Optimizing IoT Intrusion Detection with Tabular Foundation Models for Smart City Forensics
Zayed University（扎耶德大学）；Higher Colleges of Technology（高等技术学院）
本文提出基于Transformer的基础模型TabPFNv2.5，在智慧城市取证中实现比随机森林更快的推理速度和更高的检测准确率，通过混合管道提升物联网入侵检测效率。
2026-04-13 cs.CR
Identifying Threats, Cybercrime and Digital Forensic Opportunities in Smart City Infrastructure via Threat Modeling
技术进步使多个国家能够考虑实施智能城市基础设施，以深入了解不同的数据点并改善公民的生活。不幸的是，这些新技术的实施也诱使对手和网络犯罪分子对这些现代基础设施实施网络攻击和犯罪行为。鉴于网络攻击的无国界性，对智慧城市基础设施的不同理解水平以及正在进行的调查工作量，执法机构和调查人员将难以应对此类网络犯罪。如果没有调查人员的调查能力，这些智能基础设施可能成为网络犯罪分子青睐的新目标。为了应对调查人员面临的挑战，我们提出了智慧城市基础设施的共同定义。根据定义，我们利用STRIDE威胁建模方法和Microsoft威胁建模工具来识别基础设施中存在的威胁，并创建一个威胁模型，该模型可以由相关方进一步定制或扩展。接下来，我们绘制罪行、可能的证据来源和已确定的威胁类型，以帮助调查人员了解可能犯下的罪行以及调查工作需要哪些证据。最后，注意到智慧城市基础设施调查将是一个全球性的多方面挑战，我们讨论了智慧城市基础设施数字取证的技术和法律机会。
2023-03-16 cs.CR
Recovering Residual Forensic Data from Smartphone Interactions with Cloud Storage Providers
对Dropbox、Box、Syncplicity和SugarSync等云存储服务的需求不断增长。这些公共云存储服务可以在世界各地的远程数据中心存储千兆字节的企业和个人数据，然后可以同步到多个设备。这创造了一个可能有利于安全事件、数据泄露和其他恶意活动的环境。公共云环境的取证调查为数字取证社区带来了许多新的挑战。然而，预计智能手机等终端设备将保留来自这些云存储服务的数据。本研究探讨了如何法医工具，目前提供给从业人员可以用来提供一个实用的解决方案，调查云存储环境相关的问题。研究贡献有三个方面。首先，这项研究的结果支持这样一种想法，即用于访问云存储服务的终端设备可以用于提供存储在云服务中的证据的部分视图。其次，该研究提供了可以从不同版本的云存储应用程序中恢复的文件数量的比较。在这样做时，它还支持合并从多个设备恢复的文件可以恢复更完整的数据集的想法。第三，本章有助于对特定云存储应用程序以及这些应用程序在iOS和Android智能手机上的不同版本创建的工件进行文档和证据性讨论。
2015-06-07 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
The State of the Art Forensic Techniques in Mobile Cloud Environment: A Survey, Challenges and Current Trends
由于广泛的应用程序的可访问性，智能手机在最近几天变得流行。这些复杂的应用程序需要更多的计算资源在资源约束的智能手机。云计算是推动这些应用取得进展的动力因素。新兴的移动云计算引入了一种新的架构来卸载智能手机并利用云计算技术来解决资源需求。移动云计算的普及为滥用和非法活动提供了机会。因此，由于方法、工具和技术的不可用，这是一个具有挑战性的数字取证调查平台。这项工作的目的是分析在移动云平台中进行犯罪调查的法医工具和方法，因为它在证明证据方面带来了挑战。取证工具和方法的进步比当前移动云计算的技术发展要慢得多。因此，现有的工具和技术变得越来越过时。因此，它为新的法医工具和技术打开了大门，以应对最近的发展。因此，这项工作提出了一个详细的调查取证方法和相应的问题，在移动终端，云环境和移动云应用程序。它主要关注与移动云应用相关的数字取证问题，并分析了范围，挑战和机遇。最后，这项工作审查了用于移动云应用程序的两个云存储服务，如Dropbox和SkyDrive的取证程序。
2016-11-29 cs.CR
A Smart City Infrastructure Ontology for Threats, Cybercrime, and Digital Forensic Investigation
本文提出SCOPE本体扩展，融合UCO/CASE与MITRE的SCI威胁模型和取证证据，以支持智慧城市网络犯罪调查与信息共享。
2025-02-07 cs.CR
Forensic Analysis of the ChatSecure Instant Messaging Application on Android Smartphones
我们提出了由ChatSecure，一个安全的即时消息应用程序，提供了强大的加密传输和本地存储的数据，以确保其用户的隐私Android智能手机上生成的文物的法医分析。我们发现，ChatSecure存储本地副本的交换的消息和文件到两个不同的，AES-256加密的数据库，我们设计了一种技术，能够解密时，由用户选择的加密过程的初始步骤的秘密密码，是已知的。此外，我们还展示了如何从设备的易失性存储器中识别和提取此密码，在用户输入后，它将在ChatSecure的整个执行过程中持续存在，从而即使用户没有透露密码，也可以进行解密。最后，我们讨论了如何分析和关联存储在ChatSecure使用的数据库中的数据，以识别用户和他/她的好友用于通信的IM帐户，以及重建他们之间交换的消息和文件的时间顺序和内容。在我们的研究中，我们设计并使用了一种实验方法，该方法基于使用仿真设备，提供了非常高的结果再现性，并且我们验证了它产生的结果与从真实智能手机中获得的结果。
2016-10-21 cs.CR
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
Internet of things forensics: Challenges and Case Study
今天是物联网（IoT）时代，数以百万计的机器，如汽车，烟雾探测器，手表，眼镜，网络摄像头等正在连接到互联网。拥有远程访问能力以监控和收集数据的机器数量不断增加。这种发展一方面使人类的生活更加舒适、方便，但另一方面也带来了安全和隐私问题。然而，当物联网设备涉及犯罪现场时，这一发展也给数字调查人员带来了挑战。事实上，目前文献中的研究重点是物联网环境的安全性和隐私性，而不是物联网设备的取证获取和分析方法或技术。因此，在本文中，我们首先讨论与物联网取证相关的不同方面，然后重点讨论当前的挑战。我们还描述了物联网设备智能手表的取证方法作为案例研究。我们分析了从智能手表设备中检索到的取证工件，并讨论了与物联网取证挑战相一致的证据
2018-01-31 cs.CR
An Android Cloud Storage Apps Forensic Taxonomy
在过去的十年里，手机在我们的日常活动中扮演着非常重要的角色。随着对这些设备需求的增加，人们现在更加依赖智能手机应用程序来完成日常任务，许多人更喜欢将移动数据保存在云平台上，以便在任何设备上的任何地方访问它们。云技术是更好的数据存储的新方法，因为它提供了更好的安全性，更大的灵活性和移动性。许多智能手机已被调查为犯罪的主体，客体或工具。其中许多调查包括分析通过云存储应用程序存储的数据，这有助于移动设备上云应用程序取证的重要性。在本文中，各种云Android应用程序进行了分析，使用取证工具XRY和取证分类调查这些应用程序的建议。拟议的分类反映了从31个不同的云应用程序中检索的残留文物。预计本文提出的分类法和法医调查结果将有助于未来的法医调查，涉及基于云的存储应用程序。
2017-06-25 cs.CR
Started Off Local, Now We're in the Cloud: Forensic Examination of the Amazon Echo Show 15 Smart Display
本文首次对 Amazon Echo Show 15 智能显示屏进行取证检验，利用 eMMC 接口未记录引脚非侵入式访问未加密本地文件系统，并借助不安全令牌结合新发现的 Amazon API 将取证范围扩展至云端远程数据。
2024-08-28 cs.CR
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
Forensics Analysis of Android Mobile VoIP Apps
互联网协议语音（VoIP）应用程序（app）为用户提供了方便且低成本的手段来实时地彼此通信和共享信息。这些应用程序的受欢迎程度与日俱增，人们产生并分享了大量数据，包括他们的个人和敏感信息。这可能会导致一些隐私问题，例如泄露用户联系人，私人消息或个人照片。因此，有必要对这些应用程序进行最新的取证了解。本章分析了Google Play商店中三种流行的移动VoIP（mVoIP）应用程序的有价值的残留物，即Viber，Skype和WhatsApp Messenger，以确定这些应用程序在多大程度上揭示了有关用户活动的有价值的信息。我们对智能手机设备上的这三个mVoIP应用程序进行了彻底的调查研究。我们的实验结果表明，几个文物，如消息，联系方式，电话号码，图像和视频文件，是可恢复的智能手机设备，配备了这些mVoIP应用程序。
2017-09-15 cs.CR
The Deception Delta: Adversarial Evaluation of LLM-Based Smart Contract Bytecode Forensics
Landeskriminalamt Baden-Württemberg（巴登-符腾堡州刑事调查局）
本研究对抗性评估22个前沿LLM在智能合约字节码取证中的鲁棒性，发现欺骗可使检测率降低20个百分点，且模型存在合理化现象，当前LLM不能作为独立取证工具。
2026-10-07 cs.CR
Blockchain Solutions for Forensic Evidence Preservation in IoT Environments
物联网（IoT）带来的技术发展伴随着新形式的网络攻击，这些攻击利用了物联网网络的复杂性和异构性，以及物联网设备中存在的许多漏洞。检测受损设备以及收集和保存有关物联网网络中涉嫌恶意行为的证据成为高度优先的领域。本文提出了一种基于区块链的解决方案，该解决方案专为灵巧家庭领域设计，用于收集和保存数字取证证据。该系统利用了一个私人的法医证据数据库，其中存储了捕获的证据，以及一个允许提供完整性，身份验证和不可否认性等安全服务的许可区块链，以便证据可以在法庭上使用。区块链存储证据的元数据，这对于提供上述服务至关重要，并通过智能合约与调查过程中涉及的不同实体进行交互，包括互联网服务提供商，执法机构和检察官。提出了基于区块链的解决方案的高级架构，该解决方案可以解决从物联网网络收集的取证证据的数字处理需求所带来的独特挑战。
2019-03-26 cs.CR
Performance of Android Forensics Data Recovery Tools
恢复已删除或隐藏的数据是取证调查人员最重要的职责之一。智能手机作为犯罪主体、客体或工具的广泛使用，使其成为残留取证的重要组成部分。本章研究了移动取证数据恢复工具在从三星Galaxy S2 i9100 Android手机中恢复证据方面的有效性。我们试图确定可以使用手机图像雕刻机恢复的数据量，访问数据FTK，最重要的，Digger，和恢复我的文件取证工具.研究结果反映了研究工具的恢复能力之间的差异，表明它们只在其专业背景下适用。
2017-09-15 cs.CR
A Forensically Sound Adversary Model for Mobile Devices
在本文中，我们提出了一个对手模型，以方便法医调查的移动设备（例如Android，iOS和Windows智能手机），可以很容易地适应最新的移动终端技术。考虑到移动终端技术的不断发展和快速变化的性质，这一点至关重要。一个不可分割的原则和对法医从业人员的重大限制是法医的健全性。我们的对手模型专门考虑和集成的对手，在我们的情况下，法医从业人员的法医健全的约束。攻击者模型的一个构造是用于Android设备的证据收集和分析方法。使用该方法与六个流行的云应用程序，我们成功地提取各种信息的法医感兴趣的外部和内部存储的移动终端。
2015-09-23 cs.CR
Forensic Analysis of Third Party Location Applications in Android and iOS
位置共享应用正变得越来越普遍。这些应用程序允许用户共享自己的位置，并在地图上查看联系人的当前位置。朋友和家人通常使用定位应用程序来查看个人的全球定位系统（GPS）位置，但当存储在智能手机上时，这些数据中可能存在有价值的法医证据。本文旨在从iOS和Android设备上两个流行的第三方位置共享应用程序中发现取证工件。利用行业标准的移动取证套件来发现是否可以使用任何本地存储的数据来协助依赖于知道嫌疑人过去位置的调查。还讨论了在我们的分析过程中发现的文物提出的安全问题。
2019-06-28 cs.CR
Digital Footprints of Streaming Devices
本文通过实验分析了Roku和Amazon Fire Stick等流媒体设备在网络流量和移动取证中留下的数字足迹，揭示了其引发的隐私、安全和取证问题。
2024-02-10 cs.CR
Mobile Phone Forensics: An Investigative Framework based on User Impulsivity and Secure Collaboration Errors
本文使用基于QR码的基于网络的角色扮演实验来检测移动用户如何响应通过移动设备进行的社会工程攻击。本实验的结果概述了一个引导手机取证调查方法，可以方便数字取证调查人员的工作，同时分析来自移动设备的数据。用户的行为反应可能会受到几个方面的影响，例如冲动性，智能手机的使用和安全性，或者只是意识到QR码可能包含恶意软件。研究结果表明，用户的冲动性是决定移动终端用户常见错误的关键领域之一。基于移动终端用户的冲动性和常见错误，提出了一个手机取证的调查框架。基于移动终端用户的冲动性和常见错误，提出了一个手机取证的调查框架。它可以帮助法医调查人员缩短调查可能的违规情况所花费的时间。
2017-06-25 cs.CR
Ensuring Cross-Device Portability of Electromagnetic Side-Channel Analysis
针对电磁侧信道分析模型难以跨设备迁移的问题，本文在多款 iPhone 与 nRF52-DK 上实验，证明直接复用和混合训练效果均低于20%，而迁移学习可达到98%和96%的准确率。
2023-12-18 cs.CR
Leveraging Electromagnetic Side-Channel Analysis for the Investigation of IoT Devices
物联网（IoT）设备通过提供丰富的新证据来源，扩大了数字取证调查的范围。物联网设备包括健康植入物、运动可穿戴设备、智能防盗报警器、智能恒温器、智能电器等等。来自这些物联网设备的数字证据通常从第三方来源提取，例如，配对的智能手机应用程序或设备的后端云服务。然而，重要的数字证据仍然可以单独驻留在物联网设备本身上。物联网设备硬件的细节在许多情况下是一个黑匣子，因为缺乏经过验证的成熟技术来检查物联网设备。本文提出了一种新的方法，通过在现场设备调查期间的电磁辐射发射来检查物联网设备的内部软件活动。当在犯罪现场识别出正在运行的物联网设备时，可以通过电磁侧信道分析（EM-SCA）攻击来揭示具有重要法医意义的软件活动。通过使用两个代表性的物联网硬件平台，这项工作表明，在高端物联网设备上运行的加密算法可以以超过82%的准确率被检测到，而低端物联网设备中的微小软件代码差异可以使用基于神经网络的分类器检测到超过90%的准确率。此外，通过实验证明，可以通过机器学习辅助的EM-SCA技术来检测对IoT设备的库存固件的恶意修改。这些技术为数字取证调查人员检查物联网设备提供了新的调查载体。
2019-04-03 cs.CR
Enhancing Smart Contract Security Analysis with Execution Property Graphs
本文提出Clue动态分析框架，通过执行属性图与图遍历技术检测以太坊智能合约中的重入攻击和价格操纵等复杂攻击，在取证分析与实时入侵检测中优于现有工具。
2025-04-14 cs.CR
SmartKex: Machine Learning Assisted SSH Keys Extraction From The Heap Dump
University of Passau（帕绍大学）；Reykjavík University（雷克雅未克大学）
数字取证是在数字设备中提取、保存和记录证据的过程。数字取证中常用的方法是从数字设备的主存储器中提取数据。然而，主要的挑战是确定要提取的重要数据。主内存中有几条关键信息，如用户名、密码和加密密钥（如SSH会话密钥）。在本文中，我们提出了SmartKex，一个机器学习辅助的方法来提取会话密钥从堆内存快照的OpenSSH进程。此外，我们还发布了一个开放的数据集和相应的工具链，用于创建额外的数据。最后，我们比较了SmartKex与朴素的蛮力方法，并实证表明，SmartKex可以提取会话密钥具有高精度和高吞吐量。利用所提供的资源，我们打算加强对数字取证、网络安全和机器学习之间交叉点的研究。
2022-09-13 cs.CR cs.LG
EviHunter: Identifying Digital Evidence in the Permanent Storage of Android Devices via Static Analysis
由于智能手机无处不在，实体和网络犯罪越来越多地涉及智能手机。因此，智能手机上的数字证据在犯罪调查中发挥着越来越重要的作用。数字证据可以驻留在智能手机的内存和永久存储器中。虽然我们最近在记忆取证方面取得了重大进展，但在永久存储中识别证据仍然是一个欠发达的研究领域。大多数现有的永久存储取证研究依赖于手动分析或基于关键字的永久存储扫描。手动分析成本高昂，而关键字匹配往往会错过没有有趣关键字的证据数据。在这项工作中，我们开发了一个名为EviHunter的工具来自动识别Android设备永久存储中的证据数据。智能手机的永久存储器上可能有数千个文件。法医调查员经常面临的一个基本问题是哪些文件可以存储证据数据。EviHunter旨在回答这个问题。我们的直觉是，证据数据是由应用程序产生的;应用程序的代码包含有关应用程序可能写入永久存储的数据类型以及数据写入的文件的丰富信息。因此，EviHunter首先通过对大量应用程序的静态分析来预先计算应用程序证据数据库（AED）。AED包括每个应用程序的证据数据类型和存储它们的文件。然后，EviHunter将智能手机永久存储器上的文件与AED进行匹配，以识别可能存储证据数据的文件。我们在基准应用程序和8，690个真实应用程序上评估EviHunter。我们的研究结果表明，EviHunter可以精确地识别证据数据的类型和存储它们的文件。
2018-08-18 cs.CR
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
BLOFF: A Blockchain based Forensic Model in IoT
在这个技术爆炸式增长的时代，当我们考虑灵巧家庭和城市、智能能源、安全和监控以及医疗保健等技术时，物联网（IoT）已成为游戏规则的改变者。物联网提供的众多好处已成为对用户和网络犯罪分子有吸引力的技术。今天的网络犯罪分子拥有部署数百万次复杂攻击的工具和技术。这些攻击需要调查;这就是数字取证发挥作用的地方。然而，由于物联网环境的异构性，在物联网系统中进行取证调查并不容易。此外，法医调查人员大多依赖于服务提供商提供的证据，这种情况可能导致证据污染。为了解决这个问题，作者提出了一种基于区块链的物联网取证模型，该模型可以防止篡改日志成为证据。
2021-03-15 cs.CR cs.DC
A Bespoke Forensics GIS Tool
今天，许多用于犯罪调查的数字证据包括地理空间组件。这些数据来自各种来源，如智能手机，平板电脑，导航系统，带有全球定位系统（GPS）的数码相机等。地理空间数据在犯罪调查中起着至关重要的作用，如帮助跟踪嫌疑人，分析连环罪犯，识别犯罪活动的趋势，等等。许多技术和地理信息系统工具已被用于提取、分析和可视化地理空间数据。然而，在某些特定情况下，现有的工具并不适合使用，因为它们不能满足调查人员的需要。本文提出了一种定制的法医地理信息系统工具的基础上的特定要求的调查人员的执法部门。本文首先讨论了现有的一些取证GIS工具和环境在实践中的应用，然后提出了一些调查人员的需求，并指出现有工具的不适用性。本文继续介绍新工具的系统架构及其组成部分。它还介绍了该部部署的各种应用程序和用例，作为对所开发工具的评价。
2017-04-11 cs.CR
Memory Forensic Analysis of MQTT Devices
物联网正在以其在医疗、自动化、家庭安全、智慧城市等领域的广泛应用彻底改变当今时代，随着这些物联网设备的使用越来越多，对其安全性和应用协议的威胁也在增加。通过这些协议的流量如果被拦截，可能会泄露敏感信息，并导致控制整个物联网网络。本文的范围仅限于MQTT协议。MQTT（MQ Telemetry Transport）是一种用于IoT设备之间通信的轻量级协议。有多个代理和客户端可用于发布和订阅服务。出于安全目的，必须保护流量、代理和最终客户端应用程序。本文演示了从运行代理和客户端应用程序的设备中提取敏感数据。
2019-08-20 cs.CR
GUIAuditor: Enabling Post-hoc Child Safety Forensics via Action-Guided GUI Provenance on Mobile Devices
Peking University（北京大学）；Beijing Tongming Lake Information Technology Application Innovation Center（北京通明湖信息技术应用创新中心）；Tsinghua University（清华大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
GUIAuditor通过多模态大语言模型和证据蒸馏流水线，在移动设备上创建可查询的GUI溯源记录，实现事后儿童安全取证，显著减少数据分析量并保持高准确率。
2026-09-24 cs.CR
Block4Forensic: An Integrated Lightweight Blockchain Framework for Forensics Applications of Connected Vehicles
今天的车辆正在成为网络物理系统，不仅可以与其他车辆通信，还可以从车辆内的数百个传感器收集各种信息。这些发展有助于创造智能和互联（例如，自动驾驶）车辆，这些车辆将为驾驶员、制造商、保险公司和维护服务提供商提供重要信息，用于各种应用。随着自动驾驶汽车的引入，其中一个变得至关重要的应用是交通事故的法医分析。利用车辆相关数据可以在事故后的场景中找到故障方，特别是对于自动驾驶车辆。为了能够访问汽车上的各种信息，我们在所涉及的各种元素中提出了一个许可的区块链框架，以管理收集的车辆相关数据。具体来说，我们首先将车辆公钥管理（VPKI）集成到拟议的区块链中，以提供会员资格建立和隐私。接下来，我们设计了一个碎片化的分类帐，将存储与车辆相关的详细数据，如维护信息/历史记录，汽车诊断报告等。所提出的取证框架可以实现无信任，可追溯和隐私感知的事故后分析，并具有最小的存储和处理开销。
2018-07-09 cs.CR
Digital forensic investigation of two-way radio communication equipment and services
历史上，无线电设备仅用作双向模拟通信设备。今天，无线电通信设备的使用越来越多的组织和企业。这些传统的短距离设备的功能已经扩展到包括私人呼叫、地址簿、呼叫日志、文本消息、单独工作者、遥测、数据通信和GPS。这些设备中的许多还与智能手机集成，智能手机提供一键通服务，使用户可以使用双向无线电和智能手机建立连接。事实上，这些设备可以用来连接用户只使用智能手机。目前，对现代无线电通信设备中数字痕迹的研究还很少。事实上，增加有关这些无线电通信设备和服务的知识库对于警方调查中的执法部门可能很有价值。在本文中，我们调查什么样的无线电通信设备和服务的执法数字调查人员可以在犯罪现场或在调查中遇到。在扣押这一无线电通信设备后，我们探讨了可能具有法医学意义的痕迹以及如何获得这些痕迹。最后，我们测试我们的方法对样本无线电通信设备和服务。
2018-07-22 cs.CR cs.CY
Nyon Unchained: Forensic Analysis of Bosch's eBike Board Computers
本研究对博世Nyon系列eBike板载计算机进行取证分析，发现第一代可通过设计缺陷获取数据，第二代需芯片剥离，并揭示了用户活动、位置及蓝牙数据等敏感信息。
2024-04-19 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
ForensiBlock: A Provenance-Driven Blockchain Framework for Data Forensics and Auditability
本文提出 ForensiBlock 溯源驱动区块链框架，通过 RBAC-SA 与分布式 Merkle 根实现安全访问、案件追踪和高效链下溯源检索。
2023-08-07 cs.CR
A Bleeding Digital Heart: Identifying Residual Data Generation from Smartphone Applications Interacting with Medical Devices
医疗设备在日常生活中的整合促使人们认为，这些设备在民事和刑事诉讼中将越来越具有证据价值。然而，对这些设备的调查给数字取证界带来了新的挑战。此前的研究表明，移动设备为调查人员提供了丰富的信息。因此，在医疗环境中使用的移动设备可能提供用于调查和分析来自此类设备的数字证据的途径。本文的研究贡献是双重的。首先，它提供了使用智能手机应用程序的信息作为数字证据的可行性的实证分析，这些信息是为补充医疗设备而开发的。其次，它包括在与医疗设备交互的智能手机应用程序的数字取证调查中可能有用的工件的文档。
2019-01-11 cs.CR cs.CY
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
ESAFE: Enterprise Security and Forensics at Scale
保护企业网在规模和分布式结构方面都面临挑战。检测和表征恶意活动所需的数据可能会扩散，并且可能位于网络和端点设备上。此外，与网络相关的数据通常超过总的可用存储、带宽和分析能力，往往超出几个数量级。实时检测超大型企业网内或跨企业网的威胁不仅是一个规模问题，而且由于恶意活动及其表现形式的可变性质，也是一个挑战。该系统旨在开发网络推理层的层次结构，以检测恶意行为，表征新的攻击向量，并向分析师提供来自一系列机器学习模型的上下文化人类可读输出。我们开发了机器学习算法，用于可扩展的吞吐量和提高企业安全和取证多分辨率联合优化（ESAFE）解决方案的召回率。本文将概述ESAFE的机器学习模块、攻击本体和自动化智能警报生成，这些模块为分析师消费的交叉相关传感器提供多层推理。
2021-12-08 cs.CR cs.NI
Investigating Protected Health Information Leakage from Android Medical Applications
由于智能手机和智能手机应用广泛用于医疗保健环境（例如，远程医疗保健），这些设备和应用程序可能需要符合1996年的健康保险便携性和责任法案（HIPAA）。换句话说，保护用户的敏感信息（例如，个人可识别信息和/或病史）被要求在这样的设备和应用上强制执行。在这项研究中，我们专注于从Android医疗应用程序中恢复残留数据的潜力，目的是提供此类应用程序的初始风险评估。我们的发现（例如，人工产物的文档）也有助于更好地理解证据人工产物的类型和位置，所述证据人工产物可以潜在地在数字取证调查中从这些应用中恢复。
2021-05-16 cs.CR cs.CY
Accountability of Things: Large-Scale Tamper-Evident Logging for Smart Devices
本文提出一种基于可信第三方和时间戳二叉哈希树的大规模防篡改日志方案，以约8KB/小时的恒定开销实现亚秒级篡改定位，并支持高效生成可共享的事件记录证明。
2023-08-10 cs.CR
Privacy Issues in Voice Assistant Ecosystems
语音助手最近变得非常流行，同时它们也是智能家居系统的重要组成部分。通过他们的语音助手，用户可以执行各种任务，控制其他设备并享受第三方服务。助手是更广泛的生态系统的一部分。它们的功能依赖于用户的语音命令，这些命令通过原始语音助理设备或智能手机和平板电脑的配套应用程序接收，然后通过互联网发送到供应商的云服务并转换为命令。然后，这些命令被传输到其他应用程序和服务。由于大量的数据，主要是用户的个人数据，在语音助理生态系统中移动，有几个地方临时或永久存储个人数据，因此网络攻击者很容易篡改这些数据，带来重大的隐私问题。在我们的工作中，我们在建立了自己的测试平台并使用物联网取证程序后，在三个流行的语音助手的生态系统中展示了这些个人数据工件的类型和位置。我们的隐私评估包括助手的配套应用程序，因为我们还比较了它们在Android设备上安装之前所需的权限。
2021-09-03 cs.CR
Compression effects and scene details on the source camera identification of digital videos
本文提出一种基于PRNU传感器指纹的移动设备数字视频采集源识别技术，通过基于块的提取、强分量滤波和开放场景分类三个阶段消除场景细节以改善指纹质量，解决数字视频取证中的来源识别问题。
2024-02-07 cs.CR
Using Amazon Alexa APIs as a Source of Digital Evidence
随着亚马逊Alexa和第一款亚马逊Echo设备的发布，该公司彻底改变了灵巧家庭。它允许他们的用户纯粹使用语音命令与他们的灵巧家庭生态系统进行通信和控制。然而，这也意味着亚马逊处理和存储了大量关于其用户的个人数据，因为这些设备总是存在并总是在人们的私人家中监听。这使得这些数据成为调查人员进行数字取证的宝贵证据来源。Alexa语音服务使用一系列API来实现客户端与亚马逊云之间的通信。这些API返回与所用设备功能相关的各种数据。这项研究的第一个目标是明确通过这些API存储和访问的用户信息的类型。为此，结合文献综述和探索性分析，建立了所有相关API的列表。然后，确定并提出了可能的人工制品和从其答复中得出的结论。最后，从用户的角度出发，审查了改善其隐私的备选方案。具体来说，用户和Alexa之间的交互历史可通过多个API获得，并且有几个选项可以删除它。确定这些选项具有不同的行为，并且其中大多数不会删除与用户交互相关的所有数据。
2020-07-27 cs.CR
Mitigating S-RAHA: An On-device Framework to Prevent Forwarding of Re-Captured Images
Deakin University（迪肯大学）；Redshield Security Pty Ltd（Redshield安全有限公司）
本文提出一种设备端框架，通过深度学习检测并阻止重新捕获图像的转发，同时引入不可见元数据标识符以实现取证追踪。
2026-04-14 cs.CR
Identifying User Behavior from Residual Data in Cloud-based Synchronized Apps
随着个人和组织设备使用之间的区别越来越模糊，交互的应用程序的组合增加了调查潜在安全问题的需求。虽然安全和取证研究人员已经能够恢复各种文物，实证研究还没有检查一套应用程序的文物从高层次的模式识别的角度来看。这项研究提出了一个初步调查的想法，基于云的同步应用程序产生的残留文物可以用来识别广泛的用户行为模式。为了实现这一目标，研究人员使用智能手机设备和一套谷歌移动应用程序进行了一项单案例、前测-后测的准实验。本文的贡献是双重的。首先，它提供了一个概念的证明，在这种程度上，来自基于云的同步应用程序的残留数据可以用于从设备数据模式中广泛识别用户行为模式。其次，它强调了安全控制的必要性，以防止和管理BYOD移动设备和云同步服务之间的信息流。关键词：残留数据，云，应用程序，数字取证，BYOD
2014-11-08 cs.CR cs.CY
