SENTINEL-DL: un marco forense para la atribución de dispositivos utilizando datos de sensores de movimiento

Área de la Ciencia:

• Forense digital
• Análisis de datos de sensores
• Aprendizaje automático

Sus antecedentes:

• El análisis de evidencia digital a menudo se basa en datos almacenados en dispositivos.
• Asociar la evidencia basada en el movimiento con modelos de dispositivos específicos presenta un desafío.
• Los métodos forenses existentes pueden carecer de capacidades sólidas de huella digital del dispositivo.

Objetivo del estudio:

• Presentar SENTINEL-DL, un marco forense novedoso para la asociación de dispositivos utilizando datos de sensores de movimiento.
• Aprovechar las firmas de movimiento intrínsecas de los acelerómetros para el análisis forense.
• Mejorar la huella digital digital y la autenticación forense para la evidencia de movimiento.

Principales métodos:

• Se utilizaron acelerómetros 3D incorporados para perfilar firmas de movimiento intrínsecas resistentes a la manipulación.
• Se emplearon modelos de aprendizaje automático, incluidas redes aleatorias (RF), redes neuronales profundas (DNN) y redes neuronales convolucionales (CNN).
• Se compararon datos sensoriales desconocidos con una base de datos de referencia de perfiles de dispositivos.

Principales resultados:

• Logró una tasa de verdaderos positivos (TPR) del 93,99% para teléfonos inteligentes y del 92,65% para relojes inteligentes.
• Se reportó una tasa de falsas aceptaciones (FAR) del 0,66% para teléfonos inteligentes y del 1,22% para relojes inteligentes.
• Demostró una precisión general del 98,76% para teléfonos inteligentes y del 98,97% para relojes inteligentes.

Conclusiones:

• SENTINEL-DL proporciona una solución ligera y confiable para analizar la evidencia del sensor de movimiento.
• El marco ofrece un soporte eficaz para la huella digital digital y la autenticación forense.
• Los datos del sensor de movimiento pueden mejorar significativamente las metodologías de huella digital del dispositivo y verificación forense.