浅析手机取证中的文本分类

2019-12-07徐红

科技与创新 2019年22期

徐红

浅析手机取证中的文本分类

徐红

（四川警察学院，四川泸州 646000）

如今，智能手机已不只是一个通话工具，还是一个综合处理的平台，存储着大量信息。公安机关在调查取证时，有越来越多从智能手机中获取电子证据的需求，所以手机取证得到了广泛的关注和研究。对手机取证进行了简要分析，重点探讨了手机取证中的文本分类的操作流程和相关算法。

电子证据；手机取证；文本分类；分类算法

1 引言

自智能手机诞生以来，在中国逐步得到了普及应用，使用智能手机的人数不断增加，据调查数据显示，2018年中国的智能手机用户数量达到了13亿。

智能手机的广泛应用极大地改变了人们的工作和生活方式，给社会创造了新的需求，给各行各业带来了新的思维，促进了经济和社会的发展。然而，另一方面，不法分子使用智能手机进行犯罪的活动也不时发生，为了打击这类犯罪，必须进行手机取证，以获取犯罪证据。此外，公安机关在调查其他类型案件时，也常常需要通过手机取证以获得与案件相关的证据。

所谓手机取证，就是对保存在手机中和案件相关的信息进行提取，获得具有法律效力的证据。这些信息包含多种数据，例如手机通讯录、浏览器浏览记录、微信记录、地理数据、手机通话记录等等。

智能手机属于高科技产品，要想顺利开展手机取证，必须有强大的技术手段来支撑。智能手机存储容量在不断攀升，往往从中取证得到的数据量相当大，此时已不可能依靠人工进行证据的分析，而需要采用智能的方法进行证据的自动分析，而文本分类方法就是其中之一。

本文对手机取证进行简要介绍，分析相关的手机取证技术，重点探讨手机取证中涉及到的文本分类方法。

2 手机取证简介

2.1 手机取证的数据来源和种类

手机取证的数据来源主要是SIM卡和存储卡。SIM卡中存储的信息主要有手机用户数据，如通讯录、通话记录和短信息。手机固化数据，如语音加密秘钥等。存储卡中存储的信息主要有操作系统、APP、用户数据以及操作系统和APP运行产生的临时数据等。

对手机取证而言，感兴趣的数据种类主要有通话记录、短信息、QQ、微信，从中可以分析当事人社交关系；从GPS、地图中可以分析当事人的行为轨迹；从浏览器中可以分析当事人的兴趣偏好；另外还可以从短信息、QQ、微信中分析当事人的思想及行为状态。

2.2 手机取证的基本原则

手机取证必须在法律许可的条件下进行，取证过程必须恪守如下原则：①合法取证原则。对手机的取证权必须得到法律的允许；手机取证所使用的取证技术必须可靠，不得篡改和损坏手机数据；取证程序必须严格按照法律规定执行。②及时取证原则。手机上电运行就会产生新的数据，可能会造成新数据覆盖原来的数据，所以取证应及时。③全面取证原则。尽可能保证取证的数据是完整的，特别是确保重要数据的完整性。④无损取证原则。确保取证的数据维持原来的真实状态。

2.3 手机取证的工作过程

手机取证过程按美国国家标准与技术研究院（NIST）的要求可以分为下列几个阶段。

2.3.1 证据保全

证据保全阶段工作的目的是保护手机中的数据。具体操作步骤是记录当前手机的状态，如系统时间、图标、电量状况等；将手机与外部通信完全隔离，可通过将手机放入屏蔽容器等方法实现。

2.3.2 证据获取

证据获取阶段利用物理获取、逻辑获取和手工获取的方法来获得手机中的数据。物理获取通过与手机芯片直接交互提取数据；逻辑获取将手机与计算机建立连接，通过软件工具提取数据；手工获取通过人工操作手机原有的APP提取数据。其中，物理获取优于逻辑获取，而逻辑获取又优于人工获取。

2.3.3 证据分析

证据分析是手机取证的关键环节，该阶段的主要工作是对提取得到的数据进行分析，以得到有力的证据。该阶段涉及多种分析方法，文本分类就是其中之一。

2.3.4 生成报告

生成报告阶段将取证过程中的全部操作和结论进行总结并形成报告，它代表手机取证过程的完结。

3 手机取证中的文本分类简析

3.1 文本分类简介

文本分类是利用相应的算法将文本划分成不同的类别。它首先要建立训练文本集，经训练得到文本特征和类别的关系模型，然后用这个关系模型来判断待测文本的类别。

具体的文本分类操作步骤如下：①预处理。文本的形式是多种多样的，必须进行预处理。如果待分析的文本是非结构化的中文文本，这就需要进行分词和去停用词处理。②文本表示。将文本变换成计算机可理解和计算的形式——通常表示为向量，这是通过文本表示模型实现的。布尔模型、向量空间模型和概率模型是常用的文本表示模型。③文本特征提取。文本转换为计算机可理解的形式后，往往得到的向量具有较高的维数，不便于处理，需要提取最能体现文本的特征，常见的特征选择算法有信息增益、互信息和2统计量。④训练。对训练数据使用分类器进行训练，分类器常用的分类算法有贝叶斯算法、K邻近算法和支持向量机算法。⑤分类。将待分类数据完成上述处理后，输入分类器可以得到分类结果。

3.2 适用于手机取证的文本分类

不同于普通的文本分类，智能手机中的信息多以短文本为主，例如短信息、通讯录、备忘录和聊天记录等，对这样的文本进行分类时，往往面临着特征不足的问题，这会造成文本分类的效果较差。所以，对手机取证的文本进行分类，其操作步骤虽然和上述的文本分类方法相同，但是在实践操作中需要有针对性进行适应性改进。因为短文本的特征不足，改进的思路简言之就是扩展特征。将训练用的短文本进行扩展特征后，用于分类器的训练，以训练出适应于手机短文本的分类器。

对短文本扩展特征可行的做法是利用知识库来扩展特征。例如，手机取证文本只包含一两个词，可以通过知识库查找针对它们的解释，解释中的相关词汇和原词具有逻辑相关性，所以可以用这些词汇来扩展原有文本的特征。实践中知识库通常选取维基百科。得到维基百科对于手机取证文本词汇的解释文本后，将解释文本转换成向量，选取与原文本相关度最高的部分作为新增的特征项，然后和原文本生成的特征一起组成最终特征向量，进行后续的计算。