|
|
|
|
| LEADER |
07454nam a22003017a 4500 |
| 001 |
361038 |
| 008 |
190410t20192019xxe ||| |||| 00| 0 fre d |
| 020 |
|
|
|a 9782409017902 (br.) :
|c 29,90 EUR
|
| 024 |
|
|
|a 9782409017902
|
| 041 |
0 |
|
|a fre
|f fre
|
| 082 |
|
|
|a 006.133
|
| 100 |
1 |
|
|a Bennis, Mehdi.
|
| 245 |
1 |
0 |
|a Python et l'analyse forensique :
|b récupérer et analyser les données produites par les ordinateurs
|c [Mehdi Bennis et Yann Weber].
|
| 260 |
|
|
|a Saint Herblain :
|b Éditions ENI,
|c copyright 2019.
|
| 300 |
|
|
|a 1 vol. (441 p.) :
|b ill., couv. ill. ;
|c 21 cm.
|
| 490 |
0 |
|
|a Ressources informatiques
|
| 504 |
|
|
|a Index
|
| 505 |
0 |
|
|a P. 1 -- Table des matières -- Avant-propos -- Chapitre 1 Introduction : Python et l'informatique forensique -- P. 15 -- 1. Pourquoi un livre sur le sujet ? -- P. 15 -- 1.1 La mutation de l'informatique forensique -- P. 17 -- 1.2 Une pratique qui se démocratise -- P. 19 -- 2. Présentation du langage -- P. 19 -- 2.1 Un langage adapté -- P. 20 -- 2.2 Interprétation de Python -- P. 21 -- 3. Le choix des logiciels -- P. 21 -- 3.1 Le choix du système d'exploitation -- Chapitre 2 Premiers pas en Python -- P. 23 -- 1. Installation de CPython -- P. 23 -- 1.1 Avec le gestionnaire de paquets de la distribution GNU/Linux -- P. 26 -- 1.2 Autres méthodes -- P. 28 -- 1.3 Exécuter du Python -- P. 30 -- 2. Éléments de syntaxe fondamentaux -- P. 30 -- 2.1 Les commentaires -- P. 31 -- 2.2 Variables -- P. 34 -- 2.3 Les fonctions -- P. 37 -- 2.4 Les objets et leurs instances -- P. 49 -- 3. Les types de données essentiels -- P. 49 -- 3.1 Les nombres -- P. 57 -- 3.2 Autres types -- P. 63 -- 3.3 Itérables -- P. 80 -- 3.4 Les chaînes de caractères -- P. 91 -- 4. Les structures de contrôles -- P. 91 -- 4.1 Conditionnels et boucles -- P. 99 -- 4.2 La compréhension de liste -- P. 101 -- 4.3 Gestion des exceptions -- P. 109 -- 5. Mécanismes d'import -- P. 109 -- 5.1 Définitions -- P. 110 -- 5.2 Syntaxe de l'import -- P. 116 -- 6. Environnement, dépendances et communauté -- P. 116 -- 6.1 Déploiement/installation -- P. 120 -- 6.2 Les environnements virtuels avec virtualenv -- P. 122 -- 6.3 Qualité du code -- Chapitre 3 Bibliothèque standard -- P. 125 -- 1. Bibliothèques utilitaires -- P. 125 -- 1.1 Fonctions utilitaires -- P. 129 -- 1.2 Modules utilitaires de Python -- P. 137 -- 2. Opérations de base sur un système de fichiers -- P. 137 -- 2.1 Se déplacer et explorer l'arborescence des dossiers -- P. 144 -- 2.2 Opérations sur les fichiers -- P. 157 -- 2.3 Utilitaires -- P. 164 -- 3. Opérations de base sur le réseau -- P. 164 -- 3.1 TCP/UDP -- P. 177 -- 3.2 Le module urllib -- Chapitre 4 Premiers pas dans l'analyse d'un fichier -- P. 183 -- 1. Le fichier dans son ensemble -- P. 183 -- 1.1 Trouver le type d'un fichier avec les nombres magiques -- P. 187 -- 1.2 Les fonctions de hachage -- P. 194 -- 1.3 Génération de diff avec difflib -- P. 206 -- 2. Utiliser Python pour lire des métadonnées -- P. 206 -- 2.1 De l'importance des métadonnées -- P. 208 -- 2.2 Lire les informations fournies par un système de fichiers -- P. 218 -- 2.3 Métadonnées de fichiers multimédias avec XMP -- P. 232 -- 2.3.6 Hyperliens -- Chapitre 5 Analyser un historique de navigation web -- P. 233 -- 1. Bibliothèques HTML et HTTP haut niveau -- P. 233 -- 1.1 La bibliothèque requests -- P. 239 -- 1.2 La bibliothèque Beautiful Soup -- P. 242 -- 2. Les bases de données SQLite3 -- P. 242 -- 2.1 SGBD et DQL -- P. 244 -- 2.2 SQLite3 un SGBD léger -- P. 246 -- 2.3 Le module SQLite3 -- P. 251 -- 3. Accéder à l'historique d'un navigateur -- P. 251 -- 3.1 L'historique des navigateurs les plus utilisés -- P. 256 -- 3.2 Écriture d'un module d'accès -- P. 274 -- 3.3 Utilisations -- Chapitre 6 Partitionnement automatique de données -- P. 277 -- 1. L'apprentissage automatique ou apprentissage statistique -- P. 277 -- 1.1 Présentation -- P. 281 -- 1.2 Le partitionnement non supervisé -- P. 282 -- 2. Bibliothèques Python -- P. 282 -- 2.1 Calcul matriciel optimisé avec NumPy -- P. 288 -- 2.2 L'apprentissage automatique avec Scikit-Learn -- P. 289 -- 2.3 Afficher des données avec Matplotlib -- P. 293 -- 3. Une première application : regrouper les fichiers par date de création -- P. 293 -- 3.1 Représentation des données -- P. 305 -- 3.2 Création du modèle et construction des sous-groupes -- P. 309 -- 3.3 Écrire une interface textuelle -- Chapitre 7 Extraire les sujets d'un ensemble de textes -- P. 329 -- 1. Le traitement automatique des langues naturelles -- P. 329 -- 1.1 Introduction -- P. 332 -- 1.2 Les langues naturelles en Python avec NLTK -- P. 333 -- 1.3 La modélisation de sujets avec gensim -- P. 335 -- 1.4 Les autres bibliothèques utilisées dans ce chapitre -- P. 337 -- 2. Modélisation de sujet avec LDA et LSI -- P. 337 -- 2.1 Extraire une liste de mots d'un texte -- P. 340 -- 2.2 Sac de mots et TF-IDF -- P. 344 -- 2.3 Les modèles gensim pour LDA et LSI -- P. 349 -- 3. Exemples d'application -- P. 349 -- 3.1 Depuis l'historique d'un navigateur web -- P. 355 -- 3.2 Depuis des fichiers textes -- Chapitre 8 Inspection des processus du noyau Linux -- P. 361 -- 1. Introduction -- P. 361 -- 1.1 Ptrace et le noyau Linux -- P. 366 -- 2. Inspection d'un processus avec Python -- P. 366 -- 2.1 La bibliothèque python-ptrace -- P. 367 -- 2.2 Tracer un processus -- P. 388 -- 2.3 La mémoire d'un processus -- P. 396 -- 3. Exemple d'utilisation -- P. 396 -- 3.1 Extraire le texte -- P. 402 -- 3.2 Tricher à un jeu vidéo -- P. 419 -- Index
|
| 520 |
|
|
|a Une introduction au langage Python suivie d'une présentation de son utilisation pour l'analyse forensique, consistant à récupérer et manipuler les données produites par les ordinateurs, de l'inspection de la mémoire vive des processus à celle du fonctionnement interne des logiciels grand public en passant par l'extraction d'historique de navigateur web. Avec des ressources disponibles en ligne. ↑Electre 2019
|
| 520 |
|
|
|a "L'informatique forensique nécessite de comprendre en détail le fonctionnement des ordinateurs, des périphériques et des logiciels en question. L'objectif est de donner au lecteur les connaissances nécessaires pour se familiariser avec le langage Python (en version 3) en orientant la problématique de manière à se focaliser sur le fonctionnement de ces objets. Ce livre a été écrit avec la volonté d'être accessible au plus grand nombre et la conviction qu'une démocratisation de la compréhension de l'outil informatique est désormais essentielle. Ce livre propose une approche en deux temps : il commence par une introduction au langage Python puis présente comment l'utiliser pour récupérer et manipuler les données produites par nos ordinateurs. Les auteurs traitent ainsi de thématiques variées allant de l'inspection de la mémoire vive des processus, au fonctionnement interne de logiciels grand public ou à l'extraction de l'historique de navigateur web. Différents outils sont étudiés : des plus basiques avec la bibliothèque libmagic, aux technologies les plus récentes comme l'apprentissage automatique avec scikit-learn et son écosystème issu du calcul scientifique." (source : site de l'éditeur)
|
| 650 |
|
|
|a Python (langage de programmation)
|
| 650 |
|
|
|a Exploration de données
|
| 700 |
1 |
|
|a Weber, Yann,
|d 1980-
|4 aut
|
| 922 |
|
|
|a info
|
| 993 |
|
|
|a Livre
|
| 994 |
|
|
|a PS
|
| 995 |
|
|
|a 235168033
|
| 997 |
|
|
|0 361038
|