電(diàn)子數據采集産(chǎn)品系列

消防勘查取證産(chǎn)品系列

《格物(wù)刊第四輯》

電(diàn)子刊物(wù)概覽——第一期

某某等人侵犯公(gōng)民(mín)個人信息案


案情概述

2022年接上級下發線(xiàn)索,發現當地有(yǒu)涉嫌侵犯公(gōng)民(mín)信息的可(kě)疑人員,随即立刻開展偵查工(gōng)作(zuò)。在日常對可(kě)疑人員的常駐地點,和與該案另一嫌疑人交接點發現,嫌疑人每周定期會與另一嫌疑人(售賣公(gōng)民(mín)信息的可(kě)疑人員)進行線(xiàn)下聚會,并得知該嫌疑人曾在某地單位工(gōng)作(zuò),可(kě)疑調取大量車(chē)牌和人員等信息。在沒有(yǒu)充分(fēn)的證據下,隻好暫時對嫌疑人進行調查,扣押其檢材進行數據取證,通過使用(yòng)龍信A200手機取證軟件對其檢材進行數據固定以及恢複;在恢複的數據中(zhōng),發現嫌疑人平日交流的人群較廣,并且信息量極大,很(hěn)難從即時通訊的信息中(zhōng)發現問題,隻好利用(yòng)大數據分(fēn)析研判系統,在明鏡侵公(gōng)模型高效研判系統的信息篩選下,發現嫌疑人經常與另一名(míng)人員聯系,通過截圖的方式進行傳遞信息。也正是這樣,明鏡侵公(gōng)模型利用(yòng)圖片OCR識别功能(néng),精(jīng)确鎖定圖片中(zhōng)重要數據以及信息,利用(yòng)了圖片檢索姓名(míng)、身份信息、車(chē)牌計數的方式,發現其中(zhōng)的作(zuò)案方式,立刻幫助警方獲取大量的作(zuò)案證據,并且從中(zhōng)抓出其作(zuò)案團夥二人,為(wèi)警方破案提供了有(yǒu)力的證據支撐。


安(ān)卓模拟器應用(yòng)取證


近年來,電(diàn)信網絡詐騙呈現高發态勢,詐騙手段更是五花(huā)八門,造成了人民(mín)群衆巨大的經濟損失,擾亂了人們正常的工(gōng)作(zuò)和生活秩序,極大地危害了社會誠信。安(ān)卓模拟器是一款能(néng)夠在計算機内模拟手機應用(yòng)的工(gōng)具(jù),在給我們帶來良好的手機遊戲和安(ān)卓系統體(tǐ)驗的同時,也被不法分(fēn)子用(yòng)來實施電(diàn)信網絡詐騙,但現有(yǒu)取證軟件不能(néng)夠對安(ān)卓模拟器内應用(yòng)直接進行數據提取。


Linux軟件包管理(lǐ)器yum和編輯器vim


在Linux系統中(zhōng),我們會進行一些軟件的安(ān)裝(zhuāng)以及對一些服務(wù)或軟件的配置,這時就需要用(yòng)到Linux的yum以及編輯器,下面我們就來看一下這兩個功能(néng)。


Android APK靜态分(fēn)析與動态分(fēn)析


浏覽網站時,我們會發現網址有(yǒu)兩種“格式”,一種以HTTP://開頭,一種HTTPS://開頭。好像這兩種“格式”差别不大,隻多(duō)了一個s,實際上他(tā)們有(yǒu)天壤之别。


SSH的兩種遠(yuǎn)程登錄方法


當前手機用(yòng)戶量增長(cháng)越來越快,尤其是中(zhōng)國(guó),手機用(yòng)戶量已超10億,即大約75%的中(zhōng)國(guó)人擁有(yǒu)自己的手機。正因為(wèi)手機越來越智能(néng)化,攜帶也方便,因此許多(duō)人将隐私信息存儲在手機上,且在多(duō)處場景下無形地公(gōng)開化,而這些信息正是許多(duō)病毒作(zuò)者所熱衷的。在移動終端上的安(ān)全也将比電(diàn)腦終端越來越重要,移動安(ān)全也已成為(wèi)安(ān)全領域的另一新(xīn)戰場。


基于LSTM的文(wén)本情感分(fēn)析


近年來,随着社交媒體(tǐ)日新(xīn)月異地發展以及疫情不斷蔓延,微博、知乎以及推特等社交平台上産(chǎn)生了大量的涉疫評論數據,這些評論文(wén)本中(zhōng)隐藏着用(yòng)戶的情感或者觀點,如何從這些數據中(zhōng)提取出有(yǒu)用(yòng)的信息成為(wèi)了一個重要的研究課題。本文(wén)通過爬蟲技(jì )術拉取了淘寶、知乎以及推特等多(duō)個社交平台的用(yòng)戶涉疫評論信息。通過jieba分(fēn)詞以及Word2Vec文(wén)本向量化等預處理(lǐ)操作(zuò),将得評論數據向量化并分(fēn)割為(wèi)訓練集與測試集,采用(yòng)Tensor Flow的高層封裝(zhuāng)接口Keras搭建識别文(wén)本情感的長(cháng)短期記憶遞歸神經網絡LSTM,訓練出能(néng)夠識别評論數據的模型,最後利用(yòng)訓練模型實現對多(duō)個平台用(yòng)戶的評論信息進行情感預測。