Quels sont certains des principaux défis du Big Data en matière de criminalistique numérique? googletag.cmd.push (function () {googletag.display (div-gpt-ad-1562928221186-0);}); Q:

Auteur: Roger Morrison
Date De Création: 28 Septembre 2021
Date De Mise À Jour: 21 Juin 2024
Anonim
Quels sont certains des principaux défis du Big Data en matière de criminalistique numérique? googletag.cmd.push (function () {googletag.display (div-gpt-ad-1562928221186-0);}); Q: - La Technologie
Quels sont certains des principaux défis du Big Data en matière de criminalistique numérique? googletag.cmd.push (function () {googletag.display (div-gpt-ad-1562928221186-0);}); Q: - La Technologie

Contenu

Q:

Quels sont certains des principaux défis du Big Data en matière de criminalistique numérique?


UNE:

Le principe d’échange de Locard est l’un des principaux axiomes de la médecine légale, numérique ou autre. En termes simples, ce principe, formulé par le Dr Edmond Locard (connu à son époque sous le nom de «Sherlock Holmes de France»), énonce:

"Chaque contact laisse une trace."

Ces traces sont les minuscules morceaux laissés que les enquêteurs légistes ont utilisés pour nous aider à déterminer, dans une situation donnée, ce qui s’est passé, où cela s’est passé, à qui, quand, comment, et comment.

La criminalistique numérique consiste donc à rechercher des artefacts et des traces de preuves numériques: de petites données, pas de données volumineuses. Le Big Data, en tant que concept, est l’étude d’ensembles de données énormes et complexes dans lesquels les méthodes d’analyse traditionnelles ne fonctionnent pas, ainsi que les nouvelles méthodologies de «Big Data».


Par exemple, des algorithmes d'intelligence artificielle peuvent être utilisés pour détecter des modèles d'utilisation sur des appareils mobiles et le GPS pour déterminer les microrégions de richesse ou de pauvreté. C’est un bon exemple de «big data» au travail.

Par conséquent, les données volumineuses ne représentent pas un défi majeur pour l'informatique judiciaire numérique, car elles traitent de plus petits ensembles de données.