Digital and Cloud Forensic Challenges
本研究通过文献综述梳理分析数字取证与云取证领域的主要挑战、成因、影响及潜在解决方案，指出挑战重大多样，解决它们对取证应用至关重要，为该领域未来研究提供参考。
2023-05-03 cs.CR
Digital Forensics vs. Anti-Digital Forensics: Techniques, Limitations and Recommendations
在过去的几年里，网络攻击的数量急剧增加。这在个人和组织两级造成了人员和财政损失。最近，网络犯罪分子正在利用新的技能和能力，通过使用反取证活动、技术和工具来掩盖其踪迹并逃避任何可能的检测。因此，网络攻击变得更加高效和复杂。因此，传统的加密和非加密解决方案以及访问控制系统不再足以防止此类网络攻击，特别是在获取攻击调查证据方面。因此，迫切需要定义明确、复杂和先进的取证调查工具来追踪网络犯罪分子并减少网络犯罪的数量。本文综述了取证和反取证的不同方法、工具、技术、类型和面临的挑战，同时也讨论了反反取证作为一种新的取证保护机制的兴起。这将有助于取证调查人员更好地了解网络犯罪分子在发动攻击时使用的不同反取证工具、方法和技术。此外，目前的法医技术的局限性进行了讨论，特别是在问题和挑战方面。最后，本文从文献的角度对取证领域提出了一个整体的观点，也有助于其他同事进一步了解数字取证领域。
2021-03-31 cs.CR
DFRWS EU 10-Year Review and Future Directions in Digital Forensic Research
本文系统综述了DFRWS EU十年间135篇论文，涵盖多个取证子领域，通过定量分析揭示研究演变并指出未来方向。
2024-03-15 cs.CR
5W1H-based Expression for the Effective Sharing of Information in Digital Forensic Investigations
数字取证调查用于与数字设备相关的各个领域，包括网络犯罪。这是一个使用许多技术的调查过程，这些技术已作为工具实施。数字取证调查所涵盖的文件类型广泛而多样，然而，没有办法将结果表达为标准化格式。标准化因设备、文件系统或应用程序的类型而异。不同的产出使得信息共享和实施一体化既费时又困难。此外，它还可能削弱网络安全。因此，定义标准化并以相同的格式呈现数据是很重要的。本文提出了一种基于5W1H的有效数字取证调查信息共享的表达方式，通过六个问题--什么、谁、在哪里、何时、为什么和如何--来分析数字取证信息。基于基于5W1H的表达，来自不同类型文件的数字信息被转换并以相同的输出格式表示。由于5W1H是基本的写作原则，基于5W1H的表达在案例研究中的应用表明，这种表达增强了信息共享的清晰性和正确性。此外，在发生安全事件时，这一表述方式具有与STIX兼容的优势。
2020-10-26 cs.CR cs.IR
Cloud Digital Forensic Readiness: An Open Source Approach to Law Enforcement Request Management
本文针对云取证中多司法辖区执法请求管理难题，提出基于开源组件的云执法请求管理系统架构，并通过概念验证和成本估算证明其可行性，以提升云数字取证就绪能力。
2025-07-05 cs.CR cs.IR
Internet of Things Security and Forensics: Challenges and Opportunities
物联网（IoT）设想无处不在的、连接的和智能的节点在提供各种服务的同时自主交互。物联网对象的广泛分布、开放性和相对较高的处理能力使其成为网络攻击的理想目标。此外，由于许多物联网节点正在收集和处理私人信息，它们正在成为恶意行为者的数据金矿。因此，安全性，特别是检测受损节点的能力，以及收集和保存攻击或恶意活动的证据，成为成功部署物联网网络的优先事项。在本文中，我们首先介绍了物联网领域现有的主要安全和取证挑战，然后简要讨论了针对已确定的挑战发表的论文。
2018-07-27 cs.CR
STITCHER: Correlating Digital Forensic Evidence on Internet-of-Things Devices
物联网（IoT）设备的日益普及给数字取证调查人员和执法机构带来了新的挑战，因为他们需要在这些新平台上调查网络犯罪。然而，还没有正式的研究来记录调查人员面临的实际挑战以及现有工具是否有助于他们的工作。鉴于物联网设备的众多证据来源，数字取证证据中的相关性和一致性问题等先前问题也已成为一个紧迫的问题。基于这些观察结果，我们与来自公共和私营部门的39名数字取证调查人员进行了一项用户研究，以记录他们在传统和物联网数字取证中面临的挑战。我们还创建了一个工具STITCHER，用于解决调查人员在处理物联网数字取证调查时面临的技术挑战。我们模拟了一个模仿复杂网络犯罪分子的物联网犯罪，并邀请我们的用户研究参与者使用STITCHER来调查犯罪。我们的研究结果证实了STITCHER的有效性，96.2%的用户表示STITCHER帮助他们处理了犯罪，61.5%的用户使用STITCHER的全部功能完全解决了犯罪。
2020-09-11 cs.CR
IoTScent: Enhancing Forensic Capabilities in Internet of Things Gateways
针对物联网取证中高效采集网络痕迹的需求，提出开源工具IoTScent，支持基于IEEE 802.15.4的物联网流量捕获分析，简化取证数据收集流程，可用于设备识别，推动物联网取证研究发展。
2023-10-05 cs.CR cs.NI cs.SI
Secure Cross-Chain Provenance for Digital Forensics Collaboration
本文提出首个面向数字取证与溯源的跨链解决方案 ForensiCross，通过 BridgeChain 和专用通信协议实现跨机构区块链的安全信息共享、访问控制与溯源捕获，并在安全性和节点效率上表现优异。
2024-06-17 cs.CR cs.SI
Research trends, challenges, and emerging topics of digital forensics: A review of reviews
由于其在网络安全中的关键作用，数字取证受到了研究人员和从业人员的极大关注。现代网络攻击日益复杂，这与证据获取的复杂性直接相关，这往往需要使用多种技术。到目前为止，研究人员已经提出了许多调查和评论的领域。然而，这样的文章集中在数字取证的每个特定领域的进展单独。因此，虽然这些调查都有助于研究人员和从业人员跟上数字取证特定领域的最新进展，但缺乏全球视角。为了填补这一空白，我们对数字取证领域的评论进行了定性审查，确定了数字取证主题的主要主题，并确定了其主要挑战。我们的分析提供了足够的证据来证明数字取证社区可以从更密切的合作和跨主题研究中受益，因为很明显，研究人员和从业人员正在试图并行地找到解决相同问题的方法，有时没有注意到这一点。
2022-01-10 cs.CR
Machine Learning in Digital Forensics: A Systematic Literature Review
本文系统综述2010—2021年机器学习用于数字取证的研究，梳理热点领域、方法与研究空白，发现图像取证和基于CNN的模型最受关注。
2023-06-08 cs.CR
Battling the Digital Forensic Backlog through Data Deduplication
在日常生活中。技术进步可以在生活的许多方面找到，包括个人电脑，移动设备，可穿戴设备，云服务，视频游戏，网络驱动的消息传递，社交媒体，互联网连接的设备等。近年来，需要数字法医分析的案件数量和每个案件中需要处理的信息量都迅速增加。因此，对数字取证调查的需求激增，世界各地的执法机构都在争先恐后地满足这一需求。虽然越来越多的执法人员正在接受执行所需调查的培训，但供应跟不上需求。目前的数字取证技术非常耗时，需要大量的人力来执行。本文讨论了一种新的解决方案，以打击数字取证积压。此解决方案利用基于重复数据消除的范例来消除对先前处理的数据的重新获取、冗余存储和重新分析。
2016-10-02 cs.CR cs.CY cs.IR
Cloud Security Assurance: Strategies for Encryption in Digital Forensic Readiness
本文研究云安全提升策略，分析加密技术、密钥管理及数字取证就绪的作用与挑战，提出整合二者的统一安全策略，以增强组织威胁抵御能力、保障云业务信任。
2024-03-04 cs.CR
Survey and Analysis of IoT Operating Systems: A Comparative Study on the Effectiveness and Acquisition Time of Open Source Digital Forensics Tools
本文通过构建多种物联网操作系统环境并执行标准取证任务，比较开源数字取证工具的有效性与获取时间，为物联网安全与取证实践提供工具选择建议。
2024-07-01 cs.CR
A 12-Step Process for Industrial Internet of Things (IIoT) Forensics
University of Colorado, Boulder（科罗拉多大学博尔德分校）；University of Colorado, Denver（科罗拉多大学丹佛分校）；Blekinge Institute of Technology（布莱金厄理工学院）
针对传统数字取证方法难以应对工业物联网（IIoT）环境的问题，本文提出了一种12步流程（TSP），用于IIoT事件的调查及潜在数字证据处理，以提升证据可采性。
2026-08-20 cs.CR
Grand Theft App: Digital Forensics of Vehicle Assistant Apps
由于现代车辆的连接性越来越强，收集的数据不再仅存储在车辆本身中，而是传输到汽车制造商和车辆辅助应用程序。这一发展为涉及现代车辆的刑事调查中的数字取证开辟了新的可能性。本文涉及八家汽车制造商的车辆辅助应用程序的数字取证分析。我们根据存储在智能手机和制造商后端的数据重建驱动程序的活动。为此，汽车制造商奥迪、宝马、福特、梅赛德斯、欧宝、西雅特、特斯拉和大众的Android和iOS应用程序的数据从智能手机中提取，并根据政府批准的合法取证指南使用数字取证方法进行检查。此外，使用受试者访问请求检索制造商数据。利用收集的大量数据，我们成功地重建了行程和加油过程，确定了停车位置和持续时间，并跟踪了车辆的锁定和解锁。这些发现表明，智能手机应用程序的数字取证调查是对车辆取证的有益补充，因此应在未来数字取证调查的战略准备中加以考虑。
2021-06-09 cs.CR
SoK: Timeline based event reconstruction for digital forensics: Terminology, methodology, and current challenges
本文提出基于时间线的数字取证事件重建综合框架，统一术语并综述挑战，旨在加强数字取证基础。
2025-04-25 cs.CR cs.IR
Blockchain-based vs. SQL Database Systems for Digital Twin Evidence Management: A Comparative Forensic Analysis
University College Dublin（都柏林大学学院）
本文比较了区块链与SQL数据库在数字孪生证据管理中的性能，发现区块链在数据完整性上更优，但传统数据库在性能一致性方面表现更好。
2025-11-29 cs.CR cs.DB
The Role of Vehicles in Digital Forensic Investigations: A Structured Synthesis of Digital Vehicle Forensic Characteristics
Technische Hochschule Rosenheim（罗森海姆应用技术大学）
本文通过结构化综合学术文献、标准和实践来源，定义了数字车辆取证（DVF）及其分类问题，推导出八个关键特征，并提出了基于特征的分类程序，以帮助调查人员在安全、法律和隐私约束下优先处理证据源。
2026-06-29 cs.CR
Digital Forensics in the Age of Large Language Models
Florida International University（佛罗里达国际大学）；University of Baltimore（巴尔的摩大学）；Boise State University（博伊西州立大学）
本文系统综述了大型语言模型（LLMs）如何通过自动化和增强任务来变革传统数字取证方法，分析了其能力、局限性及未来研究前景。
2025-04-03 cs.AI cs.CR
SoK: Exploring the State of the Art and the Future Potential of Artificial Intelligence in Digital Forensic Investigation
University College Dublin（都柏林大学学院）；University of Oxford（牛津大学）；Waterford Institute of Technology（沃特福德理工学院）
多年的数字取证积压在全球各地的执法机构中已经司空见惯。数字取证调查人员因需要他们的专业知识的案件量而不堪重负，而且还要处理大量的数据。人工智能通常被视为许多大数据问题的解决方案。本文总结了现有的人工智能为基础的数字取证工具和方法。利用基于人工智能的技术的自动化证据处理在加快数字取证分析过程同时增加案件处理能力方面显示出巨大的前景。对于强调的人工智能的每一个应用，都讨论了一些当前的挑战和未来的潜在影响。
2020-12-02 cs.CR cs.LG
IoT Forensic -- A digital investigation framework for IoT systems
与物联网相关的安全问题、威胁和攻击已被确定为有前途和具有挑战性的研究领域。因此，最终需要一种用于调查物联网相关犯罪的取证方法。然而，物联网给取证调查人员带来了许多挑战。这些问题包括信息的范围和种类广泛，网络之间的区分界限不明确，例如私人网络越来越多地消失在公共网络中。此外，IoT取证兴趣中的大量对象的集成以及所识别和收集的设备的相关性使得IoT设备的取证更加复杂。本文的范围是为物联网取证提供一个框架。我们旨在研究和开发该链接，以支持物联网设备的数字调查，并应对数字取证中的新挑战。我们强调关于物联网设备的数字取证的各种步骤。
2019-09-06 cs.CR cs.NI
Digital and Web Forensics Model Cards, V1
Ronin Institute（罗宁研究所）
本文提出了一种用于数字和网络取证的标准化模型卡框架，包含受控词汇表和生成工具，旨在提升取证领域的知识表示和标准化。
2025-12-19 cs.AI cs.CR
Current Challenges and Future Research Areas for Digital Forensic Investigation
鉴于现代生活中技术的日益普及，数字设备与刑事调查或民事诉讼相关的可能性也相应增加。其直接后果是，需要数字取证专门知识的调查数量之多，导致世界各地的执法机构遇到大量数字证据积压。可以预见，未来需要数字取证分析的案件数量将大幅增加。也有可能，每个案件将需要分析越来越多的设备，包括计算机，智能手机，平板电脑，基于云的服务，物联网设备，可穿戴设备等各种新的数字证据来源提出了新的和具有挑战性的问题，从识别，采集，存储和分析的角度来看，数字调查。本文从技术角度探讨了当前导致数字取证积压的挑战，并概述了一些未来的研究课题，这些课题可能有助于提高数字取证过程的效率。
2016-04-13 cs.CR cs.CY
Effects of parental controls in the context of Digital Forensics
University of Applied Sciences Bern（伯尔尼应用科学大学）；University of Augsburg（奥格斯堡大学）
本研究探讨了微软、谷歌、苹果的家长控制功能对Windows、Android、iOS设备取证流程的影响，通过受控实验确定了克服其取证限制的方法，为调查人员提供了实用指导。
2026-08-13 cs.CR
Towards a standardized methodology and dataset for evaluating LLM-based digital forensic timeline analysis
Institut Teknologi Sepuluh Nopember（十月份理工学院）；University of Augsburg（奥格斯堡大学）；University College Dublin（都柏林大学学院）
本文提出了一种标准化方法和数据集，用于评估LLM在数字取证时间线分析中的性能，通过BLEU和ROUGE指标进行定量评估，并展示了实验结果及局限性。
2025-05-06 cs.CR
Privacy Impacts of Data Encryption on the Efficiency of Digital Forensics Technology
由于多种原因，加密解决方案的部署开始在组织和个人层面上无处不在。最强调的原因是必须确保特权信息的机密性。不幸的是，它也是网络犯罪分子逃避数字取证调查的途径。数据的直接加密或存储设备的间接加密通常会阻止访问其中包含的此类信息。因此，在60%的这类案件中，法医调查小组和随后的起诉方几乎没有或根本没有证据可供利用。但是，为了数字取证技术而危及加密技术为信息安全带来的成功是不可想象的。本文探讨了数据加密对信息安全的贡献，然后强调了它对磁盘驱动器数字取证的贡献。本文还讨论了可用的方法和工具，在数字取证，绕过加密构成的问题。特别注意的是Truecrypt加密解决方案，以说明正在讨论的想法。然后，它比较了加密在这两个领域的贡献，以证明需要引入新技术，以在取证上击败数据加密作为唯一的解决方案，同时保持用户的隐私目标。
2013-12-11 cs.CR
Exploring Usability and Legal Practice: Insights from German Judicial Users of Digital Forensics
Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）；Ruhr University Bochum（波鸿鲁尔大学）
本研究以德国北威州司法从业者为对象，将数字取证视为刑事诉讼社会技术系统的一部分，调查发现其在整合、沟通及可用性方面存在改进空间并提出相关方向。
2026-08-04 cs.CR cs.HC
To See or Not to See: A Privacy Threat Model for Digital Forensics in Crime Investigation
本文针对犯罪调查中数字取证的隐私威胁问题，应用SPADA方法进行威胁建模，识别出298项领域相关威胁及一套通用威胁清单，并提出系统化隐私威胁模型以支持伦理与合规的取证实践。
2025-03-30 cs.CR
Calm Before the Storm: The Challenges of Cloud Computing in Digital Forensics
云计算是一种快速发展的信息技术（IT）现象。组织越来越多地将其基础设施部署到远程虚拟化环境中，而不是采购、部署和管理物理IT基础设施来托管其软件应用程序，这些环境通常由第三方托管和管理。这一发展对数字取证调查人员、设备供应商、执法部门以及企业合规和审计部门（以及其他部门）都有重大影响。大部分数字取证实践都假设在调查过程中对IT资产（特别是数据存储）进行仔细控制和管理。本文总结了云计算的关键方面，并分析了如何建立数字取证程序将在这个新的环境中无效。还确定并讨论了应对这种不断变化的背景的几个新的研究挑战。
2014-10-08 cs.CR
A Survey of Electromagnetic Side-Channel Attacks and Discussion on their Case-Progressing Potential for Digital Forensics
物联网（IoT）设备的日益普及使得它们与数字取证调查的相关性在可预见的未来将不可避免地增加。由各种供应商生产的这些设备通常具有有限的用于通信的标准接口，诸如USB端口或WiFi/蓝牙无线接口。与此同时，随着对用户数据的安全性和隐私性的日益关注，内置加密在消费级计算设备中变得越来越普遍，物联网设备也不例外。在这种情况下，数字取证调查面临着重大挑战，需要分析来自物联网设备的数据。这项工作探讨了电磁（EM）侧信道分析文献，旨在协助物联网设备的数字取证调查。EM侧信道分析是一种使用无意电磁发射来窃听计算设备的操作和数据处理的技术。EM侧信道方法的非侵入性使其成为协助数字取证调查的可行选择，因为这些攻击要求并且必须导致对目标设备的任何修改。讨论了各种EM侧信道分析攻击技术的文献-根据其在物联网设备调查场景中的适用性进行选择。从背景研究中获得的洞察力用于确定物联网设备数字取证分析技术的未来应用前景-可能会推动各种目前受阻的数字调查。
2019-03-18 cs.CR
Conceptualising an Anti-Digital Forensics Kill Chain for Smart Homes
针对智能家居中犯罪分子利用反数字取证隐藏证据的问题，本文提出面向智能家居生态系统的ADF杀伤链概念，以揭示其特征并支撑数字取证防御。
2023-12-23 cs.CR
Watch Out! Smartwatches as criminal tool and digital forensic investigations
本文揭示无智能手机场景下利用智能手表文件传输和相机控制实施信息泄露的犯罪机制，并给出相应取证调查方法与主动防范措施。
2023-08-17 cs.CR
Forensics and security issues in the Internet of Things
本文综述物联网中的取证与安全问题，指出设备因缺乏标准化安全措施而易受攻击，并提出FLIP系统、区块链认证及深度学习取证框架等解决方案，以推动领域发展。
2025-04-25 cs.CR cs.NI cs.SI
Digital Forensic Investigation of Cloud Storage Services
由于数字设备的普及和互联网的广泛使用，对云计算的需求正在增加。在云计算服务中，大多数消费者使用提供海量存储器的云存储服务。这是因为这些服务为它们提供了各种附加功能以及存储。使用智能手机可以轻松访问云存储服务。随着利用率的提高，恶意用户有可能滥用云存储服务。因此，对云存储服务的数字取证调查研究是必要的。本文提出了一种新的程序，用于调查和分析所有可访问设备（如Windows、Mac、iPhone和Android智能手机）的伪影。
2017-08-22 cs.CR
Towards the Development of Realistic Botnet Dataset in the Internet of Things for Network Forensic Analytics: Bot-IoT Dataset
物联网系统的扩散，已经看到它们成为恶意第三方的目标。为解决这一问题，需要制定切实可行的保护和调查对策。这些对策包括网络入侵检测和网络取证系统。为此，一个结构良好且具有代表性的数据集对于训练和验证系统的可信度至关重要。虽然有几个网络，但在大多数情况下，没有太多关于所使用的僵尸网络场景的信息。本文提出了一个新的数据集Bot-IoT，它包含了合法和模拟的物联网网络流量以及各种类型的攻击。我们还提出了一个现实的测试平台环境，以解决现有数据集的缺点，捕获完整的网络信息，准确的标签，以及最近和复杂的攻击多样性。最后，与现有数据集相比，我们使用不同的统计和机器学习方法评估了BoT-IoT数据集的可靠性。这项工作为允许在物联网特定网络中识别僵尸网络提供了基线。Bot-IoT数据集可以在[1]访问。
2018-11-02 cs.CR
Digital Forensic Investigation of the ChatGPT Windows Application
本研究针对ChatGPT Windows应用程序的潜在滥用风险，利用Autopsy、FTK Imager等开源数字取证工具，提取并分析了缓存、聊天记录、元数据及网络流量等数字痕迹，证明了即使删除后仍可恢复关键交互数据，为犯罪调查提供了重要取证见解。
2025-05-29 cs.CR
Enabling Trust in Deep Learning Models: A Digital Forensics Case Study
如今，每个案件收集的证据量呈指数级增长，为了解决这个问题，法医调查人员正在寻找基于大数据，云服务和深度学习（DL）技术等新技术的工具。因此，所发现的伪影的准确性也依赖于所使用的技术的性能，特别是DL模型。最近，\textbf{D} eep \textbf{N} eural \textbf{N} ets（\textbf{DNN}）在分类和识别任务中已经实现了最先进的性能。在数字取证的背景下，DNN已被应用于网络犯罪调查领域，如虐待儿童调查，恶意软件分类，隐写分析和图像取证。然而，DNN模型在数字取证背景下的鲁棒性以前从未被研究过。因此，在这项研究中，我们设计并实现了一个独立于域的Advertisement测试框架（ATF）来测试黑盒DNN的安全鲁棒性。通过使用ATF，我们还系统地测试了用于法医调查的商用DNN服务，并绕过了检测，其中已发布的方法在控制设置中失败。
2018-08-03 cs.CR
SoK: Blockchain Solutions for Forensics
随着信息密集型流程的数字化在当今获得动力，人们越来越关注如何应对日益严重的网络犯罪问题。为此，执法官员和安全公司使用复杂的数字取证技术来分析和调查网络犯罪。然而，多个司法管辖区的授权、互操作性问题、收集的大量证据（多媒体、文本等）涉及多个利益相关者（执法机构、安全公司等）只是阻碍采用和实施健全的数字取证方案的各种挑战中的一小部分。区块链技术最近被提出作为开发强大的数字取证机制的可行解决方案。在本文中，我们对现有的基于区块链的数字取证工具进行了概述和分类，并进一步描述了它们的主要特征。我们还对区块链技术与现有文献中提出的当前数字取证方法之间的共生关系的各种好处和挑战进行了透彻的分析。根据研究结果，我们确定了各种研究差距，并提出了未来的研究方向，预计将在数字取证领域的学者和从业者都具有重要价值。
2020-05-26 cs.CR cs.CY
Digital Forensic Approaches for Amazon Alexa Ecosystem
像亚马逊Echo这样的物联网设备无疑是潜在数字证据的重要来源，因为它们无处不在，而且总是处于运行模式，构成了人类生活的黑匣子。Amazon Echo在Amazon Lab 126开发的基于云的智能虚拟助手Alexa中发挥着核心作用。支持Alexa的无线智能扬声器是所有提交给Alexa的语音命令的网关。此外，IVA与大量兼容的物联网设备和利用云资源的第三方应用程序进行交互。了解允许Alexa无处不在的复杂云生态系统对于在需求增加时支持数字调查至关重要。本文讨论了与IVA Alexa生态系统相关的数字取证方法。本文的主要贡献包括一种新的有效方法，将云原生取证与客户端取证相结合，以支持实际的数字调查。基于对目标生态系统的深入了解，我们提出了一个概念验证工具CIFT，它支持识别、获取和分析来自云的本地工件和来自本地设备的以客户端为中心的工件。
2017-07-27 cs.CR
Tiered Forensic Methodology Model for Digital Field Triage by Non-Digital Evidence Specialists
由于预算限制和所需的高水平培训，数字法医分析师在世界各地的警察部队中供不应求。这不可避免地导致调查人员发送数字证据进行分析和收到分析报告之间的时间延长。为了加快这一过程，人们创建了各种过程模型，以使法医分析师在现场对数字证据进行分类。通过在现场进行分类，调查人员能够在等待完整报告的同时更快地对相关信息采取行动。作为本文的一部分，提出的工作重点是培训一线人员在现场分流过程中，不需要法医分析师出席现场。该前提已在常规/非数字取证中成功实施，即，犯罪现场调查在这一领域，对一线人员进行了具体任务培训，以补充训练有素的专家。一线成员在现场进行数字证据分类的概念是通过开发一个新的流程模型来实现的，该模型为这些成员提供了指导。为了证明该模型的可行性，这个新的过程模型的实施和评估。概述的结果表明，涉及数字证据专家和非专家的分层应对措施如何能够更好地处理越来越多的涉及数字证据的调查。
2016-04-13 cs.CR cs.CY
Enabling the Remote Acquisition of Digital Forensic Evidence through Secure Data Transmission and Verification
让任何执法人员能够从任何可疑计算机远程直接将图像传输到法证实验室进行分析，只会有助于大大减少法证调查人员在现场收集计算机设备时浪费的时间。RAFT（Remote Acquisition Forensic Tool）是一个旨在通过远程收集数字证据来帮助法医调查的系统。这是通过实施安全、可验证的客户端/服务器映像架构来实现的。RAFT系统的设计相对易于使用，对用户的技术知识要求最低。RAFT的主要重点之一是确保其远程收集的证据为法院所接受。这是通过确保使用RAFT拍摄的图像被验证为与可疑计算机上的原始证据相同来实现的。
2017-12-07 cs.CR
Exploring the Potential of Large Language Models for Improving Digital Forensic Investigation Efficiency
Security Research Group, School of Computer Science , addressline= University College Dublin , city= Belfield , state= Dublin 4 , country= Ireland；organization= School of Criminal Justice , addressline= University of Lausanne , state= Lausanne , country= Switzerland；organization= Present affiliation: Institute of Computer Science , addressline= University of Augsburg , state= Augsburg , country= Germany
本文通过全面文献回顾，探讨了将大型语言模型整合到数字取证调查中以应对偏见、可解释性及资源密集等挑战的潜力，指出在适当约束下采用该技术有望提升调查效率、改善可追溯性并缓解执法部门的技术与司法障碍。
2025-01-31 cs.AI cs.CR
A Comprehensive Analysis of the Role of Artificial Intelligence and Machine Learning in Modern Digital Forensics and Incident Response
London Metropolitan University（伦敦大都会大学）；University of Liverpool（利物浦大学）
本文深入分析了人工智能与机器学习在数字取证与应急响应中的应用，涵盖数据恢复、时间线重建等关键领域，揭示了其潜力与局限，并强调持续研究与战略规划对应对现代网络威胁的重要性。
2023-12-03 cs.AI cs.CR cs.NI
Chances and Challenges of the Model Context Protocol in Digital Forensics and Incident Response
Fraunhofer FKIE（弗劳恩霍夫研究所）
本文从理论层面分析模型上下文协议（MCP）在数字取证与事件响应中的应用场景，提出推理约束级别概念以增强可审计性与可追溯性，并指出其提升透明度、可复现性和法律可辩护性的潜力及未来挑战。
2025-05-30 cs.AI cs.CR
ForensicsData: A Digital Forensics Dataset for Large Language Models
INPT, CS department, Rabat, Morocco（INPT计算机科学系，摩洛哥拉巴特）
针对数字取证数据集稀缺问题，提出基于真实恶意软件报告构建含超5000个Q-C-A三元组的ForensicsData数据集，利用LLM转换并评估质量，以推动可复现研究。
2025-08-31 cs.AI cs.CL cs.CR
Comprehensive Digital Forensics and Risk Mitigation Strategy for Modern Enterprises
针对现代企业面临的网络安全威胁，本文通过虚构案例研究提出综合数字取证与风险缓解策略，涵盖主动威胁预测、取证调查、法规合规及AI/ML缓解措施，强调持续监控与适应性安全以保障业务连续性。
2025-02-26 cs.CR cs.ET
Creating and understanding email communication networks to aid digital forensic investigations
数字取证分析师依赖于了解他们调查的个人的社交网络的能力。我们开发了一种新的方法来自动构建这些网络从收集的硬盘驱动器。我们通过扫描原始存储介质中的电子邮件地址来实现这一点，基于电子邮件地址彼此之间的接近度来构建共指网络，然后选择与真实通信网络相对应的连接组件。我们验证了我们的分析对一个标记的网络数据集，我们通过采访驱动器所有者确定地面真相。在由此产生的社交网络中，我们发现，经典的中心性和社区发现算法的措施是有效的识别重要节点和密切的联系人。
2018-06-14 cs.CR
Evaluating the Reliability of Digital Forensic Evidence Discovered by Large Language Model: A Case Study
School of Criminal Justice（犯罪司法学院）；College of Public Affairs（公共事务学院）；University of Baltimore（巴尔的摩大学）
本文提出了一种结构化框架，通过大语言模型驱动的分析和数字取证知识图谱验证，提升AI识别证据的可靠性与可追溯性。
2026-02-22 cs.AI cs.CR
ChatGPT, Llama, can you write my report? An experiment on assisted digital forensics reports written using (Local) Large Language Models
本文通过案例研究评估大型语言模型（如ChatGPT和Llama）在辅助数字取证报告撰写中的能力，发现其需结合人工校对修正，可辅助但尚不能替代从业人员。
2023-12-22 cs.CR cs.CY
Extending Detection Engineering to Digital Forensics: The Velociraptor Unified Detection-Forensics Methodology
The University of Queensland（昆士兰大学）；Velocidex Enterprises（Velocidex企业）
提出一种基于 Velociraptor 的统一检测-取证方法论，通过四阶段流程将检测逻辑直接触发证据采集，实现可扩展的取证分类与持续监控，减少数据量。
2026-06-27 cs.CR
Combining Forensics and Privacy Requirements for Digital Images
本文提出了研究图像选择性加密的取证和隐私保护机制的影响。建议的选择性加密方案通过加密每个像素的s个最高有效位来独立地在每个位平面上工作。我们表明，这种机制可以用来增加隐私减轻图像识别任务。为了保证取证分析和隐私之间的权衡，用于取证目的的感兴趣的信号是从受保护图像的8-s最低有效位中提取的。我们在CASIA 2数据库上表明，对于s $\in$ {3，. ..，5}，使用SRMQ 1特征的准确度高于80%，同时防止使用准确度小于50%的CNN的类识别任务。
2021-03-05 cs.CR eess.SP
DIALOG: A framework for modeling, analysis and reuse of digital forensic knowledge
University College Dublin（都柏林大学学院）
本文介绍了DIALOG（数字调查本体）;数字调查知识管理、重用和分析的框架。DIALOG提供了一个通用的、独立于应用程序的词汇表，可用于描述不同详细级别的调查。DIALOG定义为封装数字取证领域的所有概念以及它们之间的关系。特别是，我们专注于Windows注册表，其中注册表项是根据其结构和功能建模的。注册表分析软件工具以类似的方式建模，我们说明了如何使用本体的推理功能来解释其结果
2019-02-21 cs.AI cs.CR cs.DL
A Digital Forensics Investigation of a Smart Scale IoT Ecosystem
将物联网（IoT）生态系统引入个人家庭和企业，促使人们认为这种生态系统包含残留数据，这些数据可以在法庭诉讼中用作数字证据。然而，物联网生态系统的取证检查为数字取证社区带来了许多调查问题。其中一个问题是，指导保存和分析这些生态系统剩余数据的实用程序和技术有限。专注于iHealth Smart Scale生态系统的详细案例研究，我们提出了一个实用技术的实证演示，以恢复智能规模生态系统内不同证据源的残留数据。我们还记录了可以从智能规模生态系统中恢复的工件，这可以为数字（法医）调查提供信息。这项研究的发现为未来研究开发适合从物联网生态系统中提取和检查剩余数据的过程和技术奠定了基础。
2021-09-12 cs.CR cs.CY
