Onderzoekers hebben een innovatief framework ontwikkeld dat in staat is om leesbare tekst terug te winnen uit sterk gedegradeerde miniaturen van Word-documenten, wat een belangrijke doorbraak betekent voor digitaal forensisch onderzoek.
In de wereld van digitale forensica vormen miniaturen (thumbnails) van documenten vaak het enige overgebleven visuele bewijs wanneer de oorspronkelijke bestanden zijn gewist. Het herstellen van bruikbare informatie uit deze kleine, laagresolutie afbeeldingen is echter een complexe uitdaging. Traditionele methoden voor optische tekenherkenning (OCR) schieten tekort bij dit soort ernstig verslechterde beelden, wat een kritieke hindernis vormt bij het verzamelen van bewijsmateriaal.
Beperkingen van standaard AI-modellen
Volgens een publicatie op arxiv.org kunnen deep learning-architecturen zoals U-Net weliswaar de visuele kwaliteit van een afbeelding verbeteren, maar ze zijn vaak niet optimaal voor tekstherkenning. Modellen die uitsluitend zijn getraind op basis van pixel-gebaseerde verliesfuncties, geven prioriteit aan visuele gladheid. Dit gaat ten koste van de structurele getrouwheid die noodzakelijk is om karakters accuraat te kunnen onderscheiden en lezen.
Om dit probleem op te lossen, hebben Mohit Ajaykumar Dhabuwala en Weifeng Xu een 'text-aware' restauratieframework voorgesteld. Dit systeem is specifiek ontworpen voor forensische triage, waarbij de focus ligt op forensische triage.
Hybride optimalisatiestrategie
De kern van de nieuwe aanpak is een U-Net-architectuur die wordt gestuurd door een hybride optimalisatiestrategie. In plaats van enkel naar de pixels te kijken, integreert dit model pixel-niveau getrouwheid met beperkingen die machineleesbare tekst vereisen.
Een cruciaal onderdeel van deze methode is het gebruik van de Normalized Levenshtein Distance (NLD), een metriek gebaseerd op OCR, tijdens de selectie van het model. Door de NLD te prioriteren, richt het systeem zich specifiek op het herstellen van een accurate karaktertopologie. Hierdoor kan het systeem een accuratere karaktertopologie herstellen, zelfs wanneer de bronafbeelding ernstig gedegradeerd is.
Resultaten en wetenschappelijke erkenning
De experimentele resultaten tonen aan dat deze methode de NLD significant verlaagt, wat resulteert in een betrouwbaardere recovery van machineleesbare tekst uit zwaar gedegradeerde miniaturen. Het onderzoek is gepresenteerd tijdens de 9e internationale conferentie over kunstmatige intelligentie en big data ().
Hoewel de technische details van het onderzoek uitgebreid zijn gedocumenteerd in de academische wereld, is de praktische toepassing van dergelijke forensische tools relevant voor diverse digitale archieven en beveiligingsinstanties. Naast de wetenschappelijke database van arXiv zijn er diverse digitale bronnen en repositories die PDF-metadata en documentstructuren beheren, zoals te zien is in de indexeringen van scriptiebank.be, hogent.be, christiankieckens.be en kfda.be, waar diverse documenten en thumbnails worden opgeslagen.
Deze nieuwe technologie biedt forensisch onderzoekers een krachtig instrument om informatie te ontsluiten die voorheen als verloren werd beschouwd, waardoor de kans op het reconstrueren van gewiste documenten aanzienlijk wordt vergroot.