2018手机电子取证的大数据应用

3737432

　作者简介：苏洋（1978-），男，汉族，北京人，研究生，北京瑞源文德科技有限公司，研发经理，研究方向：手机电子取证。
　　一、大数据时代
　　手机数据，尤其是智能手机数据伴随着智能手机软硬件的高速发展，目前每月智能手机但从移动运营商产生的上网流量数据量也已经平均达到1Gb，爱立信移动报告了解到，等到2021年，智能手机普通用户每个月将用掉8.9 GB的数据。智能手机数据本身，还将包括机身存储，云端备份，电脑备份等，如何应对这些数据，来更好的完成数据关联分析，相信大数据应用技术可以给我们指明方向。[1]
　　二、大数据应用
　　（一）手机号码联系人数据分析
　　作为传统手机数据分析，以往最为关心的就是嫌疑人手机中的手机号码联系人碰撞分析模型。即将所有相关手机中的通讯录、通话记录、短信息进行存储，以电话号码为核心数据进行分析，这种分析的模型单一，数据量小，碰撞结果有限。只能给出有或无的单一指向性数据结果，作用有限.
　　（二）手机相关关系型数据分析
　　目前手机数据分析的最主要诉求，集中在时空刻画，也就是是与时间，位置相关的数据关联分析。在手机数据中与位置相关的数据关联性被更多的关注与使用，下面将针对4种主要位置相关数据的分析手段总结如下：
　　1.通话基站数据。利用手机通话、上网时使用的运营商基站进行地理位置映射的数据分析模型。根据手机运营商基站的密度不同，定位的精度也从城市中的几百米到乡村的几公里。
　　2.wifi ap数据。利用手机中wifi联接数据，根据wifi公共ap定位位置信息，目前公共wifi ap的相关数据库已经在陆续投入使用中，个人ap的位置数据则可以根据mac唯一性进行反向印证。
　　3.照片GPS数据。随着手机中GPS数据的不断丰富，照片图片文件的Exif数据中有可能存储当前照片拍摄地的准确GPS数据，可以作为位置数据直接使用。
　　4.app定位数据。随着智能手机app的不断丰富，如下类别的APP数据中都有可能涉及到城市，乡村，区域等的大范围位置相关信息：
　　（1）点评类：当前位置LBS应用，附近商业信息等。
　　（2）地图导航：当前位置，导航记录。
　　（3）运动记录：路书、轨迹、城市信息。
　　（4）天气类：当前城市，周边信息。
　　（5）旅游类：当前城市，目的地信息，订单（交通工具、住宿）。
　　（6）交友类：当前城市，附近数据。
　　（7）上网类：当前城市。
　　（8）可穿戴设备APP：当前位置，轨迹。
　　（9）拼车类：当前位置，订单数据，轨迹等。
　　当前的大数据分析，除了个人的轨迹分析模型以外，还可以利用分析结果数据再次进行关联分析，通行分析，碰面分析等都是在这个基础上建立起来的，也是当前大数据应用的一个重要方面[2]。
　　同时，基于沟通的数据分析模型也已经从电话号码为核心数据进化为个人app虚拟身份即ID为核心数据的分析模型，将嫌疑人的所有虚拟身份，即众多沟通app中的虚拟身份进行和并后统一分析，对所有沟通形式进行量化，进行亲密程度，组织结构，上下级等等多种分析上来。
　　（三）手机内容自识别大数据分析
　　在智能手机的快速发展浪潮的背景下，智能手机存储的快速增长，个人数据量的规模也随之快速增长起来，如何将这些非关系型数据进行分类，汇总，查询，关联，也就是真正意义上的大数据分析，作为手机案件中数据挖掘的重要课题已经出现在我们的面前。
　　下面单纯以沟通类个人APP数据为例，尝试分析建模如下：
　　1.语音：基于语音识别引擎，快速将语音文件转换为语义后归档分析。
　　2.视频：基于视频识别技术，将可能的位置信息，内容梗概进行自动分析。
　　3.图片：基于图像识别，面部识别，分析人物，位置，时间，内容等等关键信息。
　　4.文件：基于语义汇总归类，对文件内容概要，关键词过滤，词频统计等进行文件分类汇总。
　　5.文字：基于沟通文字，对内容直接进行关联分析。
　　三、总结
　　综上所述，在手机取证行业中，我们以往和现在的大数据应用，还仅仅是在手机数据中的关系型数据为基础上，进行的分析建模，关联分析，是原有大数据行业中，商业智能类型分析的一种延伸。
　　同时，可以看到伴随智能手机的发展，个人数据的快速膨胀，智能手机APP数据种类与类型还在伴随APP的数量快速增长过程中。可以预见的将来，就会有海量的数据涌入，应对此种情况，只有利用大数据的非关系型数据识别分类技术来进行自动化、半自动化的海量数据清洗解析与挖掘。为后期的数据关联分析建立良好的基础。
　　[参考文献]
　　[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）.
　　[2]王锋，王恒认.手机定位技术的应用与问题以犯罪侦查为视角[J].安徽警官职业学院学报，2013（6）.出处：法制博览作者：苏洋