DOLPHIN: A Privacy-Preserving Digital Investigation Readiness Assessment Framework based on Offline Large Language Models and Retrieval-Augmented Generation
تقدم هذه الورقة إطار عمل DOLPHIN، وهو إطار عمل يحافظ على الخصوصية ويستفيد من النماذج اللغوية الكبيرة غير المتصلة بالإنترنت والجيل المعزز بالاسترجاع لتعزيز الجاهزية للتحقيق في الأدلة الرقمية بشكل كبير من خلال تقييم اكتمال الأدلة بدقة، وكشف فجوات محددة، وتقليل وقت إعداد القضايا مع ضمان بقاء البيانات محلية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التحقيقات الجنائية، غالبًا ما يحدث العمل الأكثر أهمية قبل تحليل قطعة واحدة من الأدلة رسميًا في المختبر. فقبل أن يتمكن المحققون من فحص قرص صلب أو هاتف، يتعين عليهم أولاً تحديد ما إذا كان لديهم معلومات كافية حتى للبدء. هذه المرحلة التمهيدية، المعروفة باسم "الجاهزية الجنائية"، تتضمن جمع مزيج فوضوي من الوثائق: بيان الضحية، تقرير الشرطة، لقطات كاميرات المراقبة، شهادات الشهود، أوراق الملكية، والطوابع الزمنية الرقمية. تقليديًا، كانت عملية فرز هذا الركام عملية بطيئة ويدوية؛ فإذا كانت وثيقة رئيسية مفقودة أو كان الجدول الزمني غير واضح، يمكن أن يتوقف التحقيق بأكمله، أو والأسوأ من ذلك، أن يستمر على أساس مهتز. لا يكمن التحدي في العثين على الأدلة فحسب، بل في تقييم ما إذا كانت المواد المتاحة كاملة بما يكفي لدعم تحقيق جاد بسرعة، كل ذلك مع الحفاظ على خصوصية التفاصيل الحساسة بعيدًا عن الإنترنت بشكل صارم.
يقدم إطار عمل جديد يسمى "DOLPHIN" طريقة مختلفة للتعامل مع عملية الفرز في هذه المرحلة المبكرة. تم تطوير هذا النظام من قبل باحثين في معهد SRM للعلوم والتكنولوجيا في الهند، وهو مصمم ليعمل كمساعد يركز على الخصوصية للمحققين. فبدلاً من إرسال ملفات القضايا السرية إلى خادم سحابي حيث يمكن تعرضها للكشف، يعمل نظام DOLPHIN بالكامل على جهاز كمبيوتر محلي. وهو يستخدم نوعًا من الذكاء الاصطناعي يُعرف بالنموذج اللغوي الكبير، وهو مدرب على فهم وتوليد اللغة البشرية، مدمجًا بنظام استرجاع يسحب حقائق محددة من الوثائق المرفوعة. يسمح هذا الإعداد للكمبيوتر بقراءة ملف القضية، والتحقق من القطع المفقودة، وتقييم مدى جاهزية التحقيق، كل ذلك دون أن يغادر غرفة المحقق الآمنة أبدًا. والهدف هو تحويل قائمة مرجعية رتيبة وذاتية إلى تقييم سريع وموثوق.
لاختبار مدى فعالية هذا النهج، أنشأ الباحثون بيئة محكومة باستخدام 300 سيناريو تحقيق محاكى بناءً على حالات سرقة مركبات. لم يستخدموا ملفات شرطة حقيقية لحماية الخصوصية؛ بل بنوا نسخًا رقمية من القضايا تراوحت بين امتلاك كافة الوثائق الممكنة وامتلاك عدد قليل جدًا منها. تضمنت بعض السيناريوهات بيان ضحية كامل، وتقرير شرطة، ولقطات فيديو، وشهادات شهود، بينما استبعدت سيناريوهات أخرى عمدًا عناصر مثل أوراق الملكية أو الطوابع الزمنية الرقمية. قام الباحثون بعد ذلك بتغذية هذه السيناريوهات في نظام DOLPHIN لمعرفة ما إذا كان بإمكانه الحكم بدقة على اكتمال كل قضية. كُلف النظام بمهمتين رئيسيتين: أولاً، تعيين درجة جاهزية تشير إلى ما إذا كانت القضية جاهزة للتحليل الجنائي العميق، وثانيًا، تحديد ما هو مفقود بالضبط، مثل وجود فجوة في الأدلة المرئية أو نقص في التأكيد من الشهود.
أظهرت النتائج أن النظام أدى عمله بدقة عالية. فعندما طُلب منه تصنيف جاهزية قضية ما، طابق DOLPHIN حكم الخبراء البشريين بنسبة 92 بالمائة تقريبًا. وكان بارعًا بشكل خاص في رصد أنواع محددة من المعلومات المفقودة؛ فعلى سبيل المثال، استطاع اكتشاف متى تفتقر القضية إلى بيان الضحية أو متى انقطع التسلسل الزمني بسبب فقدان البيانات الوصفية الرقمية (metadata). قام النظام بتصنيف هذه القطع المفقودة إلى أربع مجموعات واضحة: فجوات في التوثيق، وفجوات في تأكيد الشهود، وفجوات في الأدلة المرئية مثل كاميرات المراقبة، وفجوات في الجدول الزمني. ومن خلال تحديد هذه الثغرات المحددة، قدم النظام للمحققين صورة واضحة عما يحتاجون إلى العثين عليه قبل المضي قدمًا، بدلاً من مجرد تقديم إجابة غامضة بـ "نعم" أو "لا".
كان جزء حيوي من الدراسة هو ضمان عدم قيام النظام بتأليف معلومات من عنده. فالنماذج اللغوية الكبيرة يمكن أن تولد أحيانًا معلومات تبدو واثقة ولكنها كاذبة، وهي مشكلة تُعرف باسم "الهلوسة". ولمنع حدما، استخدم الباحثون تقنية تسمى "التوليد المعزز بالاسترجاع" (retrieval-augmented generation)، والتي تجبر الكمبيوتر على النظر في الوثائق الفعلية في ملف القضية قبل الإجابة. وقد طوروا ذلك بشكل أكبر من خلال تصفية نتائج البحث باستخدام البيانات الوصفية (metadata)، مما يضمن أن النظام ينظر فقط إلى الوثائق التابعة للقضية المحددة التي يحللها. أدى هذا المزيج إلى تقليل معدل البيانات غير المدعومة أو الكاذبة من أكثر من 16 بالمائة إلى 2 بالمائة فقط. بعبارة أخرى، أصبح النظام أكثر موثوقية لأنه كان مرتبطًا بصرامة بالأدلة المقدمة، بدلاً من الاعتماد على بيانات تدريبه العامة.
بعيدًا عن الدقة والثقة، قامت الدراسة بقياس مقدار الوقت الذي وفره النظام. استغرق المحقق البشري الذي يراجع ملف القضية يدويًا في المتوسط حوالي 15.5 دقيقة للتحقق من الاكتمال وتحديد الأجزاء المفقودة. ومع مساعدة نظام DOLPHIN، انخفض ذلك الوقت إلى حوالي 4.4 دقيقة لكل قضية. لم يأتِ هذا التسريع على حساب الجودة؛ فقد كانت التقارير التي يولدها النظام أكثر اكتمالاً من تلك التي تنتجها القوائم المرجعية اليدوية، حيث تضمنت باستمرار ملخصًا للأدلة، وقائمة بالعناصر المفقودة، ودرجة الجاهزية، والخطوات التالية الموصى بها. أثبت النظام قدرته على تحمل عبء تنظيم المعلومات، مما يسمح للمحققين البشريين بتركيز طاقتهم على التحقيق الفعلي بدلاً من المهام الإدارية التنظيمية.
أكد الباحثون أن DOLPHIN ليس أداة تتخذ قرارات قانونية نهائية أو تحل محل الحكم البشري. بل صُمم كنظام دعم لمساعدة المحققين على تنظيم أفكارهم وموادهم قبل بدء الفحص الجنائي الرسمي. أُجريت الدراسة باستخدام بيانات محاكاة على أجهزة كمبيوتر محمولة عادية، مما يثبت أن هذا المستوى من المساعدة التي تحافظ على الخصوصية لا يتطلب أجهزة حاسوب فائقة باهظة الثمن على مستوى المؤسسات. وبينما أظهرت الدراسة إمكانات كبيرة في هذه الاختبارات المحكومة، يشير المؤلف إلى أن العمل المستقبلي سيحتاج إلى التحقق من أدائها مع قضايا الشرطة في العالم الحقيقي، والتي يمكن أن تكون أكثر تعقيدًا وغموضًا وحساسية قانونية من عمليات المحاكاة المستخدمة هنا. وفي الوقت الحالي، تشير الدراسة إلى أن إبقاء الذكاء الاصطناعي محليًا ومرتبطًا بوثائق محددة يمكن أن يكون وسيلة قوية للتحضير للتحقيقات الرقمية دون المساس بالخصوصية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.