机构名称：
¥ 1.0
对智能设备的调查已成为数字取证中的重要子域。智能设备的固有多样性和复杂性在不对其进行物理篡改的情况下提取证据构成了挑战，这通常是执法和法律程序的严格要求。最近，这导致了非侵入性电磁侧通道分析（EM-SCA）的应用，作为从智能设备中提取法医见解的新兴方法。EM-SCA用于数字取证仍处于起步阶段，并且仅在迄今为止的少量设备上进行了测试。最重要的是，EM-SCA中的机器学习（ML）模型仍然存在于多个设备中，以便在数字取证，即跨设备可移植性中有用。这项研究使用广泛的智能设备在实验中探索EM-SCA的这一方面。使用各种iPhone和北欧半导体NRF52-DK设备进行实验表明，在多个相同的设备中直接应用预训练的ML模型不会产生最佳结果（在大多数情况下，精度低于20％的精度）。随后的实验包括从所有设备中收集不同的EM痕迹样本，以训练具有混合设备数据的新ML模型；这也没有期望（仍然低于20％的精度）。这促使采用了转移学习技术，这表明了跨模型实施的希望。特别是对于iPhone 13和NRF52-DK设备，应用转移学习技术有效的是达到最高精度，精度得分分别为98％和96％。此结果通过在相同或相似的设备上启用预训练的模型，在将EM-SCA应用于数字取证中的应用取得了重大进步。
法医国际法医：数字调查
主要关键词
相关文件推荐
