Dokumentanalyse

Dokumentanalyse ist der Prozess, bei dem Dokumente analysiert werden, um aussagekräftige Daten zu extrahieren. Der Begriff wird häufig mit Computer-Hacking in Verbindung gebracht, da Hacker Dokumente möglicherweise „durchforsten“, um vertrauliche Daten aufzudecken. Dokumentanalyse wird jedoch auch für nicht böswillige Zwecke eingesetzt. Beispiele dafür sind das Identifizieren unbekannter Dateitypen und das Anzeigen von Metadaten einer Datei.

Dokumentanalysen können sowohl bei Klartext- als auch bei Binärdateien durchgeführt werden.

Textdateien

Das Durchsuchen von Textdateien ist ein einfacher Prozess, da sie Daten als Klartext speichern. Sie können mithilfe eines Tools wie grep oder eines anderen Suchprogramms nach Zeichen und Zeichenfolgen in einem Textdokument suchen. Da die Textverarbeitung ein vergleichsweise schneller Computervorgang ist, können möglicherweise mehrere große Dokumente in weniger als einer Sekunde durchsucht werden.

Häufige Textdateitypen, die bei der Dokumentanalyse untersucht werden, sind Protokolldateien (.LOG, .TXT) und Konfigurationsdateien (.CONF, .CNF). Wenn sich ein Hacker beispielsweise Zugriff auf einen Webserver verschafft, kann er diese Dateien nach Benutzernamen, Passwörtern und anderen vertraulichen Daten durchsuchen.

Binärdateien

Binärdateien können etwas Klartext enthalten, speichern aber auch binäre Daten — Einsen und Nullen. Binärdaten lassen sich schwieriger durchsuchen, da sie nicht mit einem Textsuchprogramm durchsucht werden können. Außerdem werden viele Binärdateien in einem proprietären Dateiformat gespeichert, das sich ohne die entsprechende Anwendung nur schwer auswerten lässt. Daher konzentriert sich die Binärdokumentanalyse typischerweise auf den Header und den Footer eines Dokuments, die Klartext enthalten können. Sie kann auch darauf abzielen, Dateimetadaten zu extrahieren.

Viele Binärdateien enthalten im Header der Datei Informationen über den Dateityp. Im Beispielbild zeigen die Buchstaben „PNG“ im Header beispielsweise an, dass es sich bei der Datei um ein PNG-Bild handelt. Diese Information ist nützlich, um den Dateityp zu identifizieren, da die Datei keine Dateierweiterung besitzt. Ebenso enthalten digitale Fotos häufig verborgene EXIF-Daten, die beim Aufnehmen des Fotos gespeichert wurden. Ein Bildbetrachtungsprogramm oder ein Skript zur Dokumentanalyse kann diese Informationen möglicherweise erkennen und extrahieren.