Hvordan AI forbedrer digital kriminalgang

Digital kriminalgang professionelle kan bruge kunstig intelligens til at accelerere og forbedre deres nuværende processer, hvilket reducerer deres undersøgelses tid og forbedrer effektiviteten. Men selvom dens indvirkning er overvejende positiv, findes der dog nogle problemer. Kan AI erstatte kriminalgangsanalytikere? Endnu vigtigere, vil AI-drevne fund overhovedet holde i en retssal?

Hvad er digital kriminalgang?

Digital kriminalgang – tidligere kendt som computerkriminalgang – er en gren af kriminalgang, der udelukkende beskæftiger sig med elektroniske enheder. En kriminalgangsanalytikers job er at undersøge cyberforbrydelser og genskabe data for at producere beviser.

Brancheprofessionelle bruger computervidenskab og undersøgelsesmetoder til at afsløre data på computere, telefoner, flash-drev og tabletter. De sigter mod at finde, bevare, undersøge og analysere data, der er relevant for deres sag.

Hvordan fungerer digital kriminalgang?

Digital kriminalgang følger generelt en multi-trinsproces.

1. Beslaglæggelse

Holdene må først beslaglægge den medie, der er i spørgsmål, fra deres mistænkte. På dette tidspunkt starter de en besiddelseshistorik – en kronologisk elektronisk spor – for at spore, hvor beviset er, og hvordan de bruger det. Dette trin er kritisk, hvis de går til retten.

2. Bevarelse

Undersøgere må bevare den oprindelige datas integritet, så de begynder deres undersøgelse ved at lave kopier. De sigter mod at dekryptere eller genskabe så meget skjult eller slettet information som muligt. De må også sikre det mod uberettiget adgang ved at fjerne dets internetforbindelse og placere det i sikker lagring.

3. Analyse

Kriminalgangsanalytikere analyserer data med forskellige metoder og værktøjer. Da enheder gemmer information hver gang deres bruger downloader noget, besøger en hjemmeside eller opretter en post, findes der en slags elektronisk papirspor. Eksperter kan tjekke harddiske, metadata, datapakker, netadgangslog eller e-mail-udvekslinger for at finde, indsamle og behandle information.

4. Rapportering

Analytikere må dokumentere hver handling, de foretager, for at sikre, at deres beviser holder i en straffesag eller civilretssag senere. Når de afslutter deres undersøgelse, rapporterer de deres resultater – enten til politiet, retten eller virksomheden, der har hyret dem.

Hvem bruger digital kriminalgang?

Digital kriminalgang undersøger ulovlig aktivitet i forbindelse med elektroniske enheder, så politiet bruger det ofte. Interessant nok søger de ikke kun efter cyberforbrydelser. Enhver form for mislighold – enten det er en voldelig forbrydelse, en civilforbrydelse eller en hvidkragforbrydelse – der måske er forbundet med en telefon, computer eller flash-drev, er fair game.

Virksomheder hyrer ofte kriminalgangsanalytikere efter at have oplevet en datalækage eller være blevet offer for cyberforbrydelser. Da ransomware-angreb kan koste over 30% af en organisations driftsindtægt, er det ikke usædvanligt, at ledere hyrer eksperter til at forsøge at genskabe nogle af deres tab.

AI’s rolle i digital kriminalgang

En digital kriminalgangsundersøgelse er typisk en kompleks og langvarig proces. Afhængigt af forbrydelsens type og alvorlighed – og antallet af megabyte, undersøgerne må gennemgå – kan en enkelt sag tage uger, måneder eller endda år. AI’s uhindrede hastighed og fleksibilitet gør det til en af de bedste løsninger.

Kriminalgangsanalytikere kan bruge AI på flere måder. De kan bruge maskinlæring (ML), naturlig sprogbehandling (NLP) og generative modeller til mønstergenkendelse, prædiktion, informationsøgning eller samarbejdende brainstorming. Det kan håndtere deres daglige, rutinemæssige opgaver eller avanceret analyse.

Måder, hvorpå AI kan forbedre digital kriminalgang

AI kunne væsentligt forbedre flere aspekter af digital kriminalgang, og det kunne permanent ændre, hvordan undersøgere udfører deres arbejde.

Automatisere processer

Automatisering er en af AI’s største evner. Da det kan arbejde selvstændigt – uden menneskelig indgriben – kan analytikere lade det håndtere repetitive, tidskrævende arbejde, mens de prioriterer kritiske, højprioritetsansvar.

Eksperterne, der er hyret af virksomheder, får også fordel af det, da 51% af sikkerhedsbeslutningstagere er enige om, at deres arbejdsplads’ advarselsvolumen er overvældende, og 55% indrømmer, at de mangler tillid til deres teams evne til at prioritere og reagere i tide. De kan bruge AI-automatisering til at gennemgå tidligere logfiler, hvilket gør det lettere at identificere cyberforbrydelser, netværksbrud og datalækager.

Give vigtige indsigt

En ML-model kan løbende logge virkelige cyberforbrydelser og gennemgå det sorte net, hvilket giver det mulighed for at opdage fremvoksende cybertrusler, før menneskelige undersøgere bliver klar over dem. Alternativt kan det lære at scannere kode for skjult malware, så holdene kan finde kilden til cyberangreb eller datalækager hurtigere.

Accelerere processer

Undersøgere kan bruge AI til at accelerere undersøgelse, analyse og rapportering væsentligt, da disse algoritmer kan hurtigt analysere store mængder data. For eksempel kan de bruge det til at brute force en adgangskode på en låst telefon, skrive en udkast til en rapport eller sammenfatte en ugers lang e-mail-udveksling.

AI’s hastighed ville være særlig nyttig for eksperterne, som virksomheder hyrer, da mange IT-afdelinger flytter for langsomt. For eksempel tog det i gennemsnit 277 dage for virksomheder at reagere på en datalækage i 2023. En ML-model kan behandle, analysere og udgive hurtigere end noget menneske, så det er ideelt til tidskritiske ansøgninger.

Find kritisk bevis

En NLP-udstyret model kan scannere kommunikationer for at identificere og markere mistænkelig aktivitet. Undersøgere kan træne eller prompte det til at søge efter sagsspecifik information. For eksempel, hvis de beder det om at søge efter ord relateret til underslæb, kunne det dirigere dem mod tekster, hvor mistænktet indrømmer at have misbrugt virksomhedens midler.

Udfordringer, som AI må overvinde

Selvom AI kunne være et kraftfuldt kriminalgangsredskab – potentielt accelererende sager med uger – er dets udnyttelse ikke uden downsider. Som de fleste teknologi-centrerede løsninger har det adskillige privatlivs-, sikkerheds- og etiske problemer.

“Sorte boks”-problemet – hvor algoritmer ikke kan forklare deres beslutningsproces – er det mest presserende. Gennemsigtighed er vital i retssalen, hvor analytikere afgiver ekspertvidnesbyrd i straffesager og civile sager.

Hvis de ikke kan forklare, hvordan deres AI har analyseret data, kan de ikke bruge dets resultater i retten. Ifølge de føderale bevisregler – standarder, der regulerer, hvad bevis, der er tilladt i amerikanske retssale – er et AI-drevet digitalt kriminalgangsredskab kun acceptabelt hvis vidnet demonstrerer personlig viden om dets funktioner, forklarer ekspert, hvordan det nåede til sine konklusioner, og beviser, at dets resultater er nøjagtige.

Hvis algoritmer altid var nøjagtige, ville “sorte boks”-problemet ikke være et problem. Desværre hallucinerer de ofte, især når ufrivillig prompt-teknik er involveret. En undersøger, der beder en NLP-model om at vise ham eksempler på, hvor mistænkt stjal virksomhedens data, kan synes harmløst, men kan resultere i en falsk besked for at tilfredsstille forespørgslen.

Fejl er ikke usædvanlige, da algoritmer ikke kan forstå kontekst eller fortolke situationer omfattende. Til sidst kan et utilstrækkeligt trænet AI-værktøj give undersøgere mere arbejde, da de skal sortere gennem falske negativ og positiv.

Fordomme og fejl kan gøre disse problemer mere udtalte. For eksempel kan en AI, der er bedt om at finde bevis for cyberforbrydelser, overse visse typer af cyberangreb baseret på fordomme, der er udviklet under træning. Alternativt kan det overse tegn på forbundne forbrydelser, da det tror, det må overprioritere en bestemt type bevis.

Erstatter AI undersøgelseseksperter?

AI’s automatiserings- og hurtige procesfunktioner kunne komprimere sager, der varer i måneder, til få uger, og hjælpe hold med at sætte cyberforbrydere bag tremmer. Desværre er denne teknologi stadig relativt ny, og amerikanske retssale kan lide af nye, grænseoverskridende teknologier.

For nu – og sandsynligvis i årtier fremover – vil AI ikke erstatte digital kriminalgangsanalytikere. I stedet vil det hjælpe dem med daglige opgaver, vejlede deres beslutningsprocesser og automatisere repetitive ansvar. Menneskelig oversigt vil forblive nødvendig, indtil de løser “sorte boks”-problemet en gang for alle, og retssystemet finder en permanent plads til AI.