Forensic Countermeasures against Neural Network Falsification of Digital Evidence in Civil Proceedings

The article deals with some problems of using neural network technologies to falsify digital audio evidence in civil proceedings. The rapid development of generative artificial intelligence models and their widespread availability create new risks of presenting unreliable signalograms in court, such as phonograms capable of imitating the voice of a specific person. In these circumstances, it is particularly important to develop mechanisms for forensic experts to counter such falsifications. The article justifies the need to include a stage of checking phonograms for neural network generation in the structure of preliminary expert examination, along with establishing the suitability of speech material for identification purposes. Attention is drawn to the mixed results of using specialized software for the automatic recognition of generated digital audio recordings. The importance of developing methodological support for forensic examinations of new objects of a neural network nature is emphasized, and a conclusion is drawn regarding the need to improve procedural mechanisms for the assessment of digital evidence in the context of the proliferation of neural network technologies, including those for the synthesis of spoken speech.

1. Бодров Н. Ф., Лебедева А. К. Дипфейк: технологии, правовое регулирование и судебно-экспертное исследование : монография. — М. : Проспект, 2026. — 224 с.

2. Бодров Н. Ф., Лебедева А. К. Судебно-экспертное прогнозирование способов и технологий фальсификации цифровых доказательств // Законы России: опыт, анализ, практика. — 2025. — № 9. — С. 50—56.

3. Попов В. В. Электронные доказательства, сгенерированные искусственным интеллектом // Технологии XXI века в юриспруденции : материалы Седьмой международной научно-практической конференции (Екатеринбург, 5 июня 2025 г.) / отв. ред. Д. В. Воронков. — Екатеринбург : КримЛиб, 2025. — С. 148—154.

4. Россинская Е. Р. Нейросети в судебной экспертологии и экспертной практике: проблемы и перспективы // Вестник Университета имени О.Е. Кутафина (МГЮА). — 2024. — № 3 (115). — С. 21—33.

5. Рязанова М. К., Марченко Д. А., Менжега М. М. Детектирование синтезированных медиаданных (Deepfakes) как вызов для современной криминалистики: методы, проблемы и правовые аспекты // Universum: экономика и юриспруденция. — 2026. — № 1–1 (135). С. 40—43.

6. Свирава Т. Н., Сипаров И. С., Шавыкина С. Б. Оценка пригодности речевого материала для проведения идентификационного исследования по голосу и звучащей речи // Теория и практика судебной экспертизы. — 2025. — Т. 20. — № 1. — С. 23—37.

7. Guide by Supreme Court of Singapore on the use of generative artificial intelligence tools by court user // URL: https://www.judiciary.gov.sg/docs/default-source/circulars/2024/registrar’s_circular_no_1_2024_supreme_court.pdf (дата обращения: 27 февраля 2026 г.).