Innovatie & Strategie

Wetenschap
crime scene

Digitale sporen

AI helpt rechercheurs bij het zoeken naar digitale context van een voorval.

© CC0 - Pixabay Clker-Free-Vector-Images
28 februari 2019

AI wordt al met succes toegepast in E-Discovery als machinelearning-techniek ten behoeve van predictive coding om slimmer emails en documenten te filteren en te clusteren. AI wordt ook al ingezet door opsporingsinstanties bij het automatisch zoeken naar afbeeldingen met wapens, drugs en bloot en naar chatberichten die blijk geven van sexuele intenties. Dit zijn vooral AI-toepassingen waarbij de computer digitale inhoud classificeert. Maar wat kunnen we nog meer verwachten van AI in de zoektocht naar digitale sporen?

Onze smartphone en het explosief groeiende Internet of Things bevatten nog veel meer andere digitale sporen die een schat aan informatie bevatten voor forensisch onderzoek. Ook zijn deze sporen persoonlijker dan onze onderlinge communicatie omdat ze niet alleen ons bewuste gedrag maar in toenemende mate ook ons onbewuste gedrag laten zien. De hoeveelheid informatie groeit navenant en succesvolle zoekstrategieën gaan verder dan het lezen van emails, documenten en chats of het bekijken van foto’s en video’s.

Het bedenken en toetsen van scenario’s is van steeds groter belang in opsporingsonderzoeken. Voor een onderzoek kan het soms belangrijker zijn om te weten met wie is gecommuniceerd, waar iemand is geweest, wat die persoon heeft gedaan en wanneer dan om te weten wat is gecommuniceerd. Juist hier zal AI ook kunnen helpen door onderzoekers te ondersteunen bij het leggen van verbanden, ook wel aangeduid met 'link analysis'. Het analyseren van een sociaal netwerk aan de hand van emails wordt al langer toegepast maar met AI kan link analysis op veel meer soorten data worden uitgevoerd.

Digitale context

Digital forensics op smartphones en computers kan inzicht geven in de verschillende telefoonnummers, user accounts op sociale media en email-adressen van een persoon. Het kan interessant zijn om te weten op welke apparaten deze identiteiten nog meer terug zijn te vinden en welke activiteit er te vinden is rondom een specifieke gebeurtenis. Is er gezocht op bepaalde zoektermen, was de verdachte of het slachtoffer aan het wandelen, wat was de locatie van de smartphone of auto, wie waren er nog meer aanwezig op dat moment, zijn vragen die kunnen helpen bij bedenken wat er gebeurd kan zijn.

Op 11 april organiseert het Lectoraat Digital Forensics & E-Discovery van Hogeschool Leiden een symposium over E-Discovery en het Zoeken naar digitale sporen met artificial intelligence. Kijk op de site van de Hogeschool Leiden voor het programma en aanmelden.

Text mining met voorkennis

AI kan onderzoekers helpen bij het vinden van patronen in een wirwar van digitale sporen. Met behulp van text mining kunnen verbanden ontdekt worden tussen entiteiten (personen, locaties, bedrijven enzovoorts) en gebeurtenissen waarover wordt gecommuniceerd in ongestructureerde data zoals documenten, email- en chatberichten.

Text mining in ongestructureerde data (bijvoorbeeld tekst) is erg foutgevoelig maar met voorkennis uit gestructureerde digitale sporen kan de kwaliteit van text mining flink verbeterd worden. Met behulp van een visualisatie van sporen in een netwerk, op een kaart of op een tijdlijn kan een forensisch onderzoeker veel sneller patronen in digitale sporen ontdekken en scenario’s ontwikkelen of toetsen.

Reactie toevoegen