對法學管理制度上要遵守相關(guān)要求事項，就比如說數(shù)據(jù)挖掘技術(shù)的計算機犯罪取證應用是有關(guān)對計算機犯罪中取證的一些方式。

　　摘要：數(shù)據(jù)挖掘是一種特殊的數(shù)據(jù)分析過程，其不僅在功能上具有多樣性，同時還具有著自動化、智能化處理以及抽象化分析判斷的特點，對于計算機犯罪案件中的信息取證有著非常大的幫助。本文結(jié)合數(shù)據(jù)挖掘技術(shù)的概念與功能，對其在計算機犯罪取證中的應用進行了分析。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù),計算機,犯罪取證,犯罪類論文

　　隨著信息技術(shù)與互聯(lián)網(wǎng)的不斷普及，計算機犯罪案件變得越來越多，同時由于計算機犯罪的隱蔽性、復雜性特點，案件偵破工作也具有著相當?shù)碾y度，而數(shù)據(jù)挖掘技術(shù)不僅能夠?qū)τ嬎銠C犯罪案件中的原始數(shù)據(jù)進行分析并提取出有效信息，同時還能夠?qū)崿F(xiàn)與其他案件的對比，而這些對于計算機犯罪案件的偵破都是十分有利的。

　　推薦期刊：《犯罪研究》雜志是由上海市社會科學界聯(lián)合會主管、上海市犯罪學學會主辦，經(jīng)國家新聞出版署批準出版的專業(yè)性理論刊物，刊號為CN31-1809/D。本刊創(chuàng)刊于1981年，原名《刑偵研究》，于1983年成為上海市犯罪學學會會刊。

　　1數(shù)據(jù)挖掘技術(shù)的功能與應用分析

　　1.1數(shù)據(jù)挖掘技術(shù)的概念

　　數(shù)據(jù)挖掘技術(shù)是針對當前信息時代下海量的網(wǎng)絡數(shù)據(jù)信息而言的，簡單來說，就是從大量的、不完全的、有噪聲的、模糊的隨機數(shù)據(jù)中對潛在的有效知識進行自動提取，從而為判斷決策提供有利的信息支持。同時，從數(shù)據(jù)挖掘所能夠的得到的知識來看，主要可以分為廣義型知識、分類型知識、關(guān)聯(lián)性知識、預測性知識以及離型知識幾種。

　　1.2數(shù)據(jù)挖掘技術(shù)的功能

　　根據(jù)數(shù)據(jù)挖掘技術(shù)所能夠提取的不同類型知識，數(shù)據(jù)挖掘技術(shù)也可以在此基礎(chǔ)上進行功能分類，如關(guān)聯(lián)分析、聚類分析、孤立點分析、時間序列分析以及分類預測等都是數(shù)據(jù)挖掘技術(shù)的重要功能之一，而其中又以關(guān)聯(lián)分析與分類預測最為主要。大量的數(shù)據(jù)中存在著多個項集，各個項集之間的取值往往存在著一定的規(guī)律性，而關(guān)聯(lián)分析則正是利用這一點，對各項集之間的關(guān)聯(lián)關(guān)系進行挖掘，找到數(shù)據(jù)間隱藏的關(guān)聯(lián)網(wǎng)，主要算法有FP-Growth算法、Apriori算法等。在計算機犯罪取證中，可以先對犯罪案件中的特征與行為進行深度的挖掘，從而明確其中所存在的聯(lián)系，同時，在獲得審計數(shù)據(jù)后，就可以對其中的審計信息進行整理并中存入到數(shù)據(jù)庫中進行再次分析，從而達到案件樹立的效果，這樣，就能夠清晰的判斷出案件中的行為是否具有犯罪特征[1]。而分類分析則是對現(xiàn)有數(shù)據(jù)進行分類整理，以明確所獲得數(shù)據(jù)中的相關(guān)性的一種數(shù)據(jù)挖掘功能。在分類分析的過程中，已知數(shù)據(jù)會被分為不同的數(shù)據(jù)組，并按照具體的數(shù)據(jù)屬性進行明確分類，之后再通過對分組中數(shù)據(jù)屬性的具體分析，最終就可以得到數(shù)據(jù)屬性模型。在計算機犯罪案件中，可以將按照這種數(shù)據(jù)分類、分析的方法得到案件的數(shù)據(jù)屬性模型，之后將這一數(shù)據(jù)屬性模型與其他案件的數(shù)據(jù)屬性模型進行對比，這樣就能夠判斷嫌疑人是否在作案動機、發(fā)生規(guī)律以及具體特征等方面與其他案件模型相符，也就是說，一旦這一案件的數(shù)據(jù)模型屬性與其他案件的數(shù)據(jù)模型屬性大多相符，那么這些數(shù)據(jù)就可以被確定為犯罪證據(jù)。此外，在不同案件間的共性與差異的基礎(chǔ)上，分類分析還可以實現(xiàn)對于未知數(shù)據(jù)信息或類似數(shù)據(jù)信息的有效預測，這對于計算機犯罪案件的處理也是很有幫助的。此外，數(shù)據(jù)挖掘分類預測功能的實現(xiàn)主要依賴決策樹、支持向量機、VSM、Logisitic回歸、樸素貝葉斯等幾種，這些算法各有優(yōu)劣，在實際應用中需要根據(jù)案件的實際情況進行選擇，例如支持向量機具有很高的分類正確率，因此適合用于特征為線性不可分的案件，而決策樹更容易理解與解釋。

　　2數(shù)據(jù)挖掘技術(shù)在計算機犯罪取證中的具體應用思路

　　對于數(shù)據(jù)挖掘技術(shù)，目前的計算機犯罪取證工作并未形成一個明確而統(tǒng)一的應用步驟，因此，我們可以根據(jù)數(shù)據(jù)挖掘技術(shù)的特征與具體功能，對數(shù)據(jù)挖掘技術(shù)在計算機犯罪取證中的應用提供一個較為可行的具體思路[2]。首先，當案件發(fā)生后，一般能夠獲取到海量的原始數(shù)據(jù)，面對這些數(shù)據(jù)，可以利用FP-Growth算法、Apriori算法等算法進行關(guān)聯(lián)分析，找到案件相關(guān)的潛在有用信息，如犯罪嫌疑人的犯罪動機、案發(fā)時間、作案嫌疑人的基本信息等等。在獲取這些基本信息后，雖然能夠?qū)Π讣�的基本特征有一定的了解，但犯罪嫌疑人卻難以通過這些簡單的信息進行確定，因此還需利用決策樹、支持向量機等算法進行分類預測分析，通過對原始信息的準確分類，可以得到案件的犯罪行為模式(數(shù)據(jù)屬性模型)，而通過與其他案件犯罪行為模式的對比，就能夠?qū)Ψ缸锵右扇说木唧w特征進行進一步的預測，如經(jīng)常活動的場所、行為習慣、分布區(qū)域等，從而縮小犯罪嫌疑人的鎖定范圍，為案件偵破工作帶來巨大幫助。此外，在計算機犯罪案件處理完畢后，所建立的嫌疑人犯罪行為模式以及通過關(guān)聯(lián)分析、分類預測分析得到的案件信息仍具有著很高的利用價值，因此不僅需要將這些信息存入到專門的數(shù)據(jù)庫中，同時還要根據(jù)案件的結(jié)果對數(shù)據(jù)進行再次分析與修正，并做好犯罪行為模式的分類與標記工作，為之后的案件偵破工作提供更加豐富、詳細的數(shù)據(jù)參考。

　　3結(jié)束語

　　總而言之，數(shù)據(jù)挖掘技術(shù)自計算機犯罪取證中的應用是借助以各種算法為基礎(chǔ)的關(guān)聯(lián)、分類預測功能來實現(xiàn)的，而隨著技術(shù)的不斷提升以及數(shù)據(jù)庫中的犯罪行為模式會不斷得到完善，在未來數(shù)據(jù)挖掘技術(shù)所能夠起到的作用也必將越來越大。