NEW AUTONOMOUS SYSTEM FOR SPATIOTEMPORAL CLUSTERING AND VISUALIZATION OF DEVICE TRAJECTORIES IN FORENSIC INVESTIGATIONS

Bekarys Nurzhaubaev; Nursultan Nyssanov; Alisher Batkuldin; Ali Myrzatay; Murat Zhakenov

doi:10.26577/jpcsit202541

Авторы

Bekarys Nurzhaubaev Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0008-4683-9350 (неаутентифицированный)
Nursultan Nyssanov Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0002-8128-0595 (неаутентифицированный)
Alisher Batkuldin Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0004-2097-5419 (неаутентифицированный)
Ali Myrzatay Astana IT University, Astana, Kazakhstan https://orcid.org/0000-0002-5339-2437 (неаутентифицированный)
Murat Zhakenov “Digital Heritage of Eurasia” LLP, Astana, Kazakhstan https://orcid.org/0009-0005-9672-4365 (неаутентифицированный)

DOI:

https://doi.org/10.26577/jpcsit202541

Ключевые слова:

Digital forensics, Geolocation analysis, Trajectory clustering, Unsupervised learning, DBSCAN, GPS tracking, Offline tools

Аннотация

В данной работе представлена система «trajectory_analyzer», разработанная на языке Python для судебного анализа и визуализации геолокационных данных, извлечённых с мобильных устройств. С ростом объёма пространственно-временных данных, получаемых из таких источников, как GPS, Wi-Fi и метаданные изображений, перед судебными специалистами встают всё более сложные задачи по структурированию и интерпретации моделей перемещений. Существующие решения зачастую недостаточно гибкие, требуют использования обучаемых моделей или зависят от закрытой инфраструктуры. Наш подход использует метод кластеризации траекторий на основе DBSCAN без обучения, хронологическую сортировку и веб-интерфейс с картой в реальном времени для выявления поведенческих паттернов без необходимости ручной разметки или облачных сервисов. По сравнению с предыдущими решениями, представленная система обеспечивает более высокую пространственную точность, прозрачность источников данных и наглядность визуализации. Экспериментальные результаты показывают, что предложенный метод кластеризации позволяет точно и оперативно выявлять кластеры перемещений и переходы между ними при полном сохранении офлайн-режима работы. Однако данное улучшение сопровождается увеличением объёма локального хранилища из-за встроенных фрагментов карт. В целом, данная система представляет собой практичную, понятную и независимую платформу для специалистов, работающих с неструктурированными геоданными из различных источников.

Скачивания

Данные по скачиваниям пока не доступны.

Биографии авторов

Bekarys Nurzhaubaev, Astana IT University, Astana, Kazakhstan

Bekarys Nurzhaubaev is a bachelor’s student at Astana IT University and a junior software developer at the Research and Innovation Center (RIC) “CyberTech” at Astana IT University. His research interests include machine learning, neural networks, and the development of systems integrating machine learning and neural network algorithms. OrcID: 0009-0008-4683-9350
Nursultan Nyssanov, Astana IT University, Astana, Kazakhstan

Nursultan Nyssanov is a master’s student at Astana IT University, a software developer, and a researcher at the Research and Innovation Center (RIC) “CyberTech” at Astana IT University. His research interests include machine learning, neural networks, the development of systems integrating machine learning and neural network algorithms, and digital forensics. OrcID: 0009-0002-8128-0595.
Alisher Batkuldin, Astana IT University, Astana, Kazakhstan

Alisher Batkuldin holds an M.Sc. in Electrical and Computer Engineering from Nazarbayev University. He is a software developer and researcher at the Research and Innovation Center (RIC) “CyberTech” at Astana IT University. His research interests include machine learning, neural networks, the development of systems integrating machine learning and neural network algorithms, and digital forensics. OrcID: 0009-0004-2097-5419.
Ali Myrzatay, Astana IT University, Astana, Kazakhstan

Ali Myrzatay holds a Ph.D. in Automation and Control from L.N. Gumilyov Eurasian National University. He works at the “Digital Government Support Center” RSE on the REM, Astana, Kazakhstan, as a project manager and as a researcher at the Research and Innovation Center (RIC) “CyberTech” at Astana IT University. His research interests include machine learning, neural networks, and the development of systems integrating machine learning and neural network algorithms. OrcID: 0000-0002-5339-2437.
Murat Zhakenov, “Digital Heritage of Eurasia” LLP, Astana, Kazakhstan

Murat Zhakenov is a Candidate of Technical Sciences and works at “Digital Heritage of Eurasia” LLP, Astana, Kazakhstan. His research interests include machine learning and neural networks. OrcID: 0009-0005-9672-4365.