Щодо питання про використання можливостей штучного інтелекту в судовій експертизі
Banner uk_UA
№ 69 (2024), Криміналістичні види судових експертиз
№ 69 (2024)

Щодо питання про використання можливостей штучного інтелекту в судовій експертизі

Криміналістичні види судових експертиз
https://doi.org/10.33994/kndise.2024.69.34
Опубліковано серпня 27, 2024
Тетяна Ніколайчук
«Університет імені Альфреда Нобеля»
Юлія Соломаха
Дніпропетровський науково-дослідний експертно-криміналістичний центр Міністерства внутрішніх справ України
PDF

Ключові слова

штучний інтелект
судова експертиза
нейронна мережа
почеркознавча експертиза
підписи
рукописні записи
комплексна експертиза

Як цитувати

Ніколайчук, Т., & Соломаха, Ю. (2024). Щодо питання про використання можливостей штучного інтелекту в судовій експертизі. Криміналістика і судова експертиза, (69), 356-364. https://doi.org/10.33994/kndise.2024.69.34
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver

Завантажити посилання

Endnote/Zotero/Mendeley (RIS) BibTeX

Анотація

Стаття присвячена можливостям застосування систем Штучного Інтелекту, які використовуються при виконанні низки завдань, що ви никають у процесі здійснення судово-експертної діяльності, зокрема завдань почеркознавчої та техніко-криміналістичної експертизи доку ментів. Проаналізовано можливості використання нейронної мережі не тільки для зображень, а й для великих обсягів тексту та інших даних. Зазначено, що застосування Штучного Інтелекту необхідно розглядати як один з етапів порівняльного дослідження, не підміняючи саме по рівняльне дослідження.

https://doi.org/10.33994/kndise.2024.69.34
PDF

Посилання

Schneider, J., Breitinger, F. (2023). Towards AI forensics: Did the artificial intelligence system do it? Journal of Information Security and Applications. No. 76. URL: https://www.sciencedirect.com/science/article/pii/S2214212623001011.

Spranger, M., Heinke, F., Appelt, L., Puder, M., Labudde, D. (2016). MoNA: Automated Identification of Evidence in Forensic Short Messages. International Journal on Advances in Security. URL: https://www.researchgate.net/publication/321777098_MoNA_Automated_Identification_of_Evidence_in_Forensic_Short_Messages.

Geradts, Z. (2018). Digital, Big Data and Computational Forensics. Forensic Sciences Research. No. 3 (3). Pp. 179—182. DOI: 10.1080/20961790.2018.1500078.

Matuelene, S., Shevchuk, V., Baltrunienė, J. (2022). Artificial Intelligence in the Activities of Law Enforcement and Justice Agencies: Domestic and European Experience. Theory and Practice of Forensic Examination and Criminalistics. No. 4 (29). URL: https://khrife-journal.org/index.php/journal [in Ukrainian].

Kaur, M., Kumar, D. (2016). A review on various techniques for face recognition in digital images. Int J Curr Res Acad Rev. No. 4 (10). Pp. 22—26. DOI: 10.1020546/ijcrar.2016.410.003.

Simoni, D. A., Motter, B. C. (2010). Human search performance is a threshold function of cortical image separation. J Vis. No. 3. P. 228.

Baltrusaitis, T., Robinson, P., Morency, L. P. (2016). OpenFace: an open source facial behavior analysis toolkit. 2016 IEEE Winter Conference on Applications of Computer Vision (WACV); 2016 Mar 7-10; Lake Placid, NY. NJ: IEEE Press. Pp. 1—10.

Sokolov, V. (2017). Discussion of «Deep learning for finance: deep portfolios»: discussion of «Deep learning for finance: deep portfolios». Appl Stoch Model Bus Ind. No. 33. Pp. 16—18.

Ruocco, K. (2017). Related Articles to Artificial Intelligence: The Advantages and Disadvantages. Arrk. URL: https://www.arrkgroup.com/thought-leadership/artificial-intelligence-the-advantages-and-disadvantages.

Dreyfus, H. L., Dreyfus, S. E. (1992). What artificial experts can and cannot do. AI & Soc. No. 6. Pp. 18—26.

Van Baar, R. B., van Beek, H. M., Avan Eijk, E. J. (2014). Digital forensics as a service: a game changer. Digit Investig. No. 11. Pp. 54—62.

Singh, G., Singh, K. (2017). Improved JPEG anti-forensics with better image visual quality and forensic undetectability. Forensic Sci Int. Vol. 277. Pp. 133—147.

Moon, P. J. (2015). The development of anti-forensic tools for android smartphones. J Korea Inst Electron Commun Sci. No. 10. Pp. 95—101.

Gandomi, A., Haider, M. (2015). Beyond the hype: big data concepts, methods, and analytics. Int J Inf Manag. No. 35. Pp. 137—144.

Franke, K., Srihari, S. N. (2008). Computational forensics: an overview. In: Computational forensics. Berlin, Heidelberg: Springer. Pp. 1—10.

Geradts, Z., Bijhold, J. (2001). New developments in forensic image processing and pattern recognition. SciJustice. No. 41. Pp. 159—166.

Geradts, Z., Keijzer, J. (1996). The image-database REBEZO for shoeprints with developments on automatic classification of shoe outsole designs. Forensic Sci Int. No. 82. Pp. 21—31.

Geradts, Z. J., Keijzer, J. (1995). Keereweer I. Automatic comparison of striation marks and automatic classification of shoe prints. In: Rudin LIBramble SK. Proceeding of SPIE 1995 Sept 1; San Diego, CA. SPIE. P. 151.

Cooper, A. J. (2013). Improved photo response non-uniformity (PRNU) based source camera identification. Forensic Sci Int. No. 226. Pp. 132—141.

Gisolf, F., Malgoezar, A., Baar, T., et al. (2013). Improving source camera identification using a simplified total variation based noise removal algorithm. Sci Rep. No. 10. Pp. 207—214.

Duijn, P. A. C., Kashirin, V. (2014). Sloot PMA. The relative ineffectiveness of criminal network disruption. Sci Rep. No. 4. Pp. 4238.

Williams, M. L., Burnap, P. (2016). Cyberhate on social media in the aftermath of Woolwich: a case study in computational criminology and big data. Br J Criminol. No. 56. Pp. 211—238.

Chan, J., Bennett Moses, L. (2016). Is big data challenging criminology? Theor. Criminol. No. 20. Pp. 21—39.

Smith, G. J. D., Bennett Moses, L., Chan, J. (2017). The challenges of doing criminology in the big data era: towards a digital and data-driven approach. Br J Criminol. No. 57. Pp. 259—274.

Bodin, W. K., Jaramillo, D., Marimekala S. K. (2015). Security challenges and data implications by using smartwatch devices in the enterprise. 12th International Conference & Expo on Emerging Technologies for a Smarter World (CEWIT); 2015 Oct 19-20; Melville, NY. Piscataway, NJ: IEEE Press. Pp. 1—5.

Ichikawa, F., Chipchase, J., Grignani, R. (2005). Where's the phone? A study of mobile phone location in public spaces. IEE Mobility Conference 2005. The Second International Conference on Mobile Technology, Applications and Systems; 2005 Nov 15-17; Guangzhou, China. Piscataway, NJ: IEEE Press. P. 142.

Unsworth, K. (2014). Questioning trust in the era of big (and small) data: questioning trust in the era of big (and small) data. Bull Assoc Inf Sci Technol. No. 41. Pp. 12—14.

Wang, Z., Yu, Q. (2015). Privacy trust crisis of personal data in China in the era of Big Data: the survey and countermeasures. Comput Law Secur Rev. No. 31. Pp. 782—792.

Haberman, C. P., Ratcliffe, J. H. (2012). The predictive policing challenges of near repeat armed street robberies. Policing. No. 6. Pp. 151—166.

Robinson, T., Morency, L. P. (2016). OpenFace: an open source facial behavior analysis toolkit. 2016 IEEE Winter Conference on Applications of Computer Vision (WACV); 2016 Mar 7—10; Lake Placid, NY. Piscataway, NJ: IEEE Press. Pp. 1—10.

Ruocco, K. (2017). Related Articles to Artificial Intelligence: The Advantages and Disadvantages. Arrk. Author’s manuscript. URL: https://www.arrkgroup.com/thought-leadership/artificial-intelligence-the-advantages-and-disadvantages.

Hansen, M. (2016). Data protection by design and by Default à la European General Data Protection Regulation. In: Lehmann AWhitehouse DFHSimone, et al. Privacy and identity management. Facing up to next steps. New York : Springer International Publishing. Pp. 27—38.

Jefferson, B. J. (2018). Predictable policing: predictive crime mapping and geographies of policing and race. Ann Am Assoc Geogr. No. 108. Pp. 1—16.

Rzevski, G. (2008). A new direction of research into artificial intelligence. Artif Intell. Pp. 1—16.