Frade, Miguel Monteiro de SousaDomingues, Patrício RodriguesNegrão, Miguel Cerdeira MarreirosSousinha, Daniel António2024-12-042024-12-042024-11-15http://hdl.handle.net/10400.8/10283O número de dispositivos digitais, os respetivos volume de dados e a complexidade dos mesmos está a criar longas filas de espera nos laboratórios afetos à análise digital forense. Isso é particularmente evidente nas análises que envolvem conteúdos fotográficos e vídeos, pois a captura de imagens e vídeos tornou-se trivial e omnipresente com os smartphones que uma grande parte da população traz permanente consigo. Similarmente, a grande proliferação de câmaras de vídeo-vigilância, e o associado volume de vídeos que capturam tem contribuído para uma maior procura de recursos para análise e interpretação dos mesmos. A IA tem sido apontada como um dos caminhos mais promissores para através da automação que a mesma permite, ser possível aliviar os analistas forenses de conteúdos digitais, delegando parte das tarefas para algoritmos de IA. Em particular, a análise computacional de conteúdos visuais apresenta já soluções interessantes, tanto ao nível da deteção e classificação de objetos, como no reconhecimento facial. Este projeto aborda a integração da IA no processo da análise forense digital, com foco principal na área de análise de conteúdo de vídeo e os desafios que daí advém. Estes desafios podem prejudicar a exatidão e a eficiência de uma investigação, exigindo uma solução robusta. A solução proposta integra tecnologias de IA para melhorar a velocidade e a precisão da análise de vídeo, centrando-se no desenvolvimento de modelos para o YOLOv5 para deteção de objetos e o uso de reconhecimento facial para identificação de indivíduos. Para o efeito foi desenhada uma interface web assente no ambiente Vue.js, integrando as funcionalidades de deteção e classificação de classes de objetos disponibilizadas pelo YOLOv5, bem como o reconhecimento facial através das funcionalidades da biblioteca Facial Recognition, ela mesmo assente no software dlib. Procurou-se com a aplicação desenvolvida, minimizar a exposição do utilizador às minúcias das metodologias de IA subjacentes, disponibilizando ao utilizador um conjunto de funcionalidades aptas para que o mesmo se foque essencialmente no trabalho de análise e interpretação. Outra atividade relevante deste projeto foi o treino de classificadores de classes de objetos específicos com vista à criação de modelos para o YOLOv5. De facto, uma perícia digital forense pode requerer a procura de classes de objetos não suportados pelo YOLOv5, pelo que se considerou pertinente integrar neste projeto o estudo dos passos subjacentes ao desenvolvimento de classificadores de objetos à medida. O estudo apresentado neste relatório abrange desde a criação e recolha dos conjuntos de dados, as diligências necessárias ao treino e a avaliação dos resultados, nomeadamente da respetiva precisão e tempo de execução. Para o efeito foram criados quatro classes de objetos matriculas de veículos, espingarda, pistola e faca, descrevendo-se o processo e os resultados. Tal permitiu aquilatar dos desafios de tal atividade, sendo que as maiores dificuldades foram sentidas na criação dos datasets e nas restrições derivadas dos limitados recursos computacionais.porInteligência artificialCibersegurançaAnálise forense digitalReconhecimento facialCriminalidadeCiência forenseSmartphonesmaster thesis203746260