idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
28.03.2025 10:09

Wie KI die Mona Lisa rettet: Paradigmenwechsel in der digitalen Forensik

Jeremy Gob DFKI Kaiserslautern | Darmstadt
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, DFKI

    Sie ist das berühmteste Gemälde der Welt … und plötzlich ist sie verschwunden. Ein Diebstahl, ein geheimer Verkauf im Darknet und eine Spur, die sich nach Vernichtung der belastenden Beweise scheinbar im Nichts auflöst. Doch kein digitales Verbrechen ist spurlos … und mit künstlicher Intelligenz lässt sich die Fährte aufnehmen. Wie KI in diesem Szenario die elementaren Beweismittel wiederherstellt, ist natürlich reine Fiktion – die Technik und Anwendungsmöglichkeiten jedoch, sind atemberaubende Wirklichkeit!

    Im digitalen Zeitalter ist die Wiederherstellung gelöschter Daten eine zentrale Herausforderung in der digitalen Forensik. Mit der stetigen Zunahme von Datenmengen und Speichermethoden stoßen herkömmliche Verfahren dabei an ihre Grenzen. Hier setzt das Forschungsprojekt Carve-DL an: Eine KI-gestützte Lösung, die schwer rekonstruierbare Dateien wiederherstellen kann und mithilfe lernender Algorithmen die Effizienz und Genauigkeit der digitalen Datenrekonstruktion nachhaltig verbessert.

    Was macht Carve-DL einzigartig?

    Traditionell arbeiten Forensiker mit standardisierten, oft manuellen Verfahren, um gelöschte Daten wiederherzustellen. Während diese Methoden auf festgelegten Dateisignaturen oder Metadaten des Dateisystems beruhen, geht Carve-DL neue Wege. Durch den Einsatz fortschrittlicher Deep-Learning-Technologien, insbesondere Swin Transformer V2 und ResNet kann die Software nicht nur vollständige Dateien wiederherstellen, sondern auch stark fragmentierte Daten rekonstruieren. Dies ermöglicht eine präzise Wiederherstellung selbst in Fällen, in denen hergebrachte Techniken scheitern.

    Einsatzfelder in der polizeilichen Praxis

    Carve-DL richtet sich an Spezialisten der digitalen Forensik, die gelöschte oder zerstückelte Daten rekonstruieren müssen. Ein Beispiel ist die Wiederherstellung automatisch gelöschter Cache-Daten von Webseiten, die für Ermittlungen von Bedeutung sind. Auch manipulierte oder absichtlich zerstörte digitale Beweismittel können durch die KI rekonstruiert werden.

    Fallbeispiel: Das Verschwinden der Mona Lisa

    Anhand einer fiktiven Kriminalgeschichte zeigt das begleitende Erklärvideo, wie die Rekonstruktion gelöschter Bilddaten durch Carve-DL funktioniert. In dem erfundenen Szenario wird die Mona Lisa gestohlen, und alle digitalen Spuren der Tat gelöscht. Das Video veranschaulicht, wie Carve-DL aus fragmentierten Speicherdaten des Diebes die ursprüngliche Aufnahme des gestohlenen Gemäldes rekonstruiert und damit eine forensische Analyse ermöglicht.

    Dieses Beispiel soll den praktischen Nutzen der entwickelten KI-Methoden verdeutlichen: Das System kann gelöschte Bildfragmente identifizieren, klassifizieren, gruppieren und korrekt anordnen – ein Prozess, der auch bei realen digitalen Beweismitteln entscheidend sein kann. Das vollständige Video finden Sie im Anhang an diese Meldung.

    Technologische Meilensteine

    Seit Projektbeginn im November 2022 wurden bedeutende Fortschritte erzielt und der KI-Workflow sukzessive verfeinert, um so den komplexen Anforderungen der digitalen Forensik und der Datenrekonstruktion gerecht zu werden :

    1. Klassifizierungsmodelle
    Neue Klassifizierungsmodelle zur Identifikation von Dateitypen in Rohdaten, die den Wiederherstellungsprozess verbessern.

    2. Verifikationsmodell
    Ein spezialisiertes Verifikationsmodell zur verlässlichen Rekonstruktion von Bildfragmenten.

    3. Clustering-Techniken
    Deep-Learning-gestützte Clustering-Techniken, die zusammengehörige Dateifragmentgruppen effizient ermitteln.

    4. Reordering-Modell
    Ein hochentwickeltes Modell zur Neuordnung von Fragmenten, das bereits 95 % der rekonstruierten Bildfragmente korrekt zusammensetzt.

    Durch den Einsatz von Swin Transformer V2 und ResNet wurde die Effizienz des Systems erheblich gesteigert. Insbesondere durch Supportive Clustering with Contrastive Learning (SCCL) konnte die Clustering-Genauigkeit auf etwa 85 % erhöht werden.

    Herausforderungen und innovative Lösungen

    Eine der größten Herausforderungen im Projektverlauf war die unbestimmte Anzahl und Beschaffenheit der zu rekonstruierenden Fragmente. Carve-DL hat dieses Problem gelöst, indem die Ungewissheit bereits früh in der Pipeline durch iteratives Clustering bearbeitet wird.


    Wissenschaftliche Ansprechpartner:

    Dr. Tobias Wirth
    Forschunsbereich Smarte Daten & Wissensdienste

    Tel.: +49 631 20575 1370
    Mail: Tobias.Wirth@dfki.de
    LI: www.linkedin.com/in/tobiaswirth


    Originalpublikation:

    https://www.dfki.de/web/news/carve-dl-paradigmenwechsel-in-der-digitalen-forensi...


    Weitere Informationen:

    http://Projektseite des Forschungsprojekts Carve-DL: https://www.dfki.de/web/forschung/projekte-publikationen/projekt/carve-dl
    http://Webartikel zum Kick-Off: https://www.dfki.de/web/news/carve-dl-kuenstliche-intelligenz-in-der-kriminalita...
    http://Erklärvideo: /watch?v=Ri_TAj1J7TI


    Bilder

    Anhang
    attachment icon Klassifikationsmodelle

    Merkmale dieser Pressemitteilung:
    Journalisten
    Gesellschaft, Informationstechnik, Recht
    überregional
    Forschungsergebnisse, Forschungsprojekte
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).