竞争假设分析 (ACH) 是做什么的?
ACH 是网络威胁情报 (CTI) 最重要的结构化分析技术。它强制你针对所有重要证据评估所有合理的假设,从而减少认知偏差(尤其是证实偏差)的影响。
何时使用 ACH
- 归因问题:"谁在背后支持这次行动?"
- 模糊情况:存在多种合理的解释
- 高风险评估:判断错误会造成严重后果
- 有争议的分析:分析师对结论存在分歧
分步流程
第 1 步:生成假设
列出所有合理的假设。包括那些看似不可能的假设——关键是要避免过早地收窄范围。
规则:
- 至少 3 个假设(如果你只有 2 个,那你就是在进行二元思维)
- 至少包含一个挑战你最初直觉的假设
- 假设应尽可能互斥
- 在适当时,将"未知行为体"或"巧合"作为假设纳入
第 2 步:列出重要证据
列举所有与假设相关的证据和论据。
对于每条证据,记录:
- 证据描述
- 来源(含 Admiralty Scale 评级)
- 是直接证据、间接证据,还是证据缺失
第 3 步:构建一致性矩阵
将每个单元格标记为:
- C(一致)—— 证据支持该假设
- I(不一致)—— 证据与该假设矛盾
- NA(不适用)—— 证据与该假设无关
矩阵模板
| 证据 | 来源评级 | H1: [名称] | H2: [名称] | H3: [名称] | H4: [名称] |
|----------|:---:|:---:|:---:|:---:|:---:|
| E1: [描述] | B2 | C | I | C | NA |
| E2: [描述] | A1 | C | C | I | C |
| E3: [描述] | C3 | I | C | C | NA |
| E4: [描述] | B2 | C | I | I | C |
| E5: [描述] | D4 | C | C | C | I |
| **不一致数量** | | **1** | **2** | **2** | **1** |
第 4 步:分析矩阵
关键原则:专注于证伪假设,而非证实假设。
证实偏差使我们倾向于寻找能证实我们偏好的假设的证据。ACH 通过关注不一致性来抵消这一点。
- 计算每个假设的不一致数量
- 根据证据质量对不一致性进行加权(A1 评级的不一致比 D4 评级更重要)
- 不一致性最少(且最弱)的假设最有可能成立
第 5 步:评估敏感性
针对每条证据提问:
- 如果这条证据是错误的,它是否会改变排名?
- 哪些证据是"关键"证据(移除它们会改变结论)?
- 是否有任何关键证据来自单一来源?
第 6 步:得出结论
- 陈述最可能的假设及其置信水平
- 解释为何排除其他假设(哪些证据与它们矛盾)
- 指出最能区分假设的证据
- 注明关键证据及其可靠性
- 标记结论是否仅依赖于一到两条证据
第 7 步:报告
## ACH 分析:[问题]
### 评估的假设
1. H1:[描述]
2. H2:[描述]
3. H3:[描述]
### 一致性矩阵
[来自第 3 步的矩阵]
### 评估
[最可能的假设及其置信水平和理由]
### 关键区分证据
[最能区分假设的证据]
### 敏感性分析
[哪些证据是关键证据?什么会改变结论?]
### 被排除的假设
- H2 因以下原因被排除:[具体证据与之矛盾]
- H3 因以下原因被排除:[具体证据与之矛盾]
### 注意事项
[局限性、情报缺口、假设]
常见错误
- 假设过少 —— 2 个假设是二元思维,并非 ACH
- 在标记时出现证实偏差 —— 对你偏好的假设过于慷慨地标记"C"
- 忽略证据缺失 —— "没有狗叫"这一点可能意义重大
- 等权处理 —— A1 评级的不一致性应比 D4 评级受到更多重视
- 过早停止 —— ACH 在新证据出现时重新审视矩阵效果最佳
- 将其视为投票 —— ACH 关注的是不一致性,而非一致性计数