FiFTy：基于神经网络的大规模文件碎片类型识别
密码学与安全
2020-06-09 v2 多媒体
摘要
我们提出 FiFTy，一种用于内存取证与数据雕刻的现代文件类型识别工具。与以往基于手工特征的方法不同，我们设计了一种紧凑的神经网络架构，其使用可训练的嵌入空间，类似于成功的自然语言处理模型。我们的方法摒弃了显式特征提取，而后者是传统系统的瓶颈。我们在一个包含 75 种文件类型的新型数据集上评估了所提方法——这是迄今报道的最多样且最平衡的数据集。FiFTy 在速度、准确率和个体误分类率上一致优于所有基线。我们达到了 77.5% 的平均准确率，处理速度约为 38 秒/GB，这优于先前最先进的工具 Sceadan（69%，9 分钟/GB）且快一个数量级以上。我们的工具与相应数据集已公开在线提供。
引用
@article{arxiv.1908.06148,
title = {FiFTy: Large-scale File Fragment Type Identification using Neural Networks},
author = {Govind Mittal and Pawel Korus and Nasir Memon},
journal= {arXiv preprint arXiv:1908.06148},
year = {2020}
}
备注
Paper accepted for publication in the IEEE Transactions on Information Forensics and Security