基于內(nèi)容的數(shù)據(jù)碎片類型識別技術(shù)研究.pdf

1、如何快速識別種類繁多的文件類型是計算機中的一個基本問題。在數(shù)字取證、數(shù)據(jù)恢復(fù)和逆向工程等領(lǐng)域常常會遇到數(shù)據(jù)碎片類型識別問題,但是傳統(tǒng)的基于擴展名和魔數(shù)的識別方法往往因為相應(yīng)的數(shù)據(jù)碎片元信息遭到損壞或丟失而失效。因此,數(shù)據(jù)碎片類型識別成為了當(dāng)前這些領(lǐng)域中亟待解決的難點和熱點問題。本文針對基于內(nèi)容的數(shù)據(jù)碎片類型識別問題,特別是其關(guān)鍵技術(shù)——數(shù)據(jù)碎片的特征提取技術(shù),進行了深入研究,主要工作如下。
　　首先,提出了一種基于灰度圖的數(shù)據(jù)碎片

2、類型識別方法。該方法將一維數(shù)據(jù)碎片的字節(jié)信息轉(zhuǎn)化為二維的字節(jié)矩陣,并將矩陣中的字節(jié)值看作灰度圖像中的像素值;再利用計算機視覺領(lǐng)域中的GIST Descriptor圖片描述方法來提取灰度圖像的特征;然后在灰度圖像的GIST Descriptor特征基礎(chǔ)之上,借助經(jīng)典的分類器對數(shù)據(jù)碎片進行分類識別。實驗結(jié)果表明,該方法較之于以往的歸一化壓縮距離和NLP等方法在識別精度方面有一定程度的提高。
　　其次,提出一種基于頻域和1-gram的數(shù)

3、據(jù)碎片類型識別方法。為了提高識別的精度,該方法先采用離散余弦變換將數(shù)據(jù)碎片信息轉(zhuǎn)化到頻域之后再提取出直流系數(shù)及少部分交流系數(shù)作為碎片在頻域中的特征;再使用字節(jié)頻率分布提取出數(shù)據(jù)碎片中1-gram分布特征;然后將這兩種特征結(jié)合并在此基礎(chǔ)之上,借助經(jīng)典的分類器對數(shù)據(jù)碎片進行分類識別。實驗結(jié)果表明,該方法較之于基于灰度圖、歸一化壓縮距離和NLP等方法,識別精度提高了10％-20%。
　　本文針對基于內(nèi)容的數(shù)據(jù)碎片類型識別問題,特別是其關(guān)