Flusso di lavoro end-to-end, governance del laboratorio, convalida e uso responsabile

Guadagni:

• Capacità di incorporare l'intelligenza artificiale in ogni fase dall'inizio del caso fino al tribunale, coerentemente con i cancelli di verifica umana
• Capacità di stabilire un quadro di governance del laboratorio con un elenco di strumenti approvati, classificazione dei dati, disciplina di registrazione e verifica continua
• Capacità di incorporare i principi di responsabilità umana, integrità delle prove, privacy, trasparenza, uso difensivo e imparzialità nel flusso di lavoro

Nelle dieci unità precedenti, abbiamo imparato a utilizzare l'intelligenza artificiale nelle singole fasi dell'analisi forense digitale: supporto alla raccolta, triage, sequenza temporale, e-discovery, malware, dispositivi mobili/cloud, deepfake, integrità delle prove e report. In questa unità finale, mettiamo insieme i pezzi: incorporare l'intelligenza artificiale in un flusso di lavoro coerente dall'inizio di un caso fino al processo e renderla sicura, ripetibile e difendibile in un laboratorio forense con un quadro di governance: il vincolo di strumenti, processi e responsabilità all'interno di un'organizzazione a regole coerenti e verificabili. L’obiettivo è trasformare la buona volontà individuale in garanzia istituzionale.

Flusso di lavoro end-to-end: porte di verifica

Quando si conduce un'indagine forense con l'intelligenza artificiale, posizionare un cancello di verifica (la fermata obbligatoria in cui l'output viene controllato da un essere umano prima di passare alla fase successiva) in ogni fase:

1. Raccolta: l'intelligenza artificiale produce un piano/modello → L'uomo prende l'immagine, verifica l'hash, avvia la catena. Gate: l'hash match e il chain record sono completi?
2. Triage: l'intelligenza artificiale dà priorità → Ispeziona con campionamento umano. Porta: è stato campionato il cluster a bassa priorità?
3. Revisione/analisi: punteggi AI, sintesi → Collegamenti a fonti umane. Gate: ogni ritrovamento è stato collegato alla fonte?
4. Cronologia: l'intelligenza artificiale ordina → L'uomo normalizza, elimina la causalità. Cancello: periodo di tempo normalizzato, correlazione-causa separata?
5. Rapporto: l'AI scrive la bozza → L'uomo verifica, misura, firma. Porta: ogni frase si basa sulla fonte, il linguaggio è misurato?

Non puoi passare a quella successiva senza oltrepassare ciascuna porta. Si tratta di una difesa a più livelli che impedisce a un singolo bug dell'IA di insinuarsi nel report.

Suggerimento: suddividi il tuo flusso di lavoro in una lista di controllo scritta e utilizza la stessa lista ad ogni evento. La riproducibilità aumenta sia la qualità che l’accettabilità: “Applichiamo lo stesso processo convalidato in ogni esame” è la base dell’affidabilità del metodo in tribunale.

governo del laboratorio

La disciplina individuale deve evolversi in una governance su scala di laboratorio. Elementi di governance dell’IA in un laboratorio forense:

• Elenco degli strumenti approvati: quali strumenti AI possono essere utilizzati con quale classe di dati; quali (nella giurisdizione inappropriata i cui dati vanno alla formazione dei modelli) sono vietati.
• Classificazione dei dati: i dati aperti/interni/confidenziali/sensibili personali possono entrare in quale veicolo. I dati personali e privilegiati vengono trattati solo con mezzi contrattuali e privi di dati nella giurisdizione appropriata.
• Libreria di prompt e modelli comuni: prompt standard convalidati che impongono il collegamento all'origine; Tutti dovrebbero lavorare con la stessa qualità.
• Disciplina di registrazione (traccia di controllo): registrare cosa è stato fatto, quali dati e con quale strumento. Questo vale sia per l'accettabilità che per l'audit interno.
• Formazione e competenza: gli esperti conoscono i limiti dell'intelligenza artificiale, delle allucinazioni e della necessità di verifica.
• Verifica continua: test regolari delle prestazioni dei veicoli rispetto ai dati di test noti; fiducia misurata invece che fiducia cieca.

Attenzione: il rischio si moltiplica con la scala. L'uso attento di un singolo esperto è positivo; Ma se in un laboratorio di dieci persone tutti lavorano con strumenti diversi, di qualità diversa e senza attenzione, un giorno le prove crolleranno. La governance viene stabilita prima che si verifichi una crisi, non dopo.

Uso etico e responsabile: principi immutabili

Raccogliamo i principi che ripetiamo durante l'intero modulo in un quadro:

• Responsabilità umana: ogni decisione finale e firma appartiene all'essere umano. “L’ha detto l’intelligenza artificiale” non è una scusa da nessuna parte.
• Integrità delle prove: l'originale è intatto; Tutto viene fatto sul derivato verificato, con l'origine registrata.
• Privacy e legalità: Il lavoro viene svolto solo nell'ambito dell'autorizzazione, utilizzando strumenti adeguati, tutelando i dati personali/sensibili.
• Trasparenza: l’uso dell’intelligenza artificiale è dichiarato onestamente nel rapporto; Non è nascosto.
• Uso difensivo: le informazioni sulla sicurezza e sul malware sono destinate esclusivamente alla difesa, alla verifica e alle indagini autorizzate; Mai per accessi non autorizzati, produzione di media falsi o sviluppo di attacchi.
• Imparzialità: l'esperto forense ricerca la verità; Utilizza l’intelligenza artificiale per valutare oggettivamente le prove, non per “convalidare” una conclusione raggiunta in precedenza.

tre mini custodie

Caso 1: la governance ha impedito una fuga di notizie. In un laboratorio, un nuovo analista stava per caricare e-mail privilegiate su uno strumento pubblico per un rapido riepilogo. Entrava in gioco l'elenco dei veicoli approvati e la classificazione dei dati: i dati personali/privilegiati erano vietati a quel veicolo. La fuga di notizie è stata fermata prima che accadesse, grazie alla norma.

Caso 2: i gate di convalida hanno rilevato il bug in anticipo. In un caso, è stato eseguito il campionamento al gate di triage ed è stato riscontrato un file critico che l’IA aveva classificato erroneamente. L'errore è stato rilevato nella seconda fase, non nella fase di segnalazione. Le porte a più livelli impedivano che un errore arrivasse fino in tribunale.

Caso 3: fiducia misurata dalla convalida continua. Un laboratorio ha testato il suo strumento di rilevamento dei deepfake con campioni falsi/reali noti ogni tre mesi e ha riscontrato un degrado delle prestazioni (le tecniche di nuova generazione aggiravano lo strumento). Il peso assegnato alla produzione del veicolo è stato modificato di conseguenza. La fiducia misurata piuttosto che la fiducia cieca ha impedito una falsa segnalazione.

Quattro modelli copiabili

1) Elenco di controllo del flusso di lavoro dell'evento:

Il tuo ruolo: leader del processo di informatica forense. Producimi una lista di controllo del flusso di lavoro end-to-end basato sull'intelligenza artificiale per un incidente: raccolta, valutazione, analisi, sequenza temporale, fasi di report e un GATE DI VERIFICA (controllo umano) per ciascuna fase. Scrivi la "condizione di passaggio" per ciascuna porta (ad esempio, l'hash corrisponde, è connesso alla sorgente).

2) Progetto di strumento di intelligenza artificiale/politica sui dati:

Vorrei delineare uno strumento di intelligenza artificiale e una politica di utilizzo dei dati per un laboratorio forense: classi di dati (aperte/interne/confidenziali/sensibili a carattere personale), tipo di strumenti consentiti per ciascuna classe, requisiti di registrazione (verifica) e usi vietati (accesso non autorizzato, produzione di media falsi). In breve, punti elenco utilizzabili.

3) Modello di registrazione (pista di controllo):

Producimi un modello di record di utilizzo dell'intelligenza artificiale: data, esperto, ID dell'incidente, strumento utilizzato, classe di dati, processo (triage/riepilogo/segnalazione), fonte di input (immagine/hash), modalità di verifica dell'output e firma responsabile. Una tabella riga per riga, adatta per il controllo.

4) Autoregolamentazione dell’uso responsabile:

Controllare il seguente caso d'uso dell'IA per un uso responsabile: (1) è stato l'essere umano a prendere la decisione finale, (2) è stata preservata l'integrità delle prove, (3) è stato rispettato l'ambito legale/la privacy, (4) l'uso dell'IA è stato trasparente, (5) è stato solo a scopo difensivo? Contrassegnare mancanti/rischio per ciascun articolo.

Prompt debole / Prompt forte

Suggerimento debole:

Costruisci il nostro processo di revisione forense con l'intelligenza artificiale.

Nessuna porta, nessuna politica sui dati, nessuna registrazione e nessuna responsabilità; Emerge un processo incontrollabile e insostenibile.

Suggerimento potente:

Il tuo ruolo: leader del processo di laboratorio di informatica forense. Progettami un processo di revisione end-to-end basato sull'intelligenza artificiale; Metti un VERIFICATIONGATE umano e una condizione di transizione in ogni fase (raccolta, triage, analisi, sequenza temporale, report). Includere la classificazione dei dati, l'elenco degli strumenti approvati, la disciplina di audit e gli usi vietati (accesso non autorizzato, media falsi). Sottolineare che ogni decisione spetta all’uomo e che l’uso dell’intelligenza artificiale sarà dichiarato in modo trasparente nel rapporto.

Le porte, la politica sui dati, la registrazione e il quadro di responsabilità rendono il processo verificabile e difendibile.

Tabella degli elementi di governance

elemento

Cosa prevede

rischio in caso contrario

Elenco veicoli omologati

Strumento coerente e sicuro

fuga di dati

Classificazione dei dati

Corretto abbinamento dati veicolo

Violazione della privacy

Cancelli di validazione

Rilevamento anticipato dell'errore

L'errore arriva in tribunale

Registrazione (pista di controllo)

Verificabilità

Debolezza dell'accettabilità

Verifica continua

Fiducia misurata

fidarsi ciecamente

Istruzione

consapevolezza dei confini

Non cadere nell'allucinazione

Errori comuni

• Non mettere un cancello di verifica. Un singolo errore AI non viene controllato nel report.
• Rinviare la governance dopo la crisi. Il rischio si moltiplica con la scala; La regola è prestabilita.
• Non tenere registri. Un processo che non può essere controllato non può essere difeso in tribunale.
• Non testare mai le prestazioni del veicolo. I modelli si indeboliscono nel tempo e con le nuove tecniche.
• Trasferimento di responsabilità all’IA. La decisione finale e la firma spettano sempre all’essere umano.

In sintesi

La lezione finale di questo modulo collega le parti in un tutto: l'intelligenza artificiale è integrata con controlli di verifica in ogni fase di un caso, dall'inizio al contenzioso, e protetta con governance (strumenti approvati, classificazione dei dati, disciplina di registrazione, verifica continua, formazione) su scala di laboratorio. I principi immutabili sono chiari: responsabilità umana, integrità delle prove, privacy e legalità, trasparenza, uso difensivo e imparzialità. L’intelligenza artificiale è un potente moltiplicatore di scala nell’analisi forense digitale; Ma sono sempre gli esseri umani a cercare la verità, a difendere l’evidenza e ad assumersi la responsabilità.

Compito dell'applicazione

Crea un documento di processo di una pagina per il tuo laboratorio (o immaginario) utilizzando i modelli "Elenco di controllo del flusso di lavoro degli eventi" e "Strumento di policy dei dati/strumento AI": cinque fasi, un cancello di convalida e una condizione di transizione in ciascuna, classificazione dei dati e usi vietati. Quindi controlla la tua domanda precedente in questo modulo con il modello "Autocontrollo per l'uso responsabile".

lista di controllo

• [] Inserisco un cancello di verifica umana e supera le condizioni in ogni fase.
• [ ] Ho definito la classificazione dei dati e l'elenco dei veicoli omologati.
• [] Ho registrato l'uso dell'intelligenza artificiale in una pista di controllo.
• [ ] Avevo pianificato di verificare periodicamente le prestazioni del veicolo.
• [ ] Ho assicurato che la decisione finale e la firma spetta all'essere umano e che l'uso è difensivo e trasparente.

Esame del modulo

1. Quale dei seguenti è il posizionamento più accurato per l'intelligenza artificiale nell'informatica forense?

• R) L’intelligenza artificiale può scrivere i risultati direttamente nel rapporto del tribunale senza l’approvazione umana
• B) L'intelligenza artificiale è utile solo per riassumere il testo e non ha rilevanza per altre aree di indagine forense
• C) L’intelligenza artificiale è uno strumento di triage e un generatore di progetti; La responsabilità delle decisioni che determinano l'integrità e l'interpretazione delle prove spetta agli esseri umani ✔
• D) Poiché l’intelligenza artificiale è sempre più obiettiva di quella umana, è necessario lasciare ad essa l’interpretazione delle evidenze.

Descrizione: Intelligenza artificiale; È un assistente che analizza dati voluminosi, contrassegna modelli e produce contorni. La responsabilità e l'approvazione delle decisioni critiche, come l'integrità delle prove, la loro interpretazione e l'ultima parola su ciò che verrà difeso in tribunale, spetta all'esperto competente; Un risultato non verificato potrebbe compromettere la libertà di una persona o il futuro di un'istituzione.

2. Qual è il principio fondamentale per preservare l'integrità durante l'esame delle prove originali?

• A) L'originale è intatto; L'immagine viene acquisita con il blocco scrittura, l'hash viene verificato e l'analisi viene eseguita sulla copia ✔
• B) Per velocità, il dispositivo originale viene collegato direttamente al computer e i file vengono esaminati
• C) Le prove originali possono essere modificate per essere caricate nello strumento AI
• D) Calcolare gli hash non è necessario, i nomi dei file sono sufficienti per dimostrarne l'integrità

Spiegazione: le prove originali non possono essere toccate direttamente. Impedendo la scrittura alla fonte con un blocco di scrittura, viene acquisita l'immagine esatta, l'impronta digitale viene calcolata con l'hash (SHA-256) e l'intera analisi, inclusa l'analisi dell'intelligenza artificiale, viene eseguita su questa copia verificata. Quindi l'hash dell'originale non cambia mai.

3. Cosa si dovrebbe fare per i file che il triage AI definisce "a bassa priorità" in un set di dati di grandi dimensioni?

• R) Per risparmiare tempo, viene completamente eliminato e rimosso dalla revisione.
• B) Non si aprirà mai più perché lo ha detto l’intelligenza artificiale.
• C) Viene automaticamente consegnato all'altra parte
• D) Indelebile; La sequenza viene lasciata fino alla fine ma controllata mediante campionamento per i falsi negativi ✔

Spiegazione: il triage non è l'eliminazione, ma la definizione delle priorità; nessun cluster viene eliminato. I falsi negativi (omettere prove reali in quanto "irrilevanti") sono l'errore più costoso nell'informatica forense. Pertanto, la classificazione dell'intelligenza artificiale dovrebbe essere verificata mediante campionamento casuale anche dal cluster "a bassa priorità".

4. Qual è il passaggio più critico prima di combinare registri provenienti da fonti diverse in un'unica sequenza temporale?

• A) Affiancando i logaritmi così come sono e contando quelli consecutivi come causa ed effetto
• B) Normalizzazione di tutti i timestamp su un unico riferimento (UTC) ✔
• C) Utilizzare solo il file di registro più grande ed eliminare gli altri
• D) Ordinare gli eventi in ordine alfabetico senza guardare i timestamp

Spiegazione: il problema più grande è il fuso orario e la deriva dell'orologio: un registro potrebbe registrare l'UTC, un altro l'ora locale oppure l'orologio di un sistema potrebbe essere sbagliato. Tutti i timestamp devono essere normalizzati su un singolo riferimento (solitamente UTC) prima di stabilire la correlazione; Altrimenti il ​​rapporto causa-effetto stabilito è marcio fin dall’inizio.

5. Cosa potrebbe indicare l'assenza di registri a un certo intervallo in una sequenza temporale da una prospettiva forense?

• R) Lo spazio è sempre privo di significato e dovrebbe essere ignorato
• B) Il divario dimostra sicuramente che il sistema in quel momento è chiuso.
• C) Le lacune nel registro possono indicare che i record potrebbero essere stati deliberatamente cancellati (cancellazione del registro) e dovrebbero essere indagati ✔
• D) Qualora venga riscontrata una lacuna, l'intero programma dovrà essere considerato non valido e scartato

Spiegazione: una lacuna nel registro durante un periodo previsto è un forte segnale che i record potrebbero essere stati cancellati intenzionalmente; Spesso il vuoto stesso è una delle prove più importanti. Le lacune non dovrebbero essere ignorate, ma dovrebbero essere indagate come possibilità di cancellazione/manipolazione.

6. A quale metrica viene data priorità nel contesto forense/legale quando si valutano i risultati della codifica predittiva (TAR), che accelera la revisione con l'intelligenza artificiale nell'e-discovery, e perché?

• A) Il richiamo ha la priorità; Non perdere un documento rilevante è più importante che leggere documenti extra ✔
• B) Conta solo la precisione; Una soglia stretta è sufficiente per ridurre il carico di lettura
• C) Non viene considerata alcuna metrica; La decisione dell'intelligenza artificiale viene accettata direttamente
• D) Conta solo il numero dei documenti; la pertinenza del contenuto non viene misurata

Descrizione: il richiamo (precisione) misura la quantità di tutti i documenti rilevanti che possono essere effettivamente trovati; Poiché la mancata consegna di un documento pertinente può comportare sanzioni, un elevato grado di ritiro è una priorità per legge. Pertanto, il cluster cosiddetto 'irrilevante' viene ispezionato mediante campionamento di richiamo; Non perdere è più importante della lettura eccessiva.

7. Quale dovrebbe essere il ruolo dell'intelligenza artificiale per i documenti con privilegio avvocato-cliente nell'e-discovery?

• A) L'intelligenza artificiale prende la decisione definitiva sui privilegi e crea automaticamente il set di consegna
• B) Il controllo dei privilegi non è necessario perché tutti i documenti alla fine vengono consegnati
• C) L’intelligenza artificiale non viene utilizzata affatto; Tutti i documenti vengono letti manualmente, uno per uno, senza supporto tecnologico
• D) AI segnala come candidati i documenti potenzialmente privilegiati; L'avvocato umano conferma la decisione finale ✔

Spiegazione: Consegnare accidentalmente un documento privilegiato all'altra parte (rinuncia al privilegio) è un errore molto difficile da correggere. L’intelligenza artificiale aiuta a contrassegnare i documenti potenzialmente privilegiati, ma ogni decisione sui privilegi deve essere confermata dall’avvocato umano; L’intelligenza artificiale non può prendere la decisione finale.

8. Come ci si dovrebbe comportare quando l'IA guarda i puntatori statici (stringhe) per un campione di malware e dice "questo è noto ransomware X"?

• R) La diagnosi è considerata definitiva e scritta direttamente sul referto.
• B) La diagnosi è considerata un'ipotesi; Confermato dal comportamento dinamico e dalla verifica IOC in sandbox isolata ✔
• C) Non c’è bisogno di ulteriori verifiche perché lo dice l’intelligenza artificiale
• D) Il campione viene testato rapidamente eseguendolo senza isolamento in un sistema reale

Spiegazione: la diagnosi basata su indicatori statici non è una prova, ma un'ipotesi; L'intelligenza artificiale può interpretare erroneamente una stringa o produrre un'allucinazione. La diagnosi familiare, tuttavia, dovrebbe essere supportata dall’analisi dinamica (osservazione del comportamento nella sandbox isolata) e dalla verifica del CIO. Inoltre, queste informazioni sono solo a scopo difensivo.

9. Come va intesa la relazione tra il riassunto di una chat prodotto dall'intelligenza artificiale e le prove nell'analisi forense mobile?

• R) Il riassunto è una prova più attendibile dei messaggi stessi
• B) La sintesi può essere presentata al tribunale come prova principale, non è necessario consultare la fonte
• C) La sintesi non è una testimonianza, ma una guida; La vera evidenza è il messaggio alla fonte e lì ogni segno deve essere ricollegato ✔
• D) Il riassunto è sufficiente; i messaggi originali possono essere eliminati

Spiegazione: il riassunto prodotto dall'intelligenza artificiale non costituisce una prova; È solo una guida su quali messaggi guardare. La vera prova è il messaggio reale alla fonte. Pertanto, ogni punto contrassegnato nel riepilogo dovrebbe essere collegato alla registrazione originale e il riepilogo non dovrebbe sostituire il messaggio stesso.

10. Qual è l'approccio più accurato nel valutare se una prova video è un deepfake?

• A) Valutare origine, metadati, anomalia tecnica, provenienza e contesto in più livelli ed esprimere il risultato con livello di confidenza ✔
• B) Guardare il punteggio di un singolo strumento di rilevamento e dire "sicuramente deepfake"
• C) Fidarsi assolutamente dei metadati e non guardare nessun altro livello
• D) Accettare il video come reale senza alcuna verifica perché sembra fluido

Spiegazione: il rilevamento dei deepfake non può basarsi su un singolo strumento o un singolo punteggio; La catena di custodia, i metadati, l'anomalia tecnica, la provenienza (C2PA) e i livelli di coerenza contestuale dovrebbero essere valutati insieme e sottoposti a convalida incrociata. Il risultato non è "decisamente falso/reale", ma è espresso in termini di livello di confidenza combinato dei livelli.

11. Quale situazione è più rischiosa in termini di utilizzo dell'intelligenza artificiale affinché le prove siano ammissibili in tribunale?

• A) Dichiarare onestamente l’uso dell’intelligenza artificiale nel rapporto
• B) Collegamento umano e verifica di ogni output dell'intelligenza artificiale alla fonte
• C) Presentare un risultato di una "scatola nera" che non può essere spiegata come prende le decisioni come constatazione diretta ✔
• D) Documentare la corrispondenza degli hash di raccolta, ispezione e controllo

Descrizione: Accettabilità; Richiede autenticità, integrità/catena, metodo affidabile e ripetibile e spiegabilità da parte di esperti. Presentare l'output di un'intelligenza artificiale "scatola nera", di cui non è possibile spiegare il modo in cui prende le decisioni, poiché una scoperta diretta potrebbe non superare il test di affidabilità e spiegabilità del metodo; Pertanto, il risultato deve essere umanamente collegato alla fonte e verificato.

12. Come si dovrebbe procedere in termini di linguaggio e argomentazione in una bozza di relazione forense scritta dall'intelligenza artificiale?

• R) Se la bozza è scorrevole, è firmata esattamente così com'è, non è necessario consultare la fonte.
• B) Ogni frase è confermata alla fonte e il linguaggio è mantenuto con una precisione misurata adeguata al reperto ✔
• C) Per avere effetto si preferiscono affermazioni forti come "è sicuramente colpevole".
• D) La correlazione può sempre essere scritta come causalità

Spiegazione: l'intelligenza artificiale può scrivere una correlazione come causalità, una probabilità come certezza e aggiungere una data/file/riferimento inventato tramite allucinazione. Nel linguaggio forense, dovrebbe essere usato un linguaggio misurato e basato sulla fonte come "i risultati mostrano che questo dispositivo ha eseguito questa azione in questo momento" e non "la persona è sicuramente colpevole", e ogni frase dovrebbe essere confermata alla fonte.

13. Qual è il modo più efficace per proteggere un processo di revisione forense end-to-end basato sull'intelligenza artificiale da un singolo errore che trapela in tribunale?

• A) Mettere un cancello di verifica umana e una condizione di superamento in ogni fase (verifica a più livelli) ✔
• B) Delegare l'intero processo a un singolo strumento di intelligenza artificiale e dare un'occhiata alla fine
• C) Eliminazione delle verifiche intermedie per rapidità e controllo solo in fase di report
• D) Ciascun esperto può utilizzare liberamente il proprio mezzo, senza tenere traccia di controllo.

Descrizione: ogni fase (raccolta, triage, analisi, sequenza temporale, report) è dotata di un cancello di verifica umana e di una chiara condizione di superamento (l'hash corrispondeva, era collegato alla fonte, era campionato). Non puoi passare attraverso una porta senza passare attraverso un'altra; Questa struttura a livelli impedisce che un singolo errore AI venga inserito nel report.

14. Qual è il principio immutabile per l'uso responsabile delle informazioni sulla sicurezza e sul malware nell'informatica forense?

• A) Le informazioni sono destinate esclusivamente alla difesa, alla verifica delle prove e alla revisione autorizzata; Non può mai essere utilizzato per accessi non autorizzati o attacchi/false produzioni multimediali ✔
• B) Se sufficientemente esperto, l'analista può utilizzare queste informazioni anche per accedere ad altri sistemi
• C) La produzione di media falsi con l'intelligenza artificiale è libera di apprendere il rilevamento
• D) Non c'è praticamente limite tra difesa e attacco, sono accettabili entrambi

Descrizione: L'analista forense esegue il reverse engineering per comprendere e dimostrare ciò che ha fatto l'aggressore; Queste informazioni sono destinate esclusivamente alla difesa, alla verifica delle prove e alla revisione autorizzata. Usare l'intelligenza artificiale per produrre malware funzionante, creare media falsi o intromettersi nel sistema di qualcun altro è illegale e non etico e va oltre lo scopo di questo campo.