且其log 紀錄會進一步轉換傳送至 Cloud Forensic Center，由於雲端服務供應商及 執法機關均有其紀錄，所以使用者無法否認曾經創造某檔案。
‧
‧
‧
碼，假冒其他無辜使用者存取雲端資料」及「入侵執法機關的Cloud Forensic Center，
試圖竊取log 資料，找出可用的使用者資料」之風險發生，相關對策說明如下：
（二）在「入侵執法機關的Cloud Forensic Center，試圖竊取 log 資料，找出可用的使用 者資料」的情境中，可藉由機密性的安全性質C2，杜絕惡意駭客從 log 驗證資料 Litigation hold enabled cloud storage(LINCS) 架構，主要是針對雲端
‧
Our Scheme 與其他機制之 相異處
1、Threat Model 中的 執法機關也可能會
1、Threat Model 情境 僅 限 縮 在 訴 訟 階
1、Threat Model 納入 實際情況中各種可
Our Scheme 與其他機制之 相似處
1、均以加解密機制產生驗證資料，並儲存於第三方或專屬資料庫做為 驗證原始檔案未遭竄改之證明。
2、均有提出 Threat Model 作為運用情境，並以自身提出的機制解決各自 Threat Model 的問題。
Our Scheme 與其他機制之
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
端設備至執法機關所保存的驗證資料，都是我們關注的鑑識範圍。
3、所提出的 Threat Model 比起其他方法更加實際與貼切，將實際情況會 有的惡意同夥納入情境討論，並確立執法機關作為公正第三方代 表，避免任一方皆有可能成為惡意攻擊者之循環發生。
4、其他機制僅針對完整性與機密性的安全性質進行探討，但我們提出 的安全性質包含機密性、完整性、可用性及不可否認性，比起其他 機制更為廣泛與嚴謹，可提高數位證據的可信度。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
第 4 章 雲端 APP 鑑識分析研究
由於行動通訊網路的快速進步，以及硬體設備的發展，使得智慧行動裝置在近年來 有明顯成長，尤其在社群及通訊軟體的運用普及下，更使人們幾乎人手一機，無法離開 智慧行動裝置。因此，使用者自是會有許多資料儲存需求，雲端儲存服務無疑就是解決 這個問題的最佳方案，但許多犯罪者也因此將犯罪證據藉此傳送至雲端。為能夠澈底瞭 解 雲端 儲存服務 在行 動裝 置 上會留 下 哪些 數位證據，我們將針 對 iOS 裝置上的 OneDrive、Google Drive 及 MEGA 雲端儲存服務進行分析研究[5]。
目前鑑識分析類型大致可區分為動態分析（Dynamic Analysis）與靜態分析（Static Analysis）或者是網路分析（Network-based Analysis）與本機分析（Host-based Analysis），
為了能全面瞭解雲端儲存 APP 在運作過程中所能產生的數位證據，我們將結合兩種分 析類型的概念（如圖5），採用網路封包分析（Network packet Analysis）、檔案分析（File Analysis）及 APP 執行分析（APP runtime Analysis）這三種分析方法[27]。並對上述三 種雲端儲存 APP 進行鑑識分析，從不同的觀點切入，以全面呈現在各種分析條件下，
這些雲端儲存服務所能發現的數位證據。
圖 5：鑑識分析方法
本次實驗所採用的設備及環境如下（如表5），利用 iPhone 及 iPad 進行相關實驗操
‧
1、iPhone 6（iOS 9.0.1）
2、筆記型電腦（Windows 10）
1、iPad mini （iOS 9.3.1）
2 、 筆 記 型 電 腦
（Windows 10）
分 析 工 具
2 、 plistEditor Pro
（2.1）
2、Google Drive（8.13）
3、MEGA（3.4.1）
由於執行動態分析需要先將iOS 裝置執行越獄（JailBreak）後，才能利用分析工具 對目標APP 進行檢測分析，為求一致，本次各項分析實驗中的 iOS 裝置均已越獄。