ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Learning Python for Forensics: Leverage the power of Python in forensic investigations, 2nd Edition

دانلود کتاب یادگیری پایتون برای پزشکی قانونی: استفاده از قدرت پایتون در تحقیقات پزشکی قانونی، ویرایش دوم

Learning Python for Forensics: Leverage the power of Python in forensic investigations, 2nd Edition

مشخصات کتاب

Learning Python for Forensics: Leverage the power of Python in forensic investigations, 2nd Edition

ویرایش: 2 
نویسندگان:   
سری:  
ISBN (شابک) : 1789341698, 9781789341690 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 471 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 55,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Learning Python for Forensics: Leverage the power of Python in forensic investigations, 2nd Edition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری پایتون برای پزشکی قانونی: استفاده از قدرت پایتون در تحقیقات پزشکی قانونی، ویرایش دوم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب یادگیری پایتون برای پزشکی قانونی: استفاده از قدرت پایتون در تحقیقات پزشکی قانونی، ویرایش دوم



طراحی، توسعه و استقرار راه‌حل‌های پزشکی قانونی نوآورانه با استفاده از Python

ویژگی‌های کلیدی

  • چگونگی توسعه اسکریپت‌های Python برای پزشکی قانونی دیجیتال موثر را کشف کنید. تجزیه و تحلیل
  • تسلط بر مهارت های تجزیه ساختارهای داده پیچیده با کتابخانه های پایتون
  • حل چالش های قانونی از طریق توسعه اسکریپت های کاربردی پایتون

شرح کتاب< /h4>

پزشکی قانونی دیجیتال نقش مهمی در حل جرایم پیچیده سایبری ایفا می کند و به سازمان ها کمک می کند تا حوادث امنیت سایبری را درک کنند. این ویرایش دوم آموزش Python forensics نشان می‌دهد که چگونه پایتون می‌تواند برای پشتیبانی از این تحقیقات دیجیتالی استفاده شود و به بررسی‌کننده اجازه می‌دهد تا تجزیه مصنوعات پزشکی قانونی را به‌طور خودکار انجام دهد تا زمان بیشتری را برای بررسی داده‌های عملی صرف کند.

ویرایش دوم Learning Python forensics نحوه توسعه اسکریپت‌های پایتون را با استفاده از طراحی تکراری نشان می‌دهد. علاوه بر این، نشان می‌دهد که چگونه می‌توان از اسکریپت‌ها و کتابخانه‌های مختلف داخلی و جامعه‌شناسی که امروزه برای پایتون در دسترس هستند، استفاده کرد. این کتاب به تقویت مهارت‌های تجزیه و تحلیل و کارایی شما کمک می‌کند زیرا به طور خلاقانه مسائل دنیای واقعی را از طریق آموزش‌های مبتنی بر دستورالعمل حل می‌کنید.

در پایان این کتاب، شما مجموعه‌ای از اسکریپت‌های پایتون را خواهید ساخت که قادر به بررسی آرایه‌ای از مصنوعات پزشکی قانونی هستند و بر مهارت‌های استخراج ابرداده و تجزیه ساختارهای داده پیچیده به گزارش‌های کاربردی مسلط خواهند شد. مهمتر از همه، شما پایه ای ایجاد خواهید کرد که با ادامه یادگیری پایتون و افزایش کارآیی خود به عنوان یک محقق، بر اساس آن بنا کنید.

آنچه یاد خواهید گرفت

  • بیاموزید که چگونه توسعه اسکریپت های پایتون برای حل مشکلات پیچیده پزشکی قانونی
  • ساخت اسکریپت ها با استفاده از یک طرح تکراری
  • کد طراحی برای تطبیق با موانع فعلی و آینده
  • اهرم داخلی و جامعه کتابخانه های منبع
  • درک بهترین شیوه ها در برنامه نویسی پزشکی قانونی
  • یاد بگیرید چگونه داده های خام را به گزارش ها و تجسم های سفارشی تبدیل کنید
  • ایجاد چارچوب های قانونی برای تجزیه و تحلیل خودکار چندین مورد مصنوعات پزشکی قانونی
  • بررسی های موثر و کارآمد از طریق پردازش برنامه ای انجام دهید

این کتاب برای چه کسی است

اگر دانشجوی پزشکی قانونی، سرگرمی، یا حرفه ای که به دنبال افزایش درک خود در پزشکی قانونی از طریق استفاده از یک زبان برنامه نویسی است، پس آموزش Python forensics برای شما مناسب است. برای یادگیری و تسلط بر محتوای این کتاب نیازی به داشتن تجربه قبلی در برنامه نویسی نیست. این مطالب، که توسط متخصصان پزشکی قانونی ایجاد شده است، با دیدگاه و درک منحصر به فردی برای ممتحنانی که مایل به یادگیری برنامه نویسی هستند، نوشته شده است.

فهرست محتوا

  1. اکنون برای چیزی کاملاً متفاوت< /li>
  2. اصول پایتون
  3. تجزیه فایل های متنی
  4. کار با ساختارهای داده سریال
  5. استفاده از پایگاه های داده در پایتون
  6. تفسیر ساختار یافته داده های باینری از رجیستری ویندوز
  7. پیدا کردن فایل های مشابه با هش فازی
  8. استخراج فراداده های جاسازی شده از فایل های چند رسانه ای و آفیس
  9. تبدیل مهرهای زمانی با یک برنامه رابط کاربری گرافیکی
  10. سیستم های تریاژ سریع
  11. تجزیه ظروف PST Outlook
  12. بازیابی سوابق گذرا پایگاه داده SQLite
  13. درحال آمدن دایره کامل

توضیحاتی درمورد کتاب به خارجی

Design, develop, and deploy innovative forensic solutions using Python

Key Features

  • Discover how to develop Python scripts for effective digital forensic analysis
  • Master the skills of parsing complex data structures with Python libraries
  • Solve forensic challenges through the development of practical Python scripts

Book Description

Digital forensics plays an integral role in solving complex cybercrimes and helping organizations make sense of cybersecurity incidents. This second edition of Learning Python for Forensics illustrates how Python can be used to support these digital investigations and permits the examiner to automate the parsing of forensic artifacts to spend more time examining actionable data.

The second edition of Learning Python for Forensics will illustrate how to develop Python scripts using an iterative design. Further, it demonstrates how to leverage the various built-in and community-sourced forensics scripts and libraries available for Python today. This book will help strengthen your analysis skills and efficiency as you creatively solve real-world problems through instruction-based tutorials.

By the end of this book, you will build a collection of Python scripts capable of investigating an array of forensic artifacts and master the skills of extracting metadata and parsing complex data structures into actionable reports. Most importantly, you will have developed a foundation upon which to build as you continue to learn Python and enhance your efficacy as an investigator.

What you will learn

  • Learn how to develop Python scripts to solve complex forensic problems
  • Build scripts using an iterative design
  • Design code to accommodate present and future hurdles
  • Leverage built-in and community-sourced libraries
  • Understand the best practices in forensic programming
  • Learn how to transform raw data into customized reports and visualizations
  • Create forensic frameworks to automate analysis of multiple forensic artifacts
  • Conduct effective and efficient investigations through programmatic processing

Who this book is for

If you are a forensics student, hobbyist, or professional seeking to increase your understanding in forensics through the use of a programming language, then Learning Python for Forensics is for you. You are not required to have previous experience in programming to learn and master the content within this book. This material, created by forensic professionals, was written with a unique perspective and understanding for examiners who wish to learn programming.

Table of Contents

  1. Now for Something Completely Different
  2. Python Fundamentals
  3. Parsing Text Files
  4. Working with Serialized Data Structures
  5. Using Databases in Python
  6. Interpreting Structured Binary Data from the Windows Registry
  7. Finding Similar Files with Fuzzy Hashing
  8. Extracting Embedded Metadata from Multimedia and Office Files
  9. Converting Timestamps with a GUI Application
  10. Rapidly Triage Systems
  11. Parsing Outlook PST Containers
  12. Recovering Transient SQLite Database Records
  13. Coming Full Circle


فهرست مطالب

Cover
Title Page
Copyright and Credits
About Packt
Contributors
Table of Contents
Preface
Chapter 1: Now for Something Completely Different
	When to use Python
		Development life cycle
	Getting started
	The omnipresent print() function
	Standard data types
		Strings and Unicode
		Integers and floats
		Boolean and none
		Structured data types
			Lists
			Dictionaries
			Sets and tuples
	Data type conversions
	Files
	Variables
	Understanding scripting flow logic
		Conditionals
		Loops
			The for loop
			The while loop
	Functions
	Summary
Chapter 2: Python Fundamentals
	Advanced data types and functions
		Iterators
		datetime objects
	Libraries
		Installing third-party libraries
		Libraries in this book
		Python packages
	Classes and object-oriented programming
	Try and except
		The raise function
	Creating our first script – unix_converter.py
	User input
		Using the raw input method and the system module – user_input.py
		Understanding Argparse – argument_parser.py
	Forensic scripting best practices
	Developing our first forensic script – usb_lookup.py
		Understanding the main() function
		Interpreting the search_key() function
		Running our first forensic script
	Troubleshooting
	Challenge
	Summary
Chapter 3: Parsing Text Files
	Setup API
	Introducing our script
		Overview
	Our first iteration – setupapi_parser_v1.py
		Designing the main() function
		Crafting the parse_setupapi() function
		Developing the print_output() function
		Running the script
	Our second iteration – setupapi_parser_v2.py
		Improving the main() function
		Tuning the parse_setupapi() function
		Modifying the print_output() function
		Running the script
	Our final iteration – setupapi_parser.py
		Extending the main() function
		Adding to the parse_setup_api() function
		Creating the parse_device_info() function
		Forming the prep_usb_lookup() function
		Constructing the get_device_names() function
		Enhancing the print_output() function
		Running the script
	Challenge
	Summary
Chapter 4: Working with Serialized Data Structures
	Serialized data structures
	A simple Bitcoin web API
	Our first iteration – bitcoin_address_lookup.v1.py
		Exploring the main() function
		Understanding the get_address() function
		Working with the print_transactions() function
		The print_header() helper function
		The get_inputs() helper function
		Running the script
	Our second iteration – bitcoin_address_lookup.v2.py
		Modifying the main() function
		Improving the get_address() function
		Elaborating on the print_transactions() function
		Running the script
	Mastering our final iteration – bitcoin_address_lookup.py
		Enhancing the parse_transactions() function
		Developing the csv_writer() function
		Running the script
		Challenge
	Summary
Chapter 5: Databases in Python
	An overview of databases
		Using SQLite3
		Using SQL
	Designing our script
	Manually manipulating databases with Python – file_lister.py
		Building the main() function
		Initializing the database with the init_db() function
		Checking for custodians with the get_or_add_custodian() function
		Retrieving custodians with the get_custodian() function
		Understanding the ingest_directory() function
			Exploring the os.stat() method
		Developing the format_timestamp() helper function
		Configuring the write_output() function
		Designing the write_csv() function
		Composing the write_html() function
		Running the script
	Automating databases further – file_lister_peewee.py
		Peewee setup
		Jinja2 setup
		Updating the main() function
		Adjusting the init_db() function
		Modifying the get_or_add_custodian() function
		Improving the ingest_directory() function
		A closer look at the format_timestamp() function
		Converting the write_output() function
		Simplifying the write_csv() function
		Condensing the write_html() function
		Running our new and improved script
	Challenge
	Summary
Chapter 6: Extracting Artifacts from Binary Files
	UserAssist
		Understanding the ROT-13 substitution cipher – rot13.py
		Evaluating code with timeit
	Working with the yarp library
	Introducing the struct module
	Creating spreadsheets with the xlsxwriter module
		Adding data to a spreadsheet
		Building a table
		Creating charts with Python
	The UserAssist framework
		Developing our UserAssist logic processor – userassist_parser.py
			Evaluating the main() function
			Defining the create_dictionary() function
			Extracting data with the parse_values() function
			Processing strings with the get_name() function
		Writing Excel spreadsheets – xlsx_writer.py
			Controlling output with the excel_writer() function
			Summarizing data with the dashboard_writer() function
			Writing artifacts in the userassist_writer() function
			Defining the file_time() function
			Processing integers with the sort_by_count() function
			Processing datetime objects with the sort_by_date() function
		Writing generic spreadsheets – csv_writer.py
			Understanding the csv_writer() function
	Running the UserAssist framework
	Challenge
	Summary
Chapter 7: Fuzzy Hashing
	Background on hashing
		Hashing files in Python
		Hashing large files – hashing_example.py
	Creating fuzzy hashes
		Context Triggered Piecewise Hashing (CTPH)
		Implementing fuzzy_hasher.py
		Starting with the main() function
		Creating our fuzzy hashes
			Generating our rolling hash
			Preparing signature generation
		Providing the output
		Running fuzzy_hasher.py
	Using ssdeep in Python – ssdeep_python.py
		Revisiting the main() function
		Redesigning our output() function
		Running ssdeep_python.py
	Additional challenges
	References
	Summary
Chapter 8: The Media Age
	Creating frameworks in Python
	Introduction to EXIF metadata
		Introducing the Pillow module
	Introduction to ID3 metadata
		Introducing the Mutagen module
	Introduction to Office metadata
		Introducing the lxml module
	The Metadata_Parser framework overview
		Our main framework controller – metadata_parser.py
		Controlling our framework with the main() function
	Parsing EXIF metadata – exif_parser.py
		Understanding the exif_parser() function
		Developing the get_tags() function
		Adding the dms_to_decimal() function
	Parsing ID3 metdata – id3_parser.py
		Understanding the id3_parser() function
		Revisiting the get_tags() function
	Parsing Office metadata – office_parser.py
		Evaluating the office_parser() function
		The get_tags() function for the last time
	Moving on to our writers
		Writing spreadsheets – csv_writer.py
		Plotting GPS data with Google Earth – kml_writer.py
		Supporting our framework with processors
			Creating framework-wide utility functions – utility.py
	Framework summary
	Additional challenges
	Summary
Chapter 9: Uncovering Time
	About timestamps
		What\'s an epoch?
	Using a GUI
		Basics of TkInter objects
			Implementing the TkInter GUI
			Using frame objects
		Using classes in TkInter
	Developing the date decoder GUI – date_decoder.py
		The DateDecoder class setup and __init__() method
		Executing the run() method
		Implementing the build_input_frame() method
		Creating the build_output_frame() method
		Building the convert() method
		Defining the convert_unix_seconds() method
		Conversion using the convert_win_filetime_64() method
		Converting with the convert_chrome_time() method
		Designing the output method
		Running the script
	Additional challenges
	Summary
Chapter 10: Rapidly Triaging Systems
	Understanding the value of system information
		Querying OS-agnostic process information with psutil
		Using WMI
			What does the pywin32 module do?
	Rapidly triaging systems – pysysinfo.py
		Understanding the get_process_info() function
		Learning about the get_pid_details() function
		Extracting process connection properties with the read_proc_connections() function
		Obtaining more process information with the read_proc_files() function
		Extracting Windows system information with the wmi_info() function
		Writing our results with the csv_writer() function
	Executing pysysinfo.py
	Challenges
	Summary
Chapter 11: Parsing Outlook PST Containers
	The PST file format
	An introduction to libpff
		How to install libpff and pypff
	Exploring PSTs – pst_indexer.py
		An overview
		Developing the main() function
		Evaluating the make_path() helper function
		Iteration with the folder_traverse() function
		Identifying messages with the check_for_msgs() function
		Processing messages in the process_msg() function
		Summarizing data in the folder_report() function
		Understanding the word_stats() function
		Creating the word_report() function
		Building the sender_report() function
		Refining the heat map with the date_report() function
		Writing the html_report() function
		The HTML template
	Running the script
	Additional challenges
	Summary
Chapter 12: Recovering Transient Database Records
	SQLite WAL files
		WAL format and technical specifications
			The WAL header
			The WAL frame
		The WAL cell and varints
		Manipulating large objects in Python
	Regular expressions in Python
	TQDM – a simpler progress bar
	Parsing WAL files – wal_crawler.py
		Understanding the main() function
		Developing the frame_parser() function
		Processing cells with the cell_parser() function
		Writing the dict_helper() function
			The Python debugger – pdb
		Processing varints with the single_varint() function
		Processing varints with the multi_varint() function
		Converting serial types with the type_helper() function
		Writing output with the csv_writer() function
		Using regular expression in the regular_search() function
	Executing wal_crawler.py
	Challenge
	Summary
Chapter 13: Coming Full Circle
	Frameworks
		Building a framework to last
		Data standardization
		Forensic frameworks
	Colorama
	FIGlet
	Exploring the framework – framework.py
		Exploring the Framework object
			Understanding the Framework __init__() constructor
			Creating the Framework run() method
			Iterating through files with the Framework _list_files() method
			Developing the Framework _run_plugins() method
		Exploring the Plugin object
			Understanding the Plugin __init__() constructor
			Working with the Plugin run() method
			Handling output with the Plugin write() method
		Exploring the Writer object
			Understanding the Writer __init__() constructor
			Understanding the Writer run() method
		Our Final CSV writer – csv_writer.py
		The writer – xlsx_writer.py
		Changes made to plugins
		Executing the framework
	Additional challenges
		Summary
Other Books You May Enjoy
Index




نظرات کاربران