12、数字取证中的贝叶斯网络与社交网络数据可视化

数字取证中的贝叶斯网络与社交网络数据可视化

贝叶斯网络在BitTorrent模型中的应用

在分析BitTorrent模型时，我们运用了两种方法。模型中有24个节点，对应24条条件独立语句。下面是与五个节点H、H1、H2、E1和E8对应的条件独立语句：
- (I(H, ∅, ∅))
- (I(H1, H, {H2, …, H5, E4, …, E18}))
- (I(H2, H, {H1, H3, …, H5, E1, …, E3, E9, …, E18}))
- (I(E1, H1, {E2, E3, H2, H3, …, H5, E4, …, E18}))
- (I(E4, {H2, H3}, {H, H1, H3, …, H5, E1, … E3, E5, …, E18}))

我们使用关于E4的最后一条独立语句来分析图1中DAG（有向无环图）的拓扑结构。具体操作步骤如下：
1. 假设给定H2和H3（即E4的父节点），判断我们对E4的信念是否与它的非后代节点条件独立。
2. 寻找可能影响E4的非后代节点。如果找到这样的节点，那么图1中关于E4的拓扑结构就不满足(I(V, Parents(V), NonDescendants(V)))的要求。

接下来，我们使用Pearl算法创建贝叶斯信念网络。为简化问题，我们舍弃H，使用变量集({Hi, E1, …, E18})。应用该算法后，我们发现H3不应是E4的父节点，而H4应是E11的父节点。这意味着 “The torrent was sent to a newsgroup for publishing” (H3) 并不直接导致 “BitTorrent client s