Rozwój audytu śledczego z wykorzystaniem AI – czyli jak zrobiłbym ten sam projekt wczoraj i dziś

Wychodząc naprzeciw oczekiwaniom czytelników, postanowiliśmy na naszym blogu zaprezentować przykład praktyczny. Dla celów przedstawienia, jak analiza dowodów może zostać zautomatyzowana z wykorzystaniem AI i powtarzalnego procesu, posłużmy się opowieścią o tym jak pracownicy dużej spółdzielni mieszkaniowej wyprowadzali części zamienne i używali ich do własnych celów. Całość opowieści jest prawdziwa, jednakże ukryliśmy tożsamość zlecającego, upraszamy więc czytelnika, aby z podanych szczegółów nie próbował domyśleć się tożsamości firmy opisanej w artykule.

Sprawa miała miejsce kilka lat temu, kiedy oprócz replikantów z kultowego „Łowcy androidów”, maszyny nadal jeszcze nie przechodziły testu Turinga. Analiza dowodów cyfrowych była ręczna lub jak kto woli - naoczna.

Zadanie nasze przedstawiono nam nader mgliście, na początku wiedzieliśmy jedynie, że brygadziści mogą używać części zamiennych do własnych celów, pracując na tzw. „fuchach” – czyli wykonując remonty osobiście lub za pośrednictwem działalności gospodarczych. Pojechałem więc z kolegą z zespołu na postępowanie wyjaśniające do miasta średniej wielkości w południowej Polsce. Poznaliśmy cały proces – wiedzieliśmy, kto i dlaczego części zamienne zamawia i na jakie potrzeby, kto wpisuje zamówienia do baz, w jaki sposób wywoływane są i rejestrowane remonty w systemie technicznym. Stanęliśmy jednak przed bardzo ważnym problemem – części zamienne nie miały numeru seryjnego jednoznacznie je identyfikującego, w trakcie inwentaryzacji części te nie podlegały jednostkowemu spisowi. W praktyce wiedzieliśmy więc kto, ile i kiedy części zamówił i na jaki adres remontu, ale oprócz zagęszczenia zamówień wokół kilku nazwisk i adresów, niewiele dla dochodzenia wewnętrznego wynikało. Nie poddając się – podzieliliśmy siły. Ja typowałem do sprawdzenia budynki, w których częściej niż dwa razy do roku wymieniano części, kolega zaś podszywając się pod zarządy spółdzielni mieszkaniowych, obdzwaniał producentów i pytał jakie znaczenie mają kody, którymi oznaczane są części. Trop okazał się trafny – w szeregu liczb zakodowana była data produkcji (miesiąc i rok). Wiedzieliśmy także, że część zamienna w normalnych warunkach mogła być użytkowana do dziesięciu a nawet piętnastu lat.

Po analizie śledczej pozostawało nam wejście do wybranych ok. 150 budynków, w których często wymieniano części, sfotografować kody i zrobić analizę dowodów cyfrowych. Analiza polegała na porównaniu terminów wykonania remontów i dat produkcji z części do nich zamawianych (data produkcji części miała miejsce maksymalnie na pół roku przed jej montażem). Analiza śledcza ok. 300 zrobionych zdjęć była bardzo żmudna – należało spisać kody ze zdjęć, odcyfrować daty produkcji części ze zdjęć i porównać z hipotetycznymi datami produkcji części z zamówień. Po kilku dniach okazało się że mieliśmy ok. 80% skuteczności, w przypadku około 120 budynków analiza dowodów cyfrowych wykazała, że na zdjęciach mieliśmy sprzęt stary, który na pewno nie był zamówiony w czasie na jaki wskazywały analizowane przez nas zamówienia. Pointą tej historii było odnalezienie magazynów sprzętu (na terenie spółdzielni), w których pracownicy spółdzielni chomikowali zamówione części i mogli ich używać w dowolnych celach. Sprzęt po zakupie nie był aktywowany na środkach trwałych i trafiał od razu w koszty.

Morał z tej historii jest dwojaki. Należy zawsze starać się, aby nasza ewidencja środków trwałych była względnie całościowa. Drugi zaś wątek dotyczy użycia generatywnej sztucznej inteligencji w analizie dowodów cyfrowych.

Zrobiliśmy z Tomkiem Dyrdą analizę, zadając modelowi AI zadanie odcyfrowania kodu przykładowego sprzętu oraz analizy wybranych zdjęć. Postępując zgodnie z przygotowanym poleceniem (promptem), model AI prawidłowo opisał jak należy odczytywać kody producentów oraz prawie w stu procentach bezbłędnie odcyfrował kody ze zdjęć, stworzył tabelę produkcji sprzętu oraz porównał ją z hipotetycznymi zadanymi datami produkcji sprzętu z zamówień. Po dwóch godzinach otrzymaliśmy zestawienie trafień – bardzo podobne do tego, którego wykonanie zajęło nam blisko tydzień. Ograniczeniem okazała się tylko niedostateczna jakość zdjęć w kilku przypadkach (czarne cyfry na metalicznym tle).

Nie mamy już dostępu do tego materiału i nie możemy go wykorzystać publicznie, ale dla celów demonstracji Tomek przygotował analizę tabliczki znamionowej innego urządzenia – przykład poniżej:

Nagłówek	Wartość
Producent / marka	FANATEC (Endor AG, Niemcy)
Produkt / model (jak na etykiecie)	ClubSport Steering Wheel Formula Red Bull 2024
Numer seryjny (S/N)	XX364012420
Inne widoczne identyfikatory	SV392011490 (oznaczenie widoczne po obu stronach; najpewniej numer części / podzespołu / partii)
Parametry zasilania	5 VDC, 1000 mA
Zaprojektowano w	Niemcy
Wyprodukowano w	Chiny
Widoczne oznaczenia zgodności	CE, UKCA, WEEE (przekreślony kosz), FCC (oraz dodatkowe symbole słabiej czytelne)
Kod QR	Obecny na etykiecie (zawartość nie do odczytu z dostarczonego zdjęcia)
Najwcześniejsza data produkcji (wnioskowana)	2024-01-01 (najwcześniej możliwa)
Podstawa wnioskowania	Nazwa produktu zawiera „2024” („Formula Red Bull 2024”), co wskazuje, że urządzenie nie mogło być wyprodukowane wcześniej niż rok 2024 (brak na etykiecie informacji sugerujących wcześniejsze egzemplarze przedprodukcyjne).
Jawna data produkcji na etykiecie	Niewidoczna / niepodana w pokazanym fragmencie etykiety
Opis urządzenia	Kierownica do symulatorów wyścigowych (styl „formula”) do współpracy z bazami Fanatec; widoczny interfejs szybkozłącza oraz mechanizmy łopatek zmiany biegów.

Model AI objaśnił stosowane przez producentów kody i zinterpretował dostępne informacje wskazując na możliwy rok produkcji. Połączenie możliwości modelu AI z automatycznym procesem analizy pozwala przeanalizować setki lub tysiące zdjęć, dokumentów i nagrań w ułamku czasu który był potrzebny wcześniej.

Znakomity przykład, jak w rozsądny sposób posłużyć się technologią, ale pamiętajcie – zawsze pod kontrolą człowieka.

Kolejny praktyczny przykład już za tydzień.