IDA. Forum KI, 23./ , BKA Wiesbaden. Forum KI: Inhaltliche Datenträgerauswertung. Forum KI: Inhaltliche Datenträgerauswertung

Transkript

1 Forum KI, 23./ , BKA Wiesbaden Dipl.-Ing. Axel Wieczorek, KI23 Projektleiter 1

2 Ausgangsbasis In Abweichung von der gesetzlichen Regelzuständigkeit (Art. 30 GG) sind dem Bundeskriminalamt gemäß 4 BKAG Ermittlungsaufgaben im Rahmen der Strafverfolgung zugewiesen. Danach hat das BKA in Fällen seiner Ermittlungszuständigkeiten nach 4 Abs. 1 und Abs. 2 BKAG die polizeilichen Aufgaben auf dem Gebiet der Strafverfolgung wahrzunehmen. Die Eingriffsgrundlagen für die dazu notwendig werdenden Informationserhebungen sowie die übrigen gesetzlichen Befugnisnormen richten sich nach den Bestimmungen der StPO. Ziel: Das neue Informationssystem gewährleistet eine einheitliche Vorgehensweise bei der inhaltlichen Datenträgerauswertung gerauswertung, verfahrensübergreifende Recherchen sowie eine Verbesserung und Beschleunigung der inhaltlichen Auswertung beschlagnahmter Datenträger. 2

3 Ausgangsbasis - Bedarf der Abteilung ST (insbesondere seit dem 11. September 2001) durch immer stärkerer Anstieg sichergestellter Daten - Umfang elektronischer Daten - Multimedialität und Multilingualität dieser Daten - hohe Motivation bei den Sachbearbeitern bzgl. der Einführung eines IT-Systems zur Unterstützung ihrer Arbeit dem gegenüber - begrenzte Anzahl Sachbearbeiter bei ST - unterschiedliche Arbeitsweisen, IT-Ausstattung und IT-Wissen der Sachbearbeiter bei ST - unklare Datenmengen, -strukturen, Verfahrensgröße, -anzahl die erforderliche Leistung des Systems ist im engeren Sinne nicht planbar - unklar ist damit auch das Antwort-Zeit-Verhalten 3

4 Beschreibung der Fachaufgabe Das Aufbereitungs- und Auswertungsverfahren ist i.d.r. durch einen zweistufigen Prozess gekennzeichnet. 1.Schritt: die auf den Datenträgern befindlichen Informationen werden durch Spezialdienststellen des BKA (TeSIT) technisch aufbereitet. 2. Schritt: die Ermittlungsreferate bei ST führen die eigentliche inhaltliche Auswertung der Dateien durch. Mit dem IT-System soll eine bessere Unterstützung der inhaltlichen Auswertung erreicht werden, nicht der technischen Aufbereitung. 4

5 Beschreibung der -Fachaufgabe Die Vorgabe seitens ST: Auswertung bei Dateien, die auf MS Windows-Betriebssystemen erstellbar sind: - Textverarbeitung (z.b. ANSI, ASCII, RTF, Word, WordPerfect) - Tabellenkalkulation (z.b. Lotus, Excel, Quattro Pro) - Datenbank (z.b. Access, dbase, FoxBase) - Grafik (z.b. GIF, TIF, IMG, JPG) - (z.b. MS Internet Mail, MS Outlook, MS Outlook Express) - WWW (z.b. HTML, XML) voll unterstützte Sprachen derzeit noch nicht recherchierbar Deutsch Kurdisch, Türkisch* Englisch Farsi (Persisch) Spanisch Serbisch/Kroatisch Französisch Arabisch* Italienisch Russisch * Sprachen von herausragendem Interesse 5

6 Historie Idee Planung Auftrag Vor-/Hauptuntersuchung Ausschreibung Zuschlagserteilung Realisierung Prototyp Rahmenvertrag Migration Wirkbetrieb Weiterentwicklung September 2001 Die Ereignisse vom führten zu einer Modifikation des Lasten- und Pflichtenheftes, da insbesondere s bei der Auswertung von sichergestellten Daten anfielen. Vorher spielten E- Mails bezüglich des Datenaufkommens eine geringe Rolle 6

7 Systemarchitektur SB ÜB Normale Benutzung Systemarchitektur VA MS Internet Explorer, Mozilla Apache Web Server, Oracle Web Gateway Modul PL/SQL, Prozeduren, Trigger, Oracle Text IM SA Anwendungs - Administration Tabellen, Anwendungscode DBA Datenbank - Administration Oracle Enterprise Manager PL/SQL Web, Admin Prozeduren Oracle DB Instanz Benutzungsoberfläche Geschäftslogik Datenhaltung und System System Client 1...n Importrechner V-LAN Server 7

8 Das System - Benutzerrollen Systemadministrator (SA): Administration des Systems (durch mindestens zwei SA) Verfahrensadministrator (VA): Besitzt besondere Rechte zur Verwaltung von Verfahren: - Einrichtung von Verfahren (und Verfahrensgruppen) - Zuweisung von Sachbearbeitern und Übersetzern - Initiierung des Imports der finalisierten (d.h. technisch aufbereiteten) Dateien Sachbearbeiter (SB): Hauptarbeit ist die Vorgangsbearbeitung, hat gegenüber einem VA andere (z. T. eingeschränkte, z. T. erweiterte) Rechte Übersetzer (ÜB): Übersetzung zugewiesener fremdsprachiger Textdateien Datenbankadministrator (DB): parametrisiert die Datenbank entsprechend den Erfordernissen (Umfang, Art der Daten, Fremdsprachen) 8

9 Das System - Funktionen Wesentliche Funktionen: Zentrale Speicherung der Daten Einheitliches Vorgehensmodell bei der Vorgangsbearbeitung (sukzessive) Sichtung und Bewertung der Dateien Suchanfragen nach Schlagwörtern / Suchprofilen Erstellung der Auswerteberichte und Log-File-Generierung verfahrensübergreifende Recherche (Verfahrensgruppen) Dublettenkennzeichnung Anpassbarkeit an neue Erfordernisse (Sprachen, Dateiformate) Skalierbarkeit des IT-Systems Verwendung von Standardsoftware (Wartbarkeit) Rollenkonzept 9

10 Das System - Recherche über Inhalte Oracle-Features (Oracle Text) Einschränkung auf Suchraum Phrasensuche Links- bzw. Rechtstrunkierung Wortstammsuche Phonetische Suche Fuzzy Suche Boolesche Operatoren Abstandsabgabe Wildcards Highlighting der Treffer Schlagwortkataloge Suche auf Treffermengen Darstellung der Treffermengen in Listenform Abspeichern der Trefferlisten 10

11 Hauptmerkmale des Systems Oracle (9.i 10g) Web-Anwendung (Browser MS IE, Mozilla) HP/UX (Linux) Recherche über (unstrukturierten) Text Große Datenmenge (2 TB und mehr) Verschiedenste Zeichensätze Beliebige Sprachen Modularer Aufbau Autarker Einsatz möglich 11

12 -Systemlandschaft Meckenheim SB VA IP Wiesbaden HP/UX DBA Preprocessing- Preeprocessing- Satellitenrechner 12

13 Gesamt-Workflow Datensammlung Beauftragung VA OCRbehandelte Papier- Dokumente... Scanner TESIT Dokumente s News Bilder Videos Große Textdateien TESIT-SAN Technische Datenaufbereitung QM Preprocessing Tools: ENCASE, etc. TESIT -spezifisches Preprocessing Inhaltliche Datenerschließung Import IP DA VA SB UB Datenhaltung & Programm Navigation Suche Text-Mining: Entitäten-Extraktion Relationen -Extraktion Klassifikation Clustering 13...

14 : Eingangsseite 14

15 : Dateiliste 15

16 : Baum 16

17 : Recherche 17

18 : Recherche 18

19 : Recherche 19

20 Ausblick: Schnittstellen unstrukturierten Daten (Dokumente) Schlagwortlistenerstellung Entitäten-Extraktion Person, Firma, Tel.Nr., -Adresse... Ausführen der von der rechten Seite kommenden Recherche Ermittlungssysteme mit strukturierten Daten (relationale Datenhaltung) Erste Ermittlungserkenntnisse Recherche über die angelieferten Entitäten-Informationen Recherche-Anfrage an auf Basis neuer Erkenntnisse Trefferliste 20

21 Ausblick: Weiterentwicklung Oracle 10g R2 Oracle Text => Zugang zum Development! Textmining => Zugang zum Development! supervised data mining Classification: Begriffe werden in eigenständige Klassen gruppiert; Vorhersage, zu welcher Klasse ein Begriff gehört Regression: Annäherung und Prognostizierung konstanter Werte Attribute Importance: Identifizierung von "wichtigen" Attributen Anomaly Detection: Identifizierung von Begriffen, die "normalen" Daten nicht entsprechen unsupervised data mining Clustering: Ermittlung natürlicher Gruppierungen in Dokumenten Feature Extraction: Erstellung neuer Attribute (features) als eine Kombination vorhandener Attribute 21

22 Ausblick: Sprache / Informationserschließung Video Video Audio Audio WWW www edoc edoc Print Print DB DB Spracherkennung Formatkonverter OCR ODBC / SQL X M L Translation Enhanced Indexing Term Substitution Phonetic Search Language Identification Topic Identification Filter & Notify Name Finder Fact finder Term Extraction Concept Manager Topic Manager 22

23 Informationsaustausch: Forum Sprache Behörden Sprache Sprachverarbeitung, Informationsgewinnung,... Unternehmen Forschung 23