【摘 要】
：
作为广受用户青睐的即时通信系统,微信在给人们生活带来极大便利的同时,也给不法分子提供了违法犯罪的新手段、新工具.微信聊天记录作为我国法律中明确列出的电子证据类型,其有效性引起广泛关注,使得微信聊天记录的恢复成为相关领域的研究热点.针对现有的聊天记录恢复研究多集中于删除消息的恢复,撤回消息的恢复尚未取得有效进展,通过研究PC版微信运行过程中的动态内存管理机制,分析撤回消息在动态内存中的特征字符及字段结构,对比文本、表情、图片等不同类型的消息在内存中的存储原理,提出一种基于动态内存分析的微信撤回消息恢复方法.
【机 构】
：
江苏警官学院 计算机信息与网络安全系,南京 210031;江苏省电子数据取证分析工程研究中心,南京 210031;江苏省公安厅 数字取证重点实验室,南京 210031
论文部分内容阅读
作为广受用户青睐的即时通信系统,微信在给人们生活带来极大便利的同时,也给不法分子提供了违法犯罪的新手段、新工具.微信聊天记录作为我国法律中明确列出的电子证据类型,其有效性引起广泛关注,使得微信聊天记录的恢复成为相关领域的研究热点.针对现有的聊天记录恢复研究多集中于删除消息的恢复,撤回消息的恢复尚未取得有效进展,通过研究PC版微信运行过程中的动态内存管理机制,分析撤回消息在动态内存中的特征字符及字段结构,对比文本、表情、图片等不同类型的消息在内存中的存储原理,提出一种基于动态内存分析的微信撤回消息恢复方法.利用Python语言编写的工具实现了对微信撤回消息原文、撤回状态、撤回方微信ID等内容的批量恢复,验证了该方法的有效性.
其他文献
针对代理辅助进化算法在减少昂贵适应度评估时难以通过少量样本点构造高质量代理模型的问题,提出异构集成代理辅助多目标粒子群优化算法.该方法通过使用加权平均法将Kriging模型和径向基函数网络模型组合成高精度的异构集成模型,达到增强算法处理不确定性信息能力的目的.基于集成学习的两种代理模型分别应用于全局搜索和局部搜索,在多目标粒子群优化算法框架基础上,新提出的方法为每个目标函数自适应地构造了异构集成模型,利用其模型的非支配解来指导粒子群的更新,得出目标函数的最优解集.实验结果表明,所提方法提高了代理模型的搜索
深度学习在完成一些难度极高的任务中展现了惊人的能力,但深度神经网络难以避免对刻意添加了扰动的样本(称为“对抗样本”)进行错误的分类.“对抗样本”逐渐成为深度学习安全领域的研究热点.研究对抗样本产生的原因和作用机理,有助于从安全性和鲁棒性方面优化模型.在掌握对抗样本原理的基础上,对经典对抗样本攻击方法进行分类总结,根据不同的攻击原理将攻击方法分为白盒攻击与黑盒攻击两个大类,并引入非特定目标攻击、特定目标攻击、全像素添加扰动攻击和部分像素添加扰动攻击等细类.在ImageNet数据集上对几种典型攻击方法进行复现
对于多目标路径优化问题(MOPOP),提出了一种求解完整(非部分或近似的)Pareto最优面的涟漪扩散算法(RSA).新的涟漪扩散算法是在路网中模拟一场涟漪接力赛,通过对到达终点的涟漪进行回溯来确定完整的Pareto前沿.RSA类似于大多数受自然启发的方法,本质上是一个基于微观智体的自下而上的仿真模型.通过定义微观智体的行为,即路网中的节点根据到达的Pareto非占优涟漪产生新的涟漪,涟漪接力赛在宏观层面的表现为输出完整的Pareto前沿.而且,RSA仅需一次涟漪接力赛就可以找到一对多问题中每个MOPOP
结构熵作为复杂网络无序程度度量的重要手段,反映了网络内结构的异质性.传统结构熵在刻画复杂网络异构性时只关注网络结构中的“点”和“边”,表征注意力流网络结构的异构性特征时存在不足.对此,基于在线点击行为数据构建注意力流网络,在传统网络结构熵的基础上,综合考虑站点的边权重、站点的总停留时长等网络特征属性,定义了结构熵模型.进而,从站点的流强度、吸引注意力的能力等指标计算站点综合力,提出了注意力流网络异构性度量算法ANSE.实验结果表明,提出的结构熵可以有效地反映注意力流网络的结构特征,准确地度量注意力流网络中
由一阶因果、反因果微分的定义推导出Caputo分数阶因果、反因果微积分,并在此基础上定义Caputo分数阶非因果微积分.将它们分别应用于BP神经网络的反向传播过程中对权值进行处理,产生了Caputo分数阶因果、反因果和非因果BP神经网络模型.为了方便对比,将这些模型分别对波士顿房屋数据集和MNIST数据集进行处理.模拟结果表明:在整数阶因果、反因果和非因果的模型之间,整数阶非因果模型的结果最好;分数阶因果、反因果和非因果模型分别与其相应的整数阶模型进行比较,得出分数阶模型得到的准确率比整数阶的高;在分数阶
针对SMOTE方法对所有少数类样本进行过采样的缺陷,提出一种基于特征加权与聚类融合的过采样方法(WKMeans-SMOTE),由此进行不平衡数据分类.考虑到不同特征权重对聚类结果的影响程度不同,选择特征加权的聚类算法对原始数据集进行聚类,并多次改变初始簇中心生成不同的聚类结果;根据簇标签匹配方法将不同的聚类结果进行匹配,引进“聚类一致性系数”筛选出处于少数类边界的样本;对筛选出的少数类样本进行SMOTE过采样,并采用C A RT决策树方法作为基分类器,对新的少数类样本与所有的多数类样本进行训练.实验结果表
如今,制造业数字化转型中采用消息队列遥测传输(MQTT)协议已成为趋势,而工业场景中往往存在大量的传感器等设备.考虑到实际部署的复杂性,在工业场景中实际部署MQTT前,进行必要的模拟以获取网络性能等数据是不可或缺的,这将更有利于工业场景中的链路设计和网络规划.而NS-3作为当前最流行的网络仿真器之一,提供了丰富的网络模型,非常适合像工业场景这种大型复杂网络的仿真,但目前利用其模拟部署MQTT仍是一项困难的工作.针对该问题,提出了一个适用于NS-3的扩展仿真框架ns3-mqtt,该框架由多个MQTT组件构成
推荐技术已经成为信息过载时代提供个性化服务的关键技术.由于推荐结果的多样性可以提升推荐效果,多样性推荐方法开始备受关注.针对现有基于朋友好奇心的多样性推荐方法中,诸如朋友、信任关系等难以获取及比较稀疏的问题,提出了基于相似用户好奇心的多样性推荐方法(SUC).分析用户的真实评分,计算相似用户集;采用协同过滤方法,计算用户的预测评分;分析用户的真实评分和预测评分,计算用户的好奇心评分;融合预测评分和好奇心评分,计算用户的项目推荐列表.SUC方法不需要额外的用户关系信息,更具普适性.在五个真实数据集上的实验表
针对海洋传感网(Ocean Sensor Networks,OSNs)中采用非协同算法单一循环地对多个水面目标节点依次定位导致的定位效率低、定位精度差等问题,提出一种基于有效集的再优化协同定位(Active Set Method based Re-Estimation Cooperative Localization,ASM-RECL)算法.研究将原定位的非凸非线性问题转化为基于交替非负约束最小二乘(Alternative Nonnegative Constrained Least Squares,ANC
Android恶意软件的几何式增长驱动了Android恶意软件自动检测领域的发展.一些工作从可解释性的角度来分析Android恶意软件,通过分析模型获取最大影响的特征,为深度学习模型提供了一定的可解释性.这些方法基于特征相互独立的强假设,仅仅考虑特征各自对模型的影响,而在实际中特征之间总是存在着耦合,仅考虑单个特征对模型的影响,难以反映耦合作用,不能刻画不同类型软件中敏感API的组合模式.为解决该问题,将An-droid软件刻画成图,并结合图的结构信息和图节点内部的信息提出了一种基于图嵌入的方法来检测An