公務員期刊網 論文中心 正文

數(shù)據挖掘技術的計算機犯罪取證應用

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了數(shù)據挖掘技術的計算機犯罪取證應用范文,希望能給你帶來靈感和參考,敬請閱讀。

數(shù)據挖掘技術的計算機犯罪取證應用

摘要:數(shù)據挖掘是一種特殊的數(shù)據分析過程,其不僅在功能上具有多樣性,同時還具有著自動化、智能化處理以及抽象化分析判斷的特點,對于計算機犯罪案件中的信息取證有著非常大的幫助。本文結合數(shù)據挖掘技術的概念與功能,對其在計算機犯罪取證中的應用進行了分析。

關鍵詞:數(shù)據挖掘技術;計算機;犯罪取證

隨著信息技術與互聯(lián)網的不斷普及,計算機犯罪案件變得越來越多,同時由于計算機犯罪的隱蔽性、復雜性特點,案件偵破工作也具有著相當?shù)碾y度,而數(shù)據挖掘技術不僅能夠對計算機犯罪案件中的原始數(shù)據進行分析并提取出有效信息,同時還能夠實現(xiàn)與其他案件的對比,而這些對于計算機犯罪案件的偵破都是十分有利的。

1數(shù)據挖掘技術的功能與應用分析

1.1數(shù)據挖掘技術的概念

數(shù)據挖掘技術是針對當前信息時代下海量的網絡數(shù)據信息而言的,簡單來說,就是從大量的、不完全的、有噪聲的、模糊的隨機數(shù)據中對潛在的有效知識進行自動提取,從而為判斷決策提供有利的信息支持。同時,從數(shù)據挖掘所能夠的得到的知識來看,主要可以分為廣義型知識、分類型知識、關聯(lián)性知識、預測性知識以及離型知識幾種。

1.2數(shù)據挖掘技術的功能

根據數(shù)據挖掘技術所能夠提取的不同類型知識,數(shù)據挖掘技術也可以在此基礎上進行功能分類,如關聯(lián)分析、聚類分析、孤立點分析、時間序列分析以及分類預測等都是數(shù)據挖掘技術的重要功能之一,而其中又以關聯(lián)分析與分類預測最為主要。大量的數(shù)據中存在著多個項集,各個項集之間的取值往往存在著一定的規(guī)律性,而關聯(lián)分析則正是利用這一點,對各項集之間的關聯(lián)關系進行挖掘,找到數(shù)據間隱藏的關聯(lián)網,主要算法有FP-Growth算法、Apriori算法等。在計算機犯罪取證中,可以先對犯罪案件中的特征與行為進行深度的挖掘,從而明確其中所存在的聯(lián)系,同時,在獲得審計數(shù)據后,就可以對其中的審計信息進行整理并中存入到數(shù)據庫中進行再次分析,從而達到案件樹立的效果,這樣,就能夠清晰的判斷出案件中的行為是否具有犯罪特征[1]。而分類分析則是對現(xiàn)有數(shù)據進行分類整理,以明確所獲得數(shù)據中的相關性的一種數(shù)據挖掘功能。在分類分析的過程中,已知數(shù)據會被分為不同的數(shù)據組,并按照具體的數(shù)據屬性進行明確分類,之后再通過對分組中數(shù)據屬性的具體分析,最終就可以得到數(shù)據屬性模型。在計算機犯罪案件中,可以將按照這種數(shù)據分類、分析的方法得到案件的數(shù)據屬性模型,之后將這一數(shù)據屬性模型與其他案件的數(shù)據屬性模型進行對比,這樣就能夠判斷嫌疑人是否在作案動機、發(fā)生規(guī)律以及具體特征等方面與其他案件模型相符,也就是說,一旦這一案件的數(shù)據模型屬性與其他案件的數(shù)據模型屬性大多相符,那么這些數(shù)據就可以被確定為犯罪證據。此外,在不同案件間的共性與差異的基礎上,分類分析還可以實現(xiàn)對于未知數(shù)據信息或類似數(shù)據信息的有效預測,這對于計算機犯罪案件的處理也是很有幫助的。此外,數(shù)據挖掘分類預測功能的實現(xiàn)主要依賴決策樹、支持向量機、VSM、Logisitic回歸、樸素貝葉斯等幾種,這些算法各有優(yōu)劣,在實際應用中需要根據案件的實際情況進行選擇,例如支持向量機具有很高的分類正確率,因此適合用于特征為線性不可分的案件,而決策樹更容易理解與解釋。

2數(shù)據挖掘技術在計算機犯罪取證中的具體應用思路

對于數(shù)據挖掘技術,目前的計算機犯罪取證工作并未形成一個明確而統(tǒng)一的應用步驟,因此,我們可以根據數(shù)據挖掘技術的特征與具體功能,對數(shù)據挖掘技術在計算機犯罪取證中的應用提供一個較為可行的具體思路[2]。首先,當案件發(fā)生后,一般能夠獲取到海量的原始數(shù)據,面對這些數(shù)據,可以利用FP-Growth算法、Apriori算法等算法進行關聯(lián)分析,找到案件相關的潛在有用信息,如犯罪嫌疑人的犯罪動機、案發(fā)時間、作案嫌疑人的基本信息等等。在獲取這些基本信息后,雖然能夠對案件的基本特征有一定的了解,但犯罪嫌疑人卻難以通過這些簡單的信息進行確定,因此還需利用決策樹、支持向量機等算法進行分類預測分析,通過對原始信息的準確分類,可以得到案件的犯罪行為模式(數(shù)據屬性模型),而通過與其他案件犯罪行為模式的對比,就能夠對犯罪嫌疑人的具體特征進行進一步的預測,如經?;顒拥膱鏊⑿袨榱晳T、分布區(qū)域等,從而縮小犯罪嫌疑人的鎖定范圍,為案件偵破工作帶來巨大幫助。此外,在計算機犯罪案件處理完畢后,所建立的嫌疑人犯罪行為模式以及通過關聯(lián)分析、分類預測分析得到的案件信息仍具有著很高的利用價值,因此不僅需要將這些信息存入到專門的數(shù)據庫中,同時還要根據案件的結果對數(shù)據進行再次分析與修正,并做好犯罪行為模式的分類與標記工作,為之后的案件偵破工作提供更加豐富、詳細的數(shù)據參考。

3結束語

總而言之,數(shù)據挖掘技術自計算機犯罪取證中的應用是借助以各種算法為基礎的關聯(lián)、分類預測功能來實現(xiàn)的,而隨著技術的不斷提升以及數(shù)據庫中的犯罪行為模式會不斷得到完善,在未來數(shù)據挖掘技術所能夠起到的作用也必將越來越大。

參考文獻

[1]李艷花.數(shù)據挖掘在計算機動態(tài)取證技術中的應用[J].信息與電腦(理論版),2017(02):174-176.

作者:周永杰 單位:河南警察學院信息安全系