关于深度学习在司法取证领域的应用研究.docx

? ? ? ? ? 关于深度学习在司法取证领域的应用研究 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 关键词： 司法 司法取证 图像识别 深度学习 1、深度学习简介 1.1 深度学习的概念 机器学习是一种实现人工智能的方法，而深度学习是机器学习中的一个分支，是一种让多层神经网络能够运行、训练的一系列新的结构和方法。深度学习是机器学习研究中的一个新的领域，其目的在于建立模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像、声音和文本。 1.2 优势 深度学习和传统机器学习相比有以下三个优点： (1) 高效性 例如前几年大热的AlphaGO，以深度学习技术为基础，轻松击败了顶级的人类棋手。这就是因为以人类的方式去评估、计算棋局的优劣，需要专业的棋手花费大量的时间进行计算，但影响棋局的因素数量多且复杂，即使花费了大量时间，也不一定准确。但利用深度学习技术，只要设计、搭建合适的框架，就可以节省大量的特征提取的时间，在较短时间内完成分析和预测。 (2) 可塑性 与深度学习相比，传统算法也需要训练模型，但在针对不同需求进行模型调整时，两者的代价大不相同，传统算法的模型要调整很可能要对代码进行大改，甚至重写，成本极高；而深度学习模型只需要调整参数就能有效的改变模型，这使得它能以低成本的方式对模型进行细节和功能的调整。 (3) 通用性 传统算法通常是针对某一类特定问题设计，针对性较强，但同时通用性很低；而深度学习可以通过学习来解决问题，同一个算法，对于不同的问题可以按照类似的方式做特征提取和学习，生成不同的模型，以满足多种需求。 1.3 现状 深度学习极大地促进了机器学习的发展，受到世界各国相关领域研究人员和高科技公司的重视，语音、图像和自然语言处理是深度学习算法应用最广泛的三个主要研究领域。以图像识别为例，深度神经网络的构建、计算机计算能力的提升、GPU技术的发展，使得训练数据的速度大幅增加，促进了图像识别技术的发展。现在的深度学习网络模型已经能够识别一般的自然图像。深度学习模型不仅大幅提高了图像识别的精度，同时也避免了需要消耗大量时间进行人工特征的提取，使得在线运行效率大大提升。信息技术的高速发展虽然给大众带来许多便利，但也促使了不法分子违法犯罪的手段花样百出，为了打击犯罪、维护社会稳定，必须对违法案件进行司法取证，获取犯罪证据。 2、司法取证简介 2.1 司法取证的概念 司法取证是指有调查取证权的组织或个人为了查明案件事实的需要，向有关单位、个人进行调查、收集司法证据。具有调查取证权的国家机关有公安、检察院等。司法证据包括书证、物证、证人证言、当事人的陈述、视听资料、鉴定意见、现场笔录、勘验、检查、辨认侦查实验笔录、电子数据等。其中电子数据在当今信息技术高速发展的社会背景下，重要性逐年提高。 2.2 司法取证中的电子数据取证 电子数据取证的取证主体是具备计算机知识背景的侦查技术人员，取证对象是计算机系统或网络设备中的电子数据，取证环境是由电子设备所创设的虚拟空间。电子数据取证是指从电子数据中分析、提取出能够为法庭接受的、足够可靠和有说服力的电子证据的过程。电子取证包含各种电子数据，只要是以电子手段、仪器等方式获取到证据，都可以叫作电子取证。电子数据取证不仅可以发生在虚拟空间，也可以发生在现实空间。计算机取证的对象包括计算机和依托于计算机系统的网络，还可以借助于各种电子仪器、设备，通过电子的方式进行取证。 2.3 面临的问题 早期的取证工作面临取证软件单一，取证硬件落后，多依赖于人工操作的问题。电子数据的取证工作人员消耗了大量的时间对计算机进行人工分析，如查看涉案计算机的注册表，文件访问记录，网络链接的IP，手工进行相关数据的筛选等。现阶段虽然取证设备软硬件配置和功能有较大提升，但在电子数据筛选方面效率低下仍是比较突出的问题。为了提升取证效率，加快案件侦破效率，必须对取证技术进行改进；而深度学习技术有着效率高、普适性强的特点，如果将其应用于电子数据取证，可以预见，能极大地提升电子数据取证的数据筛选效率。 3、深度学习在司法取证中的应用 3.1 电子数据取证中的图像识别需求 3.1.1 工作模式 要明确电子数据取证中的具体需求，首先要了解电子数据取证的工作模式。以公安部门电子数据取证的工作模式为例。首先，公安部门在案件办理过程中发现需要进行电子数据取证时，将待检测的检材进行封存，然后向技术部门或有资质的取证实验室进行委托，将待检测的检材移交给技术部门或取证实验室。接收委托后相关部门或实验室对检材进行预检，如果发现检材存在损坏、故障、内容有误等不符合电子数据取证要求的情况时，就将检材退还给委托部门。若符合要求，则对相关的检材在只读状态下制作镜像或磁盘复制，然后对制作的镜像或复制磁盘进行取证分析，通常是