PHÂN LOẠI TẬP TIN PHÂN MẢNHSỬDỤNGMẠNGNƠ-RON TÍCH CHẬP

Abstract

Phân loại tập tin phân mảnh là một trong những công việc chính trong pháp y bộ nhớ và phục hồi dữ liệu. Hiện tại đã có một số công cụ, phương pháp được đề xuất như: trình phân loại tập tin Sceadan, mô hình mạng nơ-ron phức hợp NN-CO,... Nhược điểm của các phương pháp này là vấn đề khó khăn trong việc huấnluyệndữliệu, khả năng mở rộng loại tập tin kém, tốn nhiều thời gian trong việc huấn luyện và phân loại dữ liệu. Để giải quyết các vấn đề trên, luận văn này đề xuất mô hình mạng nơ-ron tích chập 1-D (1D-CNN), với đầu vào là các khối byte thô (521 bytes, 4096 bytes), sử dụng lớp nhúng để biến đổi dữ đầu vào liệu về dạng số thực, tương tự phương pháp đã mang lại kết quả thành công trong xử lý ngôn ngữ tự nhiên. Từđóviệc trích xuất đặc trưng tự động dễ dàng hơn, tạo nên một kiến trúc mạng nhỏ gọn, rút ngắn thời gian phân loại và huấn luyện dữ liệu. Luận văn đánh giá phương pháp được đề xuất dựa trên tập dữ liệu mới, đa dạng và cân bằng nhất từ trước đến nay gồm 75 loại tập tin. Phương pháp đề xuất vượt trội hơn tất cả các giải pháp cũ về tốc độ, độ chính xác và tỉ lệ sai cá nhân. Phương pháp đề xuất đạt độ chính xác trung bình 75.1% với tốc độ xử lý 38s/GB, kết quả tốt hơn so với mô hình mới nhất là Sceadan với độ chính xác 55.2%, tốc độ phân loại 9 min/GB.