CN116881577A - 一种手机取证中分析重点人物的方法 - Google Patents
一种手机取证中分析重点人物的方法 Download PDFInfo
- Publication number
- CN116881577A CN116881577A CN202310878447.8A CN202310878447A CN116881577A CN 116881577 A CN116881577 A CN 116881577A CN 202310878447 A CN202310878447 A CN 202310878447A CN 116881577 A CN116881577 A CN 116881577A
- Authority
- CN
- China
- Prior art keywords
- group
- analysis
- people
- mobile phone
- key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 66
- 230000008520 organization Effects 0.000 claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 10
- 238000000546 chi-square test Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 235000002595 Solanum tuberosum Nutrition 0.000 description 4
- 244000061456 Solanum tuberosum Species 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000589248 Legionella Species 0.000 description 1
- 208000007764 Legionnaires' Disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种手机取证中分析重点人物的方法，通过基于通联分析、内容分析以及应用分析来多角度分析查找重点人员，从而可以通过通讯联系筛选出人物联系的中心人物或者活跃人物，从而查找到重点人员，还可以通过相关人员的通信内容的关键词查找，搜寻更多具有共同特征的相关重点人员，还可以根据应用本身的组织架构等信息查找重点人员，系统性较强，可以充分利用手机数据信息多方面的搜寻重点人员，查找范围广，不易遗漏，查找精度高，可以准确定位到相关重点人员，且分析查找效率高。
Description
技术领域
本发明涉及手机数据处理相关技术领域，具体为一种手机取证中分析重点人物的方法。
背景技术
随着社会的发展，出现了大量的新型犯罪，最具代表性的就是网络诈骗犯罪，现在大多数的诈骗行为都是利用手机实施和展开的，而手机监控是比较常见的一种技术侦查措施
但是在当今案件中，对于涉案人员手机的数据处理，以提取固定、恢复为主，主要目的是固定证据，而对于手机汇总可能潜在的情报信息，如其他的涉案人员等关键线索的搜寻，缺乏系统的方法指导，难以准确高效地在错综复杂的手机社交应用中搜寻到涉案重点人员。
因此，我们推出了一种手机取证中分析重点人物的方法。
发明内容
本发明的目的在于提供一种手机取证中分析重点人物的方法，以解决上述背景中所提出现有的手机取证措施难以准确高效地在错综复杂的手机社交应用中搜寻到涉案重点人员的问题。
为实现上述目的，本发明提供如下技术方案：一种手机取证中分析重点人物的方法，所述重点人物分析方法包括如下三个方面：
基于通联分析：根据群成员之间通讯联系来进行人员分析，可根据群主、群活跃成员、群关系和联系人活跃度多个方面进行综合分析，判断筛选重点人物；
基于内容分析：包括基于总词云分析、基于团伙内部的词云分析以及基于群活跃成员的词云分析，根据高频词汇筛选出重点人物；
基于应用特点分析：即根据不同应用的特点，通过群邀请关系和应用内的组织框架来判断重点人物。
进一步地，基于群主进行分析时，根据所要取证的群聊中的群主、管理员来筛选重点人物，往往犯罪组织内部群的群主都是犯罪头目或者重点人员，一个成员担任群主的群越多，他在组织中的重要性越大，我们可以通过是否为群主分析出重点人员。
进一步地，基于群活跃成员进行分析时，根据应用自带功能获取群成员的活跃程度排名，或者根据群成员发言的频次和时间分布来统计获取群成员的活跃程度排名，活跃程度靠前的为重点人员。
进一步地，基于群关系进行分析时，我们可以分析其中一个嫌疑人的微信群关系图，通过群与群之间的共同成员数，判定出组织内部大群、组织领导层群和组织小组群，组织领导层群与其他大量群均会有少量共有成员，便于判断出重点人员集中的群聊。
进一步地，基于联系人活跃度分析，若我们分析出了一部手机微信的使用者为组织的一个普通成员，普通成员一般和他的上级聊天会更频繁一些，这时我们可以对其与微信好友的聊天数量进行排序，数量较多的则有可能是组织的管理人员。
进一步地，基于总词云分析时，首先通过分析一个手机中所有社交软件出现的高频词汇排名，从而得出犯罪团伙的话术，然后根据这些高频词汇查找发送这些高频词汇最为频繁的人员排名，从而溯源到犯罪头目和重点人员。
进一步地，在基于群关系分析中，我们能够分析出一个组织的内部群，进而我们可以对内部群做一个词云分析，分析出群聊中的高频词汇，然后根据高频词汇筛选出发送高频词汇最为频繁的重点人员。
进一步地，在基于群活跃成员分析中，我们可以分析出重点人员，我们可以就这些重点人员在内部群里的聊天，更进一步对这些活跃成员的词云做一个分析，筛选出重点人员发言的高频词汇，然后根据重点人员发言的高频词汇筛选出其他发送这些高频词汇最为频繁的人员。
进一步地，在多高频词汇进行筛选分析时，我们采用词频统计、逆文档频率、TF-IDF、互信息、卡方检验、潜在语义分析、主题模型和词嵌入其中的多种方法综合来进行筛选高频词汇筛选。
进一步地，在具有群邀请关系的社交应用中，处于邀请关系第一级的往往是犯罪头目，而处于第二级的很有可能是重点人群，根据群邀请关系层层分析，可以快速分析出重点人员；在具有组织架构的社交应用中，我们可以直接看手机取证软件关于组织架构的解析，处于架构高层的多是一个组织的犯罪头目和重点人员。
与现有技术相比，本发明的有益效果如下：
本发明提出的一种手机取证中分析重点人物的方法，通过基于通联分析、内容分析以及应用分析来多角度分析查找重点人员，从而可以通过通讯联系筛选出人物联系的中心人物或者活跃人物，从而查找到重点人员，还可以通过相关人员的通信内容的关键词查找，搜寻更多具有共同特征的相关重点人员，还可以根据应用本身的组织架构等信息查找重点人员，系统性较强，可以充分利用手机数据信息多方面地搜寻重点人员，查找范围广，不易遗漏，查找精度高，可以准确定位到相关重点人员，且分析查找效率高。
附图说明
图1为本发明的分析方法总览示意图；
图2为微信chatroom数据表；
图3为微信群邀请关系文档；
图4为DEPARTMENT数据表；
图5为USER数据表；
图6为MYHEAD数据表；
图7为以“SNS军团”为主体的群关系图；
图8为以“SNS领导层”为主体的群关系图；
图9为某组织内部群的邀请关系图；
图10为某组织组织架构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种手机取证中分析重点人物的方法，所述重点人物分析方法包括如下三个方面：
1.基于通联分析
根据群成员之间通讯联系来进行人员分析，可根据群主、群活跃成员、群关系和联系人活跃度多个方面进行综合分析，判断筛选重点人物。
基于群主进行分析时，根据所要取证的群聊中的群主、管理员来筛选重点人物，往往犯罪组织内部群的群主都是犯罪头目或者重点人员，一个成员担任群主的群越多，他在组织中的重要性越大，我们可以通过是否为群主分析出重点人员。
往往在群里发言次数比较多的很有可能是重点人群，所以我们可以通过分析群的活跃成员锁定犯罪头目和重点人，所以在基于群活跃成员进行分析时，根据应用自带功能获取群成员的活跃程度排名，或者根据群成员发言的频次和时间分布来统计获取群成员的活跃程度排名，活跃程度靠前的为重点人员。
基于群关系进行分析时，我们可以分析其中一个嫌疑人的微信群关系图，通过群与群之间的共同成员数，判定出组织内部大群、组织领导层群和组织小组群，组织领导层群与其他大量群均会有少量共有成员，便于判断出重点人员集中的群聊，如图7和图8所示，“SNS军团”与“SNS领导层”、“SNS军团”与“一组”等，存在共有群成员，判定“SNS军团”可能为该团伙的组织内部大群，“SNS领导层”可能为该团伙的重点人群内部群，“一组”可能为该团伙其中的一个犯罪小组沟通群。
2.基于联系人活跃度分析
若我们分析出了一部手机微信的使用者为组织的一个普通成员，普通成员一般和他的上级聊天会更频繁一些，这时我们可以对其与微信好友的聊天数量进行排序，数量较多的则有可能是组织的管理人员。
3.基于内容分析
包括基于总词云分析、基于团伙内部的词云分析以及基于群活跃成员的词云分析，根据高频词汇筛选出重点人物。
在基于群关系分析中，我们能够分析出一个组织的内部群，进而我们可以对内部群做一个词云分析，分析出群聊中的高频词汇，然后根据高频词汇筛选出发送高频词汇最为频繁的重点人员。
在基于群活跃成员分析中，我们可以分析出重点人员，我们可以就这些重点人员在内部群里的聊天，更进一步对这些活跃成员的词云做一个分析，筛选出重点人员发言的高频词汇，然后根据重点人员发言的高频词汇筛选出其他发送这些高频词汇最为频繁的人员。
犯罪团伙一般会有固定的话术，我们可以通过分析一个手机中所有社交软件出现的高频词汇，得出犯罪团伙的话术，因此基于总词云分析时，首先通过分析一个手机中所有社交软件出现的高频词汇排名，从而得出犯罪团伙的话术，然后根据这些高频词汇查找发送这些高频词汇最为频繁的人员排名，从而溯源到犯罪头目和重点人员。
筛选高频词汇的算法有很多种，我们综合以下方法来进行词汇筛选：
(1)词频统计：词频统计是一种基本的文本分析方法，它计算每个单词在文本中出现的次数。通常，词频越高，这个词在文本中的重要性就越高。
(2)逆文档频率：逆文档频率是一种衡量一个词在文本集中普遍性的方法。如果一个词在许多文档中都出现，那么它的逆文档频率值就会较低，反之亦然。通常，逆文档频率值越高，这个词在文本中的重要性就越高。
(3)TF-IDF：TF-IDF是一种结合了词频和逆文档频率的方法，它是衡量一个词在特定文本中的重要性的常用方法。TF-IDF值越高，这个词在文本中的重要性就越高。TF-IDF的公式为：
TF-IDF(t,d)＝TF(t,d)×IDF(t)
其中，t表示词语d表示文档，TF(t,d)表示词语t在文档d中的词频，IDF(t)表示词语t的逆文本频率。
(4)互信息：互信息是一种衡量两个词之间关联性的方法。在筛选高频词汇时，可以使用互信息来找到与目标词高度相关的词汇。互信息的公式为：
其中，t表示词语，D表示文档集合，P(t,D)表示词语t和文档集合D同时出现的概率，P(t)和P(D)分别表示词语t和文档集合D出现的概率。
(5)卡方检验：卡方检验是一种统计方法，用于检验两个变量之间的关联性。在筛选高频词汇时，可以使用卡方检验来找到与目标词高度相关的词汇。卡方统计量的公式为：
其中，t表示词语，D表示文档集合，ft,i表示词语t在第i个类别(即文档)中的词频，fD,i表示第i个类别(即文档)的词频，N是类别数，ft和fD分别表示词语t和文档集合D的总词频。
(6)潜在语义分析：潜在语义分析是一种降维技术，用于识别文本中的潜在主题。在筛选高频词汇时，可以使用LSA来找到与特定主题相关的词汇。
(7)主题模型：主题模型是一种无监督学习方法，用于自动识别文本中的主题。在筛选高频词汇时，可以使用主题模型来找到与特定主题相关的词汇。常见的主题模型有潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)和潜在语义索引(Latent SemanticIndexing,LSI)。
(8)词嵌入：词嵌入是一种将单词映射到高维向量空间的技术，可以捕捉单词之间的语义关系。在筛选高频词汇时，可以使用词嵌入来找到与目标词相似的词汇。常见的词嵌入方法有Word2Vec、GloVe和FastText。
4.基于应用特点分析
即根据不同应用的特点，通过群邀请关系和应用内的组织框架来判断重点人物。
在具有群邀请关系的社交应用(如微信、Potato、Enigma)中，处于邀请关系第一级的往往是犯罪头目，而处于第二级的很有可能是重点人群，根据群邀请关系层层分析，可以快速分析出重点人员，微信、Potato、Enigma这些社交应用有群邀请关系这个特点，以微信为例，一般处于邀请关系第一级的往往是犯罪头目，而处于第二级的很有可能是重点人群，如图9所示，抓住群邀请关系这个特点，分析重点人员会事半功倍。
在具有组织架构的社交应用(如钉钉、企业微信、飞书)中，我们可以直接看手机取证软件关于组织架构的解析，处于架构高层的多是一个组织的犯罪头目和重点人员，钉钉、企业微信、飞书这些社交应用有组织架构这个特点，以钉钉为例，我们可以直接看手机取证软件关于组织架构的解析，管理人员是区别于普通人员的，一个组织的犯罪头目和重点人员便一目了然，如图10所示。
具体地，在当今案件中，涉案人员常用的社交应用有微信、Potato、Enigma、支付宝、钉钉、企业微信和飞书，这些应用有着共同的信息：联系人列表、群列表、聊天信息、群的群关系、群的活跃成员、群的活跃度。除了共同信息以外，手机取证软件能够解析出他们各自拥有的特点，比如微信、Potato、Enigma有群邀请关系，而钉钉、企业微信和飞书有组织架构。
群邀请关系的解析原理以微信为例，其原始数据库EnMicroMsg.db包含数十个数据表，其中chatroom数据表包含roomdata等字段，roomdata字段中有记录了邀请关系的文档，如图2、图3所示，文档中比例为“3:1”的即为一个邀请关系，比如图3中的一个邀请关系为微信"wxid_7655uv4gmh3l22"邀请了微信"wxid_s7o824fc1h1622"，再根据这一个个邀请关系画出整体的群邀请关系图。
我们可以利用Python脚本自动实现对微信原始数据库的读取工作，并自动输出群邀请关系。脚本内容如下：
组织架构的解析原理以企业微信为例，其原数据库Session.db包含数十个数据表，其中DEPARTMENT数据表包含rowid、name、parent_RID等字段，分别表示部门编号、部门名称、母部门等，比如name是移动取证中心，parent_RID是1688850455997881，而1688850455997881是南京拓界的编号，这就说明移动取证中心的母部门是南京拓界，如图4所示，以此类推，我们就可以得到一个公司的部门从属关系。USER数据表包含rowid、name等字段，分别表示人的编号、名字等，如图5所示，这张表就一一对应了组织所有成员的名字和编号。MYHEAD数据表包含UID、departmentid、disp_order等字段，分别表示人的编号、从属部门编号、是否为主管，比如UID是1688850016030994、departmentid是1688851123029587，disp_order是1，这就说明编号UID为1688850016030994的人，是部门编号为1688851123029587的主管，如图6所示，以此类推，我们就可以得到每个部门的主管。这三张数据表通过人的编号、部门编号相互关联，结合在一起，就可以得到公司的组织架构。
我们可以利用Python脚本自动实现对企业微信原始数据库的读取工作，并自动输出公司的组织架构，可以节省大量人工。脚本内容如下：
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种手机取证中分析重点人物的方法，其特征在于：所述重点人物分析方法包括如下三个方面：
基于通联分析：根据群成员之间通讯联系来进行人员分析，可根据群主、群活跃成员、群关系和联系人活跃度多个方面进行综合分析，判断筛选重点人物；
基于内容分析：包括基于总词云分析、基于团伙内部的词云分析以及基于群活跃成员的词云分析，根据高频词汇筛选出重点人物；
基于应用特点分析：即根据不同应用的特点，通过群邀请关系和应用内的组织框架来判断重点人物。
2.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：基于群主进行分析时，根据所要取证的群聊中的群主、管理员来筛选重点人物，往往犯罪组织内部群的群主都是犯罪头目或者重点人员，一个成员担任群主的群越多，他在组织中的重要性越大，我们可以通过是否为群主分析出重点人员。
3.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：基于群活跃成员进行分析时，根据应用自带功能获取群成员的活跃程度排名，或者根据群成员发言的频次和时间分布来统计获取群成员的活跃程度排名，活跃程度靠前的为重点人员。
4.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：基于群关系进行分析时，我们可以分析其中一个嫌疑人的微信群关系图，通过群与群之间的共同成员数，判定出组织内部大群、组织领导层群和组织小组群，组织领导层群与其他大量群均会有少量共有成员，便于判断出重点人员集中的群聊。
5.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：基于联系人活跃度分析，若我们分析出了一部手机微信的使用者为组织的一个普通成员，普通成员一般和他的上级聊天会更频繁一些，这时我们可以对其与微信好友的聊天数量进行排序，数量较多的则有可能是组织的管理人员。
6.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：基于总词云分析时，首先通过分析一个手机中所有社交软件出现的高频词汇排名，从而得出犯罪团伙的话术，然后根据这些高频词汇查找发送这些高频词汇最为频繁的人员排名，从而溯源到犯罪头目和重点人员。
7.如权利要求4所述的一种手机取证中分析重点人物的方法，其特征在于：在基于群关系分析中，我们能够分析出一个组织的内部群，进而我们可以对内部群做一个词云分析，分析出群聊中的高频词汇，然后根据高频词汇筛选出发送高频词汇最为频繁的重点人员。
8.如权利要求3所述的一种手机取证中分析重点人物的方法，其特征在于：在基于群活跃成员分析中，我们可以分析出重点人员，我们可以就这些重点人员在内部群里的聊天，更进一步对这些活跃成员的词云做一个分析，筛选出重点人员发言的高频词汇，然后根据重点人员发言的高频词汇筛选出其他发送这些高频词汇最为频繁的人员。
9.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：在多高频词汇进行筛选分析时，我们采用词频统计、逆文档频率、TF-IDF、互信息、卡方检验、潜在语义分析、主题模型和词嵌入其中的多种方法综合来进行筛选高频词汇筛选。
10.如权利要求1所述的一种手机取证中分析重点人物的方法，其特征在于：在具有群邀请关系的社交应用中，处于邀请关系第一级的往往是犯罪头目，而处于第二级的很有可能是重点人群，根据群邀请关系层层分析，可以快速分析出重点人员；在具有组织架构的社交应用中，我们可以直接看手机取证软件关于组织架构的解析，处于架构高层的多是一个组织的犯罪头目和重点人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310878447.8A CN116881577A (zh) | 2023-07-18 | 2023-07-18 | 一种手机取证中分析重点人物的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310878447.8A CN116881577A (zh) | 2023-07-18 | 2023-07-18 | 一种手机取证中分析重点人物的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116881577A true CN116881577A (zh) | 2023-10-13 |
Family
ID=88271135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310878447.8A Pending CN116881577A (zh) | 2023-07-18 | 2023-07-18 | 一种手机取证中分析重点人物的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116881577A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685129A (zh) * | 2018-12-19 | 2019-04-26 | 南京拓界信息技术有限公司 | 一种基于智能手机的多类社交应用主题信息聚类关联方法 |
| CN109787971A (zh) * | 2019-01-08 | 2019-05-21 | 重庆市千将软件有限公司 | 基于电子物证快速提取的数据分析系统 |
| CN110727877A (zh) * | 2019-09-18 | 2020-01-24 | 上海大智慧信息科技有限公司 | 适用于社交软件的群组运行方法及系统 |
| CN111080463A (zh) * | 2019-12-13 | 2020-04-28 | 厦门市美亚柏科信息股份有限公司 | 一种关键通讯节点识别方法、装置及介质 |
| CN112215386A (zh) * | 2020-05-11 | 2021-01-12 | 北京明略软件系统有限公司 | 一种人员活跃度预测方法、装置和计算机可读存储介质 |
| CN112445870A (zh) * | 2020-10-27 | 2021-03-05 | 福建中锐电子科技有限公司 | 基于手机取证电子数据的知识图谱串并案分析方法 |
| CN114385123A (zh) * | 2022-01-14 | 2022-04-22 | 南京拓界信息技术有限公司 | 一种基于qt框架的微信群邀请关系分析方法 |
-
2023
- 2023-07-18 CN CN202310878447.8A patent/CN116881577A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685129A (zh) * | 2018-12-19 | 2019-04-26 | 南京拓界信息技术有限公司 | 一种基于智能手机的多类社交应用主题信息聚类关联方法 |
| CN109787971A (zh) * | 2019-01-08 | 2019-05-21 | 重庆市千将软件有限公司 | 基于电子物证快速提取的数据分析系统 |
| CN110727877A (zh) * | 2019-09-18 | 2020-01-24 | 上海大智慧信息科技有限公司 | 适用于社交软件的群组运行方法及系统 |
| CN111080463A (zh) * | 2019-12-13 | 2020-04-28 | 厦门市美亚柏科信息股份有限公司 | 一种关键通讯节点识别方法、装置及介质 |
| CN112215386A (zh) * | 2020-05-11 | 2021-01-12 | 北京明略软件系统有限公司 | 一种人员活跃度预测方法、装置和计算机可读存储介质 |
| CN112445870A (zh) * | 2020-10-27 | 2021-03-05 | 福建中锐电子科技有限公司 | 基于手机取证电子数据的知识图谱串并案分析方法 |
| CN114385123A (zh) * | 2022-01-14 | 2022-04-22 | 南京拓界信息技术有限公司 | 一种基于qt框架的微信群邀请关系分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Garimella et al. | Images and misinformation in political groups: Evidence from WhatsApp in India | |
| Purohit et al. | Emergency-relief coordination on social media: Automatically matching resource requests and offers | |
| Matsuo et al. | Polyphonet: an advanced social network extraction system from the web | |
| Agarwal et al. | Applying social media intelligence for predicting and identifying on-line radicalization and civil unrest oriented threats | |
| Ratkiewicz et al. | Truthy: mapping the spread of astroturf in microblog streams | |
| KR101605430B1 (ko) | 문답 데이터베이스 구축 시스템 및 방법, 그리고 이를 이용한 검색 시스템 및 방법 | |
| CN104809108B (zh) | 信息监测分析系统 | |
| Weng et al. | Using text classification and multiple concepts to answer e-mails | |
| US20060112111A1 (en) | System and methods for data analysis and trend prediction | |
| Chianese et al. | Cultural heritage and social pulse: a semantic approach for CH sensitivity discovery in social media data | |
| KR20130083838A (ko) | 임팩트 분석 및 영향 트랙킹을 포함한 복수의 미디어에 대한 데이터 수집, 트랙킹 및 분석 | |
| CN107918644B (zh) | 声誉管理框架内的新闻议题分析方法和实施系统 | |
| US20090100032A1 (en) | Method and system for creation of user/guide profile in a human-aided search system | |
| CN110737821B (zh) | 相似事件查询的方法、装置、存储介质和终端设备 | |
| Yang et al. | The role of online reputation management, trolling, and personality traits in the crafting of the virtual self on social media | |
| CN104240107B (zh) | 社群数据筛选系统及其方法 | |
| Whittle et al. | Data mining of search engine logs | |
| CN116723005A (zh) | 多态隐藏下的恶意代码隐式情报追踪方法及系统 | |
| Pasek et al. | Attention to Campaign Events: Do Twitter and Self‐Report Metrics Tell the Same Story? | |
| Chen et al. | Amoc: A multifaceted machine learning-based toolkit for analysing cybercriminal communities on the darknet | |
| Moschopoulos et al. | Toward the automatic extraction of policy networks using web links and documents | |
| CN116881577A (zh) | 一种手机取证中分析重点人物的方法 | |
| CN110633410A (zh) | 信息处理方法及装置、存储介质、电子装置 | |
| Konstantinidis et al. | Exploring Twitter communication dynamics with evolving community analysis | |
| Khan et al. | Exploring Links between Online Activism and Real‐World Events: A Case Study of the# FeesMustFall |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |