@thesis{Achter2024, author = {Achter, Lea}, title = {KI-basiert versus klassisch - File Carving in der digitalen Fahrzeugforensik}, publisher = {Technische Hochschule Ingolstadt}, address = {Ingolstadt}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:573-45885}, pages = {X, 45, X}, school = {Technische Hochschule Ingolstadt}, year = {2024}, abstract = {Durch die voranschreitende Entwicklung der Technologie im Bereich der Automobilindustrie k{\"o}nnen immer mehr digitale Spuren in Fahrzeugen festgestellt werden. Das f{\"u}hrt zu einem immer wichtiger werdenden Gebiet, der digitalen Fahrzeugforensik. Dieses besch{\"a}ftigt sich mit dem Auslesen der Fahrzeugspeicher, die meist propriet{\"a}re Dateitypen der Automobilhersteller enthalten. Somit ist der Aufbau dieser Dateien meist unbekannt, was einen Unterschied zur digitalen Forensik darstellt. Hier k{\"o}nnen durch sogenannte File Carver Dateitypen, anhand bekannter Byte Sequenzen, wie Header oder Footer, erkannt werden. Unbekannte propriet{\"a}re Dateien, wie die der Automobilindustrie k{\"o}nnen somit meist nicht gefunden werden. Das Ziel dieser Arbeit ist es zu untersuchen, in wieweit klassische File Carver die spezifischen Dateitypen der Automobilbranche erkennen, und ob KI-basierte Ans{\"a}tze hier m{\"o}glicherweise einen Vorteil bieten k{\"o}nnen. Hierzu wird ein synthetischer Datensatz erstellt, um eine Basis mit relevanten Dateitypen zu schaffen. Die Tests der Softwares auf dem erstellten Datensatz zeigen, dass sich der File Carver Autopsy am Besten f{\"u}r eine Untersuchung in der digitalen Fahrzeugforensik eignet. Jedoch lassen die erzielten Ergebnisse der KI-basierten Methoden auf ein deutliches Entwicklungspotential schließen.}, language = {de} }