Forensic Sci Int Synerg. 2026 fev 24;12:100669. doi: 10.1016/j.fsisyn.2026.100669. publicação eletrônica 2026 jun.

RESUMO

Este artigo investiga a aplicabilidade de técnicas baseadas em aprendizado profundo propostas para a ciberforense, explorando suas limitações práticas. Embora os modelos atuais retratem estágios disciplinados do processo de investigação, ainda existem muitos problemas na utilização do mundo real. As principais preocupações são a qualidade e o viés dos dados, a falta de validação de nível forense do método, a baixa explicabilidade das saídas do modelo e o risco para a integridade das evidências ao realizar comparações automatizadas. O debate também chama a atenção para a necessidade de generalizar as metodologias existentes da revisão pós-incidente para a prontidão forense e monitoramento em tempo real. O artigo argumenta que as ferramentas de aprendizado profundo devem servir como complemento, não como substituto, para o julgamento de especialistas, com salvaguardas apropriadas para transparência, responsabilidade e admissibilidade legal. Resolver esses problemas é importante para estabelecer a ligação entre o entendimento conceitual e físico com o processo forense confiável.

PMID: 41815526 | PMC: PMC12973519 | DOI: 10.1016/j.fsisyn.2026.100669

Para ler a postagem completa, visite o original: Leia a Postagem Completa