Ferramenta acadêmica permite anotação colaborativa e forensicamente sólida de conteúdo da dark web
Artigo publicado no Journal of Digital Forensics, Security and Law (JDFSL) apresenta um plugin para o Tor Browser e uma infraestrutura de servidor central que permitem a investigadores anotar, coletar e compartilhar conteúdo da dark web preservando a solidez forense dos dados, com o dataset resultante usado para treinar classificadores de machine learning que atingiram entre 85% e 96% de acurácia em validação cruzada de cinco dobras.
O problema que o artigo ataca é a escassez de datasets completos e rotulados de conteúdo da dark web para treinar modelos de machine learning aplicados a investigações de cibercrime — tarefa que hoje depende fortemente de anotação manual, cara e pouco escalável. A solução proposta combina três componentes: um plugin para o navegador Tor que permite ao investigador anotar páginas diretamente durante a navegação, um servidor central que armazena e sincroniza essas anotações entre equipes, e um raspador web que expande o dataset de forma automatizada.
O ponto tecnicamente relevante é a preocupação em manter a solidez forense da coleta (dados armazenados de forma auditável, com preservação de proveniência) mesmo em um fluxo colaborativo e semiautomatizado — algo que normalmente é um ponto fraco em pipelines de coleta de threat intelligence voltados só para volume, sem preocupação probatória. Os autores validaram a utilidade do dataset resultante treinando classificadores de ML sobre os dados coletados e anotados, obtendo acurácia entre 85% e 96% em validação cruzada.
Para investigadores de crimes que ocorrem ou são coordenados na dark web (mercados ilegais, fóruns de fraude, distribuição de material ilícito), esse tipo de ferramenta ataca um gargalo real: sem dados rotulados e forensicamente defensáveis, fica mais difícil tanto treinar classificadores de triagem automatizada quanto sustentar, em juízo, como aquele conteúdo foi coletado e preservado. O artigo é de 2022 e reflete o estado da arte da época, mas a arquitetura proposta — separar anotação, coleta e validação probatória — continua relevante como referência de desenho para ferramentas semelhantes.