چارچوبی برای ترکیب هوش منابع باز و پردازش زبان طبیعی با تضمین پذیرش قضایی شواهد دیجیتال در کاربردهای حقوقی و انتظامی

هوش منبع باز (OSINT) به عنوان یکی از اصلی ترین منابع اطلاعاتی در تحقیقات حقوقی و انتظامی با چالش بنیادین قابلیت پذیرش قضایی مواجه است. علی رغم اینکه امروزه بیش از ۸۰ درصد از فعالیت های اطلاعاتی سازمان های انتظامی بر OSINT استوار است، فقدان روش شناسی استاندارد برای جمع آوری و تحلیل داده های منابع باز همراه با نبود چارچوبی برای تضمین اصالت و زنجیره نگهداری شواهد دیجیتال، کاربرد این داده ها را در مراجع قضایی با تردید جدی مواجه ساخته است. پژوهش حاضر با هدف ارائه یک چارچوب معماری سه لایه برای ترکیب هوش مصنوعی و پردازش زبان طبیعی در جمع آوری و تحلیل هوشمند داده های منابع باز طراحی شده است. لایه اول مبتنی بر استقرار محلی و امن سیستم ها با رویکرد حفظ حریم خصوصی؛ لایه دوم مبتنی بر گراف دانش حقوقی انتظامی برای استخراج روابط معنایی میان موجودیت ها و لایه سوم تضمین کننده زنجیره نگهداری و قابلیت توضیح پذیری شواهد دیجیتال است. یافته های پژوهش نشان می دهد که به کارگیری گراف های دانش به جای مدل های زبانی صرفا متنی دقت تحلیل حقوقی را تا ۸۵ درصد افزایش داده و با معیارهای تکمیلی شامل ALIGN-SCORE همسویی معنایی با استدلال قضایی انسانی و Index Contestability قابلیت مناقشه پذیری، قابلیت دفاع از شواهد در دادگاه را فراهم می آورد.

کلیدواژه ها:

هوش منبع باز ، پردازش زبان طبیعی ، شواهد دیجیتال قابل پذیرش ، گراف دانش ، حقوقی ، کاربردهای انتظامی