Verileri İşleme
Verilerin üzerine yazmak için çok sayıda başka yazılım paketi oldukça iyidir, ancak her birinin kendine has özellikleri ve eksiklikleri vardır.
Özellikle:
1. Ücretsiz yazılımının birçok sürümünün dosya silme işlevinin kusurlu olduğu bulundu. Yine de kullanmak istiyorsa, nasıl düzgün bir şekilde yapılacağına dair kapsamlı bir el için.
2. Samimiyetsiz bir şekilde adlandırılan yapımcılarının reklamını yaparken korkutma taktikleri nedeniyle onunla ilgili pek çok tartışmaya sahiptir.
Comparison_Shredders.htm'deki daha eksiksiz bir liste, öğütücülerin bulunabilirlik ve fiyatlandırma gibi diğer nitelikleri (veya bunların eksikliği) hakkında bilgiler içerir.
Disk temizleme için özel olarak değerlendirilmemiş başka ek yazılım ürünleri mevcuttur. Aşağıdakileri içerir, ancak bunlarla sınırlı değildir:
◗ Strafor Systems tarafından geliştirilen Shredder 2.0;
◗ FatFree Software'den İzlerinizi Kapatın 3.0
◗ Shiva, Isis Software Tarafından Dosyaların Yok Edicisi
Disk temizleme saatlerce sürebileceğinden, güvenlik bilincine sahip bir kullanıcının bunu olası bir tehdide karşı kullanamayacağı açıktır. Kişi böyle bir ortamdaysa (örneğin, totaliter bir rejim), kapının herhangi bir zamanda bir davetsiz misafir tarafından kırılabileceği varsayımıyla çok düzenli bir şekilde disk temizliği yapmalıdır.
Manyetik mikroskopi disklerin adli muayenesi
Cerberus Systems'tan Albert Bell Isle, dosyalara yönelik üç adli bilgisayar tehdidi sınıfını tanımlar. 1. Sınıf saldırılar yalnızca adli yazılım kullanır. Disk üzerine yazarak yenilebilirler.
1. Bir dosyanın tüm kopyaları (parçaları dahil);
2. Tüm dosya ayırma tablosu ve dosyaları ve özniteliklerini adlandırır;
3. Takas dosyası.
2. Sınıf saldırılar, özel yükselticiler ve sinyal işleme kullanır ve üzerine yazılan bazı dosyaları değişken başarı dereceleriyle kurtarabilir. Başarı derecesi, bir dosyanın üzerine kaç kez ve hangi veri modelleriyle yazıldığı, söz konusu manyetik ortamın fiziği, disk boyutu ve üreticisi gibi ayrıntılara bağlıdır.
3. Sınıf saldırılar, taramalı prob mikroskobundan türetilen manyetik kuvvet mikroskobu (MFM) kullanır. MFM'ye dayalı teknikler çok pahalıdır ve potansiyel olarak her tür yazılım kontrollü üzerine yazmanın üstesinden gelebilir.
Nispeten deneyimsiz bir kullanıcı için bile, bir sürücü plakasındaki verilerin görüntülerini almaya başlama süresi yaklaşık 5 dakikadır. Belirli bir parçanın yararlı görüntülerini almaya başlamak, disk biçimleri hakkında bilgi edinmekten daha fazlasını gerektirir, ancak bunlar iyi belgelenmiştir ve plaka üzerinde doğru konum bulunduğunda, beceriye bağlı olarak tek bir görüntü [birkaç dakika] alacaktır.
Daha pahalı MFM'lerden biriyle, bir toplama sırasını otomatikleştirmek mümkündür ve MFM denetleyici yazılımını değiştirerek tüm diskin görüntüsünü toplamak teorik olarak mümkündür.
Kişisel veri işleme şartları
Özel nitelikli kişisel veriler Nelerdir
Kişisel verilerin işlenmesi iptali
Veri işleme örnekleri
Kişisel verilerin işlenmesi ne demek
Kişisel veriler Nelerdir
Veri işleme şartları
Kişisel veri işleme faaliyeti
MFM'nin en yeni varyantı, manyetik kuvvet taramalı tünelleme mikroskobu (STM) kullanır. STM'nin temel prensibi, gösterildiği gibi tek bir atom noktasına kadar keskinleştirilmiş metalik bir uç ile iletken bir malzeme arasındaki tünelleme akımına dayanmaktadır.
STM daha hassastır ve incelenmekte olan diskin yüzeyine zarar verebilir. Üreticilerin satış rakamlarına göre, sahada kullanımda olan birkaç bin SPM vardı ve bunlardan bazıları, standart diskler için vakumlu aynalar gibi disk sürücü plakalarını analiz etmek için özel özelliklere sahipti. manyetik medya analizi için özel çalışma modları ile birlikte disk sürücü plakaları.
Bu SPM'ler, veri kurtarma sürecinin otomasyonuna izin vermek için gelişmiş programlanabilir kontrolörler ve analiz yazılımı ile birlikte kullanılabilir. Piyasada bulunan SPM'lerin çok pahalı olduğu düşünülürse, bir PC'yi denetleyici olarak kullanarak yaklaşık 1.400 ABD Doları'na makul ölçüde yetenekli bir SPM oluşturmak mümkündür." Manyetik Disk Silgileri konusunda Japonya'da da yeni bir patent var.
Saldırganın bakış açısından, tartışılanlar gibi aynı verileri elde etmenin daha ucuz, alternatif yollarını kullanma olasılığına ilişkin bir değerlendirme yapılması muhtemeldir.
Manyetik ortama karşı gelişmiş saldırılara ilişkin en iyi referans, Auckland Üniversitesi Bilgisayar Bilimleri Bölümü'nün "Manyetik ve Katı Hal Belleğinden Verilerin Güvenli Silinmesi" başlıklı biraz eski tarihli bir makalesidir.
"Silinen" manyetik kayıtların mikroskobik kalıntılarının çarpıcı fotoğraflarından oluşan mükemmel bir koleksiyon Digital Instruments'ın Web sitesinde bulunabilir.
Genel olarak, geleneksel mikroskopi kullanılarak manyetik ortamın adli analizi, günümüzde neredeyse tüm bilgisayarlar tarafından kullanılan kullanıma hazır ticari ortamlardaki manyetik depolama yoğunluğunun sürekli artması nedeniyle giderek daha zor hale gelmektedir.
Bugünün yoğunlukları inç kare başına 1 GB'a yaklaşıyor, bu da manyetik özelliklerin gerçek boyutunun mavi ışığın dalga boyundan bile daha küçük olduğu anlamına geliyor. Bu nedenle, bu tür ortamlarda adli analiz yapmak için SPM'nin gücünü kullanan yeni bir tekniğe, MFM'ye ihtiyaç vardır. Bu teknik, kişinin 50 nm (1 nm = 0.000000001m) kadar küçük özellikleri “görmesine” izin verir.
Hassas Veriler Nerede Saklanıyor?
Ne yazık ki, mahremiyete önem veren profesyoneller için hassas veriler, hepsinin dikkate alınması gereken çok fazla yerde saklanıyor. Nerede ve neden olduğunu anlamak için önce biraz teknik arka plan sunulmalıdır.
Küme İpuçları
Geçmiş yılların LP müzik kayıtları, müziği uzun spagetti benzeri tek bir olukta saklarken, bilgisayar diskleri, bilgileri depolayan çok sayıda tamamen ayrı kutuya bölünmüştür. Konuyu fazla basitleştirme riskini göze alarak, bu tür bölmelerin her birine "küme" denir (çünkü "sektörler" adı verilen bir grup daha küçük bölmeden oluşur, ancak bu, bu tartışmayla ilgisizdir).
Her bölmenin boyutu (yani, her bir kümeye ne kadar veri sığabileceği), diskin toplam kapasitesine, kullanılan işletim sistemine (yani, DOS, Windows 95, Windows 98 veya Win olup olmadığına) bağlıdır. Ve bir seçeneğin olduğu durumlarda her kullanıcının neyi seçtiği üzerine.
Bu tür kümelerin her birinin boyutu 256 bayttan (bir bayt aslında bir alfabetik sembol veya sayıdır) 65.536 bayta kadar değişebilir (her zaman 2'nin bir katı; yani 2'nin kendisi ile birkaç kez çarpılması).
Kavramsal Tekrarlama ve Doğrulayıcı Faktör Analizi
Daha küçük ölçüm hatasıyla korelasyonlar oluşturmak veya ölçüm hatası için düzeltilmiş korelasyonları tahmin etmek için çoklu ölçümler kullanılabilir. Buradaki can alıcı soru, eşdeğer olduğuna inanılan ölçülerin gerçekte aynı temel özelliğin ölçüleri olup olmadığıdır. Tekrarlanan ölçümler, güvenilirlik teorisi anlamında eşdeğer ise, standart puanların ortalaması alınarak oluşturulan bir bileşik puan kullanılarak (veya standart sapmaların tümü aşağı yukarı aynı ise sadece ham puanların eklenmesiyle) ölçüm hatası azaltılabilir.
Bu bileşik puan için korelasyonlar zayıflama için düzeltilirse, ölçüm hatasının yarattığı önyargı tamamen ortadan kalkar. Bir ölçekteki maddeler söz konusu olduğunda, bileşik puan test puanıdır ve gerçek puan hatasız olarak ölçülen temel faktördür.
Doğrulayıcı faktör analizinde de faktör analizinin dili açısından aynı ayrım yapılmaktadır. Analiz “köşegende 1 s ile” yapılırsa, faktör bileşik puandır. Analiz “topluluklarla” yapılırsa, faktör hatasız ölçülen temel özelliktir. Alternatif göstergeler, güvenilirlik teorisi anlamında eşdeğer ise (yani, yalnızca ölçüm hatasıyla farklılık gösterirler), o zaman doğrulayıcı faktör analizinin hesaplamaları, güvenilirlik teorisininkilerle aynıdır.
Ancak, doğrulayıcı faktör analizi, güvenilirlik teorisinin başarısız olduğu belirli durumlarda geçerlidir. Hunter ve Gerbing (1982), gösterge değişkenleri genel bir faktör tanımlıyorsa ve belirli faktörler dikkate alınan diğer değişkenlerle ilgisiz ise, o zaman ikinci derece faktör analizi düzeyinde gösterge değişkenlerinin varsayımı karşıladığını belirtmişlerdir. Güvenilirlik teorisi ve doğrulayıcı faktör analizi, ölçülmesi amaçlanan genel faktör ile diğer değişken arasında doğru korelasyonu üretir.
Örneğin, akran derecelendirmesi, süpervizör derecelendirmesi ve iş örneği testinin her birinin genel iş performansı faktörüne ek olarak belirli faktörleri ölçmesi oldukça olasıdır. Ancak, bu belirli faktörlerin birbirleriyle ve seçim testiyle (bağımsız değişken) ilişkisiz olması durumunda, doğrulayıcı faktör analizi, test ile iş performansı arasında doğru bir korelasyon üretecektir.
Ancak ikinci mertebe analiz durumunda, zayıflama düzeltmesi bileşik puanın güvenilirliği ile değil, biraz daha küçük bir sayı ile yapılır. Kompozitin güvenilirliği, Mosier’in (1943) formülüyle (bu bölümün ilerleyen kısımlarında tartışılacaktır) gösterge güvenilirlikleri ile pay köşegeninde verilirken, ikinci mertebeden analiz için eşdeğer düzeltme formülü, pay köşegenindeki ortakları olan Mosier’in formülüdür. Böylece, ikinci dereceden faktör analizi, belirli faktörleri hata olarak doğru bir şekilde ele alır.
Ortalama korelasyon ile bileşik puan korelasyonu arasında güçlü bir cebirsel ilişki vardır. Gösterge değişkenleri y1,y2,…,yn ile gösterilsin, bileşik puan Y ile gösterilsin ve diğer değişken x ile gösterilsin. r ̄xy, bireysel göstergeler ile x arasındaki ortalama korelasyon olsun; yani, r ̄xy, rxy1,rxy2 vb.nin ortalaması olsun. Gösterge değişkenleri arasındaki ortalama korelasyon r ̄yy olsun; yani, r ̄yy, ry1y2,ry1y3,ry2y3 vb.’nin ortalaması olsun. Göstergeler arasındaki ortalama kovaryans c ̄yy olsun; yani, c ̄yy tarafından tanımlansın.
Yani, bileşik puan korelasyonunun boyutu her zaman ortalama korelasyona eşit veya ondan daha büyüktür. Örneklem hatası, geleneksel formül ile çalışma örneklem büyüklüğü ile verilen bileşik korelasyondur. Diğer bir deyişle, korelasyon için örnekleme hatası varyans formülüne rxY ve N çalışmasının girilmesi, rxY’nin örnekleme hatası varyansını verir. Ortalama korelasyonun standart hatası, tam olarak c ̄yy çarpım faktöründen daha küçüktür.
Böylece, bileşik puan korelasyonu, Bölüm 2 ila 4’teki kümülasyon formülleri tarafından yapılan örnekleme hatasına ilişkin varsayımlara tam olarak uygun olarak daha büyük bir kümülasyona girerken, ortalama korelasyon girmez. Aslında, ilk önce c ̄yy hesaplanmadıkça r ̄xy’nin örnekleme hatası varyansı hesaplanamaz bile. Ancak c ̄yy’yi hesaplamak için gereken bilgi mevcutsa, ryX hesaplanabilir. Çalışmanın kavramsal varsayımları doğruysa, bileşik puan korelasyonu rxY sayısal olarak da daha doğrudur.
Kavramsal bir bakış açısıyla, gerçekten istediğimiz sayı, ölçüm hatası olmayan bileşik için korelasyon, yani topluluklarla doğrulayıcı faktör analizinden elde edilen korelasyon. Bu sayı, bileşik puan korelasyonundan (ve dolayısıyla ortalama korelasyondan daha büyük) daha büyük olacaktır.
Ancak, düzeltilmiş bir bağıntı, düzeltilmemiş bir bağıntı ile aynı standart hataya sahip değildir; standart hata, aynı çarpımsal düzeltme faktörü tarafından daha büyüktür. Korelasyonlar zayıflama için düzeltildiyse veya topluluklarla doğrulayıcı faktör analizi kullanılarak oluşturulduysa, verilen formüller kullanılarak kümülatif varyans düzeltilmelidir.
Burada ryy, Mosier’in (1943) formülü kullanılarak hesaplanan bileşik puanın “güvenilirliği” olup, pay köşegeninde ortak değerler (aynı zamanda ölçekler arasındaki korelasyonlar kullanılarak hesaplanan alfa katsayısına eşittir).
Bu nedenle, fiili iş performansı korelasyonu, bileşik puan korelasyonundan %10 ve ortalama korelasyondan %28 daha büyüktür. x’deki (bağımsız değişken) ölçüm hatasını düzeltirsek, korelasyon yine bir miktar artacaktır.
Kavramsal Çoğaltma: Alternatif Bir Yaklaşım
Doğrulayıcı faktör analizi yöntemleri tüm okuyuculara tanıdık gelmeyebileceğinden, bir değişkenin diğer değişkenlerin toplamı ile korelasyonunun, değişkenlerin bileşiklerle korelasyonu için daha tanıdık formüller kullanılarak hesaplanabileceğini belirtmekte fayda var. Herhangi iki değişken arasındaki Pearson korelasyonunun temel formülü a ve b’dir.
Bir değişken, örneğin b bir bileşik ise, o zaman yalnızca SDb’yi bir bileşiğin standart sapması ifadesi ile ve Cov(a, b)’yi bir bileşik ile bir değişkenin kovaryansı ifadesi ile değiştirmemiz gerekir. x’in tek bir değişken olduğu ve Y’nin y1,y2 ve y3 ölçülerinin toplamı olan bir bileşik olduğu rxY’yi hesaplamak istediğimizi varsayalım.
O halde, yi ölçümlerinin tümü z-skoru biçimindeyse (yani, tüm yiler için SD = 1 ise), SY2 değeri, bileşimin varyansı, yalnızca yi önlemler. Bu toplam, matris cebirinde 1′Ryy1 ile gösterilir, burada Ryy, yi ölçüleri arasındaki korelasyon matrisidir (köşegendeki 1.00’ler dahil). 1’ler, Ryy’deki değerlerin toplanması gerektiğini gösteren vektörlerdir. Bu değerin karekökü SDY, yani (1′Ryy 1)1/2 = SDY’dir.