Uso de Machine Learning na perícia digital

proposta para classificação de evidências

Resumen

A crescente complexidade dos crimes digitais e o aumento expressivo do volume de dados analisados em investigações cibernéticas impõem desafios significativos às práticas tradicionais da perícia forense digital. Nesse contexto, o presente artigo propõe a integração de técnicas de Machine Learning como recurso complementar para a triagem e classificação automatizada de arquivos recuperados durante o processo pericial. A pesquisa apresenta um modelo conceitual baseado em algoritmos supervisionados — como Random Forest, Support Vector Machines e K-Nearest Neighbors — aplicado a dados extraídos por ferramentas forenses amplamente utilizadas. O estudo descreve a metodologia de construção do dataset, os critérios de avaliação e os requisitos técnicos, legais e éticos para adoção prática da abordagem no contexto brasileiro. Como contribuição principal, o trabalho sistematiza diretrizes para uso confiável de inteligência artificial na perícia digital, indicando ganhos potenciais de eficiência, padronização e apoio à tomada de decisão pericial, sem substituir a supervisão humana. Trata-se, portanto, de uma proposta metodológica com implicações científicas e operacionais para a modernização das investigações digitais.