基于物证元数据与关联时间线事件的物证相关性自动判定
密码学与安全
2020-12-04 v1 机器学习
摘要
阻碍案件进展、长达数年的数字取证证据积压已成为全球执法机构的常态。这是由于需数字取证调查的案件数量持续增长，且每案待处理数据量不断增大。利用先前已处理的数字取证案件及其组成部分的物证相关性分类，可为训练基于人工智能的自动化证据处理系统提供契机。这些系统能极大协助调查人员发现与优先处理证据。本文提出一种基于日益集中的数字取证即服务（DFaaS）范式趋势的文件物证相关性判定方法。该方法可利用先前遇到的相关文件对调查中新发现的文件进行分类。训练后的模型可在获取阶段（即上传至 DFaaS 系统时）辅助检测这些文件。该技术利用每件物证的文件系统元数据与关联时间线事件生成文件相似度的相关性评分。所提方法针对三种实验使用场景进行了验证。
引用
@article{arxiv.2012.01972,
title = {Automated Artefact Relevancy Determination from Artefact Metadata and Associated Timeline Events},
author = {Xiaoyu Du and Quan Le and Mark Scanlon},
journal= {arXiv preprint arXiv:2012.01972},
year = {2020}
}