Читать книгу Диверсификация методов когнитивных вычислений глубокого обучения в кибер-криминалистику - Никита Ренарьевич Шахулов - Страница 3

Технологические революции, компьютерная интеграция и достижения в Интернете, засвидетельствованные после промышленной революции, стали основным продуктом и сенсацией во всех аспектах нашей повседневной жизни, как выражено в Refs. [1, 2]. Кроме того, люди стали зависимыми от информационных и коммуникационных технологий (ИКТ) и цифровых устройств, учитывая, что преимущества этих устройств помогли сформировать наши общества. Это стало возможным благодаря постоянному присутствию цифровой информации и изменениям в образе мышления и действий людей [3].

Более того, большинство методов компьютерной интеграции стали свидетелями появления многих вычислительных дисциплин, которые привели к повышению эффективности. Одной из примечательных областей, которая изменила восприятие поведения компьютера и того, как работают машины, является дисциплина глубокого обучения (DL), которая является подмножеством искусственного интеллекта (AI). DL позволяет применять многослойные нейронные сети в настройках машин для решения некоторых желаемых задач [4]. Фактически, DL был визуализирован как современный подход, который может предоставить множество точных выводов, которые также изменили способ принятия интеллектуальных решений компьютерами [5]. Тем не менее, Cyber Forensic Science (CFS), который представляет собой научный процесс расследования, а также извлечения и доказательства фактов в суде или гражданских слушаниях, претерпел множество изменений, и многие методы использовались в подходах к обнаружению инцидентов [6, 7]. В результате это исследование пытается изучить динамику расхождения методов когнитивных вычислений DL в Cyber Forensics (CF), чтобы понять эффективность.

В конце концов, это исследование направлено на создание подходящей общей структуры или подхода, с помощью которого концепции и методы когнитивных вычислений DL могут быть интегрированы в Cyber Forensics (CF), чтобы добиться эффективности во время судебной экспертизы с использованием подходов машинного обучения. Таким образом, вклад этой статьи является основой для разделения методов глубокого обучения когнитивных вычислений на кибер-криминалистику.

Напоминание об этом документе структурировано следующим образом: Раздел 2 посвящен предыстории, а Раздел 3 посвящен соответствующей работе по глубокому обучению и кибер-криминалистике. После этого в разделе 4 представлен обзор предлагаемой структуры DLCF. Наконец, статья завершается разделом 5 и упоминает о будущей работе.