Pojam umjetne inteligencije (eng. Artificial intelligence – AI) sve češće je tema, kako u medijskom prostoru, tako i u svakodnevnim razgovorima. Najzaslužniji za to je ChatGPT, alat kojem je trebalo 5 dana da dostigne milijun korisnika. Za usporedbu, Facebooku je trebalo 10 mjeseci, a Twitteru 2 godine za toliki broj korisnika [1]. Od studenog 2022. kada je ChatGPT pušten u javnost, broj pretraživanja za riječ „AI“ eksponencijalno raste [2].
U digitalnoj forenzici se pojam umjetne inteligencije pojavljuje puno ranije i to u vidu strojnog učenja. Strojno učenje je grana umjetne inteligencije koja koristi algoritme za samostalno poboljšavanje ovisno o količini podataka na kojima uče. Tvrtka Belkasoft prva je prepoznala mogućnosti nadolazeće tehnologije te u prosincu 2016. dodala novu značajku u svoj program Belkasoft evidence center koji uz pomoć strojnog učenja analizira i detektira boju kože, prepoznaje lica i tekst na fotografijama[3]. Nedugo nakon toga, u travnju 2017., tvrtka Magnet forensics predstavlja svoje rješenje koje koristi strojno učenje zvano Magnet.AI [4], a potom i ostale tvrtke kao Cellebrite i Exterro također predstavljaju svoja rješenja za analizu fotografija. U međuvremenu su alati za analizu fotografija značajno napredovali i sada imaju mogućnost prepoznavanja oružja, droge, novca, dokumenata itd. Kod većine programa tu priča o implementaciji AI-a staje. Zašto je tome tako? Zašto trenutno većina alata koristi AI samo za fotografije?
Za početak, kao što je prethodno rečeno, za bolje kreiranje uzorka kod strojnog učenja važno je imati što veću količinu podataka za “učenje”. Kod fotografija to ne predstavlja problem, jer na svom mobilnom uređaju, dok se čak 3.2 milijarde slika svakodnevno dijele na društvenim mrežama, s naznakama da će taj broj i dalje rasti [5]. Druga olakotna okolnost je činjenica da na internetu postoji velik broj programa za prepoznavanje objekata na slikama koji su otvorenog koda te ih je lako implementirati u vlastito rješenje. Unatoč činjenici da je razina u kojoj se AI implementira u digitalnoj forenzici limitirana uglavnom na analizu fotografija, ona je za digitalne forenzičare izuzetno korisna. Analizom fotografija uz pomoć AI-a smanjuju se radnje koje se ponavljaju prilikom provođenja istrage, kao i vrijeme potrebno za analizu. Ako bi čovjek ručno išao analizirati slike primjerice prethodno navedenog mobitela, uz prosječno vrijeme od 3 sekunde po slici za broj od 3000 slika, trebalo bi mu 2 sata i 30 minuta, dok program analizira isti taj broj u maksimalno nekoliko minuta. Kod ručne analize dovodi se u pitanje i točnost analize zbog zamora ljudskog mozga, pogotovo ako se radi o analizi osjetljivog sadržaja koja ima utjecaj na mentalno zdravlje kao što je slučaj kod kaznenog djela spolnog zlostavljanja i iskorištavanja djece. Kada AI odradi analizu, on jednako analizira prvu i posljednju fotografiju, a uz svoju konzistentnost, nudi i mogućnost pretraživanja dobivenih rezultata po pojmovima ili pretragu sličnih fotografija (Slika 2).
AI tehnologija uzrokuje probleme u digitalnoj forenzici u vidu deepfake tehnologije, odnosno pronalaska tragova njenog korištenja tijekom identificiranja forenzičkih dokaza. Europol u svom izvještaju piše kako su najveće prijetnje korištenja deepfake tehnologije u zločinima lažno predstavljanje kao službena osoba, krivotvorenje dokaza i pornografija bez pristanka [6]. Kod takvih istraga, AI nam pomaže razotkriti uporabu AI-a, što na prvu pomisao zvuči nelogično, ali je pravi dokaz koliko su nove tehnologije prisutne u forenzičkim analizama.
U kojim oblicima možemo očekivati uporabu strojnog učenja u skorijoj budućnosti digitalne forenzike? Već danas alati kao što su PredPol i CrimeScan koriste analitiku za predviđanje gdje će se zločin dogoditi i od strane koga, što zvuči kao scenarij SI-FI filma, spriječiti zločin prije počinjenja, ali dovodi se u pitanje koji podaci su se koristili u bazi podataka na kojoj se vrši uzorak? Jesu li ti podaci spremljeni na sigurno mjesto i tko ima pristup podacima? Ako dođe do greške, tko će preuzeti krivnju? Da li tehnologija osuđuje nedužne ljude prije nego što su išta skrivili?
Razvoj umjetne inteligencije, odnosno strojnog učenja donosi značajne promjene u području digitalne forenzike za koje se čini da će postati integralni dio forenzike, posebno u analizi fotografija i identifikaciji deepfake tehnologije. Unatoč trenutnom fokusu na fotografije, očekuje se da će primjena strojnog učenja u digitalnoj forenzici nastaviti rasti, prvobitno u smjeru shvaćanja konteksta i analize poruka. Međutim, kao i kod svake nove tehnologije koja zahtjeva obradu osjetljivih privatnih podataka, postavlja se pitanje etičke odgovornosti i sigurnosti podataka. Uzevši to u obzir, AI rješenja se moraju nastaviti razvijati u korist svih, ali na teret nikoga.
Autor:
Dario Vrčković, Asistent u odjelu digitalne forenzike
Reference:
[1] Arooj Ahmed (2023, January 27). Chat GPT Achieved One Million Users in Record Time – Revolutionizing Time-Saving in Various Fields. Digital Information World. https://www.digitalinformationworld.com/2023/01/chat-gpt-achieved-one-million-users-in.html
[2] Statista. Average monthly search volume for the keyword “AI” worldwide from June 2022 to March 2023. https://www.statista.com/statistics/1398211/ai-keyword-traffic-volume/
[3] Belkasoft. What’s new in BEC 2016. https://belkasoft.com/whats_new_in_version_7_4
[4] Magnet Forensics. Introducing Magnet.AI: Putting Machine Learning to Work for Forensics. https://www.magnetforensics.com/blog/introducing-magnet-ai-putting-machine-learning-work-forensics/
[5] Tim Daniels (2023, September 4). Photography Statistics & Trends (2023). Lapse of the Shutter. https://www.lapseoftheshutter.com/photography-statistics/
[6] Europol. Facing reality? Law enforcement and the challenge of deepfakes. https://www.europol.europa.eu/publications-events/publications/facing-reality-law-enforcement-and-challenge-of-deepfakes
