基于iPhone数字痕迹的 Forensic 活动分类：一种机器学习方法
机器学习
2025-12-04 v1
摘要
智能手机和智能手表始终存在于日常生活中，为获取其用户行为信息提供了丰富的来源。特别是从手机内置运动传感器派生的数字痕迹，为 Forensic 调查人员提供了洞察个人物理活动的机会。本文提出一种基于机器学习的方法，将数字痕迹转化为不同物理活动的可能比率（likelihood ratios, LRs）。在评估新构建的数据集NFI_FARED（包含来自四种不同类型的iPhone的数字痕迹，标注为19种活动）时，发现该方法能够产生有效的 LR 系统，以区分167种可能的171种活动配对。该方法同样扩展用于分析多个活动（或活动组）的可能性，并创建活动时间线，以辅助 Forensic 调查的早期和后期阶段。该数据集和复制结果所需的全部代码也已公开，以鼓励对此主题进行进一步研究。
关键词
引用
@article{arxiv.2512.03786,
title = {Forensic Activity Classification Using Digital Traces from iPhones: A Machine Learning-based Approach},
author = {Conor McCarthy and Jan Peter van Zandwijk and Marcel Worring and Zeno Geradts},
journal= {arXiv preprint arXiv:2512.03786},
year = {2025}
}