في العصر الرقمي، تُعد استعادة البيانات المحذوفة تحدياً رئيسياً في مجال الطب الشرعي الرقمي. فمع الزيادة المستمرة في أحجام البيانات وطرق تخزينها، وصلت الطرق التقليدية إلى حدودها القصوى. وهنا يأتي دور مشروع البحث CarveDL، وهو حل قائم على الذكاء الاصطناعي يُمكنه استعادة الملفات التي يصعب إعادة بنائها باستخدام خوارزميات التعلم لتحسين كفاءة ودقة إعادة بناء البيانات الرقمية بشكل مستدام. بجانب منع تلف اللوحات الفنية.
تقليدياً، يستخدم خبراء الطب الشرعي عملياتٍ موحدة، وغالباً ما تكون يدوية، لاستعادة البيانات المحذوفة. وبينما تعتمد هذه الطرق على توقيعات الملفات الثابتة أو بيانات تعريف نظام الملفات، يُحدث CarveDL نقلة نوعية، باستخدام تقنيات التعلم العميق المتقدمة، وخاصةً أنه لا يقتصر على استعادة الملفات كاملةً فحسب، بل يُعيد أيضاً بناء البيانات شديدة التجزؤ. وهذا يُتيح استعادةً دقيقةً حتى في الحالات التي تُثبت فيها التقنيات التقليدية عدم كفايتها.
يستهدف CarveDL متخصصي الأدلة الجنائية الرقمية الذين يحتاجون إلى إعادة بناء البيانات المحذوفة أو المجزأة. ومن الأمثلة على ذلك استعادة بيانات ذاكرة التخزين المؤقت المحذوفة تلقائياً من مواقع الويب ذات الصلة بالتحقيق. كما يُمكن إعادة بناء الأدلة الرقمية المُتلاعب بها أو المُدمرة عمداً باستخدام الذكاء الاصطناعي.
اختفاء الموناليزا
استخدم فيديو لقصة جريمة خيالية ليوضح كيف يُعيد برنامج CarveDL بناء بيانات الصور المحذوفة. في هذا السيناريو الخيالي، تُسرق لوحة الموناليزا وتُحذف جميع الآثار الرقمية للجريمة. يوضح الفيديو كيف يُعيد برنامج بناء السجل الأصلي للوحة المسروقة من بيانات ذاكرة اللص المجزأة، مما يُتيح إجراء تحليل جنائي.
يهدف هذا المثال إلى توضيح الفوائد العملية لأساليب الذكاء الاصطناعي المُطورة: إذ يُمكن للنظام تحديد أجزاء الصور المحذوفة وتصنيفها وتجميعها وترتيبها بدقة، وهي عملية قد تكون بالغة الأهمية أيضاً للأدلة الرقمية الحقيقية.
المعالم التكنولوجية
منذ انطلاق المشروع أُحرز تقدم ملحوظ. وتم تحسين سير عمل الذكاء الاصطناعي باستمرار لتلبية المتطلبات المعقدة للتحليل الجنائي الرقمي وإعادة بناء البيانات بكفاءة، بالإضافة إلى نماذج تصنيف جديدة لتحديد أنواع الملفات في البيانات الخام، ما يعمل على تحسين عملية الاسترداد.
التحديات والحلول
كان أحد أكبر التحديات الذي واجه الباحثين خلال المشروع هو عدم تحديد عدد وطبيعة الأجزاء المراد إعادة بنائها. حلّ CarveDL هذه المشكلة بمعالجة هذا الغموض. وكانت هناك مشكلة أخرى تتمثل في إمكانية إعادة ترتيب الأجزاء بكفاءة وقابلية التوسع. ولمعالجة هذه المشكلات، تم دمج معالجة الإشارات الرقمية والتقريب منخفض الرتبة لتحسين كفاءة استخدام موارد الحوسبة. وبالإضافة إلى التحقيقات التي تجريها الشرطة، يظهر CarveDL إمكانات واعدة في مجالات تطبيق أخرى.
وتُظهر التقنيات المُطورة أن إعادة بناء البيانات القائمة على الذكاء الاصطناعي يُمكن أن تُحدث ثورة في مجال الطب الشرعي الرقمي. فمن خلال أساليب مُبتكرة، يُمكن استعادة البيانات المحذوفة أو المُجزأة بدقة غير مسبوقة.
