基于元数据的定罪数字取证物证自动分类方法
密码学与安全
2019-07-03 v1 机器学习
摘要
数字取证调查中数据量的持续增长是该领域最受讨论的挑战之一。通常，查扣设备上的大多数文件物证与调查无关。人工检索与调查相关的可疑文件犹如大海捞针。本文提出一种对可疑文件物证（即与调查相关的文件物证）进行自动优先级排序的方法，以减少所需的手动分析工作量。该方法设计为人机协同（human-in-the-loop）模式。换言之，它预测/推荐某物证可能为可疑，而非给出最终分析结果。我们采用有监督机器学习方法，利用先前处理案件的记录结果。本文给出了特征提取、数据集生成、训练与评估的过程。此外，概述了从磁盘映像提取数据的工具包，使该方法能与常规调查流程集成并以自动化方式工作。
引用
@article{arxiv.1907.01421,
title = {Methodology for the Automated Metadata-Based Classification of Incriminating Digital Forensic Artefacts},
author = {Xiaoyu Du and Mark Scanlon},
journal= {arXiv preprint arXiv:1907.01421},
year = {2019}
}