РАСШИРЕНИЯ OBSIDIAN ДЛЯ РАССЛЕДОВАНИЙ.
Часть 3 из 3
Анализируем связи: Obsidian SNA
❓Для чего это нужно:
Этот плагин применяет методы теории графов и социального сетевого анализа (SNA) к вашему хранилищу. Он рассчитывает классические метрики центральности для каждого узла (заметки) в вашем графе. Это позволяет выявить неочевидные вещи: кто является «хабом» (самым связанным элементом) в вашей сети, кто служит «мостом» между разными изолированными группами, а кто — «периферией». Это ключевой метод для выявления лидеров, посредников и скрытых связей в сетях социального взаимодействия.
⚙️Как это работает:
Вы связываете заметки, представляющие людей, организации или события, ссылками друг на друга. Плагин анализирует эту структуру и выдает список узлов, отсортированный по их «важности» с точки зрения сетевой теории. Вы можете сразу увидеть, кто в вашей сети является ключевой фигурой.
❗️Почему это важно:
Интуиция может обмануть. Формальный математический анализ графа связей выявляет скрытые структуры и роли, которые не видны при простом просмотре заметок.
Извлекаем метаданные из изображений: Image Metadata Viewer
❓Для чего это нужно:
Этот плагин позволяет просматривать метаданные изображений (EXIF, XMP, IPTC) прямо в Obsidian. Для наших задач это означает возможность извлекать GPS-координаты, дату и время съемки, модель камеры, серийный номер устройства и даже параметры AI-генерации (Stable Diffusion, ComfyUI) из любых фотографий, добавленных в ваше хранилище. Плагин не требует подключения к интернету и работает только с локальными файлами.
⚙️Как это работает:
Вы открываете изображение в Obsidian и в боковой панели видите все технические данные, которые в него зашиты. Если фотография была сделана на смартфон, вы, с высокой вероятностью, увидите точные координаты и время. Если изображение сгенерировано нейросетью, вы увидите промпт, который использовался для его создания.
❗️Почему это важно:
Метаданные часто содержат информацию, которую автор не собирался раскрывать. Умение их читать — базовый навык любого верификатора и криминалиста.
Анализируем связи при помощи ИИ: Knowledge Graph Analysis
❓Для чего это нужно:
Этот плагин идет дальше простого анализа центральности (как Obsidian SNA). Он вычисляет графовые метрики локально, а затем передает эти метрики AI (Google Gemini) для семантического анализа структуры хранилища Плагин показывает не только кто является хабом, но и почему — на основе содержания заметок и их связей.
⚙️Как это работает:
Вы связываете заметки между собой. Плагин строит граф, вычисляет математические показатели и отправляет их вместе с текстом заметок в Gemini. AI анализирует структуру и предлагает: «Вот заметки, которые связывают разные кластеры вашего расследования, но пока не имеют прямой ссылки друг на друга — возможно, стоит их соединить».
❗️Почему это важно:
Интуиция и визуальный осмотр графа не всегда выявляют структурные разрывы. Комбинация математики и AI позволяет найти неочевидные паттерны и слабые места в вашей информационной сети.
Выстраиваем хронологию событий: Chronos Timeline
❓Для чего это нужно:
Chronos Timeline рендерит интерактивные временные шкалы прямо в заметках из простого Markdown-синтаксиса. Вы можете создавать отдельные события, периоды и точки во времени, группировать их по цветам и категориям, а также генерировать комбинированную хронологию из всех заметок в папке одной командой. Есть и AI-функция: выделите текст с датами — и плагин построит по нему таймлайн.
⚙️Как это работает:
Вы пишете в заметке блок chronos и перечисляете события.
Плагин превращает это в визуальную шкалу, где события можно перетаскивать, а периоды отображаются как полосы. Команда «Сгенерировать таймлайн из папки» соберет все события из всех заметок в одну общую картину.
❗️Почему это важно:
Восстановление хронологии событий — основа любого расследования. Chronos Timeline позволяет не просто записать даты, а увидеть их взаимосвязь и временные промежутки.
Часть 3 из 3
Анализируем связи: Obsidian SNA
❓Для чего это нужно:
Этот плагин применяет методы теории графов и социального сетевого анализа (SNA) к вашему хранилищу. Он рассчитывает классические метрики центральности для каждого узла (заметки) в вашем графе. Это позволяет выявить неочевидные вещи: кто является «хабом» (самым связанным элементом) в вашей сети, кто служит «мостом» между разными изолированными группами, а кто — «периферией». Это ключевой метод для выявления лидеров, посредников и скрытых связей в сетях социального взаимодействия.
⚙️Как это работает:
Вы связываете заметки, представляющие людей, организации или события, ссылками друг на друга. Плагин анализирует эту структуру и выдает список узлов, отсортированный по их «важности» с точки зрения сетевой теории. Вы можете сразу увидеть, кто в вашей сети является ключевой фигурой.
❗️Почему это важно:
Интуиция может обмануть. Формальный математический анализ графа связей выявляет скрытые структуры и роли, которые не видны при простом просмотре заметок.
Извлекаем метаданные из изображений: Image Metadata Viewer
❓Для чего это нужно:
Этот плагин позволяет просматривать метаданные изображений (EXIF, XMP, IPTC) прямо в Obsidian. Для наших задач это означает возможность извлекать GPS-координаты, дату и время съемки, модель камеры, серийный номер устройства и даже параметры AI-генерации (Stable Diffusion, ComfyUI) из любых фотографий, добавленных в ваше хранилище. Плагин не требует подключения к интернету и работает только с локальными файлами.
⚙️Как это работает:
Вы открываете изображение в Obsidian и в боковой панели видите все технические данные, которые в него зашиты. Если фотография была сделана на смартфон, вы, с высокой вероятностью, увидите точные координаты и время. Если изображение сгенерировано нейросетью, вы увидите промпт, который использовался для его создания.
❗️Почему это важно:
Метаданные часто содержат информацию, которую автор не собирался раскрывать. Умение их читать — базовый навык любого верификатора и криминалиста.
Анализируем связи при помощи ИИ: Knowledge Graph Analysis
❓Для чего это нужно:
Этот плагин идет дальше простого анализа центральности (как Obsidian SNA). Он вычисляет графовые метрики локально, а затем передает эти метрики AI (Google Gemini) для семантического анализа структуры хранилища Плагин показывает не только кто является хабом, но и почему — на основе содержания заметок и их связей.
⚙️Как это работает:
Вы связываете заметки между собой. Плагин строит граф, вычисляет математические показатели и отправляет их вместе с текстом заметок в Gemini. AI анализирует структуру и предлагает: «Вот заметки, которые связывают разные кластеры вашего расследования, но пока не имеют прямой ссылки друг на друга — возможно, стоит их соединить».
❗️Почему это важно:
Интуиция и визуальный осмотр графа не всегда выявляют структурные разрывы. Комбинация математики и AI позволяет найти неочевидные паттерны и слабые места в вашей информационной сети.
Выстраиваем хронологию событий: Chronos Timeline
❓Для чего это нужно:
Chronos Timeline рендерит интерактивные временные шкалы прямо в заметках из простого Markdown-синтаксиса. Вы можете создавать отдельные события, периоды и точки во времени, группировать их по цветам и категориям, а также генерировать комбинированную хронологию из всех заметок в папке одной командой. Есть и AI-функция: выделите текст с датами — и плагин построит по нему таймлайн.
⚙️Как это работает:
Вы пишете в заметке блок chronos и перечисляете события.
Плагин превращает это в визуальную шкалу, где события можно перетаскивать, а периоды отображаются как полосы. Команда «Сгенерировать таймлайн из папки» соберет все события из всех заметок в одну общую картину.
❗️Почему это важно:
Восстановление хронологии событий — основа любого расследования. Chronos Timeline позволяет не просто записать даты, а увидеть их взаимосвязь и временные промежутки.