Social Network Forensics


ႏုိင္ငံတစ္ကာမွ Secret Service ေတြအတြက္အသုံးတဲ့ အခ်က္အလက္ေတြကုိ Social Media မွတစ္ဆင့္ရရွိေနပါတယ္။ ဘာျဖစ္လုိ႕လဲဆုိရင္ လူတစ္ဦးတစ္ေယာက္ရဲ႕အခ်က္အလက္ေတြ အဆုိပါလူနဲ႕ ပတ္သတ္ေနတဲ့ အေပါင္းအသင္းေတြရဲ႕ အခ်က္အလက္္စတာေတြဟာ Public ျဖစ္တာနဲ႕အမွ် အလြယ္တကူ စုံစမ္းစစ္ေဆးႏုိင္လုိ႕ျဖစ္ပါတယ္။ အခ်က္အလက္ေတြကေနရရွိႏုိင္တာေတြကေတာ့ ဘယ္မွာေနတယ္ ဘာအလုပ္ကုိင္လုပ္တယ္ ဘယ္ေနရာေတြသြားတတ္တယ္ ဘာအက်င့္စရုိက္ရွိတယ္ေဆြးမ်ဳိးသားခ်င္းေတြက ဘယ္သူေတြ လုပ္ေဖာ္ကုိင္ဖက္ေတြက ဘယ္သူေတြ ငယ္သူငယ္ခ်င္းေတြက ဘယ္သူေတြ အခင္ဆုံးသူငယ္ခ်င္းေတြက ဘယ္သူေတြ လက္ရွိတြဲေနတဲ့ရည္းစားကဘယ္သူ .. လက္ရွိဘယ္သူေတြနဲ႕အမ်ားဆုံးတြဲေနလဲ ဘယ္သူေတြနဲ႕ အမ်ားဆုံးတြဲသြားတြဲလာရွိလဲ Social Media မွာဘယ္သူေတြနဲ႕ အဆက္အသြယ္အမ်ားဆုံးရွိတယ္ စတဲ့အခ်က္အလက္ေတြကုိ ရရွိႏုိင္ပါတယ္။
Public ျဖစ္တာေၾကာင့္ အခ်က္အလက္ေတြကုိ စုံးစမ္းဖုိ႕အတြက္ လြယ္ကူပါတယ္။ တစ္ခါတစ္ေလ သံသယရွိရဲ႕ဓာတ္ပုံတစ္ပုံရွိရုံနဲ႕(ဥပမာ CCTV ကေနရရွိေသာဓာတ္ပုံ) Social Media ကေနတစ္ဆင့္တုိက္ဆုိင္စစ္ေဆးရွာေဖြႏုိင္ပါတယ္။ သံသယရွိသူဟာ Social Media အသုံးျပဳခဲ့မယ္ဆုိရင္ ……. ။ အခ်ဳိ႕ေသာ Company မ်ားမွာအလုပ္လာေလွ်ာက္စဥ္ကတည္းက ေလွ်ာက္ထားသူရဲ႕ Social Media အသုံးျပဳမႈကုိ အရင္ဆုံးစစ္ေဆးပါတယ္။
Social Network Forensics မွာပါ၀င္တာေတြကေတာ့ (Facebook,Twitter,Linkedin) Photo Sharing (instagram, Flickr, Tiktok) Video Sharing (youtube) , Webiste , Blog Forum, Gaming
Social Network Forensics ထဲမွာဘာေတြပါ၀င္သလဲဆုိရင္ Post ,Photo,Video,Comment,Like and React , Reply ,Tag စတာေတြပါ၀င္ပါတယ္။ တစ္ခုခ်င္းစီကုိ အေသးစိတ္စီစစ္ၿပီးေကာက္ခ်က္ ခ်ျခင္းျဖစ္ပါတယ္။
Social Media Forensics အတြက္ေရပန္းစားတဲ့ လူအသုံးအမ်ားဆုံးျဖစ္တဲ့ App ေတြSite ေတြကုိကြ်မ္းက်င္စြာအသုံးျပဳတတ္မႈ စိတ္ရွည္မႈတုိ႕ပဲျဖစ္ပါတယ္။ Social Media ေတြမွာပါ၀င္တဲ့ Search လုပ္တဲ့ စနစ္ကုိကြ်မ္းက်င္စြာအသုံးျပဳတတ္မႈလဲပါ၀င္ပါတယ္။ hashtag , Reverse Image Search စတာေတြကုိလည္းကြ်မ္းက်င္စြာအသုံးျပဳတတ္ရမွာျဖစ္ပါတယ္။ အျခားဆက္စပ္အသုံးျပဳရမဲ့ နည္းပညာ ေတြကုိလဲ နားလည္ၿပီး ဆက္စပ္အသုံးျပဳရမွာျဖစ္ပါတယ္။Google Custom Search မ်ားကုိလည္းအလွ်င္းသင့္သလုိ အသုံးျပဳရမွာျဖစ္ပါတယ္။ Social Media မွရရွိေသာ Result မ်ားသည္ မႈခင္းအတြက္ တုိက္ရုိက္သက္ေသခံခ်က္မ်ားျဖစ္ႏုိင္သလို။ သြယ္၀ုိက္ေသာ သက္ေသခံခ်က္မ်ား လည္း ျဖစ္ႏုိင္ပါသည္။
=========

နိုင်ငံတစ်ကာမှ Secret Service တွေအတွက်အသုံးတဲ့ အချက်အလက်တွေကို Social Media မှတစ်ဆင့်ရရှိနေပါတယ်။ ဘာဖြစ်လို့လဲဆိုရင် လူတစ်ဦးတစ်ယောက်ရဲ့အချက်အလက်တွေ အဆိုပါလူနဲ့ ပတ်သတ်နေတဲ့ အပေါင်းအသင်းတွေရဲ့ အချက်အလက်စတာတွေဟာ Public ဖြစ်တာနဲ့အမျှ အလွယ်တကူ စုံစမ်းစစ်ဆေးနိုင်လို့ဖြစ်ပါတယ်။ အချက်အလက်တွေကနေရရှိနိုင်တာတွေကတော့ ဘယ်မှာနေတယ် ဘာအလုပ်ကိုင်လုပ်တယ် ဘယ်နေရာတွေသွားတတ်တယ် ဘာအကျင့်စရိုက်ရှိတယ်ဆွေးမျိုးသားချင်းတွေက ဘယ်သူတွေ လုပ်ဖော်ကိုင်ဖက်တွေက ဘယ်သူတွေ ငယ်သူငယ်ချင်းတွေက ဘယ်သူတွေ အခင်ဆုံးသူငယ်ချင်းတွေက ဘယ်သူတွေ လက်ရှိတွဲနေတဲ့ရည်းစားကဘယ်သူ .. လက်ရှိဘယ်သူတွေနဲ့အများဆုံးတွဲနေလဲ ဘယ်သူတွေနဲ့ အများဆုံးတွဲသွားတွဲလာရှိလဲ Social Media မှာဘယ်သူတွေနဲ့ အဆက်အသွယ်အများဆုံးရှိတယ် စတဲ့အချက်အလက်တွေကို ရရှိနိုင်ပါတယ်။

 Public ဖြစ်တာကြောင့် အချက်အလက်တွေကို စုံးစမ်းဖို့အတွက် လွယ်ကူပါတယ်။ တစ်ခါတစ်လေ သံသယရှိရဲ့ဓာတ်ပုံတစ်ပုံရှိရုံနဲ့(ဥပမာ CCTV ကနေရရှိသောဓာတ်ပုံ) Social Media ကနေတစ်ဆင့်တိုက်ဆိုင်စစ်ဆေးရှာဖွေနိုင်ပါတယ်။ သံသယရှိသူဟာ Social Media အသုံးပြုခဲ့မယ်ဆိုရင် ……. ။ အချို့သော Company များမှာအလုပ်လာလျှောက်စဉ်ကတည်းက လျှောက်ထားသူရဲ့ Social Media အသုံးပြုမှုကို အရင်ဆုံးစစ်ဆေးပါတယ်။

 Social Network Forensics မှာပါဝင်တာတွေကတော့ (Facebook,Twitter,Linkedin) Photo Sharing (instagram, Flickr, Tiktok) Video Sharing (youtube) , Webiste , Blog Forum, Gaming

 Social Network Forensics ထဲမှာဘာတွေပါဝင်သလဲဆိုရင် Post ,Photo,Video,Comment,Like and React , Reply ,Tag စတာတွေပါဝင်ပါတယ်။ တစ်ခုချင်းစီကို အသေးစိတ်စီစစ်ပြီးကောက်ချက် ချခြင်းဖြစ်ပါတယ်။

 Social Media Forensics အတွက်ရေပန်းစားတဲ့ လူအသုံးအများဆုံးဖြစ်တဲ့ App တွေSite တွေကိုကျွမ်းကျင်စွာအသုံးပြုတတ်မှု စိတ်ရှည်မှုတို့ပဲဖြစ်ပါတယ်။ Social Media တွေမှာပါဝင်တဲ့ Search လုပ်တဲ့ စနစ်ကိုကျွမ်းကျင်စွာအသုံးပြုတတ်မှုလဲပါဝင်ပါတယ်။ hashtag , Reverse Image Search စတာတွေကိုလည်းကျွမ်းကျင်စွာအသုံးပြုတတ်ရမှာဖြစ်ပါတယ်။ အခြားဆက်စပ်အသုံးပြုရမဲ့ နည်းပညာ တွေကိုလဲ နားလည်ပြီး ဆက်စပ်အသုံးပြုရမှာဖြစ်ပါတယ်။Google Custom Search များကိုလည်းအလျှင်းသင့်သလို အသုံးပြုရမှာဖြစ်ပါတယ်။ Social Media မှရရှိသော Result များသည် မှုခင်းအတွက် တိုက်ရိုက်သက်သေခံချက်များဖြစ်နိုင်သလို။ သွယ်ဝိုက်သော သက်သေခံချက်များ လည်း ဖြစ်နိုင်ပါသည်။

 #Socialnetwork #Digitalforensics
#Thirdeye

Comments

Post a Comment

Popular posts from this blog

NTFS Index Attributes

Image
  NTFS Index Attributes Now that we have described the general concept of B-trees, we need to describe how they are implemented in NTFS to create indexes. Each entry in the tree uses a data structure called an index entry to store the values in each node. There are many types of index entries, but they all have the same standard header fields, which are given in Chapter 13. For example, a directory index entry contains a few header values and a $FILE_NAME attribute. The index entries are organized into nodes of the tree and stored in a list. An empty entry is used to signal the end of the list. Figure 11.18 shows an example of a node in a directory index with four $FILE_NAME index entries. Figure 11.18. A node in an NTFS directory index tree with four index entries. Figure 11.18 The index nodes can be stored in two types of MFT entry attributes. The $INDEX_ROOT attribute is always resident and can store only one node that contains a small number of index entries. The $INDEX_ROOT at...
Read more

B-Trees (NTFS)

Image
  B-Trees An NTFS index sort attributes into a tree, specifically a B-tree. A tree is a group of data structures called nodes that are linked together such that there is a head node and its branches out to the other nodes. Consider Figure 11.13(A), where we see node A on top and it links to nodes B and C. Node B links to nodes D and E. A parent node is one that links to other nodes, and a child node is one that is linked to. For example, A is a parent node to B and C, which are children of A. A leaf node is one that has no links from it. Nodes C, D, and E are leaves. The example shown is a binary tree because there are a maximum of two children per node. Figure 11.13. Examples of A) a tree with 5 nodes and B) the same tree that is sorted by the node values FIG- 11.3 Trees are useful because they can be used to easily sort and find data. Figure 11.13(B) shows the same tree as we saw on the left side, but now with values that are assigned to each node. If we are trying to look up a ...
Read more

eCDFP (Module-6) (Window Forensics) (Part - 1 )

Image
လက်ရှိအချိန်မှာ PC/Laptop သုံးစွဲတဲ့အထဲမှာ Window အသုံးပြုသူက ကမ္ဘာမှာ အများဆုံးဖြစ်ပါတယ်။ Operation System အနေနဲ့ကြည့်မယ်ဆိုရင် ဒုတိယအများဆုံးဖြစ်ပါတယ်၊ ပထမအများဆုံးကတော့ Android ဖြစ်ပါတယ်။ Window 1.0 ကနေ အခုနောက်ဆုံးထွက်တဲ့ Window 11 အထိမှာ လက်ရှိလူတွေ အများဆုံးအသုံးပြုတာကတော့ Window 10/ Window 11 ဖြစ်ပါတယ်။ Forensics Analysis လုပ်မယ်ဆိုရင် Window ကနေရနိုင်တဲ့ Artifact (2) မျိုးရှိပါတယ်။ (1) System Artifacts  (2) User Artifacts  System Artifacts  ကတော့ Window Operation System   ကနေရနိုင်တဲ့ Artifacts တွေဖြစ်ပါတယ်။  System Artifacts Example  Registry Artifacts Event Logs File System Artifacts (Master File Table) Prefetch Files Volume Shadow Copies  User Artifacts ကတော့ User အသုံးပြုတဲ့ Computer ပေါ်မှာ User ကနေအသုံးပြုတဲ့ Activity တွေဖြစ်ပါတယ်။ တစ်ကယ်တန်း Forensics Analysis လုပ်မယ်ဆိုရင် System Artifacts ကိုရော User Artifacts ကိုရော Analysis ပြုလုပ်ပါတယ်။  User Artifacts Example  UserAssist  LNK Files Browser Artifacts...
Read more