面向取证应用的PC版微信的内存分析方法

微信是目前公众使用频率极高的一款即时通信软件,为公众带来极大的便利。但同时也给不法分子带来新的机会,许多违法犯罪行为在微信平台上发生。设计一种PC版微信的内存分析方法,借助第三方工具pmdump得到微信应用的内存文件并对其进行分析,描述该方法的思路和具体步骤。特别针对文本、表情等多种不同类型信息撤回时,对内存文件中的特征变化进行分析。该方法对于微信应用的内存取证分析、撤回信息分析的应用场景具有一定参考价值。     

手机QQ聊天记录查看器

在智能手机上,QQ聊天记录是存放在SQLite类型的数据库中的,数据库本身没有进行加密处理.借助第三方工具“SQLite Developer”分析QQ聊天记录数据库,可以得到QQ的所有隐秘信息.分析了存储QQ聊天记录的相关数据库和表,并编写了相关代码,实现了QQ聊天记录的查看.     

如何保存微信中的语音信息

正Q:我使用手机微信与朋友联系,想将一些特定的语音信息保存起来。请问什么方法最方便?A:只保存特定的微信语音聊天记录,你可以直接点按该语音信息,稍后便会弹出菜单,选择"收藏",以后即使手机恢复出厂设置,也可以在微信的收藏列表中找到这条语音消息。或者选择"更多",然后点按邮件按钮,将该语音信息发到邮箱中保存。     

恢复iPhone误删的微信记录

正习惯使用微信与他人进行交流的用户,如果当你不慎滑动屏幕删除了聊天记录,恰巧这些聊天记录又非常重要,如何来恢复数据绝对是头疼的事,如果你的iPhone已经越狱,那么可按照以下步骤进行恢复操作。备份现有聊天记录在进行下一步操作之前,首先请切换到"我"面板,依次选择"设置\通用\聊天记录迁移"(如图1),在这里选择"上传",对当前现有的聊天记录进行备份,保证现有聊天记录不出现问题。     

“甜似蜜”蜂房小技巧“网络秘技篇”

四六级分数轻松查进入etong网站,下载并安装ET Message它就可以免费帮助你查到自己的四六级的考分了。安装成功后进行注册并登录,单击“请输入你的CET准考证号”链接,选择你的考试类型,并填写你的准考证号码。稍后你的分数将会以消息方式送出给你。让QQ发送消息更快最近在Q Q中给好友发信息总是很慢,延迟时间很长。于是我就随便打开QQ的目录,发现MsgEx.db文件(QQ聊天记录文件),有10MB,试着将它删除,并启动QQ,发现发消息又和以前一样快了。原来聊天记录文件过大会影响发送消息的速度。如果聊天想继续保存聊天记录,只要将聊天记录改名…     

WLM聊天记录管理更轻松

与QQ正好相反,WLM自带的聊天记录查看工具功能那是相当滴菜,无法像QQ的消息管理器一样,很方便地对聊天记录进行查询和编辑。那么,如何才能方便地管理MSN聊天记录呢?利用第三方     

让微信聊天记录自由漫游

微信已经成为很多朋友沟通的重要工具,如果你经常需要在两个智能手机上使用微信,那么势必需要考虑聊天记录的漫游问题。其实,只要你的iPhone微信已经更新至4.3.2或更高的版本,那么可以轻松解决这一问题。     

公共微信开发消息接口的实现技术分析

随着网络信息技术的不断进步,网络已经融入了人们的生活中.目前,微信是人们最常用的一种社交方式,公共微信能够给更多的人提供信息,公共微信平台的开发接口具有与用户消息互动、自定义菜单等能力.微信是时代发展的产物,本文将通过对公共微信开发消息接口进行研究,分析怎样才能实现公共微信消息接口技术.     

从微信到微团购:微信营销体验与分析

微信作为社交工具和个人通信工具,被广泛地应用到生活与工作中,微信营销便是其中一个较为成熟的应用。微信营销依托微信语音、视频、图片和文字的快速发送以及公众平台、朋友圈、消息推送、支付等功能,为商家品牌塑造、客户服务、产品推介与销售提供了有力的帮助。     

微信你可以这么玩

对于很多人来说,微信也许只是一个聊天工具。其实它的用处不仅于此,还可以化身为其它一些小工具。此外,微信的聊天记录除了默认的上传下载以外,还可以通过其它方式保存在云端。想知道微信的更多用法,就看看下面的几个技巧吧。     

基于图表示学习的消息回复关系判断方法

微信、QQ和钉钉等社交媒体都提供多对多聊天群组功能,这些聊天群组包含海量信息,对群组聊天内容进行有效分析,获取有价值的关联信息,是当前领域的研究热点。群组中用户间交互是群组实现的主要功能,用户间消息回复是用户间交互实现的方式,消息间的回复行为下隐藏着消息间和用户间的关系。群组消息间回复通常是隐式和非连续的,大部分群组消息间没有指定明确的回复关系,当前消息也不一定是上一条临近消息的回复,回复关系要根据具体的聊天场景确定。当消息间没有显示指定回复关系时,回复不易于分析和理解群组聊天内容,阻碍了对群组聊天内容的整体性分析。本论文针对群组消息间的回复关系,提出了基于图表示学习的消息回复关系判断方法,该方法不同于以往方法仅使用部分群组要素,是在综合学习消息的文本信息、发送消息的用户信息和上下文信息的基础上,根据群组内容构建群组图和生成自适应消息图,得到了多种群组要素信息和要素间关系组成的图结构,利用图模型在图结构上进行群组消息的表示学习,图模型输出群组消息的表示向量,拼接消息对的表示向量并进一步预测群组消息间的回复关系。在消息间回复关系的学习过程中,图模型通过任务学习更新图中消息节点,同时更新图中用户节点向量表示,经过用户向量分析实验验证了该模型输出的用户向量的有效性和合理性。在公开数据集和标注数据集上进行了对比实验和显著性检验分析,结果显示模型在多个评估指标上大幅优于对比模型,如在F1指标上,比单纯依赖BERT的句子对分类模型提高了接近20%。     

基于DSR和BGRU模型的聊天文本证据分类方法

即时通信等社交软件产生的聊天文本内容证据数据量大且聊天内容含有"黑话"等复杂语义,数字取证时无法快速识别和提取与犯罪事件有关的聊天文本证据.为此,基于DSR(dynamic semantic representation)模型和BGRU(bidirectional gated recurrent unit)模型提出一个...     

基于GRU+LDA的群聊主题挖掘

社交网络发展迅速,即时消息系统已成为人们日常生活中必不可少的沟通交流工具。在线群聊能使人们迅速交流生活、技术及工作等信息,但是由于群聊信息更新较快,大量的信息导致跟进群聊话题是困难的。传统的主题挖掘模型不能很好地适用于群聊文本的挖掘。通过对群聊文本的特征进行分析,提出一种基于GRU和LDA的群聊会话主题挖掘（GLB-GCTM, GRU and LDA Based Group Chat Topic Mining）模型,解决了传统主题模型不能解决的词语顺序问题。首先,假定每个文档有一个基于高斯分布的主题向量,然后根据GRU原理产生每个词的隐含状态,根据当前词的隐含状态的伯努利分布确定当前词是否为停用词,以决定所使用的语言模型。该方法使用笔者加入的10个QQ群最近3个月的群聊数据集进行试验验证,结合对比实验评估标准,该模型能够有效识别出群聊文本中的主题。     

Normalization of Chinese chat language

Real-time communication platforms such as ICQ, MSN and online chat rooms are getting more popular than ever on the Internet. There are, however, real risks where criminals and terrorists can perpetrate illegal and criminal abuses. This highlights the security significance of accurate detection and translation of the chat language to its stand language counterpart. The language used on these platforms differs significantly from the standard language. This language, referred to as chat language, is comparatively informal, anomalous and dynamic. Such features render conventional language resources such as dictionaries, and processing tools such as parsers ineffective. In this paper, we present the NIL corpus, a chat language text collection annotated to facilitate training and testing of chat language processing algorithms. We analyse the NIL corpus to study the linguistic characteristics and contextual behaviour of a chat language. First we observe that majority of the chat terms, i.e. informal words in a chat text, is formed by phonetic mapping. We then propose the eXtended Source Channel Model (XSCM) for the normalization of the chat language, which is a process to convert messages expressed in a chat language to its standard language counterpart. Experimental results indicate that the performance of XSCM in terms of chat term recognition and normalization accuracy is superior to its Source Channel Model (SCM) counterparts, and is also more consistent over time.

中文网络聊天语言的奇异性与动态性研究

随着互联网走入社会生活,网络聊天逐渐成为一种新的沟通渠道,网络聊天语言便应运而生。这类语言的日益丰富,给语言信息处理带来了新的挑战。研究发现,困难主要来自网络聊天语言的奇异性和动态性。本文借助真实网络聊天语言文本,对网络聊天语言的奇异性和动态性进行详细分析和归纳,并设计了面向解决奇异性和动态性问题的网络聊天语言文本识别与转换方法。我们先以网络聊天语言语料库为基础建立网络聊天语言模型和语言转换模型,通过信源–信道模型实现网络聊天语言向标准语言的转换。但该方法过于依赖网络聊天语言语料库,虽然能较好解决奇异性问题,但不能处理动态性问题。因此,我们进而以标准汉语语料库为基础建立文字语音映射模型,对信源–信道模型进行改进,最终有效解决了网络聊天语言的动态性问题。     

Examining students’ online interaction in a live video streaming environment using data mining and text mining

This study analyses the online questions and chat messages automatically recorded by a live video streaming (LVS) system using data mining and text mining techniques. We apply data mining and text mining techniques to analyze two different datasets and then conducted an in-depth correlation analysis for two educational courses with the most online questions and chat messages respectively. The study found the discrepancies as well as similarities in the students’ patterns and themes of participation between online questions (student–instructor interaction) and online chat messages (student–students interaction or peer interaction). The results also identify disciplinary differences in students’ online participation. A correlation is found between the number of online questions students asked and students’ final grades. The data suggests that a combination of using data mining and text mining techniques for a large amount of online learning data can yield considerable insights and reveal valuable patterns in students’ learning behaviors. Limitations with data and text mining were also revealed and discussed in the paper.     

Normalization of informal text

This paper describes a noisy-channel approach for the normalization of informal text, such as that found in emails, chat rooms, and SMS messages. In particular, we introduce two character-level methods for the abbreviation modeling aspect of the noisy channel model: a statistical classifier using language-based features to decide whether a character is likely to be removed from a word, and a character-level machine translation model. A two-phase approach is used; in the first stage the possible candidates are generated using the selected abbreviation model and in the second stage we choose the best candidate by decoding using a language model. Overall we find that this approach works well and is on par with current research in the field.     

In search of effective text input interfaces for off the desktop computing

It is generally recognized that today's frontier of HCI research lies beyond the traditional desktop computers whose GUI interfaces were built on the foundation of display—pointing device—full keyboard. Many interface challenges arise without such a physical UI foundation. Text writing—ranging from entering URLs and search queries, filling forms, typing commands, to taking notes and writing emails and chat messages—is one of the hard problems awaiting for solutions in off-desktop computing. This paper summarizes and synthesizes a research program on this topic at the IBM Almaden Research Center. It analyzes various dimensions that constitute a good text input interface; briefly reviews related literature; discusses the evaluation methodology issues of text input; presents the major ideas and results of two systems, ATOMIK and SHARK; and points out current and future directions in the area from our current vantage point.     

用于聊天词汇的权重计算方法CDTF*IDF

随着聊天室的广泛使用,对聊天内容监控也变成亟待解决的问题.在聊天室监控中,为衡量聊天数据中词汇对聊天内容的描述能力,现在一般直接采用文本词汇的权重计算方法;然而,这种方法忽视了聊天数据与静态文本结构上的差异,导致计算出的权重并不能准确反应词汇描述聊天内容的能力.针对聊天数据的固有特点,提出了一种专门针对聊天数据的词汇权重计算方法CDTF*IDF.该方法通过分别计算词汇在不同数据源中的权值并汇总、并对重点词汇提高权重等方式来计算聊天数据的词汇权重.基于IRC聊天室内容监控的实验表明:该方法能较好地衡量聊天词汇的权重,同时基于该方法的监控系统能够准确地识别出聊天数据中的话题.     

移动通信软件服务器端的开发

本文主要研究如何通过无线网络,在移动设备进行点到点的数据传输（包括文本信息,语音,文件等数据）。探讨了系统架构,开发了一个移动通信软件,实现了登录登出管理、添加删除好友、文本聊天、多人聊天、文件传输等功能,主要面向需要通过无线网络进行内部交流的用户群体。然后,本文针对该软件存在的问题提出了完善的方向和优化的方法。