文本分類在電子取證領(lǐng)域的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和計算機(jī)技術(shù)的蓬勃發(fā)展，計算機(jī)在給人們生活帶來便利的同時，以計算機(jī)作為作案工具的計算機(jī)犯罪案件也愈演愈烈。通過電子取證技術(shù)搜集電子證據(jù)成為偵破計算機(jī)犯罪案件一個研究熱點(diǎn)。在進(jìn)行證據(jù)獲取時，面對數(shù)量繁多的電子文檔，如何快速準(zhǔn)確地辨析電子文檔的真實(shí)類型以及從大量文本數(shù)據(jù)中提取出有用信息是取證人員面臨的一個主要問題。廣泛應(yīng)用于信息檢索、商業(yè)智能、郵件自動分類等領(lǐng)域的文本分類技術(shù)是解決問此題的一個有效方法。
　　 本文立足

2、于解決電子取證領(lǐng)域證據(jù)獲取時的文件類型識別和文本數(shù)據(jù)過濾問題，對電子取證和文本分類的相關(guān)技術(shù)進(jìn)行了學(xué)習(xí)和研究。首先，討論了電子取證的一般過程，包括證據(jù)固定、證據(jù)獲取、證據(jù)分析和證據(jù)提交，指出了在證據(jù)獲取階段取證人員可能遇到的兩個問題:一個是如何快速準(zhǔn)確地識別文件的真實(shí)類型以對抗反取證技術(shù);另一個是面對數(shù)量龐大、信息雜亂的文本數(shù)據(jù)如何過濾出感興趣的信息，從而減少取證人員的工作量;其次，本文介紹了文本分類的一般流程、幾種常用的特征選擇算法、

3、三種分類算法和性能評估標(biāo)準(zhǔn);然后，文章以文本分類的方法應(yīng)用于電子取證領(lǐng)域?yàn)榍腥朦c(diǎn)，提出了基于二進(jìn)制字節(jié)流的N-gram特征提取方法識別文件類型以及基于類別區(qū)分度的改進(jìn)tf*idf算法過濾某一主題文本信息;最后，本文分別設(shè)計了實(shí)驗(yàn)來驗(yàn)證這兩種方法應(yīng)用于證據(jù)獲取的可行性，并對實(shí)驗(yàn)結(jié)果進(jìn)行了分析。
　　 實(shí)驗(yàn)結(jié)果表明:使用N-gram算法對文件字節(jié)流提取文件的類型特征可以有效地識別文件類型，其中3-gram算法的識別效果最好?；陬悇e