數(shù)據(jù)挖掘技術(shù)在計算機犯罪取證中的應用.pdf

1、隨著Internet的飛速發(fā)展和普及，計算機犯罪越來越嚴重，造成的損失也越來越大。如何提取計算機犯罪的證據(jù)成為利用法律武器打擊計算機犯罪首要解決的問題，計算機犯罪取證的研究由此應運而生。目前，國內(nèi)外有關(guān)專家、學者都正在研究計算機犯罪取證的問題，但都局限于關(guān)鍵字查找、模式匹配、文件屬性分析等技術(shù)，缺乏對海量數(shù)據(jù)處理能力；在取證中需要大量人工參與，并且無法對可能的、潛在的計算機犯罪進行預測；缺乏對計算機證據(jù)間隱藏信息和犯罪模式的挖掘能力。數(shù)

2、據(jù)挖掘技術(shù)具有強大的數(shù)據(jù)處理能力；能夠減少人工參與，具有自動化和智能化的優(yōu)點；具有描述和預測的功能。針對目前取證工具中的這些問題，結(jié)合數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)處理方面的優(yōu)勢，越來越多的專家和學者開始研究如何把數(shù)據(jù)挖掘技術(shù)應用到計算機犯罪取證的領(lǐng)域中。
　　首先，為了在海量數(shù)據(jù)中挖掘出與計算機犯罪有關(guān)的證據(jù)和各證據(jù)項之間的關(guān)聯(lián)規(guī)則，并在這些規(guī)則的基礎(chǔ)上進一步挖掘出犯罪的規(guī)律、趨勢和不同犯罪行為之間的關(guān)聯(lián)，本課題在FP-Growth（Fre

3、quent-PattenGrowth）算法的基礎(chǔ)上，針對計算機犯罪取證的特殊性要求，提出了兩種改進算法。一種是改進了FP-Growth算法的頻繁一項集生成方法，提高了FP-Growth算法對新犯罪行為的敏感度；一種是改進了FP-Growth算法，使不同性質(zhì)的犯罪記錄具有不同的權(quán)重，也就是使不同性質(zhì)的犯罪記錄具有不同的重要性，增加了這些記錄生成關(guān)聯(lián)規(guī)則的可能性，理論分析和實驗結(jié)果證明，改進后的算法更加適合于計算機犯罪取證領(lǐng)域。