Integridad y confianza en la prueba electronica ante la iA

La transformación digital se ha convertido en una realidad actual del ejercicio profesional jurídico. El expediente electrónico, la firma digital, las audiencias virtuales, el almacenamiento documental en plataformas digitales y el uso creciente de herramientas basadas en inteligencia artificial están modificando la forma en que se producen, presentan, conservan y valoran los elementos probatorios, los cuales se almacenan en Centros de Datos, las nuevas “granjas digitales”, las cuales en los últimos años han experimentado un crecimiento exponencial.

En dicho contexto, la prueba electrónica o evidencia, adquiere un papel central en este contexto. Sin embargo, su incorporación no representa únicamente un cambio de formato respecto del documento tradicional, que ha sido uno de los principales medios, entre otros, para probar una situación en nuestro contexto.

Dicha situación supone un cambio profundo a fin de poder llevar al conocimiento de la autoridad correspondiente dichos datos que se incorporan para determinar la veracidad de una determinada situación son fiables.

La pregunta ya no es solamente si una evidencia existe, sino si puede demostrarse que permaneció íntegra, disponible y confiable desde su creación hasta su valoración por la autoridad correspondiente.

La prueba electrónica como nuevo estándar de reality jurídica

El Art. 5 de la Ley de Ciberseguridad y Seguridad de la Información, en el contexto del riesgo informático, para la prevención de estos, señala: “normativas, protocolos, lineamientos, estándares y criterios técnicos establecidos por la Agencia de Ciberseguridad del Estado, los cuales se basarán en estándares nacionales o internacionales en materia de ciberseguridad y seguridad de la información.”

Entre uno de estos estándares internacionales, a los que hace referencia dicha ley, de más amplia adopción, por su facilidad y uso tanto por grandes, como pequeñas empresas, son los del Instituto Nacional de Estándares y Tecnología de EE. UU, mejor conocido por NIST, de amplia adopción en la industria tecnológica.

Entre una de las publicaciones de NIST, relacionadas a la recopilación de datos, como se conoce a la información, en sistemas computacionales, dispositivos móviles, Internet de las Cosas, etc., que siguiendo un cauce lógico basada en los principios de la Triada de la Ciberseguridad, los cuales son confidencialidad, integridad y disponibilidad, se encuentra el manual 800-86, “Guía para la integración de técnicas forenses en la respuesta a incidentes”.

Categorización de datos y métodos de extracción.

Dicha guía, categoriza la prueba digital o datos, de dos formas:

1. Según la categoría de la fuente de datos: archivos de datos, que pueden incluir documentos, imágenes, videos o aplicaciones; b) Sistemas Operativos, los cuales se encuentran en la plataforma del software, que pueden ser: archivos de configuración, registros (logs), archivos de intercambio (swap files), archivos de hibernación; c) Tráfico de red, que son los diferentes protocolos por los cuales la comunicación transita por el internet y d) aplicaciones, tales como navegadores web procesadores de texto, de imagen, que integran archivos y componentes de redes.

• Según su persistencia o volatilidad: Datos volátiles, que son los que se pierden cuando el equipo se apaga o con el paso del tiempo y Datos no volátiles, que es aquella información que persiste en el equipo aún después que se apaga el mismo.

Actualmente en la datasfera, a nivel mundial, se calcula que circulan, aproximadamente 149 zettabytes (un zettabyte equivale a un trillón de Gb). En El Salvador de acuerdo a estimaciones del Banco Interamericano de Desarrollo, circulan, varios petabytes diariamente, (un petabyte, equivale a un millón de GB) con tendencia al crecimiento, en los próximos años.

En dicho contexto, la recolección y extracción de datos, sin lugar a dudas es un proceso crítico y especializado que debe realizarse siguiendo métodos específicos, con el fin de no alterar la fuente original, implementando con rigor las mismas con el fin de asegurar que la información sea admisible y fiable, a la hora de ser presentada en un juicio, por mencionar un ejemplo de uso.

Garantizando la identidad de la prueba digital

NIST SP 800-86, establece varias medidas que salvaguardan técnica, procedimentalmente, para que la información recogida sea válida, las cuales son: a) Bloqueadores de escritura, que se encargan de evitar que el equipo forense, modifique uno de los medios donde se encuentra la información; b) Funciones hash: el estándar de la industria en la actualidad, que hace constar una vez aplicado el mismo a un archivo, el mismo es original de donde se extrajo, por lo que una sola variación de un bit o dato del mismo, manifiesta claramente alteración de la evidencia; c) Cadena de custodia, que documenta quién tuvo la posesión de la evidencia, qué acciones realizó, en qué lugar y en qué momento exacto, d) Trabajo sobre copias, nunca se trabaja sobre el original y e) Documentación y fotografía. Se registra cada paso del proceso, a fin de que el proceso sea reproducible por otros analistas.

La automatización de la evidencia digital

Ante este escenario, la gestión manual de la evidencia informática resulta ineficiente e impracticable para las organizaciones, NIST SP 800-86 establece un marco metodológico estructurado, tal como se ha planteado brevemente. Dicha herramienta al ser potenciada con la IA, permite transitar hacia un modelo automatizado de recolección, a fin de poder responder con prontitud a amenazas internas, externas, requerimientos legales, proporcionando a las diferentes partes interesadas, una estructura o controles pertinentes para la mitigación de los riesgos tanto operacionales y legales, que en el caso de El Salvador, con la vigencia la Ley de Ciberseguridad y Seguridad de la Información, así como la Ley Para la Protección de Datos Personales, prevé fuertes multas en caso de incumplimiento de protección de la información y seguridad.

La fase de Recolección de acuerdo a NIST se beneficia drásticamente de la implementación de algoritmos de IA. La automatización basada en reglas de aprendizaje profundo en los sistemas corporativos puede identificar, aislar y duplicar de forma forense fuentes de datos críticas en tiempo real ante la detección de anomalías. Esta herramienta mitiga el error humano y la volatilidad de la información, garantizando la inalterabilidad de los metadatos desde su origen. Desde la perspectiva del derecho probatorio, la automatización inteligente robustece el principio de mismidad de la prueba, asegurando que los registros hash se generen de manera inmediata y auditable, blindando así la cadena de custodia frente a eventuales tachas de manipulación de dicha evidencia o datos probatorios.

Anthropic, creador de uno de los más precisos LLM o IA en el mercado, Claude, profundo en sus análisis; para el uso de la IA, destaca en su academia de aprendizaje, las cuatro D, en cuanto al uso de la IA, una de ellas es la Diligencia, que significa, que si bien la IA, es un cerebro externo, que reduce el tiempo de elaboración de las tareas, destaca que el humano mantiene la responsabilidad sobre el resultado final de la respuesta de la IA, no delega el juicio crítico sobre ella.

La incorporación de herramientas de inteligencia artificial en la recopilación y análisis de prueba digital representa un avance significativo para la práctica forense contemporánea. Sin embargo, su uso no desplaza ni atenúa la responsabilidad del humano (abogado) a la hora de presentar dicha prueba.

“La pregunta ya no es solamente, si una evidencia existe, sino, si puede demostrarse que permaneció íntegra, disponible y confiable desde su creación hasta su valoración por la autoridad correspondiente”.