Esta dissertação apresenta a Digital Evidence Exploration Platform based on Lemonade (DEEP-Lemonade), uma plataforma projetada para sistematizar a exploração de evidências digitais em investigações criminais utilizando Big Data. Fundamentada no princípio de Separação de Interesses (SoC) (do inglês, Separation of Concerns), a DEEP-Lemonade organiza suas funcionalidades em camadas distintas para programadores, cientistas de dados e investigadores criminais, permitindo que cada perfil atue exclusivamente em seu domínio, sem necessidade de conhecimentos técnicos aprofundados em outras áreas. Os programadores são responsáveis pela implementação de operações específicas, como processamento de imagens e análise de texto na plataforma Live Exploration and Mining Of a Non-trivial Amount of Data from Everywhere (Lemonade). Os cientistas de dados utilizam a plataforma para projetar fluxos de trabalho investigativos, abstraindo-se dos detalhes técnicos subjacentes, o que facilita o atendimento das demandas dos investigadores. Por fim, os investigadores criminais exploram uma interface web para analisar evidências digitais, assegurando a integridade processual e o respeito aos direitos de privacidade. Essa estrutura modular, fundamentada no princípio de SoC, isola responsabilidades e restringe acessos, visando minimizar riscos legais, proteger dados sensíveis e garantir a integridade do processo investigativo. Ao mesmo tempo, essa abordagem aprimora a usabilidade e a eficácia da aplicação, além de facilitar sua manutenção, expansão e adaptação às inovações tecnológicas, oferecendo uma experiência personalizada e eficiente para cada perfil de usuário. A validação da proposta foi realizada por meio de uma prova de conceito, em que operações e funcionalidades relacionadas a reconhecimento facial e processamento de linguagem natural foram desenvolvidas e avaliadas. Essa validação foi corroborada pela aplicação de um questionário estruturado, direcionado a uma amostra composta por desenvolvedores, analistas de dados e investigadores criminais. A análise das respostas destacou a eficácia da DEEP-Lemonade em transformar ferramentas de Ciência de Dados (CD) e Inteligência Artificial (IA) em soluções acessíveis e eficazes para investigações, além de reforçar a importância de sua arquitetura modular baseada no princípio de SoC.

Palavras-chaves: Separação de Interesses, Modularidade, Ciência de Dados, Inteligência Artificial, Big Data, Investigação Criminal. Ver menos

This dissertation presents DEEP-Lemonade, a platform designed to systematize the exploration of digital evidence in criminal investigations using Big Data. Based on the principle of SoC (Separation of Concerns), DEEP-Lemonade organizes its functionalities into distinct layers for programmers, data scientists, and criminal investigators, allowing each profile to operate exclusively within its domain without requiring in-depth technical knowledge of other areas. Programmers are responsible for implementing specific operations, such as image processing and text analysis, on the Lemonade platform. Data scientists use the platform to design investigative workflows, abstracting technical details, which facilitates meeting investigators’ demands. Finally, criminal investigators utilize a web interface to analyze digital evidence, ensuring procedural integrity and respect for privacy rights. This modular structure, grounded in the principle of SoC, isolates responsibilities and restricts access, aiming to minimize legal risks, protect sensitive data, and ensure the integrity of the investigative process. Simultaneously, this approach enhances the application’s usability and effectiveness, while simplifying its maintenance, scalability, and adaptation to technological innovations, offering a tailored and efficient experience for each user profile. The proposal’s validation was carried out through a proof of concept, where operations and functionalities related to facial recognition and natural language processing were developed and assessed. This validation was further supported by a structured questionnaire applied to a sample consisting of developers, data analysts, and criminal investigators. The analysis of the responses highlighted the effectiveness of DEEPLemonade in transforming CD and IA tools into accessible and effective solutions for investigations, reinforcing the importance of its modular architecture based on the SoC principle.

Key-words: Separation of Concerns, Modularity, Data Science, Artificial Intelligence, Big Data, Criminal Investigation. Ver menos