Застосування методів штучного інтелекту в аналізі даних мобільних пристроїв для виявлення потенційно небезпечних осіб

Abstract

У статті розглянуто методи ідентифікації потенційно небезпечних осіб (ПНО, також об’єкт оперативної зацікавленості або Person-Of-Interest) за даними мобільних пристроїв. Проблема є актуальною і не розв’язаною в діяльності правоохоронних, розвідувальних та інших органів, які провадять оперативно-розшукову діяльність, через велику кількість даних, що зберігаються на мобільних пристроях. З урахуванням складності й обсягу мобільних даних традиційні методи аналізу часто недостатньо ефективні. У статті пропонується використання штучного інтелекту (ШІ), зокрема машинне навчання та обробку природної мови, для покращення ефективності та швидкості аналізу даних мобільних пристроїв. Такий підхід спрямований на подолання обмежень ручного аналізу даних та покращення процесу ідентифікації ПНО в додержанні принципів криміналістичної достовірності. Основною метою роботи є дослідження та демонстрація ефективності застосування штучного інтелекту у процесі ідентифікації ПНО з використанням даних мобільних пристроїв. Дослідження пропонує підходи на основі штучного інтелекту, зокрема машинного навчання та обробки природної мови, які можуть значно підвищити ефективність, точність та глибину аналізу у мобільних форензичних дослідженнях, таким способом розв’язуючи проблеми обробки великих обсягів даних та складності сучасних цифрових доказів. У дослідженні, зокрема, продемонстровано, як машинне навчання може бути використане для пошуку ПНО в даних месенджераWhatsApp. Результат експерименту показує, що використання штучного інтелекту для розпізнавання облич може призводити до виникнення помилкових позитивних результатів, що означає, що людей не можна повністю замінити на поточному етапі еволюції штучного інтелекту. Водночас застосування глибокого навчання показало 88- відсоткову ефективність у розпізнаванні облич. Отримані результати підкреслюють трансформаційний потенціал штучного інтелекту в мобільній форензиці, виокремлюючи його здатність підвищувати точність та ефективність аналізу даних мобільних пристроїв.

The methods for identifying persons of interest (POI) based on mobile device data has been considered. The problem is relevant and unresolved in the activities of law enforcement, intelligence, and other agencies involved in operational search activities due to the large amount of data stored on mobile devices. Given the complexity and volume of mobile data, traditional analysis methods are often insufficiently effective. The authors propose use of artificial intelligence (AI), including machine learning and natural language processing, to improve the efficiency and speed of mobile device data analysis. This approach aims to overcome the limitations of manual data analysis and enhance the process of identifying POIs while adhering to the principles of forensic integrity. The research specifically demonstrates how machine learning can be utilized to search for persons of interest inWhatsApp messenger data. A method has been developed for decentralized control of adaptive data collection processes using the principle of equilibrium and reinforcement learning using the normalized exponential function method. The developed method allows for efficient operation of autonomous distributed systems in conditions of dynamic changes in the number of data collection processes and limited information interaction between them. The results of the experiment indicate that using artificial intelligence for facial recognition may result in false positive outcomes, implying that humans cannot be entirely replaced at the current stage of AI evolution. However, the application of deep learning showed an 88 % success rate in facial recognition. These findings underscore the transformative potential of artificial intelligence in mobile forensics, highlighting its capacity to enhance the accuracy and efficiency of data analysis in mobile devices.