Wiadomość z poczty e-mail: „Zagadnienie podpisywania plików dźwiękowych przez dyktafon cz. 1 dyskusji. Pytanie z wiadomości mailowej: Witam Przejrzałem FAQ na stronie http:www.arsdigita.plfaq i zastanowiło mnie to, że słowa nie znalazłem na temat podpisywania plików tworzonych przez współczesne dyktafony cyfrowe. Zawodowo zajmuję się zagadnieniami bezpieczeństwa informacji. Prywatnie okazało się, że rzeczywistość zmusza mnie do zakupienia dyktafonu w celu ochrony bliskiej osoby. Ze zdziwieniem stwierdziłem, że - jak dotychczas - przeglądane przeze mnie dyktafony (np. Olympus, czyli nie jest to tandeta) nie mają funkcjonalności zabezpieczania autentyczności tworzonych plików poprzez podpisywanie ich. Dziwi mnie to niezmiernie, ponieważ podpis elektroniczny załatwiałby problem autentyczności nagrania praktycznie całkowicie (z dokładnością do ew. hackowania firmwareu). Czy tak jest w istocie, tzn. nie ma takich dyktafonów? Pozdrawiam.”
Pozorny brak szczególnego zainteresowania zagadnieniem podpisywania plików dźwiękowych (lub szerzej – multimedialnych) wśród ekspertów z zakresu fonoskopii wynika po części ze złożoności, a zarazem subtelności definicji autentyczności nagrań dźwiękowych. W przypadku dokumentu pisanego, w dużym uproszczeniu, sprawa wydaje się być oczywista – dokument traci autentyczność, jeśli tekst w nim zawarty ulegnie najmniejszej choćby zmianie. W przypadku nagrania dźwiękowego, sprawa przestaje być trywialna, bowiem informacja kodowana jest na wielu poziomach. Dla przykładu, nagranie dźwiękowe kłótni małżeńskiej z użyciem przemocy będzie zawierało informację na poziomie semantycznym (poszczególne wypowiedzi małżonków), na poziomie fonetycznym (np. kontury intonacyjne poszczególnych wypowiedzi kodujące m.in. stan psychiczny rozmówców) i wreszcie informacje na poziomie akustycznym – np. odgłosy zadawanych ciosów, rozbijanych przedmiotów, itp. Załóżmy, że oryginalne nagranie zostało zapisane w bezstratnym formacie danych dźwiękowych (np. Microsoft Wave PCM) z prędkością 192 kb/s, a następnie, dla zmniejszenia rozmiaru pliku, przekonwertowano oryginalny zapis do formatu AMR (Adaptive Multi-Rate) przy prędkości np. 7 kb/s. Czy uzyskana kopia nagrania będzie zapisem autentycznym? Odpowiedź nie jest prosta, bowiem na poziomie semantycznym i fonetycznym informacja zostanie prawdopodobnie zachowana, ale prawie na pewno dojdzie do utraty informacji na poziomie akustycznym (redukcja danych dźwiękowych z poziomu 192 kb/s do poziomu 7 kb/s musi doprowadzić do silnych zniekształceń i ubytków w konwertowanym strumieniu danych dźwiękowych). Tak więc, na poziomie zdarzeń akustycznych, uzyskana kopia nagrania w formacie AMR najprawdopodobniej nie będzie mogła być uznana za zapis autentyczny, bowiem doszło do zniekształcenia lub utraty pierwotnie zarejestrowanej informacji. Natomiast na poziomie zarówno semantycznym, jak i fonetycznym omawiana kopia zachowa pierwotnie zarejestrowaną informację (w wyniku konwersji z WAV do AMR zarówno treść wypowiedzi, jak i kształt konturów intonacyjnych nie zmienią się). Czy można więc naszą kopię uznać za autentyczną? Uważam, że istnieje zasadnicza różnica między „fonoskopijną” definicją autentyczności nagrania, a definicją „informatyczną”. W pierwszym przypadku, koncentrujemy się na stanie informacji zakodowanych w strumieniu danych dźwiękowych, pomijając sposób kodowania tego strumienia. W drugim przypadku dbamy o integralność sekwencji zapisanych w strumieniu danych bajtów, bez zagłębiania się w ich znaczenie. Poza tym podpisywanie tworzonego przez dany dyktafon nagrania nie ma większego sensu z prozaicznego powodu – wiele modeli dyktafonów wyposażonych jest w funkcje, które modyfikują rejestrowany strumień danych dźwiękowych podczas ich rejestrowania. Tak więc już na wejściu otrzymujemy nagranie nieautentyczne, bo np. pofragmentowane działaniem funkcji automatycznego zapisu dźwięku, która bez wiedzy użytkownika wycina niekiedy obszerne fragmenty cichszych zdarzeń akustycznych, by nie wspomnieć już o przeróżnych reduktorach szumu, czy korektorach pasma rejestrowanego dźwięku pozbawiających nagranie tła akustycznego. Rygoryzm fonoskopijnej definicji autentyczności nagrań dźwiękowych z gruntu każe uznać tak zmodyfikowany zapis za nieautentyczny, i nie ma znaczenia, czy jest on opatrzony jakimś specjalnym stemplem, czy też nie. Innymi słowy, fonoskopijna praktyka badań autentyczności nagrań odnosi się do zawartości informacyjnej zapisów dźwiękowych, zaś wszelkie „informatyczne” dodatki takie, jak podpisy i sygnatury plików traktowane są pomocniczo i co najwyżej wskazują na związek danego nagrania z określonym urządzeniem rejestrującym, czy nośnikiem. NB, niektóre modele dyktafonów firmy Olympus dodają do bloku metadanych tworzonych plików w formacie MP3 lub WMA „sygnaturę” wskazującą na model urządzenia oraz jego numer seryjny. Jeśli miałbym doradzić sposób zarejestrowania autentycznego nagrania, to proponuję: - WYŁĄCZYĆ wszelkie funkcje modyfikujące stan rejestrowanego strumienia danych, do których należą: systemy automatycznej rejestracji dźwięku, systemy wyrównujące poziom rejestrowanego dźwięku, systemy redukcji zakłóceń, wszelkiego rodzaju filtry i uszlachetniacze (np. funkcja „euphony” w jednym z modeli Olympusa); - ustawienie nagrywania z możliwie największą czułością mikrofonu; - ustawienie nagrywania z możliwie najmniej stratną kompresją danych dźwiękowych; - nieużywanie funkcji „pauza” w czasie nagrywania; - niedzielenie nagrań po ich utworzeniu; - nieprzenoszenie lub kopiowanie nagrań między folderami w pamięci dyktafonu; - jeśli to możliwe, niekasowanie nagrania po jego uprzednim skopiowaniu z pamięci dyktafonu na dysk komputera. Jednym słowem pozostawiamy zarejestrowane nagranie w pamięci dyktafonu w takim stanie, w jakim zostało ono oryginalnie zarejestrowane. Dopiero taki materiał dźwiękowy stanowi dowód o największej wartości procesowej.
