使用轻量级卷积神经网络进行文件碎片分类
密码学与安全
2025-04-15 v1
摘要
在数字取证中，文件碎片分类是完成文件雕刻过程的重要一步。存在若干不依赖元数据来识别文件碎片类型的技术，例如使用头/尾和 N-gram 等特征识别碎片类型。近来，卷积神经网络(CNN)模型已被用于构建分类模型以完成该任务。然而，CNN 的参数数量随层数增加呈指数增长，导致训练与推理时间急剧增加。本文中，我们提出基于深度可分离 CNN 的轻量级文件碎片分类模型。评估结果表明，与基于 CNN 的先进模型相比，我们所提模型以相当准确率提供了更快推理时间。特别地，我们的模型在 FFT-75 数据集上以近 100K 参数和 164M FLOPs 达到 79% 准确率，比文献中先进分类器小 4 倍、快 6 倍。
引用
@article{arxiv.2305.00656,
title = {File Fragment Classification using Light-Weight Convolutional Neural Networks},
author = {Mustafa Ghaleb and Kunwar Saaim and Muhamad Felemban and Saleh Al-Saleh and Ahmad Al-Mulhem},
journal= {arXiv preprint arXiv:2305.00656},
year = {2025}
}
备注
11 pages, 17 figures