某某等人(rén)侵犯公民個(gè)人(rén)信息案

案情概述

2022年接上(shàng)級下發線索，發現當地(dì / de)有涉嫌侵犯公民信息的(de)可疑人(rén)員，随即立刻開展偵查工作。在(zài)日常對可疑人(rén)員的(de)常駐地(dì / de)點，和(hé / huò)與該案另一(yī / yì ／yí)嫌疑人(rén)交接點發現，嫌疑人(rén)每周定期會與另一(yī / yì ／yí)嫌疑人(rén)（售賣公民信息的(de)可疑人(rén)員）進行線下聚會，并得知該嫌疑人(rén)曾在(zài)某地(dì / de)單位工作，可疑調取大(dà)量車牌和(hé / huò)人(rén)員等信息。在(zài)沒有充分的(de)證據下，隻好暫時(shí)對嫌疑人(rén)進行調查，扣押其檢材進行數據取證，通過使用吾崎A200手機取證軟件對其檢材進行數據固定以(yǐ)及恢複；在(zài)恢複的(de)數據中，發現嫌疑人(rén)平日交流的(de)人(rén)群較廣，并且信息量極大(dà)，很難從即時(shí)通訊的(de)信息中發現問題，隻好利用大(dà)數據分析研判系統，在(zài)明鏡侵公模型高效研判系統的(de)信息篩選下，發現嫌疑人(rén)經常與另一(yī / yì ／yí)名人(rén)員聯系，通過截圖的(de)方式進行傳遞信息。也(yě)正是(shì)這(zhè)樣，明鏡侵公模型利用圖片OCR識别功能，精确鎖定圖片中重要(yào / yāo)數據以(yǐ)及信息，利用了(le／liǎo)圖片檢索姓名、身份信息、車牌計數的(de)方式，發現其中的(de)作案方式，立刻幫助警方獲取大(dà)量的(de)作案證據，并且從中抓出(chū)其作案團夥二人(rén)，爲(wéi / wèi)警方破案提供了(le／liǎo)有力的(de)證據支撐。

安卓模拟器應用取證

近年來(lái)，電信網絡詐騙呈現高發态勢，詐騙手段更是(shì)五花八門，造成了(le／liǎo)人(rén)民群衆巨大(dà)的(de)經濟損失，擾亂了(le／liǎo)人(rén)們正常的(de)工作和(hé / huò)生活秩序，極大(dà)地(dì / de)危害了(le／liǎo)社會誠信。安卓模拟器是(shì)一(yī / yì ／yí)款能夠在(zài)計算機内模拟手機應用的(de)工具，在(zài)給我們帶來(lái)良好的(de)手機遊戲和(hé / huò)安卓系統體驗的(de)同時(shí)，也(yě)被不(bù)法分子(zǐ)用來(lái)實施電信網絡詐騙，但現有取證軟件不(bù)能夠對安卓模拟器内應用直接進行數據提取。

Linux軟件包管理器yum和(hé / huò)編輯器vim

在(zài)Linux系統中，我們會進行一(yī / yì ／yí)些軟件的(de)安裝以(yǐ)及對一(yī / yì ／yí)些服務或軟件的(de)配置，這(zhè)時(shí)就(jiù)需要(yào / yāo)用到(dào)Linux的(de)yum以(yǐ)及編輯器，下面我們就(jiù)來(lái)看一(yī / yì ／yí)下這(zhè)兩個(gè)功能。

Android APK靜态分析與動态分析

浏覽網站時(shí)，我們會發現網址有兩種“格式”，一(yī / yì ／yí)種以(yǐ)HTTP://開頭，一(yī / yì ／yí)種HTTPS://開頭。好像這(zhè)兩種“格式”差别不(bù)大(dà)，隻多了(le／liǎo)一(yī / yì ／yí)個(gè)s，實際上(shàng)他(tā)們有天壤之(zhī)别。

SSH的(de)兩種遠程登錄方法

當前手機用戶量增長越來(lái)越快，尤其是(shì)中國(guó)，手機用戶量已超10億，即大(dà)約75%的(de)中國(guó)人(rén)擁有自己的(de)手機。正因爲(wéi / wèi)手機越來(lái)越智能化，攜帶也(yě)方便，因此許多人(rén)将隐私信息存儲在(zài)手機上(shàng)，且在(zài)多處場景下無形地(dì / de)公開化，而(ér)這(zhè)些信息正是(shì)許多病毒作者所熱衷的(de)。在(zài)移動終端上(shàng)的(de)安全也(yě)将比電腦終端越來(lái)越重要(yào / yāo)，移動安全也(yě)已成爲(wéi / wèi)安全領域的(de)另一(yī / yì ／yí)新戰場。

基于(yú)LSTM的(de)文本情感分析

近年來(lái)，随着社交媒體日新月異地(dì / de)發展以(yǐ)及疫情不(bù)斷蔓延，微博、知乎以(yǐ)及推特等社交平台上(shàng)産生了(le／liǎo)大(dà)量的(de)涉疫評論數據，這(zhè)些評論文本中隐藏着用戶的(de)情感或者觀點，如何從這(zhè)些數據中提取出(chū)有用的(de)信息成爲(wéi / wèi)了(le／liǎo)一(yī / yì ／yí)個(gè)重要(yào / yāo)的(de)研究課題。本文通過爬蟲技術拉取了(le／liǎo)淘寶、知乎以(yǐ)及推特等多個(gè)社交平台的(de)用戶涉疫評論信息。通過jieba分詞以(yǐ)及Word2Vec文本向量化等預處理操作，将得評論數據向量化并分割爲(wéi / wèi)訓練集與測試集，采用Tensor Flow的(de)高層封裝接口Keras搭建識别文本情感的(de)長短期記憶遞歸神經網絡LSTM，訓練出(chū)能夠識别評論數據的(de)模型，最後利用訓練模型實現對多個(gè)平台用戶的(de)評論信息進行情感預測。