Jak Carve-DL zmienia oblicze cyfrowej kryminalistyki

Carve-DL jest odpowiedzią na potrzeby osób zajmujących się odzyskiwaniem plików, szczególnie przy wrażliwych tematach jak kryminalistyka.

W świecie, gdzie cyfrowe dane są usuwane, manipulowane i fragmentowane z prędkością błyskawicy, klasyczne metody ich odzyskiwania coraz częściej okazują się niewystarczające.

Właśnie w tym miejscu do gry wchodzi sztuczna inteligencja, której zaawansowane algorytmy pozwalają nie tylko rekonstruować utracone pliki, ale także odtwarzać fragmentaryczne dane z niespotykaną dotąd precyzją. Jednym z projektów w dziedzinie jest Carve-DL, system oparty na uczeniu maszynowym, który może wpłynąć na cyfrową kryminalistykę.

Tradycyjnie specjaliści zajmujący się cyfrową kryminalistyką bazują na technikach opartych na podpisach plików czy metadanych systemów plików. Niestety, metody są skuteczne jedynie w określonych warunkach i często zawodzą, gdy dane zostały celowo usunięte lub zapisane w sposób uniemożliwiający ich standardową rekonstrukcję. Carve-DL idzie o krok dalej, wykorzystując technologie głębokiego uczenia, takie jak Swin Transformer V2 i ResNet, aby nie tylko odzyskiwać dane, ale także rekonstruować silnie uszkodzone pliki.

Przykładem działania systemu jest hipotetyczna historia kradzieży Mona Lisy, w której Carve-DL odtwarza zniszczone cyfrowe ślady obrazu. To tylko modelowa sytuacja, ale podobne techniki mogą być kluczowe w prawdziwych śledztwach, od analizy skasowanych plików po rekonstrukcję zniszczonych dowodów przestępstw cyfrowych.

Od momentu rozpoczęcia projektu w 2022 roku, Carve-DL przeszedł ewolucję, osiągając dobre wyniki w dziedzinie rekonstrukcji danych. Opracowano między innymi model klasyfikacyjny identyfikuje typy plików w surowych danych, co znacząco poprawia skuteczność ich odzyskiwania, natomiast model weryfikacyjny umożliwia precyzyjną rekonstrukcję fragmentów obrazów. W procesie tym kluczową rolę odgrywają także techniki klasteryzacji oparte na uczeniu głębokim, które pomagają łączyć fragmenty należące do tego samego pliku. Całość dopełnia zaawansowany model rekonstrukcji, pozwalający poprawnie złożyć aż 95% fragmentów obrazu, co znacząco zwiększa skuteczność systemu.

Dzięki tym technologiom, dokładność klasteryzacji wzrosła do 85%, co oznacza, że system z niezwykłą skutecznością odnajduje i łączy rozproszone części plików.

Jednym z kluczowych problemów było określenie liczby i charakteru fragmentów, które należy odbudować. Carve-DL radzi sobie z tym poprzez iteracyjną klasteryzację, analizującą dane krok po kroku i dynamicznie optymalizującą proces rekonstrukcji.

Innym wyzwaniem było efektywne uporządkowanie fragmentów, co udało się rozwiązać dzięki połączeniu przetwarzania sygnałów cyfrowych i aproksymacji niskiego rzędu (LoRA). Dzięki temu system może działać wydajniej, zużywając mniej zasobów obliczeniowych.

Chociaż Carve-DL został stworzony z myślą o śledztwach policyjnych i odzyskiwaniu dowodów, jego potencjał wykracza daleko poza cyfrową kryminalistykę. System może znaleźć zastosowanie w:

• Przywracaniu utraconych danych w przemyśle – na przykład w odzyskiwaniu wyników badań naukowych czy zapisów historycznych.
• Restauracji i archiwizacji cyfrowej – umożliwiającej odtwarzanie uszkodzonych zdjęć, dokumentów czy dzieł sztuki.
• Cyberbezpieczeństwie – do analizy manipulacji plików i wykrywania prób celowego usunięcia danych.

Podobne podejście jest już stosowane w innych projektach. Google DeepMind opracowało narzędzie do rekonstrukcji starych fotografii, eliminujące szumy i ubytki w obrazach. Z kolei Facebook AI Research pracuje nad systemami odtwarzania brakujących fragmentów filmów i nagrań audio.

Projekt Carve-DL zakończy się w październiku 2025 roku, ale już teraz widać, że jego wpływ na cyfrową kryminalistykę będzie ogromny. Dzięki wykorzystaniu AI możliwe staje się odzyskanie danych, które jeszcze kilka lat temu uznawano za bezpowrotnie utracone. To dowód na to, jak sztuczna inteligencja nie tylko pomaga w walce z cyberprzestępczością, ale także rewolucjonizuje sposób, w jaki podchodzimy do ochrony i odzyskiwania cyfrowych zasobów.

W dobie rosnącej ilości danych i coraz bardziej zaawansowanych metod ich usuwania, technologie takie jak Carve-DL mogą stać się nieocenionym narzędziem – zarówno dla organów ścigania, jak i dla instytucji zajmujących się ochroną cyfrowego dziedzictwa.

Szymon Ślubowski