Adli Bilişimde Kaynak Veri, Türev Veri ve Yapay Zeka Çıktısı

Adli bilişimde bir dosyanın analiz için dönüştürülmesi ile o dosya hakkında bir modelin tahmin üretmesi aynı işlem değildir. İkisini tek “işlenmiş veri” başlığında toplamak, daha sonra hangi bilginin kaynaktan geldiğini ve hangisinin algoritma tarafından üretildiğini belirsizleştirir.

Pratikte dört katmanı ayırmak yararlıdır:

özgün kaynak
    ↓
deterministik / izlenebilir dönüşüm
    ↓
model çıkarımı
    ↓
analist değerlendirmesi

Özgün kaynak

Kaynak dosya, disk imajı, paket yakalama veya edinilmiş başka artefact mümkün olduğunca değişmeden korunur. Hash değeri, edinim zamanı, kaynak ve chain-of-custody bilgisi bu katmana aittir. Analiz kolaylığı için yeni biçim üretmek kaynak nesneyi ortadan kaldırmaz.

Örneğin G.711 içeren bir WAVE dosyasını PCM16 çalışma kopyasına dönüştürmek, sesin daha kolay dinlenmesini veya ASR hattına verilmesini sağlayabilir. Üretilen PCM türevdir; özgün WAVE dosyasının yerine geçmez.

Deterministik türev

Bir dönüşüm aynı girdi ve parametrelerle tekrarlandığında aynı sonucu üretebiliyorsa süreç yeniden üretilebilir. Bu katmanda kullanılan yazılım sürümü, parametreler, çıktı hash'i ve dönüşüm sırası kaydedilebilir.

Resampling, kanal seçimi, container decoding veya kayıpsız format dönüşümü bu sınıfa girebilir. Ancak “deterministik” olmak “kanıta eşit” olmak anlamına gelmez; çıktı hâlâ türevdir.

Model çıkarımı

OCR metni, ASR transkripti, yüz embedding'i, speaker embedding'i, sınıflandırma skoru veya nesne tespiti kaynakta doğrudan saklanan bilgi değildir. Model, gözlenen veriden bir tahmin veya temsil üretir. Sonuç model sürümüne, preprocessing'e, eşiklere ve bazen donanım/runtime ayrıntılarına bağlı olabilir.

Bu nedenle model çıktısını kaynak gerçekmiş gibi yazmak yerine şu bilgiler birlikte tutulmalıdır:

• model ve sürüm,
• preprocessing zinciri,
• inference parametreleri,
• eşik veya karar kuralı,
• çıktı skoru/mesafesi,
• mümkünse kullanılan çalışma kopyasının hash'i.

Üretici iyileştirme ayrı bir risk sınıfıdır

Denoising ve restorasyon yöntemleri spektral veya görsel içeriği değiştirebilir. Generative restoration ise kaynakta doğrudan bulunmayan ayrıntıları sentezleyebilir. Böyle bir çıktı görsel inceleme için yardımcı olabilir; fakat yeni üretilen ayrıntının kaynağın doğrudan gözlemi olduğu varsayılamaz.

Bu nedenle “görüntüyü iyileştirdim ve plakayı okudum” ifadesi yerine hangi işlemin yapıldığı, özgün görüntüde neyin gözlenebildiği ve hangi ayrıntının işleme sonrasında ortaya çıktığı ayrı tutulmalıdır.

Analist yorumu

Son katman insan yorumudur. Bir similarity skoru “aynı kişi” hükmü değildir; ASR transkripti de kayıtla birebir eş anlamlı değildir. Model çıktısı başka bulgularla birlikte değerlendirilir ve gerektiğinde özgün kaynağa geri dönülür.

Bu ayrım AI kullanımını değersizleştirmez. Tersine, model çıktısının hangi rolü oynadığını açıkça tanımladığı için yeniden inceleme ve karşılaştırılabilirlik sağlar.

İlişkili içerikler: Adli Bilişim ve Çoklu Ortam, Forensic Telephony WAVE Decoder, Chain of Custody.