Voitot:
- Kyky todistaa todisteiden eheys hajautusten täsmäyttämisen, säilytysketjun ja keskeytymättömän tallennuksen avulla ja dokumentoida tekoälymuunnelmien alkuperä
- Kyky ymmärtää hyväksyttävyysehdot (aitous, luotettava menetelmä, selitettävyys) ja soveltaa kurinalaisuutta olla esittämättä selittämätöntä "mustan laatikon" tulostetta havainnona.
- Kyky kertoa tekoälyn käyttö raportissa avoimesti ja varmistaa, että vastuu lopullisesta löydöstä on asiantuntijalla
Jopa tutkinnan loistavin tekninen löydös voi olla mitään oikeudessa, jos todisteiden ja huoltoketjun eheyttä ei voida todistaa. Tietokonerikostekniikan perimmäisenä tavoitteena ei ole vastata kysymykseen teknisesti, vaan tuottaa todisteita, jotka ovat hyväksyttävät ja puolustettavat tuomioistuimessa. Tässä osiossa käsittelemme todisteiden eheyden, huoltoketjun ja laillisen hyväksyttävyyden periaatteiden suojaamista tekoälyn aikakaudella. Tämä yksikkö on koko moduulin laillinen selkäranka.
Todisteiden eheys: todisteet, jotka eivät ole koskaan muuttuneet
Todisteiden eheys on kyky osoittaa, että todisteet eivät ole muuttuneet lainkaan sen keräämishetkestä oikeudenkäyntiin asti. Tekninen työkalu tähän on aiemmissa yksiköissä nähty hash: kuvan vastaanoton yhteydessä lasketun SHA-256-arvon pitäisi osoittautua oikeudessa uudelleen laskettuna samaksi. Jos se on sama, se tarkoittaa, että todisteet eivät ole muuttuneet. Tästä syystä jokaisesta tarkastuksesta ja omistajanvaihdosta pidetään tiivistekirjaa.
Tekoälyn aikakaudella eheydellä on uusi ulottuvuus: AI-analyysin ei pitäisi muuttaa alkuperäistä. Tekoälytyökaluille antamasi tiedot ovat aina validoidun kuvan johdannaisia; Tekoälyn analyysi ei turmele alkuperäisen todisteen tiivistettä, koska alkuperäinen jätetään koskemattomaksi. Tämä on tarpeen dokumentoida: "Analyysi suoritettiin kuvan työkopiolle, jossa oli hajautus; AI-analyysi oli vain lukutarkoituksiin."
Varoitus: AI-työkalun tietojen "käsittely" (lataus, muuntaminen, yhteenveto) on operaatio kyseiselle johdannaiselle, eikä se vaikuta alkuperäiseen - mutta jos et myös tallenna kyseisen johdannaisen alkuperää (mikä kuva, mikä hash), löydössi todisteketjussa on aukko. Yhdistä jokainen AI-lähtö lähteeseensä ja kyseisen lähteen hajautusarvoon.
Puun alkuperäketju: kuka, milloin, miten
Huoltoketju on keskeytymätön tallenne, joka näyttää todisteiden keräämishetkestä lähtien, kenen käsien läpi se kulki, milloin ja missä sitä säilytettiin ja mitä on tehty. Vain yksi aukko - "missä nämä todisteet istuivat kaksi päivää, kuka pääsi käsiksi niihin?" — tuhoaa todisteiden uskottavuuden. Ketju sisältää: todisteiden kuvaus, sen kerääjä, päivämäärä/aika, keräystapa, hash, säilytyspaikka, jokainen siirto ja jokainen pääsy.
Tekoäly ei seuraa seurantaketjua (tämä on vastuu- ja toimivaltakysymys), mutta tarjoaa kaksi turvallista panosta: (1) se tuottaa täydellisiä ketjumalleja; (2) skannaa tietueissasi epäjohdonmukaisuuksia (merkitsee aukkoja, kuten "tällä todisteella on siirtotietue, mutta vastaanottajan allekirjoitusta ei ole"). Vastuu ketjusta on aina ihmisellä.
Tutkittavaksi ottaminen: mitä tuomioistuin etsii?
Todisteiden hyväksyminen tuomioistuimessa edellyttää yleensä seuraavia ehtoja (yksityiskohdat vaihtelevat lainkäyttöalueiden välillä):
- Aitous: Todisteiden on oltava peräisin väitetystä lähteestä, ja niiden on oltava muuttumattomia.
- Rehellisyys ja ketju: On todistettava tiivisteellä ja valvontaketjulla.
- Luotettava menetelmä: Käytettävän työkalun ja menetelmän on oltava tieteellisesti luotettava, toistettava ja yleisesti hyväksytty. (Monilla lainkäyttöalueilla luotettavuustestejä sovelletaan asiantuntijamenetelmiin.)
- Asiaankuuluvat ja laillisesti hankitut: Luvattomat/laittomasti hankitut todisteet voidaan hylätä.
- Asiantuntija voi selittää: Asiantuntijan tulee pystyä puolustamaan menetelmää ja tulosta selkeästi tuomioistuimelle.
Tässä on kriittinen kohta tekoälyn näkökulmasta: Jos et pysty selittämään, kuinka tekoälyagentti tekee päätöksen, tuotoksen todisteet ovat heikkoja. "Musta laatikko" AI, joka sanoo "90% relevantti", ei välttämättä läpäise menetelmän luotettavuuden ja selitettävyyden testiä. Siksi tekoäly on asetettu ihmisen vahvistamaksi avustajaksi, ei sellaiseksi, joka tuottaa tulosta; Lopullinen havainto on todiste, joka voidaan katsoa lähteen syyksi ja selittää.
Vinkki: Kerro raportissasi läpinäkyvästi, missä käytät tekoälyä: mikä työkalu, mihin tarkoitukseen, miten se on validoitu. Selittely, ei piiloutuminen, rakentaa luottamusta. Lause "Tekoälyä käytettiin triagessa, asiantuntija vahvisti kaikki merkityt löydökset linkittämällä lähteeseen" tekee menetelmästä puolustettavan.
kolme minilaukkua
Tapaus 1 – Hash-ketju keräsi todisteita. Yhdessä tapauksessa puolustus vastusti, että "tätä kuvaa on saatettu muuttaa". Asiantuntija osoitti, että kaikki kolme keräyshetkellä, tutkimuksessa ja tuomioistuimessa laskettua SHA-256-arvoa olivat samat. Rehellisyys on todistettu matemaattisesti; Vastalause hylättiin.
Tapaus 2 – Ketjuväli heikensi todisteita. Yhdessä tiedostossa ei kirjattu, kenellä oli todisteita 36 tunnin ajan. Toinen puoli käytti tätä porsaanreikää hyväkseen; Todisteiden luotettavuus on vakavasti kyseenalaistettu. Tekninen löytö oli vahva, mutta ketjupeli varjosti kaiken. Oppitunti: Tekninen huippuosaaminen ei riitä ilman ketjukuria.
Tapaus 3 – Selittämätön tekoäly hylätty. Yhdessä luonnoksessa löydös esitettiin nimellä "havaittu tekoälymalli", mutta sitä, kuinka malli teki päätöksen, ja havainnon lähdettä, ei esitetty. Asiantuntija totesi, että tämä oli tutkittavaksi ottamisen vaara; Löytö esiteltiin uudelleen, ja asiantuntija linkitti sen lähteeseen ja vahvisti sen manuaalisesti. Näin ollen tekoäly pysyi hyödyllisenä ja ihmiset vastuussa.
Neljä kopioitavaa mallia
1) Luonnos eheysvakuutus:
Tehtäväsi: tietokonerikosteknisen raportin kirjoittaja. Toimita minulle luonnos todisteiden eheyslausunnosta: kuvan nimi, lähdelaite, keräysmenetelmä, kirjoituseston käyttö, keräys/tutkimus/kontrollitiiviste (SHA-256), lausunto siitä, että kolme täsmäävät, ja huomautus, että tutkimus suoritettiin työkopiolle. Jätä tyhjät kohdat kirjaimella [ ].
2) Alkuperäketjun aukon skannaus:
Annan sinulle huoltoketjurekisterin. Tarkista seuraavat kentät: puuttuva allekirjoitus, puuttuva aikajakso, siirto ilman hajautustietuetta, lähettäjä/vastaanottaja ei täsmää. Yhdistä jokainen tila vastaavaan riviin. Huomaa lyhyesti, kuinka nämä puutteet voivat vaikuttaa todisteiden luotettavuuteen.
3) Tekoälyn käytön läpinäkyvyyshuomautus:
Kirjoita raporttiin sisällytettävä läpinäkyvyyskappale "AI use": mitä tekoälytyökalua käytettiin, missä vaiheessa (triage/yhteenveto/merkintä), mihin tarkoitukseen; Ihmiset varmistavat lähdöt yhdistämällä ne lähteeseen; Olet vastuussa lopullisista tuloksista. Liioittelematta, rehellisesti sanottuna.
4) Hyväksyttävyyden itsehallinta:
Tarkista seuraavan havainnon hyväksyttävyys: (1) onko todisteita aitoudesta, (2) onko hajautus/ketju täydellinen, (3) onko menetelmä toistettavissa ja selitettävissä, (4) onko se saatu laillisesti, (5) voiko asiantuntija puolustaa sitä? Merkitse kunkin kohteen puuttuvat kohteet. Ei oikeudellista neuvontaa, vaan itsehillintää.
Heikko kehote / Vahva kehote
Heikko kehote:
Kirjoita tämä havainto raporttiin.
Eheyttä, lähdettä ja hyväksyttävyyttä ei oteta lainkaan huomioon; Havainto voidaan arvostaa oikeudessa.
Tehokas kehotus:
Tehtäväsi: digitaalisen rikosteknisen raportin kirjoittaja. Esitä havainto seuraavassa yhteydessä: löydön lähde (tiedosto, offset, aikaleima), kuva ja hash, joista se on johdettu, käytetty menetelmä, tekoälyn rooli (jos sellainen on) ja ihmisen todentaminen. Kirjoita epävarmuudet "mahdollisiksi". Löydön esittäminen ilmoittamatta sitä lähteelle; Vältä liiallisia väitteitä.
Attribuutio, hash, menetelmä ja varmennuskehys tekevät havainnosta puolustettavan.
Hyväksyttävyysehtotaulukko
kunto
Mitä hän haluaa?
Kuinka tarjota
Riski tekoälyn kanssa
aitoutta
Lähde + muuttumattomuus
Kuva, linkki lähteeseen
hallusinaatioita
eheys
Se ei ole muuttunut ollenkaan
Hash ottelu
Johdannaisrekisteröinnin puute
huoltajuusketju
Saumaton tallennus
CoC-lomake, allekirjoitukset
rekisteröinti aukko
Menetelmän luotettavuus
Toista + hyväksyminen
Vakiotyökalu/prosessi
Selittämätön "musta laatikko"
Selitettävyys
Asiantunteva puolustus
läpinäkyvä menetelmä
Stealth AI:n käyttö
Yleisiä virheitä
- Ei tallenneta tekoälyvariantin alkuperää. Jos ei ole dokumentoitu, mistä kuvasta ja mistä hashista se on peräisin, ketjussa on aukko.
- Huoltoketjuun jätetään aukkoja. Puuttuva aika horjuttaa vahvimmatkin tekniset todisteet.
- Esitetään selittämätön tekoälyn tulos löydöksenä. Hyväksyttävyysriski; Ihmisen todentaminen ja alkuperä vaaditaan.
- Tekoälyn käytön piilottaminen. Avoimuus rakentaa luottamusta; Piilotettu menetelmä herättää vastalauseita.
- Liian tarkan kielen käyttäminen. Kieli perustuu todisteisiin ja varmuuden tasoon "ehdottoman" sijaan.
Yhteenvetona
Digitaalisen oikeuslääketieteen perimmäinen kriteeri ei ole tekninen tarkkuus, vaan todisteet, jotka ovat hyväksyttävät ja puolustettavat tuomioistuimessa. Tämän perustana ovat todisteiden eheys (hash match), huoltoketju (keskeytyksetön tallennus) ja tutkittavaksi ottamisen ehdot (aitoisuus, luotettava menetelmä, selitettävyys). Kriittinen periaate tekoälyn aikakaudella: tekoälyä käytetään muuttamatta alkuperäistä, kirjaamalla johdannaisen alkuperä ja yhdistämällä lähtö lähteeseen ja tarkistamalla se ihmisen toimesta. AI on hyödyllinen; Hän on vastuullinen ja asiantunteva asiantuntija.
Sovellustehtävä
Valmistele säilytysketjutietueen näyte ja sisällytä siihen tarkoituksellinen aukko (puuttuva allekirjoitus tai menetetty aika). Skannaa tekoäly "Chain of Cutody Gap Scan" -mallilla ja tarkista aukko. Käytä sitten esimerkkilöydöksiä varten "Luonnos eheyslausunto"- ja "AI use Transparency Memo" -malleja ja kirjoita esitys, joka linkittää havainnon lähteeseen.
tarkistuslista
- [ ] Olen dokumentoinut, että keräys-, tarkastus- ja ohjaushajautus täsmäävät.
- [ ] Linkitin jokaisen tekoälymuunnelman lähteeseensä ja tiivisteensä.
- [ ] Pidin huoltoketjun ehjänä ja skannasin aukot.
- [ ] Totesin tekoälyn käytön avoimesti raportissa.
- [ ] Esitin havainnot ymmärrettävällä, lähdepohjaisella ja mitatulla kielellä.