Sicurezza e Giustizia

ANALISI VIBRAZIONALE AVANZATA (AVA): UN ALGORITMO INNOVATIVO PER L’ESECUZIONE DI INTERCETTAZIONI AMBIENTALI

di Francesco Rundo, Sebastiano Battiato, Sabrina Conoci e A. Luigi Di Stallo


Decreto legislativo 29 dicembre 2017, n. 216
Con decorrenza Gennaio 2018, entra in vigore la riforma della disciplina delle intercettazioni attuata con il decreto legislativo 29 dicembre 2017, n. 216: “Disposizioni in materia di intercettazioni di conversazioni o comunicazioni, in attuazione della delega di cui all’articolo 1, commi 82, 83 e 84, lettere a), b), c), d) ed e), della legge 23 giugno 2017, n. 103”.
La riforma rafforza il ruolo delle intercettazioni come indispensabile strumento di indagine ed investigazione forense. Nell’ambito di questa riforma, gli autori intendono illustrare nel presente articolo, una innovativa pipeline di elaborazione dati che consente, sotto opportune ipotesi, la ricostruzione delle conversazioni tra due o piu’ soggetti, dal solo filmato video (a risoluzione e frame-rate tipici di uno dispositivo di acquisizione video di ultima generazione) senza avere accesso alla relativa traccia audio associata.

pdf-icon

Panoramica sulla normativa in merito alle intercettazioni ambientali. Criticità dei sistemi attuali
Recentemente è stata approvata la riforma della disciplina delle intercettazioni attuata con il decreto legislativo 29 dicembre 2017, n. 216. Il decreto, recante “Disposizioni in materia di intercettazioni di conversazioni o comunicazioni, in attuazione della delega di cui all’articolo 1, commi 82, 83 e 84, lettere a), b), c), d) ed e), della legge 23 giugno 2017, n. 103”, è stato pubblicato sulla Gazzetta Ufficiale n. 8 dell’11 gennaio scorso. La riforma conferma il ruolo delle intercettazioni come fondamentale strumento di indagine e mira a creare un giusto equilibrio tra la segretezza della corrispondenza e di ogni altra forma di comunicazione e il diritto all’informazione. Pertanto, alla luce del suddetto riassetto normativo, appare certamente idoneo discutere di nuovi approcci per l’esecuzione delle intercettazioni, nello specifico, quelle ambientali, considerate peraltro le nuove disposizioni in tema di utilizzo dei cosiddetti “trojan horse” .
Le intercettazioni ambientali sono realizzate in una moltitudine di modi, impiegando le più svariate tecnologie. Prevalentemente vengono utilizzati microspie, microregistratori, microfoni direzionali, tracciamento GPS, ecc. Ad ogni modo il posizionamento di questi dispositivi è operazione rischiosa e complessa che può in alcune ipotesi rallentare o addirittura vanificare le attività investigative, soprattutto quando le controparti intercettate, ipotizzandone la presenza, operano opportune bonifiche ambientali volte a vanificare l’operato degli inquirenti. Dunque, una tecnologia che permetta di acquisire una conversazione tra due soggetti (ed il relativo filmato video), senza il posizionamento di microspie o altri captatori elettronici equivalenti, può certamente migliorare il lavoro degli investigatori, in questa delicata fase di indagine.

AVA: Analisi Vibrazionale Avanzata per l’esecuzione di intercettazioni ambientali
Quando un’onda sonora (vibrazione meccanica) investe un oggetto, genera delle micro-vibrazioni superficiali nell’oggetto stesso, spesso impercettibili all’occhio umano. Un team di ricercatori del prestigioso MIT di Boston, guidati dal Prof. Freeman, ha messo a punto un sistema algoritmico-matematico che analizzando esclusivamente informazioni video ad alto frame-rate, dell’oggetto investito dall’onda sonora, è in grado di estrarre micro-vibrazioni e recuperare con buona approssimazione il suono che originariamente, le ha prodotte. Tutte le informazioni su tale ricerca si trovano in [1]. Questo algoritmo, pertanto, è in grado di ripristinare i suoni da filmati “high speed” riferiti ad una varietà di oggetti con proprietà fisiche-chimiche diverse.

In questo articolo gli autori, tuttavia, propongono una piccola modifica all’algoritmo originario, integrando recenti tecniche di machine learning. Il metodo di seguito illustrato, rileva visivamente piccole vibrazioni in un oggetto, che rispondono al suono che lo sta investendo superficialmente, convertendo queste vibrazioni in un segnale audio verosimilmente prossimo a quello originario, trasformando pertanto, oggetti visibili di tutti i giorni in potenziali microfoni. Per recuperare il suono dalle micro-vibrazioni prodotte sull’oggetto a cui è diretto, preliminarmente è necessario acquisire un video senza audio, anche a distanza, in cui è presente l’oggetto ed il suono da recuperare, utilizzando una videocamera con alto frame-rate. Oggigiorno, i dispositivi video di ultima generazione sono dotati di sensori di acquisizione capaci di registrare video con elevata risoluzione e ad alto frame-rate, per cui l’algoritmo proposto può essere riprodotto anche a costi sostenibili. Una volta ottenuto il video, le informazioni di movimento vengono estratte attraverso una tecnica nota come “Complex Steerable Pyramid” descritta in [2].

Questi segnali di moto (micro-vibrazioni opportunamente processate) saranno dunque, allineate e mediate ulteriormente in un singolo segnale di movimento 1D (monodimensionale) che è correlato al movimento globale dell’oggetto nel tempo. Alla fine, questo segnale sarà uleriormente filtrato in frequenza e depurato dal rumore, al fine di ricostruire il suono originario correlato alle informazioni di movimento (micro-vibrazioni). La ricostruzione del segnale di partenza dai segnali di moto, oltre che dal metodo sopra esposto, viene parallelamente ricostruita da un sistema di “Stacked Autoencoders(SAEs)“ con Softmax layer di output, opportunamente addestrato, che si occuperà di ricostruire il suono originario mediante algoritmi di apprendimento di tipo “Error Back Propagation” con “Regularized Empirical Risk” al fine di evitare problematiche di overfitting del sistema [3]. Questo metodo, proposto dagli autori, rende piu’ accurato e robusto il procedimento di ricostruzione e stima del suono di partenza, rispetto al metodo originariamente proposto dal team dell’MIT. Si osservi che la propagazione delle onde sonore in un materiale dipende da vari fattori: la densità del materiale, la comprimibilità del materiale, la forma, ecc.. In [1]-[2] è riportato uno studio ampio e particolareggiato in cui si analizzano le risposte analitiche di diversi oggetti e materiali. La seguente figura mostra la pipeline che gli autori propongono per la ricostruzione del segnale audio:

Di seguito alcuni richiami matematici dell’algoritmo sul quale si basa la piattaforma AVA (Analisi Vibrazionale Avanzata) che viene proposta nel presente contributo. Il suono in ingresso s(t) (il segnale che vogliamo recuperare) è composto da fluttuazioni o onde meccaniche che esercitano una certa pressione sulla superficie di alcuni oggetti, nello specifico, riferendoci alla Figura 1, ci concetriamo, ad esempio, all’oggetto in plexiglass che si trova tra i due soggetti che stanno conversando e la cui conversazione (segnale s(t)) vorremmo ricostruire dal solo segnale video V(x,y,t), ripreso dal sistema di acquisizione posto in alto nella scena.

Le suddette fluttuazioni o onde meccaniche, generano delle micro-vibrazioni nell’oggetto (impercettibili ad occhio nudo), determinando una dinamica vibrazionale nel tempo che sebbene apparentemente invisibile, è di fatto presente e dunque lo sarà anche nel filmato video che stiamo acquisendo. Nello scenario di figura 1,ad esempio, le micro-vibrazioni generate dalla conversazione dei sue soggetti, nell’oggetto in plexiglass che si trova tra di loro, saranno incluse nel video che sta filmando l’intera dinamica reale. A questo punto, elaboriamo il video registrato con il nostro algoritmo per ricostruire il suono s’(t).
Dunque, schematizzando la pipeline: l’input del nostro sistema è un video V(x,y,t) di un oggetto, acquisito tipicamente con un frame-rate nel range 1kHz-20kHz. Assumiamo che in questo video sono incluse implicitamente le micro-vibrazioni legate ad un suono s(t) che ha investito la superficie di questo oggetto. Il nostro obiettivo è ricostruire s(t) da V(x,y,t) stimandolo con un segnale ricostruito s’(t).

Procediamo in tre passi. Per prima cosa, scomponiamo il video di input V(x,y,t) in sottobande tempo-spaziali corrispondenti a diversi orientamenti θ e scale r. Quindi calcoliamo i segnali di motion locali e per un sotto-insieme di pixel, di orientamento e di scala. Combiniamo questi segnali di motion attraverso una sequenza di operazioni di media e allineamento per produrre un singolo segnale 1D correlato al movimento globale dell’oggetto. Parallelamente, i suddetti segnali di moto, andranno in input ad un sistema di SAEs opportunamente addestrato, il quale ricostruira il segnale s’(t). Infine, applichiamo delle tecniche classiche di denoising audio e tecniche di filtraggio in frequenza del segnale, per migliorarne la qualità.

Per calcolare, nel primo passo, le sottobande spaziali corrispondenti a differenti orientamenti e scale, applichiamo il metodo Complex Steerable Pyramid [2] usando funzioni-basi Gabor-like wavelets. Per il filtraggio e la separazione di ampiezza e fase, nella trasformazione wavelet, usiamo filtri seno e coseno. Pertanto, ad ogni scala r ed orientamento θ possiamo associare un’immagine complessa che può essere espressa in termini di ampiezza A e fase φ:

Ciò premesso, prendiamo i valori di fase locali φ come sopra calcolabili e vi sottraiamo il valore della fase locale riferita ad un frame di riferimento t0 (in genere il primo frame del video) per calcolare le variazioni assolute di fase:

È stato dimostrato che in ipotesi di micro-movimenti (o movimenti infinitesimali), queste variazioni di fase sono approssimativamente proporzionali a micro-spostamenti nella struttura dell’immagine sorgente lungo la direzione corrispondente l’orientamento θ e la scala r [4].
Nel metodo Complex Steerable Pyramid, per ogni orientamento θ e scala r, calcoliamo una media spaziale-ponderata dei segnali di motion locali al fine di ottenere un unico segnale di movimento Φ(r,θ,t) per ciascuna coppia (θ, r). Questa operazione ci permette di compensare alcuni drawbacks del suddetto approccio[2], riscontrabili principalmente nelle aree di immagini dove non vi è sufficiente contenuto informativo (textures) il che produrrebbe, inevitabilmente molto rumore nel calcolo delle variazioni di fase, come da equazioni sopra riportate. Applicando il suddetto approccio, la variazione di fase unica per ciascun motion signal i-esimo, può essere calcolata facendo riferimento ad una misura media dell’ampiezza A (correlata al contenuto informativo della relativa texture), tipicamente, il suo valore quadratico pesato opportunamente dalla corrispondente variazione di fase assoluta(rispetto al frame t0):
Prima di calcolare la media di Φ(r,θ,t) su scale e orientamenti diversi, gli autori in [2] suggeriscono un allineamento temporale per evitare distorsioni nel segnale risultante dalla media. Pertanto, il segnale unico ottenuto da questo allineamento temporale e dalla media pesata lungo ciascun orientamento e scala i-esimo, potrà essere calcolato risolvendo un problema di ottimizzazione come di seguito esposto:

Dove con Φ0(r0,θ0,t) si rappresenta un segnale motion di riferimento, scelto arbitrariamente durante il procedimento di averaging(media). A questo punto, il nostro segnale audio stimato s’(t) correlato al segnale unico di motion, come sopra calcolato, sarà cosi determinato (opportunamente normalizzato):

Gli autori suggeriscono, altresì, di abbinare in parallelo, un apprendimento di tipo “Error Back Propagation” sui dati  con target s(t) mediante l’utilizzo di sistemi SAEs con un layes neurale hidden ed uno strato di uscita Softmax per la ricostruzione del segnale. Il segnale cosi stimato sarà denominato sn’(t) e potra essere opportunamente mediato con s’(t) al fine di migliorarne la qualità. Infine, il segnale audio stimato s’(t) sarà ulteriormente processato al fine di migliorare il Signal to Noise ratio(SNR) ovvero il rapporto segnale-rumore. In [2] i ricercatori che hanno validato estesamente questa pipeline, hanno notato la presenza di una intensa componente di rumore alle basse frequenze, dell’audio ricostruito. Per risolvere questo problema, molti autori suggeriscono l’utilizzo di un filtro Butterworth passa-alto con frequenza di cutoff nel range 20-100Hz o in generale, pari ad 1/20 della frequenza di Nyquist, del segnale ricostruito. Talvolta, questo filtraggio è stato applicato al segnale , prima del procedimento di media ed allineamento sopra descritto. Una possibile limitazione della tecnica presentata finora è correlata alla necessità di acquisire un video con un frame-rate alto, sebbene l’hardware oggi disponibile permette di superare agevolmente questo constraints, a costi peraltro sostenuti. Ad ogni modo in [2] gli autori suggeriscono diverse tecniche per eliminare questo limite. L’esecuzione delle suddette post-elaborazioni può essere eseguita su un framework che gli autori propongono composto da microcontrollori a 32 bits [5] con elevate capacità computazionali che si potranno occupare di eseguire l’algoritmo Complex Steerable Pyramid ovvero il pre-processing temporale ed il post-processing e filtraggio in frequenza , sopra descritto.

Per la parte relativa all’apprendimento SAEs, gli autori propongono l’utilizzo di sistemi hardware ad-hoc capaci di eseguire il learning previsto per i suddetti modelli. I sistemi descritti in [6] ben si addicono a questo genere di computazioni in quanto presentato un ottimo trade-off tra capacità di calcolo e velocità di esecuzione. Nel video riportato in [7] e nella pagina descrittiva del team di ricercatori dell’MIT [1], sono riportati degli esempi applicativi che mostrano la validità del metodo ivi illustrato.

Conclusioni e visione prospettica
Nel presente contributo gli autori hanno mostrato come la piattaforma AVA basata sull’analisi delle micro-vibrazioni di oggetti, di uso comune, in risposta al suono (onda meccanica) che li investe in superficie, può essere usata efficacemente per recuperare il relativo audio, trasformando pertanto questi oggetti in “microfoni visivi”. L’ulteriore layer di ricostruzione intelligente, proposta dagli autori e basata su sistemi SAEs rende più efficace il metodo proposto sicchè quest’ultimo può essere valutato come valido strumento per l’esecuzione di intercettazioni ambientali a costi sostenibili e con metodiche di altissimo spessore scientifico. Ovviamente, esistono dei punti su cui la suddetta tecnologia può essere ulteriormente migliorata, tuttavia rimane un buon punto di partenza per innovare questo settore di cruciale importanza nell’indagine forense.

Bibliografia
[1] http://people.csail.mit.edu/mrub/vidmag/
[2] Abe Davis, Michael Rubinstein, Neal Wadhwa, Gautham J. Mysore, Fredo Durand, William T. Freeman, “The Visual Microphone: Passive Recovery of Sound from Video” , ACM Transactions on Graphics (Proc. SIGGRAPH), 2014, Vol. 33(4) pag. 79:1–79:10.
[3] Bishop, C. M. Pattern Recognition and Machine Learning. Springer, New York, NY, 2006.
[4] Gautama, t., and Van Hulle, “A phase-based approach to the estimation of the optical flow field using spatial filtering”. IEEE Transactions on Neural Networks, 2002, 13, 5 (sep), 1127 – 1136;
[5] http://www.st.com/en/microcontrollers/stm32-32-bit-arm-cortex-mcus.html , 2018
[6] http://www.st.com/content/st_com/en/about/media-center/press-item.html/t4010.html , 2018
[7] https://www.youtube.com/watch?v=FKXOucXB4a8. ©

 


Altri articoli di Francesco Rundo

LAWTECH: UN NUOVO PARADIGMA PER IL SETTORE LEGALE
di Francesco Rundo, Sabrina Conoci e A. Luigi Di Stallo (N. III_MMXVIII)
Il termine “LawTech” è oggi sinonimo di una vera e propria rivoluzione tecnologica in atto nel settore legale-forense, a causa del tentativo di progressivo utilizzo delle nuove metodologie di Intelligenza Artificiale (Machine Learning e/o Deep Learning) nell’ambito delle attività giuridiche. Con il termine “LawTech” gli autori intendono riferirsi, pertanto, alle applicazioni pratiche derivanti dall’integrazione multi-disciplinare tra diritto e matematica, tra diritto ed informatica, tra norme e metodologie innovative di Intelligenza Artificiale(IA). Infatti, proprio grazie a nuovi investimenti di ricerca e sviluppo nell’area “LawTech” si sta sempre piu’ delineando, tra molteplici ostacoli culturali, tecnici e normativi, questo nuovo “paradigma” del settore legale-forense, e disegnando un futuro che lascia intravedere, come mai prima d’ora, una stretta integrazione tra materie giuridiche e scientifiche. Il presente contributo si articola in due parti. La prima parte illustra l’attuale panorama nazionale del “LawTech”. La seconda parte è dedicata all’analisi dei vantaggi e svantaggi del “LawTech”, con la descrizione di un caso-studio elaborato dagli scriventi quale esempio di applicazione delle nuove metodologie.
FINANCIAL DEEP LEARNING SYSTEM: UNA METODOLOGIA INNOVATIVA PER L’INDAGINE BANCARIA E FINANZIARIA
di Francesco Rundo e A. Luigi Di Stallo (N. II_MMXVIII)
Le recenti notizie provenienti dal settore bancario e finanziario insieme alle ricorrenti perplessità in merito all’utilizzo poco accorto degli strumenti derivati ad opera di enti pubblici, confermano al di là di ogni dubbio, che gli operatori professionali operanti nel settore bancario e finanziario devono necessariamente dotarsi di una metodologia di indagine bancaria e finanziaria capace di segnalare tempestivamente degli “alert(s)” alle istituzioni preposte alla vigilanza del sistema finanziario nazionale. Una metodologia efficiente ed accurata di analisi prospettica degli strumenti finanziari, può certamente contribuire alla definizione di una valida politica di risk management in ambito bancario e finanziario. In tale contesto, gli autori propongono una innovativa metodologia di indagine bancaria e finanziaria basata su algoritmi di Deep Learning.
PROPOSTA DI UNA PIATTAFORMA AVANZATA PER IL MONITORAGGIO E LA STIMA PROSPETTICA DI INQUINAMENTO NEI CENTRI URBANI
di Francesco Rundo e Sabrina Conoci (N. IV_MMXVII)
Negli ultimi anni, il problema dell’inquinamento ambientale ha avuto un ruolo sempre piu’ da protagonista nella “scena sociale”, in quanto rappresenta un fattore di degrado per l’ambiente e di serio pericolo per la salute dei cittadini. Con pochissime eccezioni dovute alle rarissime cause di inquinamento naturale, ad inquinare l’ambiente è prevalentemente l’azione colposa e talvolta dolosa dell’uomo e della criminalità organizzata, talvolta nota come “ecomafia”. I processi industriali, il traffico dei rifiuti, le centrali per la produzione di energia elettrica basata sull’uso di carbone o di petrolio, le raffinerie petrolifere, la lavorazione della plastica e dei derivati, l’utilizzo di fertilizzanti chimici, la produzione di scorie nucleari, oltre al traffico stradale e al riscaldamento globale, sono le principali fonti di inquinamento ambientale. Gli autori, nel presente contributo, descriveranno una piattaforma avanzata per il monitoraggio dei livelli di inquinamento prodotto dai suddetti fattori e per la contemporanea stima prospettica delle concentrazioni delle sostanze inquinanti monitorate, al fine di prevenirne il debordo dei limiti di legge. La piattaforma proposta, integrando informazioni visive e di motion, permettera’ attraverso algoritimi “intelligenti” in esecuzione in potenti microcontrollori, di identificare le possibili cause dell’inquinamento rilevato (o prospettico) trasmettendo tali dati alle autorita’ competenti per le opportune azioni di contenimento.
TECNOLOGIA “BLOCKCHAIN”: DAGLI SMART CONTRACTS ALLO SMART DRIVING
di Francesco Rundo e Sabrina Conoci (N. III_MMXVII)
La rivoluzione digitale ha cambiato radicalmente la società moderna introducendo nuovi ed efficienti paradigmi che si pongono l’obiettivo di migliorare sensibilmente lo stile di vita delle persone sia in ambito sociale che lavorativo. In tale contesto sta riscuotendo grande interesse, dal punto di vista industriale e giuridico, una nuova piattaforma digitale denominata “blockchain” e le cui potenzialità innovative si stanno estendendo progressivamente, partendo dalle originarie applicazioni alle criptovalute (blockchain è il sottostante informatico della famosa criptovaluta digitale “Bitcoin”) estendosi sino ad applicazioni in ambito legale con specifico riferimento al diritto contrattuale (c.d. smart contracts) al diritto bancario, finanziario, assicurativo ed informatico ovvero alle applicazioni in ambito industriale con riferimento al settore dell’Internet of Things (IoT) oppure al settore dell’Automotive (dalla guida autonoma, all’auto iper-connessa, al programma smart driving).
DECRETO “SICUREZZA DELLE CITTÀ”: UN ESEMPIO CONCRETO DI SICUREZZA INTEGRATA DEI CENTRI URBANI
di Francesco Rundo, Sabrina Conoci , Salvatore Petralia (N. II_MMXVII)
Illustrazione di un sistema di riconoscimento automatico dell’attenzione e della sobrietà del guidatore basato su sistemi integrati di sensori ed analisi dati, che hanno la capacità di comprendere automaticamente lo stato di attenzione di chi guida ed il suo livello di sobrietà (rispetto all’abuso di sostanze alcoliche e/o stupefacenti), in possibile dotazione agli autoveicoli di ultima generazione o estendibili alle auto più datate.
SISTEMI “POINT OF CARE” PER LE INDAGINI GENETICHE IN AMBITO FORENSE
di Sabrina Conoci , Salvatore Petralia, Francesco Rundo, Sebastiano Battiato (N. I_MMXVII)
Un’attenta disamina dei processi penali più recenti (alcuni dei quali divenuti “mediatici”) ha evidenziato il ruolo dirompente dell’analisi genetica e bio-molecolare nelle indagini investigative eseguite dagli inquirenti. Quando viene richiesta la repertazione di campioni biologici, le procedure adottate per il campionamento e successiva analisi delle tracce, devono rispettare standard di altissimo rigore scientifico grazie ai quali è poi possibile garantire l’accuratezza, la ripetibilità e l’assenza di contaminazione dovuta ad una non conforme procedura di repertazione o ad una errata catena di custodia del reperto. Nell’articolo che segue, gli autori illustreranno le potenzialità dei sistemi c.d. “Point of Care”(PoC) genetici” sia in riferimento all’indagine genetica in ambito forense che, in generale, come strumento per l’analisi in loco di reperti biologici rinvenuti nella scena di un crimine. Il “PoC genetico” può essere definito come sistema in grado di eseguire il processo diagnostico sample-in-answer-out senza intervento di un complesso laboratorio analitico. Esso è costituito in concreto dalla combinazione tra un sistema di detezione per il riconoscimento della composizione genetica e bio-molecolare del campione, da un sistema di trasduzione ottica od elettrica del segnale e da un sistema di post-processing dei dati, che si avvale di algortimi di interpretazione “immediata” delle rilevazioni acquisite, le quali produrrano in concreto report sulla profilazione del DNA campionato.
ANALISI GIURIMETRICA DEI CONTRATTI BANCARI: PROFILI DI ILLEGITTIMITÀ IN AMBITO CIVILE E PENALE
di Francesco Rundo e Stefano Maugeri (N. III_MMXVI)
La «Giurimetria», termine recentemente ripreso in ambito giuridico, nella sua originaria formulazione (Lee Loevinger, 1949) prevedeva l’applicazione dell’informatica e degli elaboratori elettronici al diritto. Nel tempo, alcuni studiosi (Hans Baade, 1960) hanno esteso ulteriormente il campo di applicazione di questa scienza, prevedendo, tra l’altro, l’utilizzo di modelli logico-matematici per dirimere contenziosi e questioni proprie di diritto nonchè, l’implementazione di sofisticati modelli statistici per la previsione del più probabile esito di una sentenza. Nel settore bancario e finanziario, attraverso l’analisi giurimetrica è possibile caratterizzare un rapporto bancario o uno strumento finanziario, valutandone l’effettiva evoluzione temporale, giusta la quale è successivamente esperibile una verifica di compatibilità normativa. Il presente articolo presenterà una overview dei vantaggi che l’analisi giurimetrica comporta nei contenziosi tecnici di natura bancaria e finanziaria.
MEDICAL IMAGE ENHANCEMENT NEI PROCEDIMENTI GIUDIZIARI MEDICO-LEGALI IN AMBITO ONCOLOGICO
di Francesco Rundo, Edoardo Tusa, Sebastiano Battiato (N. I_MMXVI)
La professione medica e sanitaria riveste un ruolo cruciale nel tessuto sociale ed economico del nostro Paese, attese peraltro le numerose vicende giudiziarie che hanno costretto, non da ultimo, il legislatore ad innovare nuovamente il quadro normativo che regolamenta e disciplina le azioni giudiziarie per errore medico. In questo quadro piuttosto complesso in cui si contrappongono gli interessi dei pazienti a quelli della professione medico-sanitaria è certamente attuale la figura del consulente tecnico (sia di parte che d’ufficio) che nei contenziosi medico-legali ha l’arduo compito di valutare con giudizio e rigore scientifico l’operato del professionista medico chiamato a rispondere del proprio operato. L’obiettivo del consulente tecnico è, dunque, quello di indirizzare opportunamente l’adito giudicante al fine di discriminare con ragionevole certezza l’errore volontario, doloso o colposo commesso dal professionista per imperizia, negligenza, superficialità ovvero per mancata adesione alle linee guida adottate dalla comunita scientifica, dagli scenari in cui nonostante il risultato avverso per il paziente questo non sia imputabile al professionista medico che ha , dunque, esercitato la sua professione al meglio delle proprie possibilità difettando, in concreto, il c.d. nesso eziologico. Nell’articolo proposto si mostreranno, attraverso la presentazione di un caso-studio in ambito oncologico, gli enormi vantaggi che la costituzione di un team di consulenza multi-disciplinare composto oltre che da medici, anche da ingegneri e matematici, può apportare nei contenziosi medico-legali sia in ambito civile che penale. Nello specifico, il team multi-disciplinare costituito dagli autori (medico-legale, ingegnere, informatico, matematico) attraverso un’analisi rigorosa delle immagini mediche riferite al caso presentato, messe peraltro in relazione con le linee guida adottate dalla comunita medica, ha sensibilmente elevato il livello di accuratezza scientifica della valutazione medico-legale del caso esaminato con l’ovvia conseguenza in relazione al peso probatorio che una tale analisi avrà in sede giudiziaria qualora il paziente decida di adire le vie legali.

Altri articoli di Sebastiano Battiato

RICOSTRUZIONE DI EVENTI E DI DINAMICHE ATTRAVERSO S.U.M.O., UN AVANZATO TOOL DI SIMULAZIONE DEL TRAFFICO URBANO
di Sebastiano Battiato, Oliver Giudice, Antonino Barbaro Paratore (N. III_MMXVIII)
L’ausilio di strumenti di simulazione informatica permette una più completa e per quanto possibile esaustiva valutazione degli eventi grazie alla capacità intrinseca di tali strumenti di generare automaticamente centinaia di migliaia di eventi, al variare di tutte le combinazioni di variabili e situazioni incognite. A tale scopo in questo articolo si presenta il software opensource “Simulation of Urban Mobility” (SUMO).
SISTEMI “POINT OF CARE” PER LE INDAGINI GENETICHE IN AMBITO FORENSE
di Sabrina Conoci , Salvatore Petralia, Francesco Rundo, Sebastiano Battiato (N. I_MMXVII)
Un’attenta disamina dei processi penali più recenti (alcuni dei quali divenuti “mediatici”) ha evidenziato il ruolo dirompente dell’analisi genetica e bio-molecolare nelle indagini investigative eseguite dagli inquirenti. Quando viene richiesta la repertazione di campioni biologici, le procedure adottate per il campionamento e successiva analisi delle tracce, devono rispettare standard di altissimo rigore scientifico grazie ai quali è poi possibile garantire l’accuratezza, la ripetibilità e l’assenza di contaminazione dovuta ad una non conforme procedura di repertazione o ad una errata catena di custodia del reperto. Nell’articolo che segue, gli autori illustreranno le potenzialità dei sistemi c.d. “Point of Care”(PoC) genetici” sia in riferimento all’indagine genetica in ambito forense che, in generale, come strumento per l’analisi in loco di reperti biologici rinvenuti nella scena di un crimine. Il “PoC genetico” può essere definito come sistema in grado di eseguire il processo diagnostico sample-in-answer-out senza intervento di un complesso laboratorio analitico. Esso è costituito in concreto dalla combinazione tra un sistema di detezione per il riconoscimento della composizione genetica e bio-molecolare del campione, da un sistema di trasduzione ottica od elettrica del segnale e da un sistema di post-processing dei dati, che si avvale di algortimi di interpretazione “immediata” delle rilevazioni acquisite, le quali produrrano in concreto report sulla profilazione del DNA campionato.
LA STIMA DELL’ERRORE NELLA DETERMINAZIONE DELL’ALTEZZA DI UN SOGGETTO RIPRESO DA UN SISTEMA DI VIDEOSORVEGLIANZA
di Sebastiano Battiato e Giovanni Tessitore (N. IV_MMXVI)
La diffusione dei sistemi di video-sorveglianza pubblici e privati rende frequente oggigiorno il caso in cui gli autori di un reato siano ripresi dalle telecamere di tali sistemi. La misura dell’altezza può essere un valido strumento per restringere la cerchia dei sospettati ed aiutare ad identificare i soggetti coinvolti. La stima dell’errore di misura deve sempre accompagnare le misure effettuate.
MEDICAL IMAGE ENHANCEMENT NEI PROCEDIMENTI GIUDIZIARI MEDICO-LEGALI IN AMBITO ONCOLOGICO
di Francesco Rundo, Edoardo Tusa, Sebastiano Battiato (N. I_MMXVI)
La professione medica e sanitaria riveste un ruolo cruciale nel tessuto sociale ed economico del nostro Paese, attese peraltro le numerose vicende giudiziarie che hanno costretto, non da ultimo, il legislatore ad innovare nuovamente il quadro normativo che regolamenta e disciplina le azioni giudiziarie per errore medico. In questo quadro piuttosto complesso in cui si contrappongono gli interessi dei pazienti a quelli della professione medico-sanitaria è certamente attuale la figura del consulente tecnico (sia di parte che d’ufficio) che nei contenziosi medico-legali ha l’arduo compito di valutare con giudizio e rigore scientifico l’operato del professionista medico chiamato a rispondere del proprio operato. L’obiettivo del consulente tecnico è, dunque, quello di indirizzare opportunamente l’adito giudicante al fine di discriminare con ragionevole certezza l’errore volontario, doloso o colposo commesso dal professionista per imperizia, negligenza, superficialità ovvero per mancata adesione alle linee guida adottate dalla comunita scientifica, dagli scenari in cui nonostante il risultato avverso per il paziente questo non sia imputabile al professionista medico che ha , dunque, esercitato la sua professione al meglio delle proprie possibilità difettando, in concreto, il c.d. nesso eziologico. Nell’articolo proposto si mostreranno, attraverso la presentazione di un caso-studio in ambito oncologico, gli enormi vantaggi che la costituzione di un team di consulenza multi-disciplinare composto oltre che da medici, anche da ingegneri e matematici, può apportare nei contenziosi medico-legali sia in ambito civile che penale. Nello specifico, il team multi-disciplinare costituito dagli autori (medico-legale, ingegnere, informatico, matematico) attraverso un’analisi rigorosa delle immagini mediche riferite al caso presentato, messe peraltro in relazione con le linee guida adottate dalla comunita medica, ha sensibilmente elevato il livello di accuratezza scientifica della valutazione medico-legale del caso esaminato con l’ovvia conseguenza in relazione al peso probatorio che una tale analisi avrà in sede giudiziaria qualora il paziente decida di adire le vie legali.
VERIFICA DELL’ATTENDIBILITÀ DI UN ALIBI COSTITUITO DA IMMAGINI O VIDEO
di Sebastiano Battiato e Fausto Galvan (N. II_MMXIV)
Tra le conseguenze che l’informatizzazione globale ha sul mondo delle investigazioni, vi è il sempre maggior utilizzo di strumenti digitali per la creazione di alibi. In questo contesto, le immagini e/o i video opportunamente modificati sono molto sfruttati. Al fine di rivelare le manipolazioni dei documenti visivi, oltre ai metodi forniti dalla Image Forensics “classica” vengono qui considerati, in una visione più globale del fenomeno falsificatorio, gli approcci che analizzano la possibile presenza di falsi originali. Alcuni esempi tratti da casi reali completano la trattazione.
RICOSTRUZIONE DI INFORMAZIONI 3D A PARTIRE DA IMMAGINI BIDIMENSIONALI
di Sebastiano Battiato e Fausto Galvan ( n.IV_MMXIII )
Tra gli strumenti di indagine disponibili oggigiorno, cominciano a farsi strada anche metodi che permettono di estrapolare da una (o più) immagini informazioni relative alle dimensione di oggetti e/o persone fotografate. Alcuni di questi algoritmi rendono possibile ricostruire l’intera scena 3D ripresa dalla camera al momento dello scatto. Dopo una breve introduzione alla teoria matematica di riferimento verranno brevemente elencati alcuni risultati di rilievo già utilizzati ampiamente in ambito investigativo.
LA VALIDITÀ PROBATORIA DELLE IMMAGINI E DEI VIDEO
di Sebastiano Battiato e Fausto Galvan ( n.II_MMXIII )
Il numero di immagini in circolazione sul web, e non solo, è in costante aumento. Questo scenario ha un inevitabile riscontro in ambito forense: è sempre più improbabile che un evento delittuoso possa consumarsi senza che la scena del crimine o parte di essa, oppure l’autore del fatto, non vengano ripresi da un sistema di videosorveglianza. La relativa facilità con cui al giorno d’oggi l’uso di software di fotoritocco o di editing video, anche di facile reperimento, permette di “comporre” una immagine o “montare” una scena alterandone i contenuti originari impone che l’acquisizione ed il trattamento di immagini e video digitali sia regolato da “best practice” di riferimento.

Altri articoli di Sabrina Conoci

LAWTECH: UN NUOVO PARADIGMA PER IL SETTORE LEGALE
di Francesco Rundo, Sabrina Conoci e A. Luigi Di Stallo (N. III_MMXVIII)
Il termine “LawTech” è oggi sinonimo di una vera e propria rivoluzione tecnologica in atto nel settore legale-forense, a causa del tentativo di progressivo utilizzo delle nuove metodologie di Intelligenza Artificiale (Machine Learning e/o Deep Learning) nell’ambito delle attività giuridiche. Con il termine “LawTech” gli autori intendono riferirsi, pertanto, alle applicazioni pratiche derivanti dall’integrazione multi-disciplinare tra diritto e matematica, tra diritto ed informatica, tra norme e metodologie innovative di Intelligenza Artificiale(IA). Infatti, proprio grazie a nuovi investimenti di ricerca e sviluppo nell’area “LawTech” si sta sempre piu’ delineando, tra molteplici ostacoli culturali, tecnici e normativi, questo nuovo “paradigma” del settore legale-forense, e disegnando un futuro che lascia intravedere, come mai prima d’ora, una stretta integrazione tra materie giuridiche e scientifiche. Il presente contributo si articola in due parti. La prima parte illustra l’attuale panorama nazionale del “LawTech”. La seconda parte è dedicata all’analisi dei vantaggi e svantaggi del “LawTech”, con la descrizione di un caso-studio elaborato dagli scriventi quale esempio di applicazione delle nuove metodologie.
PROPOSTA DI UNA PIATTAFORMA AVANZATA PER IL MONITORAGGIO E LA STIMA PROSPETTICA DI INQUINAMENTO NEI CENTRI URBANI
di Francesco Rundo e Sabrina Conoci (N. IV_MMXVII)
Negli ultimi anni, il problema dell’inquinamento ambientale ha avuto un ruolo sempre piu’ da protagonista nella “scena sociale”, in quanto rappresenta un fattore di degrado per l’ambiente e di serio pericolo per la salute dei cittadini. Con pochissime eccezioni dovute alle rarissime cause di inquinamento naturale, ad inquinare l’ambiente è prevalentemente l’azione colposa e talvolta dolosa dell’uomo e della criminalità organizzata, talvolta nota come “ecomafia”. I processi industriali, il traffico dei rifiuti, le centrali per la produzione di energia elettrica basata sull’uso di carbone o di petrolio, le raffinerie petrolifere, la lavorazione della plastica e dei derivati, l’utilizzo di fertilizzanti chimici, la produzione di scorie nucleari, oltre al traffico stradale e al riscaldamento globale, sono le principali fonti di inquinamento ambientale. Gli autori, nel presente contributo, descriveranno una piattaforma avanzata per il monitoraggio dei livelli di inquinamento prodotto dai suddetti fattori e per la contemporanea stima prospettica delle concentrazioni delle sostanze inquinanti monitorate, al fine di prevenirne il debordo dei limiti di legge. La piattaforma proposta, integrando informazioni visive e di motion, permettera’ attraverso algoritimi “intelligenti” in esecuzione in potenti microcontrollori, di identificare le possibili cause dell’inquinamento rilevato (o prospettico) trasmettendo tali dati alle autorita’ competenti per le opportune azioni di contenimento.
TECNOLOGIA “BLOCKCHAIN”: DAGLI SMART CONTRACTS ALLO SMART DRIVING
di Francesco Rundo e Sabrina Conoci (N. III_MMXVII)
La rivoluzione digitale ha cambiato radicalmente la società moderna introducendo nuovi ed efficienti paradigmi che si pongono l’obiettivo di migliorare sensibilmente lo stile di vita delle persone sia in ambito sociale che lavorativo. In tale contesto sta riscuotendo grande interesse, dal punto di vista industriale e giuridico, una nuova piattaforma digitale denominata “blockchain” e le cui potenzialità innovative si stanno estendendo progressivamente, partendo dalle originarie applicazioni alle criptovalute (blockchain è il sottostante informatico della famosa criptovaluta digitale “Bitcoin”) estendosi sino ad applicazioni in ambito legale con specifico riferimento al diritto contrattuale (c.d. smart contracts) al diritto bancario, finanziario, assicurativo ed informatico ovvero alle applicazioni in ambito industriale con riferimento al settore dell’Internet of Things (IoT) oppure al settore dell’Automotive (dalla guida autonoma, all’auto iper-connessa, al programma smart driving).
DECRETO “SICUREZZA DELLE CITTÀ”: UN ESEMPIO CONCRETO DI SICUREZZA INTEGRATA DEI CENTRI URBANI
di Francesco Rundo, Sabrina Conoci , Salvatore Petralia (N. II_MMXVII)
Illustrazione di un sistema di riconoscimento automatico dell’attenzione e della sobrietà del guidatore basato su sistemi integrati di sensori ed analisi dati, che hanno la capacità di comprendere automaticamente lo stato di attenzione di chi guida ed il suo livello di sobrietà (rispetto all’abuso di sostanze alcoliche e/o stupefacenti), in possibile dotazione agli autoveicoli di ultima generazione o estendibili alle auto più datate.

Altri articoli di A. Luigi Di Stallo

LAWTECH: UN NUOVO PARADIGMA PER IL SETTORE LEGALE
di Francesco Rundo, Sabrina Conoci e A. Luigi Di Stallo (N. III_MMXVIII)
Il termine “LawTech” è oggi sinonimo di una vera e propria rivoluzione tecnologica in atto nel settore legale-forense, a causa del tentativo di progressivo utilizzo delle nuove metodologie di Intelligenza Artificiale (Machine Learning e/o Deep Learning) nell’ambito delle attività giuridiche. Con il termine “LawTech” gli autori intendono riferirsi, pertanto, alle applicazioni pratiche derivanti dall’integrazione multi-disciplinare tra diritto e matematica, tra diritto ed informatica, tra norme e metodologie innovative di Intelligenza Artificiale(IA). Infatti, proprio grazie a nuovi investimenti di ricerca e sviluppo nell’area “LawTech” si sta sempre piu’ delineando, tra molteplici ostacoli culturali, tecnici e normativi, questo nuovo “paradigma” del settore legale-forense, e disegnando un futuro che lascia intravedere, come mai prima d’ora, una stretta integrazione tra materie giuridiche e scientifiche. Il presente contributo si articola in due parti. La prima parte illustra l’attuale panorama nazionale del “LawTech”. La seconda parte è dedicata all’analisi dei vantaggi e svantaggi del “LawTech”, con la descrizione di un caso-studio elaborato dagli scriventi quale esempio di applicazione delle nuove metodologie.
FINANCIAL DEEP LEARNING SYSTEM: UNA METODOLOGIA INNOVATIVA PER L’INDAGINE BANCARIA E FINANZIARIA
di Francesco Rundo e A. Luigi Di Stallo (N. II_MMXVIII)
Le recenti notizie provenienti dal settore bancario e finanziario insieme alle ricorrenti perplessità in merito all’utilizzo poco accorto degli strumenti derivati ad opera di enti pubblici, confermano al di là di ogni dubbio, che gli operatori professionali operanti nel settore bancario e finanziario devono necessariamente dotarsi di una metodologia di indagine bancaria e finanziaria capace di segnalare tempestivamente degli “alert(s)” alle istituzioni preposte alla vigilanza del sistema finanziario nazionale. Una metodologia efficiente ed accurata di analisi prospettica degli strumenti finanziari, può certamente contribuire alla definizione di una valida politica di risk management in ambito bancario e finanziario. In tale contesto, gli autori propongono una innovativa metodologia di indagine bancaria e finanziaria basata su algoritmi di Deep Learning.