Faglig innhold

Dette emnet er utviklet for å utdype studentenes kunnskap og ferdigheter innen maskinlæring og data science (AI), med særlig anvendelse innen digital forensikk og etterforskning, samt informasjonssikkerhet. Emnet gir også en mulighet til å utvikle erfaring i å skrive forskningsartikler innen disse fagområdene og å presentere pågående forskning for klassen. Studentene vil få flere alternativer for temaer å fordype seg i, eller de kan foreslå sitt eget tema.

Studenter som tas opp til emnet forventes å ha forkunnskaper i grunnleggende maskinlæring og digital forensikk/etterforskning.

Undervisningen består av en serie forelesninger og øvinger, hvor hver samling fokuserer på et bestemt tema. Temaene omfatter (men er ikke begrenset til): juridiske vurderinger knyttet til AI og data i forensiske og etterforskningsrelaterte studier, bildeklassifisering, avansert og anvendt naturlig språkprosessering, bruk av dyp læring, samt datavisualisering.

Læringsutbytte

Kunnskap

Etter fullført emne har kandidaten:

• forståelse av sentrale og fremvoksende problemstillinger knyttet til anvendelser av AI innen digital forensikk og etterforskning, inkludert biometrisk identifikasjon, multimedieanalyse og internettrelaterte undersøkelser
• kjennskap til relevante forskningskanaler, herunder ledende tidsskrifter, konferanser og datasett innen fagområdet

Ferdigheter

Etter fullført emne kan kandidaten:

• anvende relevante vitenskapelige metoder i selvstendig forskning og utviklingsarbeid knyttet til bruk av AI i digital forensikk og etterforskning
• gjennomføre et avgrenset forskningsprosjekt under veiledning, i tråd med gjeldende etiske retningslinjer
• skrive forskningsartikler av god kvalitet innen fagområdet
• anvende og evaluere minst én state-of-the-art AI-metode innen det valgte forskningstemaet
• presentere forskning og resultater på en klar, strukturert og konsis måte

Generell kompetanse

Etter fullført emne kan kandidaten:

• arbeide selvstendig og utvikle grunnleggende forskningskompetanse i arbeid med AI-baserte metoder for digital forensikk og etterforskning
• formulere relevante forskningsspørsmål innen eget tema, og gjennomføre empiriske eksperimenter eller forskningsundersøkelser for å besvare disse
• presentere egne forskningsfunn muntlig og skriftlig på et faglig adekvat nivå
• identifisere og forstå hva som kjennetegner state-of-the-art forskning for AI-applikasjoner innen ulike domener av digital forensikk og etterforskning

Bærekraftsmål

Dette emnet støtter flere av FNs bærekraftsmål ved å utvikle studentenes evne til å anvende kunstig intelligens på en ansvarlig, forskningsbasert og samfunnsrelevant måte innen digital forensikk, etterforskning og informasjonssikkerhet.

Særlig relevante mål:

• Mål 4 - God utdanning: Styrker studentenes forskningskompetanse, kritiske tenkning og evne til å bidra til avansert kunnskapsutvikling innen AI og digital forensikk.
• Mål 5 - Likestilling mellom kjønnene: Fremmer innsikt i ansvarlig AI og behovet for å identifisere og redusere skjevheter i datasett, algoritmer og digitale etterforskningsverktøy.
• Mål 9 - Innovasjon og infrastruktur: Bidrar til teknologisk innovasjon gjennom bruk og videreutvikling av moderne AI-metoder for samfunnskritiske funksjoner som digital etterforskning og cybersikkerhet.
• Mål 16 - Fred, rettferdighet og velfungerende institusjoner: Støtter arbeidet for rettssikkerhet, bekjempelse av digital kriminalitet og styrking av robuste og tillitsskapende institusjoner.

Gjennom forskningsarbeid, etiske vurderinger og utvikling av moderne AI-metoder får studentene kompetanse som kan bidra til sikre, rettferdige og teknologisk avanserte samfunn.

Læringsformer og aktiviteter

• Prosjektarbeid
• Essay- og artikkelskriving
• Selvstudium
• Forelesninger og tutorial-økter

Studenten skal arbeide så selvstendig som mulig, under veiledning fra faglærer.

Spesielle vilkår

Forkunnskapskrav

Må ha bestått IMT4133 Data Science for Security and Forensics

Kursmateriell

Se engelsk versjon

Studiepoengreduksjon