Im digitalen Zeitalter ist die Wiederherstellung gelöschter Daten eine zentrale Herausforderung in der digitalen Forensik. Mit der stetigen Zunahme von Datenmengen und Speichermethoden stoßen gängige Verfahren an ihre Grenzen. Hier setzt das Forschungsprojekt Carve-DL an. Darin arbeiten die Beteiligten an einem KI-gestützten System, das schwer rekonstruierbare Dateien wiederherstellen kann und mithilfe lernender Algorithmen die Effizienz und Genauigkeit der digitalen Datenrekonstruktion unterstützt.
Wie funktioniert Carve-DL?
Traditionell arbeiten Forensiker mit standardisierten, oft manuellen Verfahren, um gelöschte Daten wiederherzustellen. Diese Methoden beruhen auf festgelegten Dateisignaturen oder Metadaten des Dateisystems. Carve-DL nutzt hier Deep-Learning-Technologien, insbesondere Swin Transformer V2 und ResNet. Die Software kann so nicht nur vollständige Dateien wiederherstellen, sondern auch stark fragmentierte Daten rekonstruieren. Dies ermöglicht eine präzise Wiederherstellung selbst in Fällen, in denen hergebrachte Techniken scheitern. Carve-DL richtet sich an Spezialisten der digitalen Forensik, die gelöschte oder zerstückelte Daten rekonstruieren müssen.
Das Verschwinden der Mona Lisa
Anhand einer fiktiven Kriminalgeschichte zeigt ein begleitendes 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. Das System kann gelöschte Bildfragmente identifizieren, klassifizieren, gruppieren und korrekt anordnen.
Seit Projektbeginn im November 2022 gelang es den Projektbeteiligten, einige Fortschritte zu erzielen: Durch den Einsatz von Swin Transformer steigerten sie etwa die Effizienz des Systems. Insbesondere durch Supportive Clustering with Contrastive Learning (SCCL) konnte die Clustering-Genauigkeit auf etwa 85 Prozent erhöht werden.
Potenziale jenseits der Kriminalistik
Neben der polizeilichen Ermittlungsarbeit bietet Carve-DL aus Sicht der Forschenden Potenzial für weitere Bereiche wie etwa Datenrettung in der Industrie, beispielsweise zur Wiederherstellung verlorener Forschungsdaten.
