DIGITAL TRACE DETECTION SYSTEM FOR CROSS-DEVICE TEXT FILE

Аңдатпа

Жаңа цифрлық құрылғылар мен әртүрлі платформалардың қарқынды өсуімен компьютерлік және киберқылмыстық қылмыстарды тергеу өте күрделі болды. Дәстүрлі криминалистикалық құралдар мәтін, кескіндер және дыбыс сияқты деректердің әртүрлі нысандарында және бірнеше құрылғыларда, бұлттық қоймада және/немесе жергілікті деректер қоймаларында таратылған кезде бөлшектелген дәлелдемелерді сәйкестендіруде көптеген қиындықтарға тап болады. Бұл мақалада сандық сот сараптамасын тезірек және дәлірек жүргізуге көмектесу үшін осы қиындықтарды жеңе отырып, жасанды интеллекте негізделген толық автоматтандырылған жүйені әзірлеу және бағалау туралы айтылады. Зерттеу жобасы заманауи терең оқыту алгоритмдерін пайдалана отырып, модульдік архитектураны қамтитын сот-медициналық сандық анализаторды ұсынады. Негізгі алгоритмдерге мәтіндік ендірулерге арналған сөйлем трансформаторлары, ұсақ түйіршікті кескінді талдауға арналған конволюциялық нейрондық желілер және дыбысқа арналған Whisper үлгілерін пайдаланып сөйлеуді автоматты түрде тану кіреді. Интерактивті веб-пайдаланушы интерфейсі сандық файл құрылымдарының барлық жерде визуализациясын, ұқсастықтарды анықтауды және дәлелдерге қатысты күрделі графиктерді ұсынады. Жүйе сонымен қатар сот сараптамасының жұмыс процестерін одан әрі жеделдету үшін нысанды тану, метадеректерді алу және жасанды интеллект арқылы есеп беру үшін масштабталатын құбырларды ұсынады. Нақты сот-медициналық сценарийлерді көрсететін деректер жиынтығында қолданылған эксперименттік нәтижелер дәлдік мәндерінің, сондай-ақ әдеттегі бастапқы әдістермен ұсынылған еске түсіру мен семантикалық сенімділіктің айтарлықтай өскенін көрсетті. Кейде бұл жүйелер есептеуді қажет етуі мүмкін, бұл шулы режимдер үшін жалған позитивтер тудырады. Соған қарамастан, ол парафразаланған мәтіндерді, көрнекі түрде өзгертілген кескіндерді және қысылған аудио файлдарды сенімді түрде байланыстыра алады. Осылайша, ендіруге негізделген автоматтандыру цифрлық сот-медициналық сараптаманы ілгерілетуде айтарлықтай секіріс болып табылады, бұл нақты әлемде енгізудің үлкен перспективаларын көрсетеді. Бұл мүмкіндіктердің жетілдірілуіне көптілді өңдеу, локализацияланған үлкен тілдік модельдерді біріктіру, жасанды интеллект жүйелері және ауруға тән модельдерді оңтайландыру арқылы қол жеткізуге болады.