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).
Oranlar ve Riskler
Genel konuşmada, “olasılıklar” ve “riskler” kelimeleri, sanki aynı miktarı tarif ediyormuş gibi (“şans” ve “olasılık” kelimeleriyle birlikte) birbirinin yerine kullanılır. Ancak istatistikte, oranlar ve riskler belirli anlamlara sahiptir ve farklı şekillerde hesaplanır. Aralarındaki fark göz ardı edildiğinde, sistematik bir incelemenin sonuçları yanlış yorumlanabilir.
Risk, hastalara ve sağlık profesyonellerine daha tanıdık gelen bir kavramdır. Risk, bir sağlık sonucunun (genellikle olumsuz bir olay) meydana gelme olasılığını tanımlar. Araştırmada risk genellikle 0 ile 1 arasında bir ondalık sayı olarak ifade edilir, ancak bunlar bazen yüzdelere dönüştürülür.
“Risk”, “olay oranı” ile eşanlamlı olduğu için, bir risk ile olayların olası oluşumu arasındaki ilişkiyi kavramak kolaydır: 100 kişilik bir örneklemde gözlemlenen olay sayısı, riskin 100 ile çarpımı olacaktır. Örneğin, risk 0/1 olduğunda her 100 kişiden 10’u olay, risk 0,5 olduğunda her 100 kişiden 50’si olay geliştirir.
Odds, kumarbazlara sağlık profesyonellerinden daha tanıdık gelen bir kavramdır. Olasılık, belirli bir olayın meydana gelme olasılığının gerçekleşmeme olasılığına bölümüdür ve 0 ile sonsuz arasında herhangi bir sayı olabilir.
Kumarda, oranlar, potansiyel kazançların boyutunun kumardaki bahis miktarına oranını tanımlar; sağlıkta, olay olan insan sayısının olaysız sayıya oranıdır. Genellikle iki tam sayının oranı olarak ifade edilir. Örneğin, 0.01 oran genellikle 1:100, 0.33 oran 1:3 ve 3 oran 3:1 olarak yazılır. Formüller kullanılarak oranlar risklere ve riskler oranlara dönüştürülebilir.
Bir oranın pratik uygulaması, bir riskten daha karmaşıktır. Yorumun doğru olduğundan emin olmanın en iyi yolu, önce oranları bir riske dönüştürmektir. Örneğin, oranlar 1 ila 10 veya 0·1 olduğunda, olmayan her 10 kişi için bir kişi olaya sahip olacaktır ve yukarıdaki formülü kullanarak, olayın riski 0·1/(1 + 0’dır. ·1) = 0.091. 100 kişilik bir örneklemde, yaklaşık dokuz kişi olaya sahip olacak ve 91 kişi olmayacak. Oranlar 1’e eşit olduğunda, olmayan herkes için bir kişi olaya sahip olacak, bu nedenle 100, 100 × 1/(1 + 1) = 50’lik bir örneklemde olay olacak ve 50 olmayacaktır.
Yukarıdaki örnekte gösterildiği gibi, olay oranı düşük olduğunda, oran ve risk arasındaki fark küçüktür. Olaylar ortak olduğunda, olasılıklar ve riskler arasındaki farklar büyüktür. Örneğin, 0,5’lik bir risk, 1’lik bir orana eşittir; 0-9’luk bir risk, 9’luk oranlara eşittir. Benzer şekilde, bir risk oranı (risk oranı), olaylar nadir olduğunda, ancak olaylar yaygın olduğunda değil, bir olasılık oranına (olasılık oranı) benzer.
Birçok epidemiyolojik çalışma, nadir görülen olayları araştırır ve burada, birbirinin yerine kullanılan riskler ve oranlar için ifadeler ve hesaplamalar görmek yaygındır. Bununla birlikte, randomize kontrollü çalışmalarda olay oranları genellikle risklerin ve olasılıkların çok farklı olduğu aralıktadır ve aşağıda tartışıldığı gibi, risk oranları ve olasılık oranları birbirinin yerine kullanılmamalıdır.
Mutlak Etkinin Ölçüsü – Risk Farkı
Tahmini risk farkı, iki grupta gözlemlenen olay oranları (ilgi sonucuna sahip bireylerin oranları) arasındaki farktır. Bu etki ölçüsü genellikle klinik önemi dikkate alırken kullanılacak en doğal istatistiktir ve sıklıkla randomize araştırmalar için örneklem büyüklüğü hesaplamaları yapılırken kullanılır. Risk farkı, her iki grupta da herhangi bir olay olmadığında bile, herhangi bir deneme için hesaplanabilir.
Risk farkının yorumlanması kolaydır. Tedavi ile gözlenen olay oranındaki gerçek farkı tanımlar; bir birey için, olayı yaşama olasılığındaki tahmini değişikliği tanımlar. Bununla birlikte, bir risk farkının klinik önemi, altta yatan olay hızına bağlı olabilir.
Örneğin, %2’lik bir risk farkı, %58 ila %60’lık bir riskten klinik olarak önemsiz küçük bir değişikliği, ancak orantısal olarak çok daha büyük ve potansiyel olarak önemli bir değişikliği %1’den %3’e kadar temsil edebilir. Risk farkının göreceli önlemlerden daha eksiksiz bilgi sağladığını iddia etmek için bazı gerekçeler olsa da, bir risk farkını yorumlarken, altta yatan olay oranlarının ve olayların sonuçlarının farkında olmak yine de önemlidir.
Risk farkı doğal olarak sınırlıdır, bu da sonuçları diğer hasta gruplarına ve ortamlarına uygularken zorluklara neden olabilir. Örneğin, bir deneme veya meta-analiz, -%10’luk bir risk farkı tahmin ediyorsa, o zaman ilk riski %10’dan az olan bir grup için sonucun imkansız bir negatif olasılığı olacaktır. Benzer senaryolar, riskin artmasıyla birlikte ölçeğin diğer ucunda meydana gelir. Bu tür sorunlar, sonuçlar, deney(ler)de gözlemlenenlerden farklı beklenen olay oranlarına sahip hastalara uygulandığında ortaya çıkar.
Daha önce belirtildiği gibi, risk farkı bazen mutlak risk azalması olarak adlandırılır. Burada “mutlak” sıfatı, bu ölçüyü bağıl etki ölçülerinden ayırmak için kullanılmıştır, ancak bu kullanımın, işaretten bağımsız olarak etkinin boyutunu ifade etmek için “mutlak”ın matematiksel kullanımından farklı olduğu kabul edilmelidir. Faydalı bir etkiyi tahmin eden denemeleri zararlı bir etkiyi tahmin eden denemelerden ayırt ettiği için, farkın işaretini korumak elbette çok önemlidir.
Göreceli Etki Ölçüleri – Risk Oranı ve Olasılık Oranı
Göreceli etki ölçüleri, bir gruptaki sonucu diğer gruba göre ifade eder. Risk oranı (göreceli risk), iki olay oranının oranı iken, oran oranı, iki gruptaki bir olayın oranlarının oranıdır. Gruplardan birinde herhangi bir olay (veya tüm katılımcıların deneyimlediği olaylar) yoksa, bir deneme için ne risk oranı ne de olasılık oranı hesaplanamaz. Bu durumda, 2 × 2 tablonun her hücresine bir yarım eklemek gelenekseldir. Her iki grupta da hiçbir olayın (veya tüm olayların) gözlemlenmediği durumda, araştırma göreceli olay oranları hakkında hiçbir bilgi sağlamaz ve meta-analizden çıkarılmalıdır.
Müdahalenin kullanılmasıyla ortaya çıkan riskin (veya olay oranının) çarpımını tanımladıkları için risk oranlarının yorumlanması zor değildir. Örneğin, 3’lük bir risk oranı, tedavili olay oranının tedavisiz olay oranından üç kat daha yüksek olduğunu (veya alternatif olarak tedavinin olay oranını 100 × (RR–1) % = %200 artırdığını) ifade eder.