Sun. Sep 25th, 2022
    en flag
    nl flag
    et flag
    fi flag
    fr flag
    de flag
    he flag
    ja flag
    lv flag
    pl flag
    pt flag
    ru flag
    es flag

    הערת העורך: זהו סקר החצי שנתי של טכנולוגיות קידוד חיזוי ופרוטוקולים שביצע ComplexDiscovery. ששת הסקרים הראשונים סיפקו משוב מפורט מכ 384* אנשי מקצוע משפטיים, עסקיים וטכנולוגיה על השימוש בטכנולוגיות ספציפיות למידת מכונה בקידוד חיזוי וגם הדגישו את השימוש בטכנולוגיות למידת מכונה אלה כחלק מדוגמא בסיוע טכנולוגי פרוטוקולים. איטרציה זו של הסקר ממשיכה להתמקד בטכנולוגיות קידוד חזוי, פרוטוקולים, זרימות עבודה ושימושים במערכת האקולוגית של גילוי אלקטרוני. במקור מורכב מארבע שאלות ליבה, החל בסתיו 2020 הסקר כלל שאלה חדשה אחת על השכיחות של שימוש בקידוד חזוי כחלק מתהליכי עבודה של גילוי אלקטרוני.

    טכנולוגיות ופרוטוקולים קידוד חזוי (סקר)

    סקר חמש שאלות

    להלן קישור לסקר פשוט של חמש שאלות שנועד ללכוד את היישום הנוכחי של טכנולוגיות, פרוטוקולים, זרימות עבודה ושימושים של קידוד חזוי במערכת האקולוגית של גילוי אלקטרוני.

    אנשי מקצוע משפטיים, טכנולוגיית מידע ועסקיים המעורבים בפעילויות ארגוניות הכרוכות בשימוש בקידוד חיזוי מעודדים להשלים את הסקר הקצר של חמש השאלות.

    תוצאות הסקר (למעט פרטי קשר של המשיב) יצטברו ויפורסמו בבלוג ComplexDiscovery לשימוש על-ידי קהילת הגילוי האלקטרוני.

    טכנולוגיות ופרוטוקולים קידוד חזוי (רקע סקר)

    כפי שהוגדר במילון מונחים של גרוסמן-קורמק של סקירה בסיוע טכנולוגי (1), חיזוי קידוד הוא מונח ספציפי לתעשייה המשמש בדרך כלל לתיאור תהליך סקירה בסיוע טכנולוגי המערב את השימוש באלגוריתם למידת מכונה להבדיל רלוונטי ממסמכים שאינם רלוונטיים, בהתבסס על נושא מומחה עניין של קידוד של מערכת הכשרה של מסמכים. הגדרה זו של קידוד חיזוי מספקת תיאור בסיסי המזהה פונקציה מסוימת אחת שקבוצה כללית של אלגוריתמים למידת מכונה מקובלת עשויה להשתמש בסקירה בסיוע טכנולוגי (TAR).

    עם המודעות הגוברת והשימוש בקידוד חזוי בזירה המשפטית כיום, נראה כי חשוב יותר ויותר לאנשי מקצוע לגילוי אלקטרוני לקבל הבנה כללית של הטכנולוגיות שעשויות להיות מיושמות בפלטפורמות גילוי אלקטרוני כדי להקל על קידוד חיזוי של מידע המאוחסן באופן אלקטרוני. הבנה כללית זו חיונית כיוון שלכל גישה אלגוריתמית פוטנציאלית יש יתרונות וחסרונות יעילים שעשויים להשפיע על היעילות והיעילות של קידוד חיזוי.

    כדי לסייע בפיתוח הבנה כללית זו של טכנולוגיות קידוד חיזוי ולספק הזדמנות לספקי גילוי אלקטרוניים לשתף את הטכנולוגיות והפרוטוקולים שבהם הם משתמשים בפלטפורמות שלהם כדי להשיג קידוד חיזוי, רשימות העבודה הבאות של קידוד חיזוי טכנולוגיות ופרוטוקולי TAR מסופקים לשימוש שלך. רשימות עבודה על זרימות עבודה ושימושים של קידוד חזוי נכללות גם עבור השיקול שלך כפי שהם מסייעים להגדיר כיצד טכנולוגיות קידוד חזוי ופרוטוקולי TAR מיושמים ומשמשים.

    רשימת עבודה של טכנולוגיות קידוד חזוי (1,2,3,4)

    מצטבר ממומחים לגילוי אלקטרוני המבוססים על פרסומים מקצועיים ושיחות אישיות, המפורטים להלן רשימת עבודה שאינה כלולה של טכנולוגיות למידה חישובית מזוהות שהוחלו או שיש להם את הפוטנציאל להיות מיושם על המשמעת של גילוי אלקטרוני כדי להקל על קידוד חיזוי. רשימת עבודה זו מיועדת לספק נקודת התייחסות לטכנולוגיות קידוד חזוי מזוהות וייתכן שבמשך הזמן כוללות תוספות, התאמות ותיקונים המבוססים על משוב ממומחים וארגונים החלים והטמעה של טכנולוגיות טיפוסיות אלה בפלטפורמות הגילוי האלקטרוני הספציפיות שלהן.

    רשום בסדר אלפביתי

    Active Learning: תהליך, בדרך כלל איטרטיבי, שבו נעשה שימוש באלגוריתם לבחירת מסמכים שיש לבדוק לאימונים על בסיס אסטרטגיה כדי לסייע לאלגוריתם הסיווג ללמוד ביעילות.

    עץ החלטה: שיטה שלב אחר שלב של הבחנה בין מסמכים רלוונטיים ולא רלוונטיים, בהתאם לשילוב של מילים (או תכונות אחרות) שהם מכילים. עץ ההחלטה לזהות מסמכים הנוגעים לנגזרים פיננסיים עשוי לקבוע תחילה אם מסמך הכיל או לא את המילה "החלפה". אם כן, עץ ההחלטות עשוי לקבוע אם המסמך מכיל "אשראי" וכן הלאה. ניתן ליצור עץ החלטות באמצעות הנדסת ידע או למידת מכונה.

    K-הקרוב ביותר מסווג שכן (K-nn): אלגוריתם סיווג המנתח את המסמכים לדוגמה k הדומים ביותר (קרוב) למסמך מסווג על מנת לקבוע את הסיווג הטוב ביותר עבור המסמך. אם k הוא קטן מדי (למשל, k=1), זה עלול להיות קשה מאוד להשיג היזכרות גבוהה.

    ניתוח סמנטי סמוי (LSA): ייצוג מתמטי של מסמכים שמתייחס למילים מתואמים מאוד (כלומר, מילים שנוטות להתרחש באותם מסמכים) כמו להיות, במובן מסוים, שווה ערך או ניתנות להחלפה. שקילות או החלפה זו יכולה לאפשר לאלגוריתמים לזהות מסמכים כדומים מבחינה מושגית גם כאשר הם אינם משתמשים באותן מילים (לדוגמה, מאחר שמילים נרדפות עשויות להיות מתואמים מאוד), למרות שהוא גם מוחק מידע שעשוי להיות שימושי ויכול להוביל לתוצאות בלתי רצויות הנגרמות על-ידי מתאמים מזויפים.

    רגרסיה לוגיסטית: אלגוריתם למידה מתקדם בפיקוח ללמידת מכונה שמעריך את ההסתברות שמסמך רלוונטי, בהתבסס על התכונות שהוא מכיל. בניגוד לנאיב בייז, אלגוריתם, רגרסיה לוגיסטית מזהה תכונות המפלות בין מסמכים רלוונטיים ולא רלוונטיים.

    מסווג Bayesian נאיבי: מערכת בוחנת את ההסתברות שכל מילה במסמך חדש באה הפצת המילה נגזר מסמך קשוב מאומן או מסמכים שאינם מגיבים מאומנים. המערכת נאיבית במובן זה שהיא מניחה שכל המילים אינן תלויות זו בזו.

    רשת עצבית: רשת עצבית מלאכותית (ANN) היא מודל חישובי. הוא מבוסס על המבנה והפונקציות של רשתות עצביות ביולוגיות. זה עובד כמו הדרך בה המוח האנושי מעבד מידע. הוא כולל מספר רב של יחידות עיבוד מחוברות שפועלות יחד כדי לעבד מידע.

    ניתוח סמנטי סמוי הסתברותי (PLSA): זה דומה ברוח ל- LSA אבל הוא משתמש במודל הסתברותי כדי להשיג תוצאות צפויות להיות טובות יותר.

    יערות אקראיים: שיטת לימוד אנסמבל לסיווג, רגרסיה ומשימות אחרות, הפועלות על ידי בניית שפע של עצי החלטה בזמן אימון והפקת המעמד שהוא מצב של הכיתות (סיווג) או חיזוי ממוצע (רגרסיה) של העצים הבודדים. יערות החלטה אקראיים נכונים להרגל עצי החלטה של התאמה לסט האימונים שלהם.

    משוב רלוונטיות: תהליך למידה פעיל שבו המסמכים עם הסבירות הגבוהה ביותר של רלוונטיות מקודדים על ידי אדם, ומוסיפים את ערכת האימונים.

    Support Vector Machine: גישה מתמטית המבקשת למצוא קו המפריד בין תגובה למסמכים שאינם מגיבים, כך, באופן אידיאלי, כל המסמכים הרספונסיביים נמצאים בצד אחד של הקו וכל אלה שאינם מגיבים נמצאים בצד השני.

    פרוטוקולי טאר כלליים (5,6,7,8,9,10)

    בנוסף, טכנולוגיות אלה מועסקים בדרך כלל כחלק פרוטוקול TAR אשר קובע כיצד נעשה שימוש בטכנולוגיות. דוגמאות לפרוטוקולי TAR כוללות:

    רשום בסדר אלפביתי

    Active Learning® רציף (CAL®): ב- CAL®, שיטת TAR פיתחה, השתמשה ומונחה על ידי מאורה ר גרוסמן וגורדון וקורמק, לאחר ערכת האימון הראשונית, הלומד בוחר שוב ושוב את המסמכים הבאים הכי צפויים להיות רלוונטיים (שעדיין לא נחשבו) לבדיקה, קידוד והדרכה, וממשיך לעשות זאת עד שהוא כבר לא יכול למצוא מסמכים רלוונטיים יותר. בדרך כלל אין ביקורת שנייה, כי עד שהתלמיד מפסיק ללמוד, כל המסמכים ייחשבו רלוונטיים על ידי הלומד כבר זוהו ונסקרו ידנית.

    שיטה היברידית Multimodal: גישה שפותחה על ידי צוות גילוי אלקטרוני (ראלף Losey) הכוללת את כל סוגי שיטות החיפוש, עם הסתמכות ראשונית על קידוד חזוי ושימוש במסמכים בעלי דירוג גבוה לאימון פעיל מתמשך.

    למידה פעילה מתמשכת מדרגית (S-CAL): ההבדל המהותי בין S-CAL ו- CAL® הוא שעבור S-CAL, נבחרה רק דגימה סופית של מסמכים מכל אצווה רצופה לצורך תיוג, והתהליך נמשך עד לאיסוף - או מדגם אקראי גדול של האוסף - הוא מותש. יחד, הדגימות הסופיות יוצרות מדגם מרובד של אוכלוסיית המסמכים, שממנו ניתן לגזור אומדן סטטיסטי של.

    Simple Active Learning (SAL): בשיטות SAL, לאחר ערכת האימון הראשונית, הלומד בוחר את המסמכים להיבדק ולקודד על ידי המורה, ומשמש כדוגמאות הכשרה, וממשיך לבחור דוגמאות עד שהוא מאומן מספיק. בדרך כלל, המסמכים הלומד בוחר הם אלה שעליהם הלומד הוא לפחות בטוח, ולכן שממנו הוא ילמד הכי הרבה. לאחר הכשרה מספקת, התלמיד משמש לתייג כל מסמך באוסף. בדומה ל-SPL, המסמכים המסומנים כרלוונטיים נבדקים באופן ידני באופן ידני.

    למידה פסיבית פשוטה (SPL): בשיטות למידה פסיבית פשוטות ("SPL"), המורה (כלומר, מפעיל אנושי) בוחר את המסמכים שישמשו כדוגמאות הכשרה; הלומד מאומן באמצעות דוגמאות אלה, ופעם מאומן מספיק, משמש לתייג כל מסמך באוסף כרלוונטי או שאינו - רלוונטי. באופן כללי, המסמכים שכותרתו לרלוונטיים על-ידי התלמיד נבדקים מחדש באופן ידני. סקירה ידנית זו מייצגת חלק קטן מהאוסף, ומכאן שבריר קטן מהזמן והעלות של סקירה ידנית ממצה.

    תהליכי עבודה TAR (11)

    תהליכי עבודה של TAR מייצגים את היישום המעשי של טכנולוגיות קידוד חזוי ופרוטוקולים להגדרת גישות להשלמת משימות קידוד חזוי. שלוש דוגמאות לתהליכי עבודה של TAR כוללות:

    TAR 1.0 כולל שלב אימון ואחריו שלב סקירה עם ערכת בקרה המשמשת כדי לקבוע את הנקודה האופטימלית כאשר עליך לעבור מאימון לסקירה. המערכת כבר לא לומדת לאחר השלמת שלב האימונים. ערכת הבקרה היא קבוצה אקראית של מסמכים שנבדקו ומסומנו כרלוונטיים או שאינם רלוונטיים. מסמכי מערכת הבקרה אינם משמשים לאמן את המערכת. הם משמשים להערכת התחזיות של המערכת כך שניתן להפסיק את האימון כאשר היתרונות של הכשרה נוספת כבר לא עולים על עלות ההכשרה הנוספת. הדרכה יכולה להיות עם מסמכים שנבחרו באופן אקראי, המכונה Simple Passive Learning (SPL), או שהיא יכולה לכלול מסמכים שנבחרו על ידי המערכת כדי למטב את יעילות הלמידה, המכונה Simple Active Learning (SAL)

    TAR 2.0 משתמש בגישה הנקראת רציפה Active Learning® (CAL®), כלומר אין הפרדה בין אימון לסקירה - המערכת ממשיכה ללמוד לאורך כל הדרך. בעוד שניתן להשתמש בגישות רבות לבחירת מסמכים לבדיקה, מרכיב משמעותי ב- CAL® הוא חזרות רבות של חיזוי אילו מסמכים צפויים להיות רלוונטיים, לבדוק אותם ולעדכן את התחזיות. שלא כמו TAR 1.0, TAR 2.0 נוטה להיות יעיל מאוד גם כאשר השכיחות נמוכה. מאז אין הפרדה בין אימון וסקירה, TAR 2.0 אינו דורש סט בקרה. יצירת ערכת בקרה יכולה להיות כרוכה בבדיקת מספר גדול (במיוחד כאשר השכיחות נמוכה) של מסמכים שאינם רלוונטיים, ולכן הימנעות מקבוצות בקרה היא רצויה.

    TAR 3.0 דורש אלגוריתם קיבוץ באשכולות רעיוני באיכות גבוהה היוצר אשכולות ממוקדים בצמצום של גודל קבוע במרחב המושג. הוא מחיל את המתודולוגיה TAR 2.0 רק על מרכזי האשכול, אשר מבטיח כי קבוצה מגוונת של מסמכים שעלולים להיות רלוונטיים נבדקת. לאחר שלא ניתן למצוא מרכזי אשכול רלוונטיים יותר, מרכזי האשכול הנבדקים משמשים כמסמכי הדרכה כדי לבצע תחזיות עבור אוכלוסיית המסמכים המלאה. אין צורך במערכת בקרה - המערכת מאומנת היטב כאשר לא ניתן למצוא מרכזי אשכול רלוונטיים נוספים. ניתוח מרכזי האשכול שנבדקו מספק אומדן של השכיחות ומספר המסמכים הלא רלוונטיים שיופקו אם מסמכים יוצרו בהתבסס על התחזיות ללא ביקורת אנושית. המשתמש יכול להחליט להפיק מסמכים (לא מזוהים כבעלי הרשאות פוטנציאליות) ללא בדיקה, בדומה ל- SAL מ- TAR 1.0 (אך ללא ערכת בקרה), או שהוא יכול להחליט לסקור מסמכים שיש להם סיכון רב מדי להיות לא רלוונטי (אשר יכול לשמש כהכשרה נוספת עבור המערכת, כלומר, CAL®). נקודת המפתח היא שלמשתמש יש את המידע שהוא/היא צריכה לקבל החלטה על איך להמשיך לאחר השלמת הסקירה של מרכזי האשכול שעשויים להיות רלוונטיים, ושום דבר לא נעשה לפני נקודה זו הופך יבוטל על ידי ההחלטה (בהשוואה להתחלה עם TAR 1.0, סקירת מערכת בקרה, מציאת כי התחזיות אינן טובות מספיק כדי לייצר מסמכים ללא סקירה, ולאחר מכן לעבור TAR 2.0, אשר הופך את סט הבקרה כמעט חסר תועלת).

    שימושים טאר (12)

    ניתן להשתמש ביעילות בטכנולוגיות, פרוטוקולים וזרימות עבודה כדי לסייע לאנשי מקצוע של גילוי אלקטרוני להשיג משימות רבות של גילוי נתונים וגילוי משפטי. תשע דוגמאות נפוצות של שימוש TAR כוללות:

    זיהוי מסמכים רלוונטיים

    הערכת מקרה מוקדם/חקירה

    סדרי עדיפויות לסקירה

    סיווגים (על ידי סוגיות, לסודיות או לפרטיות)

    סקירת הרשאות

    בקרת איכות ואבטחת איכות

    סקירה של הפקות נכנסות

    הנחות/הכנה למשפט

    פיקוח מידע ונתונים

    מידע על סקר (13,14,15,16,17,18, 19, 20, 21)

    הפניות

    (1) גרוסמן, M. וקורמק, G (2013). מילון מונחים גרוסמן-קורמק של סקירה בסיוע טכנולוגי. [ebook] ביקורת חוק בתי משפט פדרליים. זמין בכתובת: http://www.fclr.org/fclr/articles/html/2010/grossman.pdf [נגיש 31 אוגוסט 2018].

    (2) דים, B. (2018). מומחיות על קידוד חיזוי. [דוא"ל].

    (3) רויטבלט, ח (2013). מבוא לניבוי קידוד. [ספר אלקטרוני] אורקטק. זמין בכתובת: 31 אוגוסט 2018].

    (4) טרדניק, J. ופיקנס, J. (2017). למידה עמוקה ב E-Discovery: העבר ההייפ. [באינטרנט] CatalystSecure.com. זמין בכתובת: 31 אוגוסט 2018].

    (5) גרוסמן, M. ו קורמק, G. (2017). סקירה בסיוע טכנולוגי בגילוי אלקטרוני. [ebook] זמין בכתובת: 31 אוגוסט 2018].

    (6) גרוסמן, M. ו קורמאק, G (2016). למידה פעילה מתמשכת עבור TAR. חוק מעשי. זמין בכתובת: 31 אוגוסט 2018].

    (7) גרוסמן, M. ו קורמאק, G (2016). מדרגיות של למידה פעילה רציפה לסיווג טקסט אמין עם נזכיר גבוה. [ebook] זמין בכתובת: 3 ספטמבר 2018].

    (8) Losey, ר ', סאליבן, ג'יי ורייכנברגר, ט (2015). [ebook] זמין בכתובת: 1 ספטמבר 2018].

    (9) "סימן מסחרי מתמשך למידה פעילה של מאורה גרוסמן וגורדון V. קורמאק — מספר רישום 5876987 — מספר סידורי 86634255። Justia סימנים מסחריים". סימנים מסחריים. Justia.com, 2020, 12 בפברואר 2020].

    (10) "סימן מסחרי CAL של מאורה גרוסמן וגורדון V. קורמאק — מספר רישום 5876988 — מספר סידורי 86634265። Justia סימנים מסחריים". סימנים מסחריים. Justia.com, 2020, 12 בפברואר 2020].

    (11) Dimm, B. (2016), TAR 3.0 ביצועים. [באינטרנט] בלוג באשכולות — גילוי אלקטרוני, קיבוץ באשכולות של מסמכים, קידוד חיזוי, אחזור מידע ופיתוח תוכנה. זמין בכתובת: 18 פברואר 2019].

    (12) מודל ייחוס גילוי אלקטרוני (EDRM) (2019). סקירה בסיוע טכנולוגיה (TAR) הנחיות. [באינטרנט] זמין בכתובת: 18 פבואר 2019].

    (13) דים, B. (2018). TAR, מידתיות, ואלגוריתמים רעים (1-NN). [באינטרנט] בלוג באשכולות — גילוי אלקטרוני, קיבוץ באשכולות של מסמכים, קידוד חיזוי, אחזור מידע ופיתוח תוכנה. זמין בכתובת: 31 אוגוסט 2018].

    (14) רובינסון, ר '(2013). תוצאות הפעלה: סקר יישום ספק ספק שאלה אחת קידוד חיזוי. [באינטרנט] גילוי מורכב: מידע גילוי אלקטרוני. זמין בכתובת: 31 אוגוסט 2018].

    (15) רובינסון, ר '(2018). רשימת ריצה: למעלה 100+ ספקי גילוי אלקטרוני. [באינטרנט] גילוי מורכב: מידע גילוי אלקטרוני. זמין בכתובת: 31 אוגוסט 2018].

    (16) רובינסון, ר '(2018) יחסית: טכנולוגיות קידוד חזוי ופרוטוקולים סקר תוצאות [באינטרנט] ComplexDiscovery: מידע גילוי אלקטרוני. זמין בכתובת: 18 פברואר 2019].

    (17) רובינסון, ר '(2019) למידה פעילה? טכנולוגיות קידוד חזוי ופרוטוקולים סקר תוצאות [online] ComplexDiscovery: זמין בכתובת: 22 אוגוסט 2019]

    (18) רובינסון, R. (2019) מפלטפורמות לתהליכי עבודה: טכנולוגיות קידוד חזוי וסקר פרוטוקולים — סתיו 2019 תוצאות [מקוון] ComplexDiscovery: מידע גילוי אלקטרוני. זמין בכתובת: 12 פברואר 2020].

    (19) רובינסון, ר '(2020) האם זה הכל יחסי? טכנולוגיות קידוד חזוי סקר פרוטוקולים - תוצאות האביב [באינטרנט] ComplexDiscovery: מידע גילוי אלקטרוני. זמין בכתובת: [גישה ל-7 באוגוסט, 2020].

    (20) רובינסון, ר '(2020) יציקת רשת רחבה יותר? טכנולוגיות קידוד חזוי סקר פרוטוקולים - סתיו 2020 [באינטרנט] ComplexDiscovery: מידע גילוי אלקטרוני. זמין בכתובת: [גישה ל-5 בפברואר, 2021].

    (21) רובינסון, ר '(2021) מזג אוויר קר? טכנולוגיות קידוד חזוי סקר פרוטוקולים - אביב 2021 [באינטרנט] ComplexDiscovery: מידע גילוי אלקטרוני. זמין בכתובת: [נגישות ל-8 באוגוסט 2021].

    לחץ כאן כדי לספק תוספות, תיקונים ועדכונים ספציפיים.

    * המשיבים בחיזוי קידוד סקר: שישה סקרים

    המשיבים בסקר קידוד חיזוי — שישה סקרים

    מקור: גילוי מורכב

    נשען קדימה? התוכנית האסטרטגית של חבר העמים 2023-2025

    The purpose of the CISA Strategic Plan is to communicate the...

    שיפור סיכונים מתמשך? Q3 Cyber עיגול מ Cyber פעמון

    According to Manu Singh, director of risk engineering at Cowbell, "Every...

    משאב מקיף לגילוי סייבר? תרשים מדיניות אבטחת הסייבר של DoD מ- CSIAC

    The Cyber Security and Information Systems Information Analysis Center (CSIAC) is...

    ביטוח סייבר המסתובב במהירות? Q2 Cyber עיגול למעלה מ Cyber פעמון

    According to Isabelle Dumont, SVP of Marketing and Technology Partners at...

    תגובה חושפת? Nuix מגיב לבקשת ASX לקבלת מידע

    The following investor news update from Nuix shares a written response...

    דוחות חושפים? חדשות הערות העיתונות ספקולציות

    According to a September 9, 2022 market release from Nuix, the...

    Haystackid® רוכשת שותפים בינה עסקית

    According to HaystackID CEO Hal Brooks, “BIA is a leader in...

    תוכנה אחת גדולה ועסקי ענן? OpenText לרכוש מיקרו פוקוס

    According to OpenText CEO & CTO Mark J. Barrenechea, “We are...

    בתנועה? קינטיקה של שוק דיסקברי אלקטרוני 2022: חמישה תחומי עניין

    Recently ComplexDiscovery was provided an opportunity to share with the eDiscovery...

    לסמוך על התהליך? נתוני משימות, הוצאה ועלויות של עיבוד גילוי אלקטרוני 2021

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    השנה בסקירה? נקודות נתוני משימות, הוצאה ועלויות של סקירת גילוי אלקטרוני 2021

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    מבט של 2021 באוסף גילוי אלקטרוני: נקודות נתוני משימות, הוצאה ועלות

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    חמש קריאות נהדרות בנושא סייבר, נתונים וגילוי משפטי לספטמבר 2022

    From privacy legislation and special masters to acquisitions and investigations, the...

    חמש קריאות נהדרות בנושא סייבר, נתונים וגילוי משפטי לאוגוסט 2022

    From AI and Big Data challenges to intriguing financial and investment...

    חמש קריאות נהדרות בנושא סייבר, נתונים וגילוי משפטי ליולי 2022

    From lurking business undercurrents to captivating deepfake developments, the July 2022...

    חמש קריאות נהדרות בנושא סייבר, נתונים וגילוי משפטי ליוני 2022

    From eDiscovery ecosystem players and pricing to data breach investigations and...