数字犯罪会留下数据痕迹，ASU学生开发了一款工具来帮助解释这些数据痕迹

法庭上，真相往往取决于叙事能否讲清楚。可一旦故事里出现十六进制码、文件系统、网络数据包捕获或元数据时间戳，即便经验丰富的法官也可能听得一头雾水。

试想一下：一名没钱聘请数字取证专家的公设辩护人；一位试图清晰解释技术证据以申请搜查令的警员；或是在专家证人讲解硬盘里的犯罪过程时一脸茫然的陪审团。

随着技术几乎渗透到每一起刑事案件，司法公正越来越依赖于：非技术人员能否看懂复杂的网络电子证据。

亚利桑那州立大学(Arizona State University, ASU)富尔顿工程学院计算与增强智能学院的三名学生认为，人工智能或许能解决这一难题。

Ariadne Dimarogona、Aditi Ganapathi和Easton Kelso开发了一款名为Legal Laysplainer的AI系统，专门将网络取证证据转化为法官、律师、陪审员和执法人员都能轻松理解的通俗语言。

站上法庭的“技术证据”

“只要犯罪涉及技术设备，就需要网络取证。” Kelso说，他是网络安全专业学生，将于今年5月获得硕士学位。

这可能是一台被用作攻击载体的电脑、一部存储关键定位数据的手机，或是一台默默记录了整个数字入侵过程的服务器。

数字取证的核心，就是从这些设备残留的数据中还原事件、还原真相。

Dimarogona是富尔顿计算与增强智能学院硕士研究生，主攻网络安全方向，同时参与美国 “网络军团：服务奖学金” 项目（CyberCorps: Scholarship for Service program）。她表示，在如今这个几乎所有犯罪都会留下数字痕迹的时代，网络取证早已不是小众技术。

“现在几乎每个案件都会出现技术相关内容，即便不是传统意义上的‘网络犯罪’，也常常要依靠数字证据定案。”她说。

三名学生很快发现，难点并不在于收集数字证据，而在于解释数字证据。

本学期课程中，他们直接对话一线专家：联邦调查局凤凰城分局探员和斯科茨代尔警局警员。

这些专业人士告诉学生，专家出庭作证已是常态，但也常常困难重重。

“警员们说，他们经常需要出庭提供专家证言，但法官、律师、陪审员都有各自的专业领域，不可能像计算机科学家一样理解技术原理。”Kelso说。

为了弥补这一鸿沟，专家们只能大量使用比喻，比如把已删除文件比作沙滩上的脚印，把数据包比作邮件信封。

但这类解释需要时间、经验和专业人员支持，并不是每个案件都有这样的条件。

“于是我们开始思考，能否结合大语言模型和AI工具，让这类解释更通俗易懂。” Kelso说。

最终，他们开发出了「Legal Laysplainer」。

当庭可信的AI

学生们在类似ChatGPT的现有大语言模型基础上，搭建了检索增强生成（RAG）系统。简单来说，这款AI并非只依靠训练数据生成回答。

它先从经过审核的法律与取证专业文档库中检索信息，再基于权威资料进行解释。模型能力强大，但始终在严谨范围内运行。

“人们对AI持怀疑态度，这很合理。”Ganapathi说，她是富尔顿计算与增强智能学院博士生，研究网络安全中的人为因素。

我们的系统基于美国司法部和国家司法研究所（U.S. Department of Justice and National Institute of Justice）的文件及既往判例构建，不会凭空编造内容。我们希望做出能让专业人士真正信赖的工具。”

该系统主要面向数字取证专家设计，但应用场景可以更广：律师在没有专家协助时可用它理解证据。

法官在审查搜查令时可查阅参考；警员也能借助它更清晰地说明技术细节对案件的重要性。

学生们了解到，斯科茨代尔警方有时就因为专业术语难以被采信，难以申请到搜查令。

“这样的工具可以向法官说明这份搜查令的必要性。” Ganapathi说。

为评估系统效果，团队甚至用AI进行自检：另一台语言模型对Legal Laysplainer的解释进行打分，检验答案是否稳定、非技术人员是否可读、是否忠实于原始资料。下一步，学生们计划开展人体受试者研究，测试实际使用效果。

在真实案件中学习

该项目直观展现了富尔顿工程学院如何通过贴近现实、跨学科的实战训练，培养新一代网络安全人才。

这门课程由全球知名网络安全专家、计算与增强智能学院教授Gail-Joon Ahn牵头开设。他希望将网络取证打造为学院长期核心课程。

Ahn教授说：“我的目标是让学生不只停留在理论层面，而是接触贴近现实环境的实战安全挑战，看到他们解决极具现实意义的取证与AI驱动网络犯罪问题，我感到非常欣慰。”

Ahn教授是国际信息与系统安全领域权威，今年1月当选美国计算机学会（Association for Computing Machinery）会士。他也是应对网络安全人才缺口的核心学者之一，持续培养学生填补关键岗位。

这类实战训练意义重大。全球网络安全人才缺口持续存在，有数百万岗位空缺亟待填补。像Legal Laysplainer这样的项目，让学生跳出理论，设计能真正落地应用的工具，而不只是在实验室里完成课题。

对三名学生而言，这项研究远未结束。Ganapathi将继续攻读博士学位，与富尔顿学院助理教授Jaron Mink合作，通过机器学习提升网络安全工具的可用性与可信度。

Kelso正在权衡进入业界还是继续深造。Dimarogona即将入职政府网络安全部门，继续带着面向法庭场景的研究视角开展工作。

三人都希望，Legal Laysplaine最终能被启发他们开发这款工具的一线专家实际测试使用。

“如果它真的能在法庭上投入使用，那就太棒了。” Kelso说。

在一个越来越被数字痕迹塑造的司法体系中，清晰易懂，有时和代码本身同样重要。听懂与听不懂的差别，往往就在于关键时刻能否得到一份恰当的解释。