МАТЕМАТИЧЕСКАЯ ФИЛЬТРАЦИЯ В МОДУЛЕ СУДЕБНОЙ ЭКСПЕРТИЗЫ ИСТОРИИ ЗВОНКОВ

2025

Full text Open access: Gold Metadata (CSL-JSON)
DOI 10.54309/ijict.2025.24.4.015
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

Растущая сложность преступлений, совершаемых с использованием современных технологий, требует от судебно-медицинских экспертов перехода от извлечения данных к аналитической интерпретации. В этом исследовании оцениваются четыре основных пакета - Cellebrite UFED, Oxygen Forensic Detective, Elcomsoft iOS Forensic Toolkit и MOBILedit Pro - с акцентом на их способность анализировать журналы вызовов с современных устройств Android и iOS. Несмотря на надежность сбора данных, эти инструменты имеют ряд недостатков: неполное восстановление фрагментированных таблиц SQLite, слабая временная визуализация и плохая корреляция между устройствами. Для решения этих проблем мы предлагаем легкий модуль анализа истории звонков, который интегрируется в существующие рабочие процессы. Он объединяет разнородные базы данных о звонках в хронологический реестр, применяет математические фильтры для выявления закономерностей или аномалий и визуализирует тенденции обмена сообщениями с помощью тепловых карт, временных линий и графиков эго-сети. Встроенная система поиска сходства идентифицирует общие контакты и параллельные временные линии. Пилотное тестирование подтверждает повышение точности, сокращение времени сортировки и улучшение понимания контекста, расширяя возможности цифровой криминалистики при минимальных эксплуатационных затратах.