李炳龙，佟金龙，张宇，孙怡峰，王清贤，常朝稳

基于TensorFlow的恶意代码片段自动取证检测算法

李炳龙，佟金龙，张宇，孙怡峰，王清贤，常朝稳

（信息工程大学密码工程学院，河南 郑州 450001）

自动取证；深度学习；全连接神经网络；恶意代码片段

1 引言

随着移动互联网技术的迅猛发展，数字犯罪事件频繁发生，磁盘介质容量不断增大以及存储犯罪事件信息数字设备数量的不断增加，造成司法机构在进行事件调查过程中需要处理的数字证据量剧增。据德克萨斯州司法机构2019年数字取证能力分析报告称：美国联邦调查局（FBI，Federal Bureau of Investigation）拥有最好的取证实验室，但却积压了长达超过9个月的数字证据量，并且因为大量的数字证据不能进行有效分析，从而导致结案量不得不减少[1-2]。此外，由于犯罪事件证据来源于计算机、智能手机、平板电脑，甚至物联网设备及可穿戴设备等不同类型的设备，这些海量证据因具有不同操作系统和文件系统等元数据信息，导致了犯罪事件证据分析的极大差异性[3-4]。另外，为确保数字犯罪证据分析的完整性和可重复性，数字犯罪证据需要通过存储介质映像技术将不同设备中的证据保存在AFF、E01、RAW等证据容器中[5-7]，以底层二进制格式存储在取证容器中的证据数据导致取证分析越来越复杂。因此，为解决数字犯罪事件中数字证据分析的大数据性、证据差异性以及复杂性，自动取证分析技术成为数字取证领域的重点研究问题，目前，该技术已经取得了初步研究成果。……