Comment l’IA améliore la science forensique numérique

Les professionnels de la science forensique numérique peuvent utiliser l’intelligence artificielle pour accélérer et améliorer leurs processus actuels, réduisant ainsi le temps d’enquête et améliorant l’efficacité. Cependant, même si son impact est principalement positif, certains problèmes existent. L’IA peut-elle remplacer les analystes forensiques ? Plus important encore, les conclusions basées sur l’IA tiendront-elles devant un tribunal ?

Qu’est-ce que la science forensique numérique ?

La science forensique numérique — anciennement connue sous le nom de forensique informatique — est une branche de la science forensique qui traite exclusivement des appareils électroniques. Le travail d’un analyste forensique consiste à enquêter sur les cybercrimes et à récupérer des données pour produire des preuves.

Les professionnels de l’industrie utilisent des techniques d’investigation et de science informatique pour découvrir des données sur les ordinateurs, les téléphones, les clés USB et les tablettes. Ils visent à trouver, à préserver, à examiner et à analyser les données pertinentes à leur affaire.

Comment fonctionne la science forensique numérique ?

La science forensique numérique suit généralement un processus multétapes.

1. Saisie

Les équipes doivent d’abord saisir les supports de stockage en question auprès de leur suspect. À ce stade, elles commencent une chaîne de custody — un suivi électronique chronologique — pour suivre l’emplacement des preuves et leur utilisation. Cette étape est cruciale si elles vont au procès.

2. Préservation

Les enquêteurs doivent préserver l’intégrité des données d’origine, ils commencent donc leur examen en faisant des copies. Ils visent à déchiffrer ou à récupérer autant d’informations cachées ou supprimées que possible. Ils doivent également les sécuriser contre l’accès non autorisé en supprimant leur connexion Internet et en les plaçant dans un stockage sécurisé.

3. Analyse

Les examinateurs forensiques analysent les données à l’aide de diverses méthodes et outils. Puisque les appareils stockent des informations chaque fois que leur utilisateur télécharge quelque chose, visite un site Web ou crée un message, une sorte de trace électronique existe. Les experts peuvent vérifier les disques durs, les métadonnées, les paquets de données, les journaux d’accès réseau ou les échanges de courriels pour trouver, collecter et traiter les informations.

4. Rapport

Les analystes doivent documenter chaque action qu’ils effectuent pour s’assurer que leurs preuves tiennent devant un tribunal pénal ou civil plus tard. Lorsqu’ils concluent leur enquête, ils présentent leurs conclusions — soit aux agences de police, au tribunal ou à l’entreprise qui les a embauchés.

Qui utilise la science forensique numérique ?

La science forensique numérique enquête sur les activités illégales liées aux appareils électroniques, les agences de police l’utilisent donc souvent. Étonnamment, elles ne poursuivent pas uniquement les cybercrimes. Toute mauvaise conduite — qu’il s’agisse d’un crime violent, d’une infraction civile ou d’un crime en col blanc — qui peut être liée à un téléphone, un ordinateur ou une clé USB est en jeu.

Les entreprises embauchent souvent des analystes forensiques après avoir subi une violation de données ou être devenues des victimes de cybercrime. Étant donné que les attaques de ransomware peuvent coûter plus de 30 % du revenu d’exploitation d’une organisation, il n’est pas rare que les dirigeants embauchent des enquêteurs experts pour essayer de récupérer une partie de leurs pertes.

Le rôle de l’IA dans la science forensique numérique

Une enquête de science forensique numérique est généralement un processus complexe et long. Selon le type et la gravité de l’infraction — et le nombre de mégaoctets que les enquêteurs doivent passer au crible — une affaire unique peut prendre des semaines, des mois ou même des années. La vitesse et la polyvalence sans précédent de l’IA en font l’une des meilleures solutions.

Les analystes forensiques peuvent utiliser l’IA de plusieurs manières. Ils peuvent utiliser l’apprentissage automatique (ML), le traitement automatique du langage naturel (NLP) et les modèles génératifs pour la reconnaissance de modèles, l’analyse prédictive, la recherche d’informations ou le brainstorming collaboratif. L’IA peut gérer leurs tâches quotidiennes fastidieuses ou des analyses avancées.

Les moyens par lesquels l’IA pourrait améliorer la science forensique numérique

L’IA pourrait améliorer de manière significative plusieurs aspects de la science forensique numérique, changeant définitivement la façon dont les enquêteurs font leur travail.

Automatiser les processus

L’automatisation est l’une des capacités les plus grandes de l’IA. Puisqu’elle peut fonctionner de manière autonome — sans intervention humaine — les analystes peuvent laisser l’IA gérer les tâches répétitives et chronophages tandis qu’ils donnent la priorité aux responsabilités critiques et à haute priorité.

Les experts embauchés par les marques bénéficient également, puisque 51 % des décideurs en matière de sécurité conviennent que le volume d’alertes sur leur lieu de travail est écrasant, et 55 % admettent qu’ils manquent de confiance dans la capacité de leur équipe à donner la priorité et à réagir à temps. Ils peuvent utiliser l’automatisation de l’IA pour examiner les journaux passés, ce qui rend plus facile l’identification des cybercrimes, des failles de sécurité réseau et des fuites de données.

Fournir des informations essentielles

Un modèle d’apprentissage automatique peut enregistrer en continu les événements de cybercrime du monde réel et fouiller le dark web, lui permettant de détecter les menaces émergentes de cybercrime avant que les enquêteurs humains ne soient conscients de celles-ci. Alternativement, il peut apprendre à analyser le code pour les logiciels malveillants cachés afin que les équipes puissent trouver la source des cyberattaques ou des failles plus rapidement.

Accélérer les processus

Les enquêteurs peuvent utiliser l’IA pour accélérer considérablement l’examen, l’analyse et la rédaction de rapports, car ces algorithmes peuvent analyser rapidement de grandes quantités de données. Par exemple, ils peuvent l’utiliser pour forcer une mot de passe sur un téléphone verrouillé, taper un brouillon de rapport ou résumer un échange de courriels qui a duré des semaines.

La vitesse de l’IA serait particulièrement utile aux experts que les entreprises embauchent, car de nombreux départements informatiques réagissent trop lentement. Par exemple, en 2023, les entreprises ont mis en moyenne 277 jours pour répondre à une faille de données. Un modèle d’apprentissage automatique peut traiter, analyser et produire plus rapidement que tout humain, il est donc idéal pour les applications sensibles au temps.

Trouver des preuves essentielles

Un modèle équipé de traitement automatique du langage naturel peut analyser les communications pour identifier et signaler les activités suspectes. Les enquêteurs peuvent former ou inciter le modèle à rechercher des informations spécifiques à l’affaire. Par exemple, s’ils lui demandent de rechercher des mots liés à la malversation, il pourrait les diriger vers des textes où le suspect avoue avoir détourné des fonds d’entreprise.

Les défis que l’IA doit surmonter

Même si l’IA pourrait être un outil de forensique puissant — pouvant accélérer les affaires de plusieurs semaines — son utilisation n’est pas sans inconvénients. Comme la plupart des solutions axées sur la technologie, elle présente de nombreux problèmes de confidentialité, de sécurité et d’éthique.

Le problème de la « boîte noire » — où les algorithmes ne peuvent pas expliquer leur processus de prise de décision — est le plus pressant. La transparence est essentielle dans les tribunaux, où les analystes fournissent un témoignage expert pour les affaires pénales et civiles.

Si les analystes ne peuvent pas décrire comment leur IA a analysé les données, ils ne peuvent pas utiliser ses conclusions devant un tribunal. Selon les Règles de preuve fédérales — les normes qui régissent les preuves admissibles dans les tribunaux américains — un outil de forensique numérique alimenté par l’IA n’est acceptable que si le témoin démontre une connaissance personnelle de ses fonctions, explique de manière experte comment il est arrivé à ses conclusions et prouve que ses conclusions sont exactes.

Si les algorithmes étaient toujours exacts, le problème de la boîte noire ne serait pas un problème. Malheureusement, ils « hallucinent » souvent, en particulier lorsque l’ingénierie de prompte involontaire est impliquée. Un enquêteur demandant à un modèle de traitement automatique du langage naturel de lui montrer des exemples où le suspect a volé des données d’entreprise peut sembler inoffensif, mais peut aboutir à une fausse réponse pour satisfaire la requête.

Les erreurs ne sont pas rares, car les algorithmes ne peuvent pas raisonner, comprendre le contexte ou interpréter les situations de manière globale. En fin de compte, un outil d’IA mal formé peut donner plus de travail aux enquêteurs, car ils devront trier les faux négatifs et les faux positifs.

Les préjugés et les défauts peuvent aggraver ces problèmes. Par exemple, un IA chargé de trouver des preuves de cybercrime peut négliger certains types de cyberattaques en fonction des préjugés développés pendant la formation. Alternativement, il peut ignorer les signes de crimes associés, croyant qu’il doit donner la priorité à un type spécifique de preuve.

L’IA remplacera-t-elle les experts en enquête ?

Les fonctionnalités d’automatisation et de traitement rapide de l’IA pourraient compresser des affaires qui durent des mois en quelques semaines, aidant ainsi les équipes à mettre les auteurs de cybercrimes derrière les barreaux. Malheureusement, cette technologie est encore relativement nouvelle, et les tribunaux américains n’apprécient pas les technologies innovantes et non éprouvées.

Pour l’instant — et probablement pour des décennies à venir — l’IA ne remplacera pas les analystes forensiques numériques. Au lieu de cela, elle les aidera dans leurs tâches quotidiennes, les aidera à guider leurs processus de prise de décision et à automatiser les responsabilités répétitives. La supervision humaine restera nécessaire jusqu’à ce qu’ils résolvent le problème de la boîte noire pour de bon et que le système juridique trouve une place permanente pour l’IA.