Nel panorama attuale, in cui le prove digitali svolgono un ruolo cruciale nei procedimenti penali e l’intelligenza artificiale (AI) può sia generarle che compromettere la loro affidabilità, il tema dell’autenticazione si evolve da un problema esclusivamente tecnico a uno strutturale. Questo articolo, ultimo della serie dedicata all’argomento, esamina lo stato attuale delle tecniche forensi di rilevazione, chiarendo il loro ruolo effettivo: non come strumenti decisionali autonomi, ma come indicatori probabilistici che necessitano sempre di contestualizzazione, corroborazione e valutazione critica.
Le tecnologie moderne, dalla provenance basata su standard crittografici come C2PA all’analisi del segnale per testi, immagini e audio, evidenziano i limiti intrinseci alle tecniche di verifica. Ogni tecnologia di validazione è suscettibile ad elusione, degrado o ambiguità interpretativa, anche quelle che sembrano più robuste. Strumenti come la blockchain e i sistemi di timestamping, ad esempio, dimostrano di attestare solo l’esistenza di un documento, non necessariamente la sua autenticità.
Tecniche di rilevazione: stato dell’arte forense
Con l’avanzare della tecnologia, le tecniche di rilevazione forense non offrono risposte definitive sulla verità o meno di un contenuto digitale. Operano come indicatori, evidenziando anomalie e supportando ipotesi investigative, ma richiedono sempre un’adeguata contestualizzazione e corroborazione indipendente da parte di esperti. Qui di seguito, si fornisce una sintesi delle principali tecniche attuali.
Nel campo della provenienza, lo standard C2PA, che utilizza firme digitali per attestare l’origine di contenuti multimediali, presenta delle limitazioni. Le Content Credentials non permettono di verificare i contenuti prodotti precedentemente all’adozione dello standard e possono essere facilmente rimosse. Inoltre, la loro assenza non implica la falsità del contenuto, ma necessita comunque di conferma rispetto alla catena di firma e al contesto di acquisizione.
Per quanto riguarda i testi, i contenuti generati da modelli linguistici (LLM) possono mostrare uniformità e minore variabilità stilistica, riconoscibili da algoritmi. Tuttavia, come dimostrato da studi, tali detector possono essere facilmente aggirati e non devono costituire, da soli, la base di una conclusione giuridica. Le tecniche di analisi per media visivi e audio, come la shadow coherence analysis, mostrano risultati promettenti in condizioni controllate, ma la loro efficacia diminuisce con la compressione o il ridimensionamento dei dati.
Scenari di rischio: casi d’uso critici
Gli scenari di utilizzo delle tecniche forensi ora quotidiane si sono evoluti. Le conversazioni estratte da piattaforme di messaggistica, i documenti contabili falsificati e le difese legate ai deepfake mettono in evidenza come queste tecniche dovrebbero essere applicate nella pratica legale. La generazione di database sintetici che sembrano autentici è tecnicamente realizzabile, ma richiede sempre conferme da fonti indipendenti. Ad esempio, la verifica di chat generate artificialmente deve essere corroborata con dati conservati sui server di messaggistica.
Nel contesto dei documenti finanziari, i sistemi di AI possono facilitare la creazione di documenti che sembrano autentici, ma la verifica contro il Sistema di Interscambio dell’Agenzia delle Entrate è essenziale per evitare frodi. Infine, la questione dei deepfake evidenzia il pericolo di usare l’AI come strumento di difesa per contestare prove genuine, il che richiede una standardizzazione nell’autenticazione delle evidenze.
Verso un framework forense per l’era AI
Per affrontare le sfide presentate dalla tecnologia AI nel campo forense, è necessario elaborare un framework che integri cinque principi guida. Questi principi includono l’importanza della provenienza by design, la necessità di corroborazione indipendente, l’obbligo di disclosure riguardo all’uso di AI, la competenza aggiornata dei periti e la proporzionalità del dubbio nell’analisi delle prove digitali. Tali principi possono contribuire a creare un sistema più robusto e affidabile per l’analisi delle prove digitali.
Conclusioni e agenda di ricerca
La digital forensics si trova ad un bivio: mentre l’AI rappresenta sia una sfida che una soluzione, è imperativo che il sistema giuridico non ignori o sovrastimi il problema dell’autenticità delle prove digitali. Un aggiornamento metodologico continuo, basato su approcci probabilistici e su un’efficace rilevazione delle prove, è essenziale per garantire che la libertà personale e il diritto a un processo equo siano preservati. L’adozione di pratiche più rigorose e l’implementazione di tecnologie di tracciamento della provenienza dovrebbero diventare prioritari nell’agenda di ricerca per la digital forensics.