Python et l'analyse forensique : récupérer et analyser les données produites par les ordinateurs
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | |
| Support: | Livre |
| Langue: | Français |
| Publié: |
Saint Herblain :
Éditions ENI,
copyright 2019.
|
| Collection: | Ressources informatiques
|
| Sujets: | |
| Autres localisations: | Voir dans le Sudoc |
| Résumé: | 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 |
Table des matières:
- 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