Perbandingan Kinerja Perangkat Lunak Forensik untuk File Carving dengan Metode NIST

Doddy Teguh Yuwono, Abdul Fadlil, S. Sunardi
{"title":"Perbandingan Kinerja Perangkat Lunak Forensik untuk File Carving dengan Metode NIST","authors":"Doddy Teguh Yuwono, Abdul Fadlil, S. Sunardi","doi":"10.14710/jtsiskom.7.3.2019.%p","DOIUrl":null,"url":null,"abstract":"Data yang hilang karena format cepat atau sistem crash akan tetap ada di dalam sektor media penyimpanan. Forensik digital memerlukan bukti dan teknik pengembalian data yang tepat untuk mengembalikan data yang hilang dari media penyimpanan. Penelitian ini melakukan perbandingan performansi perangkat lunak forensik open source untuk mengembalikan data, yaitu Scalpel, Foremost dan Autopsy, menggunakan metode forensik National Institute of Standards Technology (NIST). Proses pengujian yang dilakukan menggunakan teknik file carving. Hasil file carving dianalisis dengan melihat tingkat keberhasilan (akurasi) alat forensik yang digunakan dalam pengembalian data. Scalpel menunjukkan akurasi file carving tertinggi dengan keberhasilan sebesar 100% untuk 20 file dokumen dalam format pdf dan Docx, dan 90% untuk file gambar dalam format png dan jpeg.","PeriodicalId":56231,"journal":{"name":"Jurnal Teknologi dan Sistem Komputer","volume":"7 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi dan Sistem Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14710/jtsiskom.7.3.2019.%p","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

Abstract

Data yang hilang karena format cepat atau sistem crash akan tetap ada di dalam sektor media penyimpanan. Forensik digital memerlukan bukti dan teknik pengembalian data yang tepat untuk mengembalikan data yang hilang dari media penyimpanan. Penelitian ini melakukan perbandingan performansi perangkat lunak forensik open source untuk mengembalikan data, yaitu Scalpel, Foremost dan Autopsy, menggunakan metode forensik National Institute of Standards Technology (NIST). Proses pengujian yang dilakukan menggunakan teknik file carving. Hasil file carving dianalisis dengan melihat tingkat keberhasilan (akurasi) alat forensik yang digunakan dalam pengembalian data. Scalpel menunjukkan akurasi file carving tertinggi dengan keberhasilan sebesar 100% untuk 20 file dokumen dalam format pdf dan Docx, dan 90% untuk file gambar dalam format png dan jpeg.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
将切割文件的法医软件性能与NIST方法进行比较
由于快速格式化或系统崩溃而丢失的数据将保留在媒体存储扇区中。数字取证需要适当的证据和数据检索技术来从存储介质中检索丢失的数据。本研究使用美国国家标准技术研究所(NIST)的取证方法,比较了软开源取证设备返回数据的性能,即手术刀、Foremost和尸检。使用雕刻锉刀技术进行的测试过程。通过查看用于数据恢复的取证工具的成功程度(准确性)来分析雕刻文件的结果。Scalpel显示出最高的雕刻文件精度,20个pdf和Docx格式的文档文件成功率为100%,png和jpeg格式的图像文件成功率达90%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
6
审稿时长
6 weeks
期刊最新文献
TATOPSIS: A decision support system for selecting a major in university with a two-way approach and TOPSIS Regional clustering based on economic potential with a modified fuzzy k-prototypes algorithm for village developing target determination River water level measurement system using Sobel edge detection method Classification of beneficiaries for the rehabilitation of uninhabitable houses using the K-Nearest Neighbor algorithm Sequence-based prediction of protein-protein interaction using autocorrelation features and machine learning
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1