પુરાવા સંગ્રહ અને પરીક્ષા આધાર: ઇમેજિંગ, સૉર્ટિંગ અને વિશ્લેષણ પ્રવેગક

નફો:

• એ સમજવું કે વોલેટિલિટી ઓર્ડર, ઈમેજ એક્વિઝિશન, હેશ અને ચેઈન ઓફ કસ્ટડી જેવા કલેક્શન સ્ટેપ્સ એ માનવ જવાબદારી છે અને આર્ટિફિશિયલ ઈન્ટેલિજન્સ અહીં માત્ર યોજનાઓ અને ટેમ્પ્લેટ્સ બનાવે છે.
• ઇમેજ લીધા પછી ફાઇલ ટ્રાયજ, OCR, સારાંશ અને સંપત્તિ નિષ્કર્ષણ સાથે સમીક્ષાને વેગ આપવા માટે કૃત્રિમ બુદ્ધિનો સુરક્ષિત રીતે ઉપયોગ કરવાની ક્ષમતા
• તે પારખવામાં સક્ષમ બનવું એ ટ્રાયેજ નાબૂદી નથી પરંતુ અગ્રતા છે, અને ખોટા નકારાત્મકના જોખમને ટાળવા માટે ઓછા-અગ્રતા ધરાવતા જૂથમાંથી નમૂના લેવા જરૂરી છે.

તમે ગુનાના સ્થળે પહોંચ્યા છો: ટેબલ પર ખુલ્લું કમ્પ્યુટર, એક બાહ્ય ડ્રાઇવ, બે ફોન અને સર્વર રૂમ. દરેક ઉપકરણ પુરાવાનો સંભવિત સ્ત્રોત છે; દરેક ખોટું પગલું એ પુરાવા છે જે કોર્ટમાં ફગાવી દેવામાં આવશે. પુરાવા સંપાદન એ ડિજિટલ પુરાવાને અકબંધ, ચકાસી શકાય તેવા અને કાયદા અનુસાર કબજે કરવાની અને નકલ કરવાની પ્રક્રિયા છે. આ એકમમાં, તમે શીખી શકશો કે આ પ્રક્રિયાના કયા પગલાઓમાં AI સુરક્ષિત રીતે મદદ કરી શકે છે અને તે ચોક્કસપણે કયા પગલા પાછળ રહેવું જોઈએ. શરૂઆતથી નિર્ણાયક નિયમ: AI પુરાવા એકત્ર કરતું નથી અને છબીઓ લેતું નથી; તે એકત્રિત અને ચકાસવામાં આવેલા પુરાવાઓની સમીક્ષા કરવામાં અને તેને ઝડપી બનાવવામાં મદદ કરે છે.

સંગ્રહ ઓર્ડર અને અસ્થિર ડેટા

પુરાવા એકત્ર કરવામાં અગ્રતાનો સિદ્ધાંત છે: અસ્થિરતાનો ક્રમ — સૌથી ઝડપથી અદૃશ્ય થઈ રહેલા ડેટામાંથી સૌથી કાયમી સુધીનો સંગ્રહ. ટોચ પર અસ્થિર ડેટા છે — જ્યારે ઉપકરણ બંધ થાય ત્યારે RAM સમાવિષ્ટો ખોવાઈ જાય છે, નેટવર્ક કનેક્શન્સ ખોલે છે, પ્રક્રિયાઓ ચાલી રહી છે; પછી ડિસ્ક આવે છે, પછી બાહ્ય રેકોર્ડિંગ્સ. અસ્થિર ડેટા, એકવાર ખોવાઈ જાય, તે પાછો આવતો નથી; તેથી, ચાલી રહેલ સિસ્ટમમાં, RAM ને ડિસ્ક પહેલાં ડમ્પ કરવામાં આવે છે.

AI આ તબક્કે નિર્ણયો લેતું નથી, પરંતુ ચેકલિસ્ટ્સ અને પ્રક્રિયાની રૂપરેખા બનાવવામાં ઉપયોગી છે: "મારે શું એકત્રિત કરવું જોઈએ, કયા ક્રમમાં, કયા સાધન સાથે, આ પરિસ્થિતિમાં મારે શું દસ્તાવેજીકરણ કરવું જોઈએ?" સંગ્રહ પ્રક્રિયા પોતે જ (રાઇટ-બ્લૉકિંગ બાઈન્ડિંગ, ઇમેજ એક્વિઝિશન, હેશ વેરિફિકેશન, સીલિંગ) માનવ હાથમાં છે અને દરેક પગલું દસ્તાવેજીકૃત છે.

ટીપ: તમે પસંદ કરવાનું શરૂ કરો તે પહેલાં, AI ને તમારું દૃશ્ય સમજાવો અને "વોલેટિલિટી સિક્વન્શિયલ પિકિંગ પ્લાન" તૈયાર કરો; પછી આ ડ્રાફ્ટને તમારી સંસ્થાની માનક પ્રક્રિયા (દા.ત. સ્થાનિક કાયદો અને પ્રયોગશાળા SOP) સાથે સરખાવો. AI રીમાઇન્ડર છે, સત્તા નથી.

ઇમેજિંગ અને હેશિંગ: અવિશ્વસનીય સાંકળ

દરેક એકત્રિત ઉપકરણમાંથી ચોક્કસ છબી લેવામાં આવે છે. જ્યારે ઈમેજ ઈમ્પોર્ટ કરવામાં આવી રહી હોય, ત્યારે સ્ત્રોત રાઈટ બ્લોકર દ્વારા સુરક્ષિત છે; જ્યારે છબી સમાપ્ત થાય છે, ત્યારે એક હેશ (SHA-256 પસંદ કરવામાં આવે છે; એકલા MD5 ને હવે નબળું ગણવામાં આવે છે)ની ગણતરી કરવામાં આવે છે. આ હેશ એ ઇમેજની ફિંગરપ્રિન્ટ છે: તે સમગ્ર પરીક્ષા દરમિયાન દરેક હેશ ચેક પર સમાન હોવી જોઈએ, અન્યથા ઇમેજ બગડે છે. કસ્ટડી ફોર્મની સાંકળ (કોના દ્વારા, ક્યારે, ક્યાં પુરાવા લેવામાં આવ્યા હતા, તે ક્યાં મૂકવામાં આવ્યા હતા, કોને પહોંચાડવામાં આવ્યા હતા) જ્યારે પણ તે હાથ બદલાય છે ત્યારે તેને અપડેટ કરવામાં આવે છે.

AI અહીં બે સુરક્ષિત કામ કરે છે: (1) સંગ્રહ દરમિયાન ભરવા માટે કસ્ટડીની સાંકળ અને પુરાવા ટેગ ટેમ્પલેટ્સ જનરેટ કરે છે; (2) સુસંગતતા તપાસ માટે તમે એકત્રિત કરેલ હેશ અને ટાઇમસ્ટેમ્પ ગોઠવે છે ("શું આ ત્રણ હેશ સમાન છે, કઈ છબી કયા ઉપકરણની છે?"). AI પોતે હેશની ગણતરી કરતું નથી - તે તેને ફોરેન્સિક સાધન બનાવે છે; AI ફક્ત રેકોર્ડને સંપાદિત કરે છે.

પ્રવેગકની સમીક્ષા કરો: AI ની વાસ્તવિક શક્તિ

એકવાર પુરાવાની ચકાસણી થઈ જાય અને ઇમેજ કેપ્ચર થઈ જાય, એઆઈ ખરેખર ચમકે છે. લાક્ષણિક પ્રવેગક વિસ્તારો:

• ફાઇલ વર્ગીકરણ: પ્રકાર, સામગ્રી અને સંભવિત સુસંગતતા અને ભલામણની પ્રાથમિકતાઓ દ્વારા હજારો ફાઇલોનું જૂથબદ્ધ કરવું.
• ટેક્સ્ટ અને દસ્તાવેજ સારાંશ: લાંબા કરારો, ઇમેઇલ્સ, ચેટ ટ્રાન્સક્રિપ્ટ્સ માટે વિષય અને પક્ષ નિષ્કર્ષણ.
• OCR અને વિઝ્યુઅલ કન્ટેન્ટ: સ્કેન કરેલા દસ્તાવેજોમાંથી ટેક્સ્ટ એક્સટ્રેક્ટ કરવું (OCR — ઓપ્ટિકલ કેરેક્ટર રેકગ્નિશન, ઇમેજમાં ટેક્સ્ટ કન્વર્ટ કરવું) અને ઑબ્જેક્ટ્સ/ટેક્સ્ટને ઇમેજમાં ટેગ કરવું.
• એન્ટિટી નિષ્કર્ષણ (NER — નામવાળી એન્ટિટી ઓળખ, વ્યક્તિ, સંસ્થા, એકાઉન્ટ, ટેક્સ્ટમાંથી IP જેવી નામવાળી એન્ટિટી શોધવી): હજારો દસ્તાવેજોમાંથી સૂચિબદ્ધ વ્યક્તિ, IBAN, ફોન, ઈ-મેલ, ક્રિપ્ટો વૉલેટ સરનામું.
• કોડ અને આદેશનું વર્ણન: મળેલી સ્ક્રિપ્ટ અથવા આદેશ ઇતિહાસ શું કરે છે તે સાદી ભાષામાં સમજાવો (ચકાસવા માટે).

દરેકમાં, આઉટપુટ એ પ્રારંભિક બિંદુ છે; સુસંગતતા અને પુરાવા મૂલ્ય અંગેનો નિર્ણય નિષ્ણાત પાસે રહેલો છે.

ધ્યાન: AI કહે છે કે "આ ફાઇલ અપ્રસ્તુત છે" તે ફાઇલની તપાસ કર્યા વિના તેને દૂર કરવા માટે પૂરતું નથી. ટ્રાયેજ પ્રાધાન્યતા ઘટાડે છે, પરંતુ ગંભીર કિસ્સાઓમાં, સેમ્પલિંગ પણ લો-પ્રાયોરિટી ક્લસ્ટરમાંથી કરવામાં આવે છે. કોમ્પ્યુટર ફોરેન્સિકમાં ખોટા નકારાત્મક (વાસ્તવિક પુરાવાને "અપ્રસ્તુત" તરીકે છોડી દેવા) એ સૌથી મોંઘી ભૂલ છે.

ત્રણ નાના કેસો

કેસ 1 — OCR સાથેનો ગોપનીય દસ્તાવેજ. ભ્રષ્ટાચારની એક તપાસમાં 14,000 સ્કેન કરેલા પૃષ્ઠો હતા; તેમાંથી કોઈ પણ શોધી શકાય તેવું લખાણ નહોતું. AI-સંચાલિત OCR સાથે, બધા પૃષ્ઠોને "ઓફશોર", ચોક્કસ કંપનીનું નામ અને IBAN જેવી પેટર્નની નકલ અને શોધ કરવામાં આવી હતી. 40 મિનિટમાં 9 જટિલ પૃષ્ઠો મળ્યાં; હાથથી વાંચવામાં અઠવાડિયા લાગશે. ત્યારબાદ દરેક પૃષ્ઠની નિપુણતાથી ચકાસણી કરવામાં આવી હતી.

કેસ 2 — એન્ટિટી ઇન્ફરન્સ રિલેશનશિપ નેટવર્ક. એક છેતરપિંડીની ફાઇલમાં 6,200 ઇમેઇલ્સ હતા. NER સાથે, બધા સંપર્કો, એકાઉન્ટ્સ અને ફોન કાઢવામાં આવ્યા હતા અને સંબંધ સૂચિ બનાવવામાં આવી હતી; આમ, અગાઉના બે અણધાર્યા બ્રોકરેજ એકાઉન્ટ્સ બહાર આવ્યા. એઆઈ એ કનેક્શનને ચિહ્નિત કર્યું; ફરિયાદીએ પોતે ઈમેલમાં પુરાવાની પુષ્ટિ કરી હતી.

કેસ 3 - ખોટા નકારાત્મકનો ભય. એક ટીમ 30,000 ફાઇલોના સમૂહને સંપૂર્ણપણે દૂર કરવા માંગતી હતી જેને AI એ "ઓછી વ્યાજ" કહે છે. વરિષ્ઠ નિષ્ણાતે આ ક્લસ્ટરમાંથી રેન્ડમલી 2% નમૂના લીધા અને તેમાં એક મહત્વપૂર્ણ રેકોર્ડ મળ્યો: AI એ અસામાન્ય એક્સટેન્શનને કારણે ફાઇલને ખોટી રીતે વર્ગીકૃત કરી હતી. નમૂના લેવાની શિસ્તએ કેસ બચાવ્યો.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) ડ્રાફ્ટ કલેક્શન પ્લાન:

તમારી ભૂમિકા: ક્રાઇમ સીન ફોરેન્સિક કલેક્શન નિષ્ણાત. દૃશ્ય: [PC પર, 2 ફોન, 1 NAS, ચાલી રહેલ સર્વર]. અસ્થિરતાના ક્રમમાં મારા માટે સંગ્રહ યોજનાની રૂપરેખા બનાવો: દરેક ઉપકરણ માટે શું એકત્રિત કરવું, કયા સાધનની ભલામણ કરવામાં આવે છે, શું દસ્તાવેજીકરણ કરવું. મહેરબાની કરીને નોંધ કરો કે આ એક ડ્રાફ્ટ છે અને સ્થાનિક કાયદા અનુસાર તેની પુષ્ટિ જરૂરી છે.

2) કસ્ટડી નમૂનાની સાંકળ:

મને કસ્ટડી ફોર્મ ટેમ્પલેટની સાંકળ બનાવો: પુરાવા નંબર, ઉપકરણ વર્ણન, સીરીયલ નંબર, કલેક્ટર, તારીખ/સમય, સંગ્રહ પદ્ધતિ, હેશ (SHA-256), રીસીવર, ડિલિવર, સ્ટોરેજ સ્થાન અને દરેક હેન્ડઓફ માટે લાઇન શામેલ કરો.

3) બલ્ક ફાઇલ ટ્રાયેજ વિનંતી:

હું તમને ફાઇલોની સૂચિ આપીશ (નામ, કદ, તારીખ, એક્સ્ટેંશન). ફોરેન્સિક રસની ઉચ્ચ/મધ્યમ/ઓછી સંભાવના દ્વારા જૂથ કરો અને ન્યાયિકતા લખો. નોંધ: "નીચું" નાબૂદ કરવામાં આવતું નથી, તે માત્ર પ્રાથમિકતા છે. એક્સ્ટેંશન-સામગ્રી મેળ ખાતી ન હોય તેને અલગથી ચિહ્નિત કરો.

4) મળેલી સ્ક્રિપ્ટ સમજાવો:

આ સ્ક્રિપ્ટ/કમાન્ડ ઇતિહાસને ફોરેન્સિક સંદર્ભમાં સમજાવો: તે શું કરે છે, તેની પાસે કઈ ફાઇલ/નેટવર્ક એક્સેસ છે, શું દ્રઢતા અથવા ડેટા એક્સફિલ્ટરેશનનો કોઈ નિશાન છે? દરેક નિવેદનને સ્ક્રિપ્ટમાં એક લીટી સાથે લિંક કરો. જો તમને ખાતરી ન હોય, તો તેને "ચકાસાયેલ હોવું આવશ્યક છે" તરીકે ચિહ્નિત કરો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ ફાઇલોને મહત્વની ફાઇલો અનુસાર અલગ કરો.

"સબસ્ટેન્શિયલ" અવ્યાખ્યાયિત છે; AI તેની પોતાની ધારણાઓ દ્વારા શોધે છે અને નિર્ણાયક પુરાવા ચૂકી શકે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: ફોરેન્સિક ટ્રાયજ વિશ્લેષક. સંદર્ભ: અમે રેન્સમવેરની ઘટના, એન્ક્રિપ્શન અને ડેટા એક્સફિલ્ટરેશનની તપાસ કરી રહ્યા છીએ. હું તમને નામ, કદ, બનાવટ/સુધારા તારીખ અને એક્સ્ટેંશન સાથે ફાઈલોની યાદી આપીશ. કાર્ય: એન્ક્રિપ્શન ટૂલ, કમ્પ્રેશન/આર્કાઇવ, અસામાન્ય એક્સ્ટેંશન, છેલ્લા 72 કલાકમાં બદલાયેલ, અને મોટી નિકાસ ફાઇલોને ઉચ્ચ પ્રાથમિકતા તરીકે ચિહ્નિત કરો; દરેક નિર્ણય માટે સમર્થન લખો. જો એક્સટેન્શન અપેક્ષિત સામગ્રી સાથે મેળ ખાતું નથી, તો ચેતવણી પણ આપો. કોઈપણ ફાઇલને "કાઢી નાખો/કાઢી નાખો" કહો નહીં; માત્ર પ્રાથમિકતા આપો.

સંદર્ભ, લક્ષ્ય અને "ડીલીટ કહો નહીં" અવરોધ આઉટપુટને ઉપયોગી અને સલામત બંને બનાવે છે.

સંગ્રહ વિ. સમીક્ષા: AI રોલ ચાર્ટ

સ્ટેજ

શું AI સુરક્ષિત છે?

AI નું કામ

માણસનું કામ

અસ્થિર માહિતી સંગ્રહ

ના (નિર્ણય)

યોજનાનો ડ્રાફ્ટ

સંગ્રહ, દસ્તાવેજીકરણ

છબી સંપાદન

ના

નમૂનો

બ્લોકર, હેશ લખો

હેશ ચકાસણી

ના

રેકોર્ડ ઓર્ડર

વાહન દ્વારા ગણતરી અને પુષ્ટિ

ફાઇલ ટ્રાયજ

હા

અગ્રતા

નિર્ણય, નમૂના

OCR/ટેક્સ્ટ નિષ્કર્ષણ

હા

રૂપાંતર

ચોકસાઈ ચકાસણી

એન્ટિટી અનુમાન

હા

યાદી પેઢી

સુસંગતતા નિર્ણય

સામાન્ય ભૂલો

• AI ને પસંદ કરવાનું "ડુ" બનાવવાનો પ્રયાસ કરી રહ્યાં છીએ. AI ઉમેરતું નથી; તે ફક્ત યોજનાઓ અને નમૂનાઓનું ઉત્પાદન કરે છે. છબી અને હેશ માનવ કાર્યો છે.
• ટ્રાયેજ પરિણામને નિર્ણાયક નિવારણ તરીકે ભૂલવું. "ઓછી વ્યાજ" ક્લસ્ટરમાંથી નમૂના લેવાનું અવગણશો નહીં.
• OCR આઉટપુટને ચકાસ્યા વિના ટાંકવું. OCR અક્ષરોને મિશ્રિત કરી શકે છે (0/0, 1/l); સ્ત્રોત સાથે નિર્ણાયક મૂલ્યોની પુષ્ટિ કરો.
• એક્સ્ટેંશન પર આંધળો વિશ્વાસ. એક્સ્ટેંશન બદલાઈ ગયું હોઈ શકે છે; સામગ્રી પ્રકાર તપાસો.
• માસ્ક વિના વાહન પર વ્યક્તિગત ડેટા અપલોડ કરવો. TC/IBAN/આરોગ્ય ડેટા બલ્ક અનુમાનમાં લીક થઈ શકે છે.

સારાંશમાં

પુરાવા સંગ્રહ એ માનવીય જવાબદારી છે: અસ્થિરતાનો ક્રમ, છબી, હેશ અને કસ્ટડીની સાંકળ માનવ હાથમાં છે; અહીં AI માત્ર યોજનાઓ અને નમૂનાઓ બનાવે છે. એકવાર પુરાવા ચકાસવામાં આવે અને ઇમેજ કેપ્ચર થઈ જાય, AI સમીક્ષાને ઝડપી બનાવવા માટે વાસ્તવિક મૂલ્ય ઉમેરે છે (ટ્રાયેજ, OCR, સારાંશ, એન્ટિટી એક્સટ્રેક્શન, કોડ એનોટેશન). પરંતુ દરેક આઉટપુટ એ ચકાસવા માટેની નિશાની છે; સુસંગતતા અને પુરાવા મૂલ્ય અંગેનો નિર્ણય નિષ્ણાત પર રહેલો છે, જે ખોટા નકારાત્મકના જોખમને પણ ધ્યાનમાં લે છે.

એપ્લિકેશન કાર્ય

કાલ્પનિક ઘટના દૃશ્યનું વર્ણન કરો (દા.ત., કર્મચારીને ડેટા બહાર કાઢવાની શંકા છે). સૌપ્રથમ "કલેક્શન પ્લાન ડ્રાફ્ટ" ટેમ્પલેટ સાથે પ્લાન દોરો અને તેની સ્થાનિક પ્રક્રિયા સાથે સરખામણી કરો. પછી 20 લાઇનોની નમૂના ફાઇલ સૂચિ તૈયાર કરો અને તેને "બલ્ક ફાઇલ ટ્રાયજ" ટેમ્પલેટ સાથે પ્રાથમિકતા આપો; હાથનો નમૂનો ઓછામાં ઓછો 10% અને એઆઈનું વર્ગીકરણ ચકાસો.

ચેકલિસ્ટ

• મેં વોલેટિલિટીના ક્રમમાં કલેક્શન પ્લાન સેટ કર્યો અને પ્રક્રિયા સાથે તેની સરખામણી કરી.
• [] મને માનવ/ટૂલ દ્વારા છબી અને હેશ મળી; મેં તે AI દ્વારા કરાવ્યું ન હતું.
• જ્યારે પણ હાથ બદલાય ત્યારે મેં ચેઈન ઓફ કસ્ટડી ફોર્મ અપડેટ કર્યું.
• [ ] મેં ટ્રાયેજ પરિણામના "નીચા" ક્લસ્ટરમાંથી નમૂના લીધો.
• [ ] મેં સ્ત્રોત સાથે OCR અને એસેટ આઉટપુટની ચકાસણી કરી; મેં વ્યક્તિગત ડેટાને ઢાંકી દીધો.