首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--电子数字计算机(不连续作用电子计算机)论文--存贮器论文

针对云存储用户端的数字取证关键技术研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第14-22页
    1.1 研究背景及意义第14-15页
    1.2 国内外研究现状第15-19页
    1.3 本文研究内容第19-20页
    1.4 论文组织结构第20-22页
第二章 相关技术介绍第22-30页
    2.1 云存储第22-23页
    2.2 数字取证第23-27页
        2.2.1 数字取证的定义第23-24页
        2.2.2 云环境下数字取证面临的问题第24-25页
        2.2.3 云存储取证流程第25-27页
    2.3 逆向分析技术第27-28页
    2.4 本章小结第28-30页
第三章 云存储用户端痕迹分析第30-46页
    3.1 痕迹分析方法第30-32页
    3.2 Chrome浏览器方式痕迹分析第32-41页
        3.2.1 Chrome浏览器历史记录文件第32-33页
        3.2.2 Chrome浏览器缓存文件第33-37页
        3.2.3 Chrome浏览器Cookies文件第37-40页
        3.2.4 Chrome浏览器Login Data文件第40-41页
    3.3 客户端程序方式痕迹分析第41-45页
        3.3.1 百度云管家注册表痕迹第41-42页
        3.3.2 百度云管家本地记录文件第42-44页
        3.3.3 百度云管家账号信息文件第44-45页
    3.4 本章小结第45-46页
第四章 云存储客户端账号信息文件解密机制的逆向分析第46-64页
    4.1 逆向分析基本方法第46-48页
    4.2 初步逆向分析第48-50页
    4.3 读取并解密用户账号信息文件第50-56页
    4.4 解密用户密码第56-57页
    4.5 生成解密密钥第57-59页
    4.6 账号信息文件解密机制总结第59-62页
    4.7 本章小结第62-64页
第五章 基于特征匹配与SVM分类器的SQLite数据恢复方法第64-102页
    5.1 SQLite数据库文件结构第65-68页
    5.2 SQLite数据库删除数据方式第68-71页
    5.3 删除数据恢复原理第71-76页
    5.4 基于特征匹配与SVM分类器的数据恢复方法原理第76-83页
        5.4.1 使用特征匹配方法从待恢复块中分离单元第77-81页
        5.4.2 使用基于SVM分类器的数据恢复方法从单元中恢复数据第81-83页
    5.5 SVM分类器原理第83-89页
    5.6 基于SVM分类器的恢复数据正确性判断第89-94页
    5.7 实验结果与分析第94-101页
        5.7.1 数据恢复实验第94-99页
        5.7.2 性能分析第99-101页
    5.8 本章小结第101-102页
第六章 云存储用户端数字取证系统设计第102-116页
    6.1 总体设计第102-103页
    6.2 案件管理第103-105页
    6.3 数据提取第105-107页
    6.4 数据管理第107页
    6.5 数据分析第107-115页
        6.5.1 SQLite数据库数据分析第107-111页
        6.5.2 Chrome Cache文件数据分析第111-114页
        6.5.3 客户端程序账号信息文件分析第114-115页
        6.5.4 汇总分析第115页
    6.6 本章小结第115-116页
第七章 总结与展望第116-118页
    7.1 全文工作总结第116-117页
    7.2 进一步研究方向第117-118页
致谢第118-120页
参考文献第120-124页
作者简介第124页

论文共124页,点击 下载论文
上一篇:基于情感体验的电脑机箱设计研究
下一篇:移动终端的网络异常流量行为分析方法研究