Analisi dei documenti

L'analisi dei documenti è il processo di analizzazione dei documenti per estrarre dati significativi. Il termine è spesso associato all'hacking informatico, poiché gli hacker possono "analizzare" i documenti per rivelare dati riservati. Tuttavia, l'analisi dei documenti viene utilizzata anche per scopi non dannosi. Tra gli esempi vi sono l'identificazione di tipi di file sconosciuti e la visualizzazione dei metadati dei file.

È possibile eseguire l'analisi dei documenti sia su file di testo semplice sia su file binari.

File di testo

L'analisi dei file di testo è un processo semplice, poiché questi file memorizzano i dati come testo semplice. È possibile cercare caratteri e stringhe all'interno di un documento di testo usando uno strumento come grep o un'altra utilità di ricerca. Poiché l'elaborazione del testo è un'operazione relativamente rapida per un computer, potrebbe essere possibile analizzare diversi documenti di grandi dimensioni in meno di un secondo.

I tipi di file di testo comunemente presi di mira dall'analisi dei documenti includono i file di registro (.LOG, .TXT) e i file di configurazione (.CONF, .CNF). Se un hacker ottiene, per esempio, l'accesso a un server web, può cercare in questi file nomi utente, password e altri dati riservati.

File binari

I file binari possono contenere del testo semplice, ma memorizzano anche dati binari — 1 e 0. È più difficile analizzare i dati binari, poiché non è possibile cercarli con uno strumento di ricerca testuale. Inoltre, molti file binari vengono salvati in un formato di file proprietario, difficile da analizzare senza la relativa applicazione. Per questo motivo, l'analisi dei documenti binari si concentra in genere sull'intestazione e sul piè di pagina di un documento, che possono contenere testo semplice. Può inoltre avere lo scopo di estrarre i metadati dei file.

Molti file binari contengono informazioni sul tipo di file nell'intestazione del file. Per esempio, nell'immagine di esempio, le lettere "PNG" nell'intestazione indicano che il file è un'immagine PNG. Queste informazioni sono utili per identificare il tipo di file, poiché il file non ha un'estensione. Allo stesso modo, le foto digitali contengono spesso dati EXIF nascosti, salvati quando la foto è stata scattata. Un programma per la visualizzazione delle immagini o uno script di analisi dei documenti potrebbe essere in grado di rilevare ed estrarre queste informazioni.