收益：
- 能够通过哈希匹配、不间断记录的监管链来证明证据的完整性，并记录人工智能变体的起源
- 能够理解可接受的条件（真实性、可靠的方法、可解释性），并遵守不将无法解释的“黑匣子”输出作为发现结果的纪律。
- 能够在报告中透明地说明人工智能的使用情况，并确保最终结果的责任由专家承担
如果无法证明证据和监管链的完整性，即使是调查中最出色的技术发现在法庭上也可能毫无价值。计算机取证的最终目标不是从技术上回答问题，而是提供法庭上可接受和辩护的证据。在本单元中，我们将介绍如何在人工智能时代保护证据的完整性、监管链和法律采信原则。该单元是整个模块的法律支柱。
证据的完整性：证据从未改变
证据完整性是指证明证据从收集到审判期间没有发生任何变化的能力。实现此目的的技术工具是哈希值，我们在之前的单元中已经看到过：接收图像时计算的 SHA-256 值在法庭上重新计算时应该是相同的。如果结果相同，则意味着证据没有任何改变。这就是为什么每次检查和每次易手都会保留哈希记录的原因。
在人工智能时代，完整性有了一个新的维度：人工智能分析不应改变原始数据。您提供给人工智能工具的数据始终是经过验证的图像的衍生物；人工智能的分析不会破坏原始证据的哈希值，因为原始证据没有受到影响。有必要记录这一点：“分析是在图像的工作副本上进行的，其哈希值为；AI 分析仅供阅读目的。”
注意：人工智能工具对数据的“处理”（加载、转换、汇总）是对该导数的操作，不会影响原始数据 - 但如果您不记录该导数的起源（哪个图像，哪个散列），您的发现的证据链中将会出现空白。将每个 AI 输出连接到其源以及该源的哈希值。
监管链：谁、何时、如何
监管链是一种不间断的记录，显示从收集证据的那一刻起，证据经过谁的手，保存的时间和地点以及所做的事情。只有一个缺口——“两天来，这些证据放在哪里，谁可以访问它？” ——破坏了证据的可信度。该链包括：证据的描述、收集者、日期/时间、收集方法、哈希值、存储位置、每次传输和每次访问。
AI不跟踪监管链（这是责任和权限的问题），但提供两个安全贡献：（1）它生成完整的链模板； (2) 扫描您的记录是否存在不一致之处（标记空白，例如“此证据有转移记录，但没有接收者签名”）。链条的责任始终在于人。
可否受理：法院寻找什么？
证据要被法庭采纳，通常需要满足以下条件（具体细节因司法管辖区而异）：
- 真实性：证据必须来自声称的来源并且必须未经更改。
- 完整性和链：必须通过哈希和监管链来证明。
- 可靠的方法：所使用的工具和方法必须科学可靠、可重复且被普遍接受。 （在许多司法管辖区，可靠性测试适用于专家方法。）
- 相关且合法获得的：未经授权/非法获得的证据可能会被拒绝。
- 可由专家解释：专家必须能够向法庭清楚地阐明辩护的方法和结果。
从人工智能的角度来看，关键点是：如果你无法解释人工智能代理如何做出决定，那么该输出的证据就很薄弱。一个“黑匣子”人工智能说“90%相关”可能无法通过方法可靠性和可解释性的测试。因此，人工智能被定位为经过人类验证的助手，而不是产生结果的助手；最终的发现是人们可以归因于来源并进行解释的证据。
提示：在报告中，透明地说明您在何处使用人工智能：使用哪种工具、用于什么目的、如何验证它。解释而不是隐藏可以建立信任。 “人工智能用于分诊，所有标记的结果均由专家通过链接到来源进行验证”这句话使该方法站得住脚。
三个迷你箱子
案例1——哈希链恢复证据。在一个案例中，辩方反对称“该图像可能已被更改”。专家表明，在收集时、经检查和在法庭上计算的所有三个 SHA-256 值都是相同的。完整性已通过数学证明；反对意见被撤销。
案例 2——链条缺口削弱了证据。在一份档案中，没有记录谁拥有36小时内的证据。对方利用了这个漏洞；证据的可靠性受到严重质疑。技术发现很强大，但连锁游戏掩盖了一切。教训：没有链条纪律，技术卓越是不够的。
案例 3——无法解释的 AI 被拒绝。在一份草案中，一项发现被表述为“人工智能模型检测到”，但没有显示模型如何做出决定以及发现的来源。专家表示，这对可受理性构成风险；研究结果被重新呈现，专家将其链接到来源并进行手动验证。因此，人工智能仍然有帮助，而人类仍然负责。
四个可复制模板
1）诚信声明草案：
您的角色：计算机取证报告撰写者。为我提供一份证据完整性声明草案：图像名称、源设备、收集方法、写入阻止程序的使用、收集/检查/控制哈希值 (SHA-256)、三者匹配的声明以及检查是在工作副本上执行的注释。用 [ ] 保留空格。
2) 监管链差距扫描：
我会给你一份监管链记录。检查以下字段：缺少签名、缺少时间段、没有哈希记录的传输、发送者/接收者不匹配。将每个空格连接到相应的线。简要说明这些差距如何影响证据的可靠性。
3）AI使用透明度说明：
写一个“人工智能使用”透明度段落，包含在我的报告中：使用了哪种人工智能工具、在什么阶段（分类/总结/标记）、出于什么目的；人类通过将输出连接到源来验证输出；您对最终结果负责。毫不夸张，用诚实的语言。
4）可接受性自我控制：
检查以下发现的可接受性：(1) 是否有真实性证据，(2) 哈希/链是否完整，(3) 该方法是否可重复且可解释，(4) 是否合法获得，(5) 专家能否为其辩护？为每件物品标记缺失的物品。不是法律建议，自我控制。
弱提示/强提示
弱提示：
将这一发现写入报告中。
完全不考虑完整性、来源和可接受性；这一发现可能会在法庭上受到质疑。
强力提示：
您的角色：数字取证报告撰写者。在以下上下文中呈现发现：发现的来源（文件、偏移量、时间戳）、派生它的图像和哈希、使用的方法、人工智能的作用（如果有）以及人工验证。将不确定性写为“可能”。展示调查结果，但不注明来源；避免过度索赔。
归因、哈希值、方法和验证框架使这一发现站得住脚。
验收条件表
条件
他想要什么？
如何提供
人工智能的风险
真实性
来源+不变性
图片、来源链接
幻觉
诚信
完全没有改变
哈希匹配
缺乏衍生登记
监管链
无缝录音
CoC 表格、签名
注册差距
方法可靠性
重复+接受
标准工具/流程
莫名其妙的“黑匣子”
可解释性
专家辩护
透明的方法
使用隐形人工智能
常见错误
- 没有记录AI变体的起源。如果没有记录它来自哪个图像和哪个哈希，则链中将会出现间隙。
- 在监管链中留下缺口。错过一段时间，即使是最强有力的技术证据也会被削弱。
- 将无法解释的人工智能输出作为一项发现。可接受性风险；需要人工验证和出处。
- 隐藏人工智能的使用。透明度建立信任；隐藏的方法引起了反对。
- 使用过于精确的语言。基于证据和确定性水平的语言，而不是“绝对”。
总之
数字取证的最终标准不是技术准确性，而是法庭上可接受和辩护的证据。其基础是证据的完整性（哈希匹配）、监管链（不间断记录）和可采性条件（真实性、可靠方法、可解释性）。人工智能时代的关键原则：在不改变原始数据的情况下使用人工智能，通过记录衍生品的起源，并将输出连接到源并由人类验证。人工智能很有帮助；他是一位负责任、倡导性的专家。
应用任务
准备一份监管链记录样本并包含有意的空白（缺少签名或损失时间）。使用“监管链间隙扫描”模板扫描AI并验证间隙。然后，对于示例调查结果，应用“完整性声明草案”和“人工智能使用透明度备忘录”模板，并编写一个演示文稿，将调查结果链接到来源。
清单
- [ ] 我已经记录了收集、检查和控制哈希值的匹配情况。
- [ ] 我将每个 AI 变体与其源和哈希相关联。
- [ ] 我保持了监管链的完整性并扫描了漏洞。
- [ ] 我在报告中透明地阐述了人工智能的使用。
- [ ] 我用可解释的、基于来源的和可测量的语言呈现了研究结果。