Brottet människohandel – definierat av U.S. Department of Homeland Security som modernt slaveri som "inkluderar användning av våld, bedrägeri, eller tvång att skaffa någon typ av arbetskraft eller kommersiell sexhandling — är notoriskt svårt att lagföra.

"Det är ofta felidentifierat som en singel, isolerad brottslighet, som prostitution eller narkotikabrott, " säger Dan Lopresti, professor och ordförande för avdelningen för naturvetenskap och teknik vid Lehigh University's P.C. Rossin College of Engineering and Applied Science. "Och om du inte sätter ihop bitarna, du inser inte att det finns en mycket större bild."

En grupp beräkningsforskare, experter inom artificiell intelligens (AI) och andra medlemmar av teknikgemenskapen går samman med policyexperter, brottsbekämpande tjänstemän, aktivister och överlevande för att hjälpa till att sätta ihop bitarna.

"Föreställ dig teknikerna som Google och Facebook använder för att göra vinst - att förstå människor, hur de ansluter, vad de har för intressen, vad de kan köpa eller de aktiviteter de ägnar sig åt, " säger Lopresti. "Vi kan tillämpa samma tekniker – datautvinning, textutvinning, det som kallas graph mining – AI som används för legitima och riktigt lönsamma syften, för att spåra dessa olagliga beteenden."

Även om människohandlare har anammat internet och sociala medieplattformar för att rekrytera potentiella offer och annonsera för kunder, Lopresti säger, samma nätverk ger möjligheter att utrota kriminell verksamhet.

Som medlem av verkställande kommittén för Computing Research Associations Computing Community Consortium (CCC), Lopresti hjälpte till att organisera en tvådagarskonferens på FN i februari kallad Code 8.7:Using Computational Science and AI to End Modern Slavery. Konferensen samlade toppforskare, beslutsfattare, samhällsvetare, representanter för tekniksamhället och överlevande för en djupdykning i ämnet.

Namnet Kod 8.7 avser mål 8.7 i FN:s hållbarhetsmål som syftar till att avsluta tvångsarbete, modernt slaveri, och människohandel till 2030, och de värsta formerna av barnarbete till 2025.

För Lopresti, tiden är mogen för att gå bortom vårt beroende av goda – men slumpmässiga – observationer för att avslöja människohandelsbrott. Det är dags, han säger, att utnyttja teknik för att stödja utbildad brottsbekämpning i att ta itu med denna komplexa fråga.

"Att hitta en lösning på problemet med människohandel är inte bara en teknisk lösning. Det involverar också socialpolitik och politisk, " säger han. "Som forskare, om du inte förstår detta, du kan komma på en lösning som du tycker är elegant matematiskt men är totalt irrelevant i den verkliga världen. Så det var därför vi ville vara i samma rum med samhällsvetarna och beslutsfattare."

Sedan 2015, Jennifer Gentile Long, en examen från Lehigh och verkställande direktör för Aequitas – en resurs för åklagare som arbetar med fall av människohandel och könsbaserat våld – och Lopresti har samarbetat kring datavetenskapsbaserade insatser för att hjälpa AEquitas att hantera och använda den stora mängden textdata i juridiska dokument för att stödja organisationens arbete med att hjälpa åklagare bygga starkare ärenden.

Konferensen, som arrangerades tillsammans med United Nations University Center for Policy Research, Alan Turing Institute, Teknik mot människohandel, University of Nottingham Rights Lab, och Arizona State University Global Security Initiative, inledde det som arrangörerna planerar att vara ett flerårigt samarbete kring frågan.

"Det var fantastiskt att se experter inom alla dessa områden gå samman och försöka samordna insatser så att människor arbetar mot lösningar, fungerar inte på måfå, " säger Long. "De gör en verklig inverkan på det här brottet – identifierar offer vid punkter där de saknas, ger möjligheter att lämna och hitta trygghet, identifiera gärningsmän, och titta på politiken i en samordnad insats. Och det är så fantastiskt att se Lehigh, på ett sätt, sitter vid bordets huvud."

Under konferensens avslutande session, överlevande från människohandel delade sina berättelser med deltagare.

"Det påminde alla, säger Lopresti, "att även om vi pratar om information, data, och politik, som alla verkar abstrakta, uppgifterna är riktiga människor. Du kan inte behandla ett sådant här problem abstrakt."

"Teknik ensam kan inte lösa problemet, " tillägger Long, "men när vi kombinerar det med utbildningsinsatser för att utveckla högkvalificerade, traumainformerade utredare och åklagare, vi kan förbättra identifieringen och säkerheten för offer."

Mining data för dolda bevis

Loprestis deltagande i den globala diskussionen kring modernt slaveri följer hans arbete utanför universitetet på lokal nivå, genom sitt engagemang i Regional Intelligence and Investigation Center (RIIC) i Allentown, Pa., en stad med fler än 120, 000 beläget nära Betlehem, där Lehigh University ligger.

Lanserades 2013, RIIC har "revolutionerat" hur områdets polisavdelningar "analyserar och delar insamlad data för att lösa brott, " enligt kontoret för Lehigh County District Attorney James Martin.

"Jag hade ingen aning om att det här hände på vår egen bakgård, "Lopresti säger." Men samma anledning som driver Amazon att bygga ett stort lager i denna region i landet - tillgänglighet till stora befolkningar - är varför denna region, känd som Lehigh Valley, är också ett nav för människohandel, Droghandel, gäng, och mycket allvarlig brottslighet."

Lopresti, som är expert på dokumentanalys och mönsterigenkänning, arbetar med RIIC-direktör Julia Kocis, åklagare, brottsbekämpande tjänstemän och andra medlemmar av Rossin College datavetenskap och ingenjörsfakultet—Jeffrey D. Heflin, Sihong Xie, och Eric P.S. Baumer – för att hjälpa till att övervinna utmaningarna med att omvandla stora mängder data, främst från polisens incidentrapporter, till något användbart, trots begränsade resurser.

"Om en expert sätter sig ner och läser tillräckligt mycket av dessa, han eller hon kommer att hitta en röd tråd – den här personen är relaterad till denna plats, som är relaterad till denna aktivitet, som är relaterad till denna andra person, " säger han. "Problemet är, de har miljontals av dessa rapporter och har helt enkelt inte tillräckligt med tid att läsa igenom dem. Vi utvecklar naturliga språktekniker, textutvinnings- och datautvinningstekniker som är inriktade på att bearbeta massor av data för att identifiera beteendemönster som skulle återspegla olagliga aktiviteter relaterade till människohandel."

Kocis presenterade sitt arbete på Code 8.7, betonar "de mängder bevis som gömmer sig i friformstext och ostrukturerad data som AI-tekniker kan hjälpa till att identifiera." Enligt Lehigh County DA:s kontor, "Effektiv tillgång till denna information kommer att sätta brottsbekämpande myndigheter i en bättre position för att hjälpa offren, utreda och åtala människohandlare och avskräcka köpare."