机器学习在数字取证中的应用：系统性文献综述
密码学与安全
2023-06-09 v1
摘要
技术的发展与利用导致了数字犯罪的进一步扩张与复杂化。另一方面，数据量及其随之而来的证据量的增长是数字取证中的严峻挑战。近年来，在不同数字取证领域中，应用机器学习技术来识别和分析证据呈上升趋势。本文对 2010 年 1 月至 2021 年 12 月期间主要学术数据库中发表的关于机器学习在数字取证中应用的研究进行了系统性文献综述，据我们所知，此前尚未有如此全面的综述。该综述还识别了以往论文中受到最多关注的数字取证领域和机器学习方法，并最终指出了剩余的研究空白。我们的发现表明，与其他取证领域相比，图像取证从机器学习方法中获益最大。此外，基于 CNN 的模型是在数字取证中日益使用的最重要的机器学习方法。我们呈现了一幅全面的心智图，为有价值的分析结果提供恰当的视角。此外，基于论文关键词进行了可视化分析，给出了不同的主题相关性话题。本研究将为数字取证调查人员、机器学习开发者、安全研究人员及爱好者提供机器学习在数字取证中应用的广阔视野。
引用
@article{arxiv.2306.04965,
title = {Machine Learning in Digital Forensics: A Systematic Literature Review},
author = {Tahereh Nayerifard and Haleh Amintoosi and Abbas Ghaemi Bafghi and Ali Dehghantanha},
journal= {arXiv preprint arXiv:2306.04965},
year = {2023}
}
备注
99 pages, 10 figures, 3 tables