile columns with facets, cluster only the fields where string variation is expected, review every merge rule, and export the operation history alongside the cleaned data. For entities, reconcile against an authority and keep the original value, chosen identifier and confidence or review state in separate fields.
Limits
Clustering finds textual similarity, not real-world identity. Reconciliation scores are service-dependent and are not probabilities. External reconciliation services can contain their own errors or stale records, so automatic best-match acceptance is unsafe for high-impact attribution.
OpenRefine локально очищує брудні набори даних, залишаючи групування варіантів і зіставлення сутностей доступними для перевірки
Джерело: OpenRefine · Офіційний проєкт і документація, перевірено 29 серпня 2026
Що сталося
OpenRefine — безкоштовний застосунок із відкритим кодом для очищення, перетворення та доповнення неохайних табличних даних. Він підтримує фасети, групування схожих значень, перетворення, історію операцій із скасуванням і повторенням, а також зіставлення із зовнішніми сервісами на кшталт Wikidata та інших сумісних довідників. Документація наголошує, що групування працює на рівні написання, а зіставлення є напівавтоматичним і потребує людської перевірки.
Чому це важливо
У наборах відкритих даних та сама людина, компанія, підрозділ або місце часто мають кілька варіантів написання. Очищення таких варіантів відкриває можливість коректного об'єднання та підрахунку, але непомітна нормалізація може злити різні сутності. OpenRefine показує кандидатні групи й історію операцій, тому саме перетворення можна перевірити.
Як це застосувати
Імпортуйте копію початкового набору, дослідіть колонки через фасети, групуйте лише поля, де очікуються варіанти написання, перевіряйте кожне правило злиття й експортуйте історію операцій разом з очищеними даними. Для сутностей виконуйте зіставлення з авторитетним довідником і зберігайте початкове значення, вибраний ідентифікатор та стан перевірки в окремих полях.
Обмеження
Групування знаходить текстову схожість, а не тотожність у реальному світі. Оцінки зіставлення залежать від конкретного сервісу й не є ймовірностями. Зовнішні довідники можуть містити власні помилки або застарілі записи, тому автоматичне прийняття найкращого збігу небезпечне для важливої атрибуції.
data-cleaningreconciliationentity-resolutionprovenanceopen-source
📄Document OCRРозпізнавання документів
#06
OCRmyPDF makes trusted scanned PDFs searchable without turning OCR output into authoritative transcription
Source: OCRmyPDF · Official documentation, checked 29 August 2026
What happened
OCRmyPDF is an open-source command-line tool that adds an OCR text layer to scanned PDF files so their contents can be searched and copied while retaining the PDF page images. Its documentation covers language packs, image processing, OCR redo and PDF optimisation. The project's security guidance explicitly says OCRmyPDF should only be used on PDFs you trust and is not designed to protect against malicious PDFs.
Why it matters
Large collections of scanned court files, registers and reports become much easier to search once they have a text layer. Keeping the page image alongside OCR also lets a reviewer return from a hit to the original visual evidence instead of trusting machine-recognised text alone.
How to use it
Run OCR on a preserved working copy, select the correct language packs, retain the original file hash and source, then use OCR text for discovery and indexing. For quotations, names, dates and numbers, verify the hit against the scanned page. Isolate untrusted PDFs before processing them.
Limits
OCR quality falls with low resolution, handwriting, unusual fonts, skew, damage and mixed languages. Searchable text is derivative evidence and can contain silent errors. OCRmyPDF is not a malware sanitiser; for hostile or unknown documents use an isolation or sanitisation workflow first.
OCRmyPDF робить надійні скановані PDF придатними до пошуку, не перетворюючи розпізнаний текст на авторитетну транскрипцію
Джерело: OCRmyPDF · Офіційна документація, перевірено 29 серпня 2026
Що сталося
OCRmyPDF — інструмент із відкритим кодом для командного рядка, який додає до сканованого PDF текстовий шар розпізнавання, щоб документ можна було шукати й копіювати, зберігаючи зображення сторінок. Документація охоплює мовні пакети, обробку зображень, повторне розпізнавання та оптимізацію PDF. У настановах із безпеки проєкт прямо зазначає: OCRmyPDF слід застосовувати лише до файлів, яким ви довіряєте; він не призначений для захисту від шкідливих PDF.
Чому це важливо
Великі колекції сканованих судових матеріалів, реєстрів і звітів значно легше досліджувати після додавання текстового шару. Збереження зображення сторінки разом із розпізнаним текстом дозволяє після пошукового збігу повернутися до первинного візуального доказу, а не довіряти лише машинному розпізнаванню.
Як це застосувати
Запускайте розпізнавання на збереженій робочій копії, вибирайте правильні мовні пакети, фіксуйте хеш і джерело оригінального файла, а розпізнаний текст використовуйте для пошуку та індексації. Цитати, імена, дати й числа перевіряйте за зображенням сторінки. Недовірені PDF перед обробкою ізолюйте.
Обмеження
Якість розпізнавання падає через низьку роздільність, рукописний текст, незвичні шрифти, перекіс, пошкодження та змішані мови. Пошуковий текст є похідним матеріалом і може містити непомітні помилки. OCRmyPDF не є засобом знезараження шкідливих файлів; для невідомих або підозрілих документів спочатку потрібна ізоляція чи окремий процес безпечного перетворення.
documentsocrpdfsearchresearcher-safety
⏱️Timeline AnalysisАналіз хронологій
#07
Timesketch turns parsed events into a collaborative timeline while preserving the difference between source timestamps and analyst interpretation
Source: Timesketch · Official project and documentation, checked 29 August 2026
What happened
Timesketch is an open-source platform for collaborative timeline analysis. A sketch can combine multiple timelines and support search, targeted views, comments and stories. The documented import paths include Plaso, CSV and JSONL, with mandatory concepts such as event message, ISO-formatted datetime and a description of what the timestamp represents. The project explicitly notes that Timesketch is not a parser: input data must already be parsed or prepared.
Why it matters
Investigations often mix publication time, event time, file-creation time, observation time and later analyst notes. Putting all of them into one undifferentiated timestamp creates false sequences. Timesketch's event model encourages the timestamp description and source context to travel with the event.
How to use it
Normalise all imported times to an explicit timezone, preserve the original timestamp string, state what each timestamp means, and attach source identifiers before ingestion. Use separate timelines for materially different source classes, then create saved views and analyst comments without overwriting the imported event.
Limits
Timesketch cannot repair bad source chronology automatically. If the imported timestamp is wrong or its meaning is unknown, the timeline remains misleading. Server deployment and access control also matter because collaborative sketches can contain sensitive investigative material.
Timesketch перетворює підготовлені події на спільну хронологію, зберігаючи різницю між часовими позначками джерела та висновками аналітика
Джерело: Timesketch · Офіційний проєкт і документація, перевірено 29 серпня 2026
Що сталося
Timesketch — платформа з відкритим кодом для спільного аналізу хронологій. Одна робоча область може поєднувати кілька часових ліній і підтримує пошук, вибрані подання, коментарі та історії. Документовані способи імпорту охоплюють Plaso, CSV і JSONL, а серед основних понять є опис події, дата й час у стандартному форматі та пояснення того, що саме означає ця часова позначка. Проєкт окремо наголошує, що Timesketch не є парсером: вхідні дані мають бути вже розібрані або підготовлені.
Чому це важливо
У розслідуваннях часто змішуються час публікації, час самої події, час створення файла, час спостереження та пізніші примітки аналітика. Якщо звести все до однієї нерозрізненої часової позначки, можна побудувати хибну послідовність. Модель подій Timesketch заохочує зберігати разом із подією пояснення часу та контекст джерела.
Як це застосувати
Перед імпортом нормалізуйте час до явно зазначеного часового поясу, зберігайте первинний рядок часу, пояснюйте значення кожної часової позначки й додавайте ідентифікатор джерела. Для суттєво різних класів джерел використовуйте окремі часові лінії, а збережені подання та коментарі аналітика створюйте без переписування імпортованої події.
Обмеження
Timesketch не виправляє помилкову хронологію джерела автоматично. Якщо імпортований час неправильний або невідомо, що він означає, хронологія лишатиметься оманливою. Розгортання сервера та контроль доступу також важливі, оскільки спільні робочі області можуть містити чутливі матеріали розслідування.
timeline-analysiseventscollaborationforensicsprovenance
