大语言模型时代的数字取证
密码学与安全
2025-04-07 v1 人工智能
摘要
数字取证在现代调查过程中发挥着关键作用，利用专门方法系统地收集、分析和解释数字证据以供司法程序使用。然而，传统的数字取证技术主要基于人工密集型过程，随着数字数据的快速增长和复杂性，这些技术变得越来越不足。为此，大语言模型（LLM）已成为能够自动化和增强各种数字取证任务的强大工具，显著改变了该领域。尽管取得了进展，但普通从业者和取证专家通常缺乏对LLM能力、原理和局限性的全面理解，这限制了LLM在取证应用中的全部潜力。为填补这一空白，本文旨在提供关于LLM如何革新数字取证方法的易于理解且系统的概述。具体来说，它审视了数字取证的基本概念以及LLM的演变，并强调了LLM的卓越能力。为了连接理论与实践，讨论了相关示例和真实场景。我们还批判性地分析了当前将LLM应用于数字取证的局限性，包括与幻觉、可解释性、偏见和伦理考虑相关的问题。此外，本文概述了未来研究的前景，强调了在取证过程中有效使用LLM以实现透明度、问责制和稳健标准化的必要性。
引用
@article{arxiv.2504.02963,
title = {Digital Forensics in the Age of Large Language Models},
author = {Zhipeng Yin and Zichong Wang and Weifeng Xu and Jun Zhuang and Pallab Mozumder and Antoinette Smith and Wenbin Zhang},
journal= {arXiv preprint arXiv:2504.02963},
year = {2025}
}