Hvordan AI forbedrer digital kriminalteknikk

Digital kriminalteknikk-eksperter kan bruke kunstig intelligens til å akselerere og forbedre sine nåværende prosesser, redusere undersøkelsesiden og forbedre effektiviteten. Men selv om dens innvirkning hovedsakelig er positiv, finnes det noen problemer. Kan AI erstatte kriminalteknikk-eksperter? Enda viktigere, vil AI-drevne funn holde i en rettssak?

Hva er digital kriminalteknikk?

Digital kriminalteknikk — tidligere kjent som datamaskin-kriminalteknikk — er en gren av kriminalteknikk som omfatter eksklusivt elektroniske enheter. En kriminalteknikk-eksperts jobb er å undersøke cyberkriminalitet og gjenopprette data for å produsere bevis.

Bransjeeksperter bruker datavitenskap og undersøkelsesmetoder til å avdekke data på datamaskiner, telefoner, minnepinner og nettbrett. De søker å finne, bevare, undersøke og analysere data som er relevant for deres sak.

Hvordan fungerer digital kriminalteknikk?

Digital kriminalteknikk følger vanligvis en flertrinnsprosess.

1. Beslagleggelse

Teamene må først beslaglegge mediene i spørsmål fra deres mistenkte. På dette tidspunktet starter de en besittelsesrekkefølge — en kronologisk elektronisk spor — for å spore hvor bevisene er og hvordan de bruker dem. Dette trinnet er kritisk hvis de går til retten.

2. Bevarelse

Undersøkerne må bevare integriteten til de opprinnelige dataene, så de begynner sin undersøkelse ved å lage kopier. De søker å dekryptere eller gjenopprette så mye skjult eller slettet informasjon som mulig. De må også sikre det mot uautorisert tilgang ved å fjerne internetttilkoblingen og plassere det i sikker lagring.

3. Analyse

Kriminalteknikk-eksaminatorer analyserer data med ulike metoder og verktøy. Ettersom enhetene lagrer informasjon hver gang brukeren laster ned noe, besøker en nettside eller lager en post, eksisterer en slags elektronisk papirspor. Eksperter kan sjekke harddiske, metadata, datapakker, nettverksadgangslogger eller e-postutvekslinger for å finne, samle inn og prosessere informasjon.

4. Rapportering

Analytikerne må dokumentere hver handling de tar for å sikre at deres bevis holder i en straffesak eller en sivil sak senere. Når de avslutter sin undersøkelse, rapporterer de funnene sine — enten til politiet, retten eller selskapet som ansatte dem.

Hvem bruker digital kriminalteknikk?

Digital kriminalteknikk undersøker ulovlig aktivitet relatert til elektroniske enheter, så politiet bruker det ofte. Interessant nok, de forfølger ikke bare cyberkriminalitet. Enhver form for mislighold — enten det er en voldelig kriminalitet, en sivil overtredelse eller en hvitkragkriminalitet — som kan være koblet til en telefon, datamaskin eller minnepinne, er fair game.

Bedrifter hyrer ofte kriminalteknikk-eksperter etter å ha opplevd en datalekkasje eller blitt offer for cyberkriminalitet. Med tanke på at ransomware-angrep kan koste over 30% av et selskaps driftsinntekt, er det ikke uvanlig at ledere hyrer ekspertetterforskere for å prøve å gjenvinne noen av tapene.

AI sin rolle i digital kriminalteknikk

En digital kriminalteknikk-undersøkelse er vanligvis en kompleks og langvarig prosess. Avhengig av typen og alvorlighetsgraden av overtredelsen — og antallet megabyte undersøkerne må gå gjennom — kan en enkelt sak ta uker, måneder eller år. AI sin ubestridte hastighet og fleksibilitet gjør det til en av de beste løsningene.

Kriminalteknikk-eksperter kan bruke AI på flere måter. De kan bruke maskinlæring (ML), naturlig språkbehandling (NLP) og generative modeller for mønstergjenkjenning, prediktiv analyse, informasjonssøking eller samarbeidende brainstorming. Det kan håndtere deres hverdagslige, repetitive arbeid eller avansert analyse.

Måter AI kan forbedre digital kriminalteknikk

AI kunne betraktelig forbedre flere aspekter av digital kriminalteknikk, og endre hvordan etterforskere gjør jobben sin.

Automatisere prosesser

Automatisering er en av AI sin største evner. Ettersom det kan arbeide selvstendig — uten menneskelig inngripen — kan etterforskerne la det håndtere repetitive, tidskrevende arbeid mens de prioriterer kritiske, høy-prioritets ansvar.

Ekspertene som er ansatt av bedrifter, har også nytte av det, siden 51% av sikkerhetsbeslutningstakere er enige om at deres arbeidsplass sine varslingvolumer er overveldende, og 55% innrømmer at de mangler tillit til teamets evne til å prioritere og reagere i tide. De kan bruke AI-automatisering til å gjennomgå tidligere logger, og gjøre det lettere å identifisere cyberkriminalitet, nettverksbrudd og datalekkasjer.

Gi viktige innsikter

En ML-modell kan kontinuerlig logge virkelige cyberkriminalitets hendelser og skanne den mørke nettet, og muliggjøre det å oppdage nye cybertrusler før menneskelige etterforskere blir klar over dem. Alternativt kan det lære å skanne kode for skjult malware, så teamene kan finne kilde til cyberangrep eller datalekkasjer raskere.

Akselerere prosesser

Etterforskerne kan bruke AI til å akselerere undersøkelse, analyse og rapportering betydelig, siden disse algoritmene kan raskt analysere store mengder data. For eksempel, kan de bruke det til å brute force en passord på en låst telefon, skrive en grov utkast til en rapport eller sammenfatte en ukeslang e-postutveksling.

AI sin hastighet ville være spesielt nyttig for ekspertene bedriftene hyrer, siden mange IT-avdelinger flytter for langsomt. For eksempel, i 2023, tok selskaper i gjennomsnitt 277 dager på å reagere på en datalekkasje. En ML-modell kan prosessere, analysere og utgi raskere enn noen menneske, så det er ideelt for tidskritiske applikasjoner.

Finn kritisk bevis

En NLP-utstyrt modell kan skanne kommunikasjon for å identifisere og flagge mistenkelig aktivitet. Etterforskerne kan trene eller fremkalle det til å søke etter saksspesifikke informasjon. For eksempel, hvis de ber det om å søke etter ord relatert til underslag, kunne det peke dem mot tekst hvor mistenkte innrømmer å ha misbrukt bedriftsmidler.

Utfordringer AI må overvinne

Selv om AI kunne være et kraftig kriminalteknikk-verktøy — potensielt akselerere saker med uker — er dens bruk ikke uten downsider. Som de fleste teknologi-sentrerte løsninger, har det flere privatsfær-, sikkerhets- og etiske problemer.

“Black box”-problemet — hvor algoritmene ikke kan forklare sin beslutningsprosess — er det mest presserende. Gjennomsiktighet er viktig i rettssalen, hvor eksperter gir ekspertvitnesbyrd for straffesaker og sivile saker.

Hvis de ikke kan forklare hvordan deres AI analyserte data, kan de ikke bruke funnene i rettssalen. Ifølge Federal Rules of Evidence — standarder som styrer hva bevis som er admissible i amerikanske retter — er et AI-drevet digitalt kriminalteknikk-verktøy bare akseptabelt hvis vitnet demonstrerer personlig kunnskap om funksjonene, forklarer hvordan det kom til sine konklusjoner og beviser at funnene er nøyaktige.

Hvis algoritmene alltid var nøyaktige, ville “black box”-problemet ikke være et problem. Uheldigvis, hallucinerer de ofte, spesielt når uforvarende prompt-engineering er involvert. En etterforsker som ber en NLP-modell om å vise dem eksempler på hvor mistenkte stjal bedriftsdata, kan synes harmløst, men kan resultere i et feilaktig svar for å tilfredsstille spørgsmålet.

Feil er ikke uvanlig siden algoritmene ikke kan forstå kontekst eller tolke situasjoner fullstendig. Til slutt, kan et feilaktig trenet AI-verktøy gi etterforskerne mer arbeid, siden de må sortere gjennom feilaktige negativ og positiv.

Fordommer og feil kan gjøre disse problemene mer fremtredende. For eksempel, kan en AI som er instruert til å finne bevis for cyberkriminalitet, overse noen typer cyberangrep basert på fordommer utviklet under trening. Alternativt, kan det overse tegn på tilknyttede kriminalitet, og tro at det må overprioritere en bestemt type bevis.

Erstatter AI etterforskere?

AI sin automatisering og rask prosessering kunne komprimere månederlange saker til noen uker, og hjelpe teamene med å sette cyberkriminalitet-forbrytere bak lås og slå. Uheldigvis, er denne teknologien fortsatt relativt ny, og amerikanske retter er ikke glad for ubekreftede, grensepushende teknologier.

For nå — og sannsynligvis i mange år fremover — vil AI ikke erstatte digital kriminalteknikk-eksperter. I stedet, vil det assistere dem med hverdagslige oppgaver, hjelpe med å veilede deres beslutningsprosesser og automatisere repetitive ansvar. Menneskelig tilsyn vil fortsatt være nødvendig til de løser “black box”-problemet en gang for alle, og rettssystemet finner en permanent plass for AI.