Penyelesaian Kasus Ann's Dengan Penerapan 5W + 1H

Sering kali kita mendengar mengenai 5W + 1H bila membahas mengenai penelitian, jurnal, penyeledikan yah hal ini memanglah sesuatu yang wajar karena 5W + 1H dasar dalam pengumulan informasi serta merupakan juga formula untuk mendapatkan keberanan tentang sesuatu agar didapatkan rekonstruksi kejadiannya sesuai dengan yang aslinya. Penerapan 5W + 1H digunakan dalam berbagai bidang ke ilmuan bahkan juga digunakan dalam Forensik.

Occam’s Razor adalah sebuah prinsip bahwa dari beberapa hipotesis yang berbeda, maka yang lebih disukai adalah yang lebih sedikit memuat asumsi. Dan biasanya, hipotesis paling sederhana yang dapat menjelaskan semua fakta yang ada biasanya adalah yang paling benar.

Pengertian kata “razor” yang berarti silet mengandung makna bahwa asumsi yang berjumlah banyak, kompleks dan susah teruji sebaiknya “dicukur” atau dibuang, dan gunakan hanya asumsi yang sederhana, berjumlah sedikit dan bisa diuji. Sekarang kita gunakan prinsip Occam’s Razor ini dalam berargumentasi agar memberikan deskripsi yang lebih bagus tentang makna penggunaannya.

The Alexiou Principle merupakan sebuah metode yang muncul akibat banyak kasus yang tidak terslesaikan dan kurang terarah menentukan perencanaan dan strategi yang matang dalam melakukan proses investigasi.

Konsep ini di usung oleh seorang ilmuan bernama Mike Alexiou,dengan Konsep utama dari prinsip utamanya  adalah :

1. What question are you trying to answer/ Pertanyaan apa yang ingin coba dipecahkan?
2. What data do you need to answer that question/ Data apa yang dibutuhkan untuk menjawab pertanyaan itu?
3. How do you extract/analyze that data/ Bagaimana cara untuk memperoleh dan mengekstrak data itu?
4. What does the data tell you?/ Informasi apa yang diperoleh dari data tersebut?

Untuk Lebih memahami penerapan 5W + 1H dalam penyelidikan maka akan dicoba dalam membahas kasus  Ann's Bad AIM sehingga bisa merekronstruksi pristiwa yang terjadi.

Kasus yang dianalisa adalah sebuah file mengenai filtering network yang melibatkan paket data untuk didapatkan informasinya sehingga bisa menjawab pertanyan dari 5W + 1H. Kasus ini menggunakan aplikasi wireshark untuk membaca file tersebut, berikut pembabarannya :

Ann dan Mr X telah mendirikan basis baru operasi mereka. Sambil menunggu dokumen ekstradisi untuk pergi melalui, Anda dan tim Anda penyelidik diam-diam memantau aktivitas nya. Baru-baru ini, Ann mendapat merek AppleTV baru, dan dikonfigurasi dengan static IP address 192.168.1.10. Berikut adalah capture paket dengan aktivitas terbarunya.
Anda adalah penyidik forensik. Misi Anda adalah untuk mencari tahu  mengenai AppleTV milik Ann.

1. WHO (Siapa yang menjadi pembahasan)
Pada kasus ini yang menjadi pembahasan adalah siapa yang ada didalam list paket data yang tertangkap, karena membahasa peralatan maka WHO didalam kasus ini adalah nama yang digunakan untuk alat yang dipakai seorang user. Untuk mendapatkan namanya terlebih dahalu melakukan analisis terhadap paket data, pencarian dilakukan dengan menulusuri ip address. Bila diperhatikan dengan seksama didalam list paket yang tertangkap banyak sekali yang berasal dari sebuah ip maka pencarian  bisa dipersempit. ke IP 192.168.1.10. Informasi yang dicari biasanya berada pada paket dengan protokol http.

Berdasarkan gambar diatas maka dapat dilihat pada detail Hypertext Transfer Protocol terdapat string User-Agent dari Ann yaitu AppleTV/2.4. Jadi WHO yang dicari adalah AppleTV/2.4.

2. WHERE (Dimana kasus terjadi)
Where disini bermaksud pada MAC Address dari AppleTV. Pada tahap ini dilakukan pencarian MAC Address dari Appltv milik Ann,  ternyata memiliki informasi header frame mengenai AppleTv pada gambar dibawah memperlihatkan Source AppleTV yaitu Apple_fe:07:c4 (00:25:00:fe:07:c4).

Maka didapatkanlah MAC Address dari AppleTV milik Ann adalah : 00:25:00:fe:07:c4

3.WHY ( Mengapa hal itu dilakukan)
WHY disini dimaksudkan kepada tujuannya Ann mengkoneksikan TV ke internet, jawabannya sederhana dia berusaha untuk mencari film yang ingin dilihatnya. Itu terbukti dari adanya paket data yang berisi perinah "search" Hal ini bisa dilihat dari gambar berikut :

4. WHEN (Kapan kasus terjadi)
WHEN dimaksudkan untuk waktu terjadinya peristiwa ini.  Berdasarkan informasi diperoleh waktu akses nya yaitu pada hari Minggu tanggal 28 Desember 2009 pukul 04:08:18 GMT.

5. WHAT (Apa yang sebenarnya terjadi)
WHAT dimaksudkan kepada film apa yang dicari oleh Ann. Berdasarkan Analisa diketahui apa yang dia cari sebenarnya ada sebuah film yang judul iknowyourewatchingme.

6. HOW (Cara memperoleh data)
HOW dimaksudkan kepada cara atau proses yang dilakukan untuk mendapat jawaban yang dicari. Bagaimana cara untuk membaca file tersebut pada kasus ini hanya menggunakan aplikasi WireShark sebagai media untuk membaca paket data yang tertangkap.

Sumber
http://thedigitalstandard.blogspot.com/2009/06/alexiou-principle.html
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2254462/
https://www.linkedin.com/in/alexioump
https://en.wikipedia.org/wiki/William_of_Ockham
http://forensicscontest.com/2009/12/28/anns-appletv

Recovery Data Menggunakan Pandora Recovery

Barang Bukti yang dimaksud dalam kasus forensik pada umumnya tidak lain adalah informasi dan data. Cara pandangnya sama, tetapu dalam kasus komputer forensik, kita kenal sebagai Bukti Digital. Pada umunya tersimpan pada media penyimpanan dan kontek yang berbeda - beda sehingga terkadang menimbulkan kesuliatan dalam mengakuisisinya karena membutuhkan kejelian. Apalagi beberapa pelaku kejahatan cybercrime biasanya menghapus data mereka agar bisa membuang barang bukti.berdasarkan latar belakang itu maka para penyidik biasanya mempersiapkan beberapa tool atau aplikasi yang berguna untuk menembalikan data yang telah terhapus. Banyak aplikasi recovery yang bisa digunakan salah satunya adalah Pandora Recovery. Berikut Panduan pengunannya :

BLACK MARKET DIDALAM DEEP WEB SISI GELAP INTERNET

Deep Web juga dikenal dengan nama Deepnet, DarkNet, Invisible Web, Undernet atau Hidden Web) di Indonesia dapat disebut sebagai Web Mendalam. Deep Web merupakan bagian dari World Wide Web tetapi tidak termasuk kedalam internet yang dapat dicari dengan mudah, yaitu dengan menggunakan mesin pencari web yang menggunakan indeks mesin pencari web. Deep Web berbeda dengan Dark Internet, dimana komputer tidak dapat lagi dijangkau melalui Internet, atau dengan Darknet yang merupakan jaringan untuk menukarkan data, yang dapat digolongkan sebagai bagian kecil dari Deep Web.
Mike Bergman, pendiri BrightPlanet yang memberikan istilah tersebut, mengatakan bahwa mencari di Internet pada saat ini dapat dibandingkan dengan menjaring ikan di permukaan laut: akan mendapatkan banyak ikan yang tertangkap di jaring, tetapi informasi yang sangat dalam tidak akan tertangkap. Kebanyakan dari informasi yang terdapat di jaringan Internet, terkubur sangat dalam situs yang dinamis, dan mesin pencari web yang standar tidak dapat menemukannya. mesin pencari web yang tradisional tidak dapat "melihat" atau mengambil data di dalam Deep Web. Halaman-halaman tersebut dianggap tidak ada hingga mereka tercipta secara dinamis sebagai hasil dari pencarian secara spesifik. Sejak tahun 2001, Deep Web telah dinyatakan memiliki ukuran yang lebih besar dari Web biasa.
Jumlah situs yang tergolong Deep web konon jumlahnya sangat banyak. berdasarkan kajian Universitas California pada tahun 2001 jumlah konten deep web sebesar 7,500 terabytes. Kemudian pada tahun 2004 diperkirakan terdapat kurang lebih 300,000 situs yang tergolong Deep Web.
Jack Oliver, dalam paper sebuah seminar mengenai Deep Web yang dipublikasikan dalam Jurnal Publikasi Elektronik, menyebutkan bahwa Jill Ellsworth menggunakan istilah invisible Web atau Web yang tidak kasat mata pada tahun 1994 untuk mengacu kepada situs web yang tidak teregistrasi dengan mesin pencari web apapun. Bergman mengacu kepada artikel yang diterbitkan pada bulan januari 1996 oleh Frank Garcia:
“ Situs ini adalah situs yang didesain dengan baik, tetapi mereka tidak melakukan proses registrasi dengan mesin pencari web apapun. Sehingga tidak ada yang dapat menemukan mereka. Secara teknis, situs tersebut merupakan situs yang tersembunyi. Saya menyebutnya sebagai invisible Web atau Web yang tidak kasat mata.”
Salah satu awal penggunaan istilah Invisible Web adalah oleh Bruce Mount dan Matthew B. Koll yang berasal dari Library Software, dalam deskripsi mengenai deep Web tool yang ditemukan pada wawancara press pada bulan Desember 1996. Penggunaan pertama dari istilah Deep Web, sekarang secara umum diketahui berdasarkan kepada laporan pada tahun 2001 yang ditulis oleh Bergman.
Dari penjelasan diatas bisa diartikan bahwa situs – situs website selama ini bisa didapatkan melaui mesin pencarian yang umumnya diketahui ternyata itu semua hanya sebagain kecilnya saja yang ditampilkan dari seluruh situs website  di internet. Masih banyak lagi situs yang tidak terindex oleh mesin pencarian karena tidak didaftarkan atau memang sengaja disembunyikan tetapi kenapa situs itu tersembunyi. Beberapa situs yang disembunyikan bisa jadi memiliki informasi yang tidak untuk konsumsi umum seperti data perusahaan, data suatu intitusi negara dan data rahasia lainnya lalu bagaimana dengan sebagian situs lainya. Deepweb terdapat banyak sekali situs dengan berbagai jenis konten salah satunya adalah BLACK MARKET.
APA ITU BLACK MARKET
Black market jika di artikan berarti pasar gelap yang berarti adalah suatu sektor perdagangan illegal dikarenakan produk yang disajikan merupakan produk tidak resmi yang dilarang secara hukum oleh suatu negara. Produk seperti apakah sehingga menyebabkan menjadi illegal, menurut pengamatan penulis produk yang diperjual belikan di pasar gelap merupakan produk yang tak lazim seperti
1.    Budak.
2.    Senjata kimia.
3.    Organ tubuh.
4.    Jasa pembunuhan.
5.    Jasa hacking.
6.    Jasa pencucian uang.
7.    Tojan.
8.    Traffic.
9.    Jasa spam & flood, termasuk call & sms flood.
Dijaman serba modern ini sepertinya para pelaku bisnis pun mengikuti perkembangan para konsumennya dengan memberikan inovasi yang tidak biasa demi meraup keuntungan walaupun hal itu illegal. Pada black market produk yang menjadi incaran para pembeli bumumnya adalah jasa hacking, dimana para pembeli itu ingin mendapatkan suatu data informasi perushaan tertentu atau memang sengaja untuk menghancurkan perusahaan tersebut dan hal lainya.
PIHAK YANG TERLIBAT
Para pelaku black market bergerak dalam tim dengan tingkat oganisir tinggi bahkan terlihat sebagai sebuah perusahaan yang besar ini dikarenakan beberapa hal seperti strategi, operasional, logistik dan  penempatan yang bisa berbeda negara.
Menurut FBI organisasi cyber crime beraksi layaknya perusahaa, dengan para pakar khusus yang ada pada tiap tiap area dan posisi. Tidak seperti sebuah perusahaan pada umumnya , mereka tidak memiliiki jadwal, liburan ataupun akhir pekan.

1. Programmer

Mengembangkan exploit dan malware untuk melakukan kejahatan cyber.

2. Distributor

Menukar dan menjual data curian.

3. Technical expert

Bertanggung jawab terhadap infrasturuktur teknologi yang digunakan dalam cybercrime black market, seperti server, enkripsi, database, dan semacamnya.

4. Hacker

Mencari celah keamanan pada sebuah aplikasi, sistem, atau jaringan yang akan dijadikan target.

5. Fraudster

Merancang dan mengaplikasikan skema-skema social engineering, seperti phishing dan spam.

6. Hosted system provider

Sebagai pihak penyedia layanan hosting untuk server dan situs yang punya tujuan ilegal.

7. Cashier

Mengatur rekening keuangan dan menyediakan nama dan akun bagi pelaku kejahatan lain untuk mendapatkan uang.

8. Money mule

Menyelesaikan urusan transfer antar bank.

Money mule dapat menggunakan perantara seorang pelajar bahkan juga dapat menggunakan visa bekerja ke luar negeri untuk membuka rekening bank.

9. Teller

Mentransfer uang secara ilegal melalui layanan uang digital dalam berbagai macam mata uang asing.

10. Organization leader

Lebih mengandalkan kemampuan pendekatan personal dibandingkan kemampuan teknis.

Organization leader membentuk team dan memilih targetnya.

EFEK BLACK MARKET

Berdasarkan informasi yang didapatkan melalui infografis milik Rasmussen Collaege pada tahun 2011 efek yang ditimbulkan oleh black market sangat besar yaitu kerugian sebesar US $388 miliar dolar.

Jika melihat informasi lainya dari laporan milik Symantec efek yang ditimbulkan berkaitan dengan cybercrime pada tahun 2011 :

1. Serangan web meningkat 36% dengan jumlah total serangan per hari adalah 4.500 serangan.
2. 403 juta varian malware telah tercipta di 2011, meningkat 41% dibandingkan tahun 2010.
3. 39% serangan malware melalui email menggunakan tautan (link) yang mengarah ke halaman web.
4. Celah keamanan pada perangkat mobile terus meningkat dengan temuan sebanyak 315 di 2011.

Akibat dari cyber crime ini banyak perusahan dilaporkan mengalami kerugian dari beragam serangan seperti pencuria data dan pengerusakan sistem dan jaringan atau database. Pada umumnya perusahan yang menjadi korban adalah yang berskala besar.

MENIMALKAN KEMUNGKINAN RESIKO

Guna mengantisipasi serangan cybercrime perlu adanya kewaspadaan dalm tiap tindakan.beberapa hal yang bisa dilalukan untuk menimalkan serangan adalah :

1.      Gunakan kombinasi karakter dalam password, dan jangan gunakan satu password untuk beberapa akun.

2.      Berhati-hatilah terhadap email atau pesan yang berisi tautan atau link yang berasal dari penyedia layanan atau atasaaan, bisa saja itu adalah tipuan dari hacker.

3.      Pastikan bahwa jaringan yang digunakan aman, tidak melaui wifi publik.

4.      Jika melalukan transaksi online pastikan situs itu aman, situs yang aman menggunakan layanan “https//”

5.      Jangan memposting indentitas diri, contohnya seperti CV karna nantinya bisa disalah gunakan.

SUMBER

Bergman, Michael K (July 2000). The Deep Web: Surfacing Hidden Value (2000) BrightPlanet LLC., dari url, https://id.wikipedia.org/wiki/Deep_Web

Suryansyah, Aditya H. Sisi Gelap Internet (July 2012), dari url http://kanvas-hitam.blogspot.com/2012/07/sisi-gelap-internet.html

Panda Security. (2010). The cyber-crime black market: Uncovered. Retrieved dari url https://farembojo.files.wordpress.com/2014/11/book-the-cyber-crime-black-market.pdf

Infosec Institute. (2013, January 15). Cybercrime and the underground market – infosec institute. Retrieved June 12, 2015, dari url http://resources.infosecinstitute.com/cybercrime-and-the-underground-market/

Kelly, M. (2012, July 12). Cyber crime black market almost as big as illegal drugs industry now | venturebeat | news | by meghan kelly. Retrieved June 12, 2015, dari url http://venturebeat.com/2012/07/12/cyber-crime-rasmussen/

blon, L., Libicki, M. C., & Golay, A. A. (2014). Markets for cybercrime tools and stolen data: Hackers’ bazaar | rand (RR-610-JNI). Retrieved from RAND Corporation website: http://www.rand.org/pubs/research_reports/RR610.html

Model Investigasi Pada Paper "Membangun Integrated Digital Forensics Investigation Framework (IDFIF) Dengan Metode Sequential Logic"

DFIF (Digital Forensics Investigation Framework ) telah banyak berkembang sejak tahun 1995, namun belum ada DFIF standart yang digunakan oleh para penyidik (investigator).

Problematika

Penggunaan DFIF yang berbeda-beda akan menyebabkan pembuktian yang dihasilkan sulit diukur dan dibandingkan. Sedangkan dalam kenyataannya persidangan selalu melibatkan lebih dari satu pihak untuk pembuktikan sebuah fakta  persidangan. Pengukuran dan pembandingan akan muncul ketika salah satu pihak tidak puas atas hasil  pembuktian pihak yang lain.

Solusi

Perlu adanya DFIF standar yang dapat mengakomodir DFIF yang telah hadir sebelumnya. Metode Sequential Logic merupakan metode yang memiliki keterikatan atas latar belakang masukan terhadap keluarannya.Metode ini memiliki karakteristik yang dapat merekam histori dari masukan, sehingga dapat diasumsikan metode tersebut dapat melihat urutan DFIF sebelumnya untuk membentuk DFIF yang baru.

Penelitian ini menghasilkan DFIF baru yang diharapkan dapat menjadi standart metode penyelidikan para  penyidik. DFIF yang dihasilkan dalam penelitian ini disebut sebagai Integrated Digital Forensics Investigation  Framework (IDFIF) dikarenakan telah memperhitungkan DFIF sebelumnya. DFIF yang telah ada sebelumnya dapat di akomodir IDFIF dengan menggunakan Metode Sequential Logic.

Sequential Logic

Menurut  (Suyanto,2009) yang diambil dari dalam paper. Unit sequential logic atau sering disebut sebagai mesin keadaan berhingga (Finite State Machine, FSM), keluarannya  bergantung pada masukan dan keluaran sebelumnya. FSM dibedakan dengan Control  Logic Unit (CLU) karena selain menghasilkan keluaran juga menghasilkan keadaan (state). Hal ini penting untuk implementasi rangkaian memori dan juga unit kendali pada komputer.

Model Invetigasi Digital Forensik Yang Ada

Usulan Model Investigasi
Dengan metode Sequential Logic, gambaran fase pada masing-masing model investigasi dapat dipetakan per prosesnya. Pemetaan proses-proses tersebut digunakan untuk menyusun sebuah model investigasi yang dpaat dijadikan standar oleh investigator dalam mengangani sebuah kasus. Berikut Gambar Ilustrasinya:

Pejelasaan

IDFIF = { Pre-Process → Proactive → Reactive → Post-Process }

di mana:
Pre-Process = { Notification → Authorization → Preparation }
Proactive = { Proactive Collection → Crime Scene Investigation → Proactive Preservation → Proactive Analysis → Preliminary Report → Securing the Scene → Detection of Incident/Crime }

Di mana
'Proactive Collection = { Incident Response Volatile Collection and Collection of Network Traces }
'Crime Scene Investigation = { Even triggering Function & Communicating Shielding → Documenting the Scene }
Reactive = { Identification → Collection & Acquisition → Preservation → Examination → Analysis → Presentation }

Di mana:
dentification = { Survey → Recognition }
Preservation = { Tranportation → Storage }
Post-Process = { Conclusion → Reconstruction → Dissemination }

Kesimpulan
Usulan model investigasi forensik digital yang bernama “Integrated Digital Forensics Investigation Framework” (IDFIF) ini dihasilkan dari model-model investigasi yang telah ada sebelumnya dengan menggunakan metode Sequential Logic.  Model ini dirancang untuk mampu menjadi standar model investigasi sehingga nantinya dipakai standar baku dalam penangan kasus.

Sumber
Rahayu, Y. D., & Prayudi, Y. (2014). Membangun integrated digital forensics investigation framework (idfif) menggunakan metode sequential logic. In Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014). Retrieved from https://www.academia.edu/6363830/MEMBANGUN_INTEGRATED_DIGITAL_FORENSICS_INVESTIGATION_FRAMEWORK_IDFIF_MENGGUNAKAN_METODE_SEQUENTIAL_LOGIC 

Model Investigasi pada Paper "Common Phases of Computer Forensics Investigation Models"

Meningkatnya jumah pelaku kriminal membuat tingginya persaingan diantara mereka dalam meraih keutungan, sehingga mau tidak mau mereka harus mengembangkan atau menciptakan inovasi baru dalam aksi kriminalnya. Dikarenakan sudah banyak masyarakat yang menggunakan teknologi digital dalam aktivitas kesehariannya memancing banyak kriminal untuk mengembangkan aksinya kedunia digital, tentu saja dalam melancarkan serangannya para pelaku tersebut memanfaatkan informasi digital sebagai peralatan utamanya. Sekarang ini sudah banyak sekali metode atau cara yang telah mereka kembangkan sehingga membuat para penyidik sebagai penegak hukum untuk turut mengembangkan dan menciptakan inovasi baru dalam proses investigasi. 

Bila Hack itu Etika maka Forensik itu prosedur,  karena itu dalam tiap kegiatan forensik para penyelidik akan mengambil tindakan berdasarkan prosedur yang ditetapkan. Sebuah prosedur dalam investigasi kasus Forensik Komputer sangat diperlukan karena dapat mendukung dan mempengharui langsung terhadap hasil investigasi, maka dari itu ketentuan dan tahapan dalam prosedur sebaiknya jangan dilewatkan. Dan parahnya lagi, barang bukti tersebut tidak dapat dijadikan rujukan di pengadilan

Yang diatas itu adalah karangan saya sendiri untuk becerita mengenai paper tersebut.sekarang lanjut ke pembahasan paper nya. 

Pada awal tahun 1984, Laboratorium FBI dan badan penegak hukum lainnya mulai mengembangkan program untuk memeriksa barang bukti komputer. Dan dengan semakin berkembangnya zaman, model-model investigasi forensik komputer pun bermunculan utuk dapat menyempurnakan yang sebelumnya.Investigasi pada Paper: "Common Phases of Computer Forensics Investigation Models"

Berikut ini phase dan model investigasi digital forensik framework

Proses InvestigasiKomputer Forensik  (1984)

Pada tahap Akuisisi, bukti diakuisisi pada cara yang dapat diterima dengan persetujuan yang tepat dari otoritas. Hal ini diikuti oleh fase Identifikasi dimana tugas untuk mengidentifikasi komponen digital dari bukti yang diperoleh dan mengubahnya menjadi format dipahami oleh manusia. Tahap Evaluasi terdiri dari tugas untuk menentukan apakah komponen diidentifikasi dalam tahap sebelumnya, memang relevan dengan kasus yang sedang diselidiki dan dapat dianggap sebagai bukti yang sah. Pada tahap akhir, Penerimaan, bukti yang diperoleh & diekstrak disajikan dalam pengadilan hukum.

Investigasi Model DFRWS  (2001)

Model DFRWS Investigative dimulai dengan fase Identifikasi, di mana deteksi profil, sistem pemantauan, analisis audit, dll, dilakukan. Hal ini segera diikuti oleh fase Pelestarian, yang melibatkan tugas-tugas seperti menyiapkan manajemen kasus yang tepat dan memastikan rantai diterima tahanan. Fase ini sangat penting sehingga untuk memastikan bahwa data yang dikumpulkan bebas dari kontaminasi. Tahap berikutnya dikenal sebagai Collection, di mana data yang relevan sedang dikumpulkan berdasarkan metode yang disetujui memanfaatkan berbagai teknik pemulihan. Setelah fase ini dua fase penting, yaitu, Pemeriksaan fase dan fase Analisis. Dalam dua tahap ini, tugas-tugas seperti bukti tracing, validasi bukti, pemulihan tersembunyi / data dienkripsi, data mining, waktu, dll, dilakukan. Tahap terakhir adalah Presentasi. Tugas yang berhubungan dengan fase ini adalah dokumentasi, kesaksian ahli, dll.

Abstrak Digital Forensik Model (ADFM) (2002)

Tahap 1 di ADFM adalah fase Identifikasi. Pada fase ini, tugas untuk mengenali dan menentukan jenis insiden dilakukan. Setelah jenis insiden dipastikan, tahap berikutnya, Persiapan, dilakukan, diikuti dengan fase Strategi Pendekatan. Data fisik dan digital yang diperoleh harus diisolasi benar, aman dan diawetkan. Ada juga kebutuhan untuk memperhatikan rantai yang tepat dari tahanan. Semua tugas-tugas ini dilakukan di bawah Pelestarian fase. Berikutnya adalah fase Koleksi, dimana, ekstraksi data dan duplikasi dilakukan. Identifikasi dan menemukan bukti-bukti potensial dari data yang dikumpulkan, menggunakan pendekatan sistematis yang dilakukan dalam fase berikut berikutnya, yang dikenal sebagai Pemeriksaan fase. Tugas menentukan signifikan bukti dan menarik kesimpulan berdasarkan bukti yang ditemukan dilakukan dalam Analisis fase. Pada tahap berikut, tahap Presentasi, temuan dirangkum dan disajikan. Proses penyelidikan selesai dengan melaksanakan Kembali fase Bukti.

Integrated Digital Investigation Process (IDIP) (2003)
Proses investigasi bertujuan untuk menggabungkan berbagai proses investigasi yang tersedia menjadi satu model yang terintegrasi. Konsep TKP digital yang mengacu pada lingkungan virtual yang dibuat oleh perangkat lunak dan perangkat keras di mana bukti digital dari kejahatan atau kejadian ada.

Enhanced Digital Investigation Process Model (EDIP) (2004) 
Proses penyidikan dimulai dengan fase Kesiapan dan tugas yang dilakukan adalah sama seperti di IDIP. Tahap kedua, tahap Deployment, menyediakan mekanisme untuk sebuah insiden yang terdeteksi dan dikonfirmasi. Ini terdiri dari 5 sub-tahap yaitu Deteksi & Pemberitahuan, Fisik Crime Scene Investigation, Digital Crime Scene Investigation, Konfirmasi dan terakhir, submision. Tidak seperti DIP, fase ini meliputi penyelidikan TKP fisik dan digital dan presentasi temuan untuk badan hukum (melalui fase Submission). Dalam Tracebakphase, melacak TKP sumber, termasuk perangkat dan lokasi adalah tujuan utama. Hal ini didukung oleh dua sub-fase yaitu, Digital Crime Scene Investigation dan Otorisasi (memperoleh persetujuan untuk melakukan penyelidikan dan informasi mengakses). Setelah fase Traceback adalah fase Dynamite. Pada fase ini, investigasi dilakukan di TKP utama, dengan tujuan mengidentifikasi pelakunya potensial (s). Terdiri dari 4 sub-tahap, yaitu, fisik Crime Scene Investigation, Digital Crime Scene Investigation, Rekonstruksi dan Komunikasi. Dalam Rekonstruksi sub-fase, potongan informasi yang dikumpulkan diletakkan bersama-sama sehingga untuk membangun peristiwa mungkin yang bisa terjadi. Komunikasi sub-fase ini mirip dengan tahap Submission sebelumnya. Proses penyidikan berakhir dengan fase Kesiapan dan tugas yang dilakukan adalah sama seperti di IDIP.

Computer Forensics Field Triage Process Model (CFFTPM) (2006)
CFFTPM dimulai dengan tahap perencanaan. Kemudian dilanjutkan ke tah triage untuk mengidentifikasi dan peringkat dalam hal penting atau prioritas barang bukti, kemudian penggunaan tahap profil yang memfokuskan untuk menganalisis aktivitas pengguna dan profil bertujuan yang berkaitan bukti untuk tersangka. Kemudian timeline yaitu yang memproses kronologi kejadian. Terakhir adalah pengumpulan tahap bukti khusus agar penyidik ​​dapat menyesuaikan fokus pemeriksaan untuk spesifik dari kasus. Misal pornografi anak akan berbeda dengan kasus kejahatan keuangan.

Digital Forensics Model Bassed on Malaysian Investigation Process (DFMBMIP) (2009)
Tahap ini adalah Perencanaan, identifikasi dan Reconnaissance. Tahap ini berkaitan dengan melakukan penyelidikan sedangkan perangkat masih beroperasi  yang mirip dengan melakukan forensik hidup. Hal ini harus dilakukan di tahap transportasi & storage. Setelah data siap tahap analisis dipanggil dan data akan dianalisa dan diperiksa menggunakan alat dan teknik yang tepat.

Usulan Model Investigasi
Berdasarkan Model yang sudah ada maka diusulkanlah sebuah model baru yang bisa digunakan untuk investiasi umum pada komputer forensik, model tersebut dinamakan Generic Model Komputer Investigasi Forensik (GCFIM).
 

Pejelasan
1. Pre-Process
Tugas-tugas yang dilaksanakan dalam fase ini berhubungan dengan semua pekerjaan yang harus dilakukan sebelum dimulainya proses investigasi dan pengumpulan data secara resmi.
2. Acquisition & Preservation
Fase ini adalah fase pengumpulan, pengamanan, dan penyimpanan data sehingga dapat digunakan pada fase berikutnya.
3. Analysis
Fase ini adalah proses investigasi forensik komputer fokus data yang telah didapatkan untuk mengidentifikasi sumber kejahatan dan menemukan pelaku kejahatan tersebut.
4. Presentation
Temuan-temuan dalam fase analisis didokumetasikan dan dipresentasikan kepada pihak yang berwenang. Dengan bertujuan membuat pihak berwenang paham akan apa yang dipresentasikan, dan  juga harus didukung oleh bukti yang kuat untuk membuktikan kebenaran dari suatu kasus kejahatan. Di pengadilan.
5. Post-Process
Fase ini berhubungan dengan akhir dari sebuah proses investigasi. Barang bukti fisik dan digital harus dikembalikan kepada pihak yang berwenang untuk menyimpannya. Peninjauan terhadap proses investigasi harus dilakukan agar ada pembelajaran yang dapat diambil dan bisa meningkatkan performa investigasi pada masa yang akan datang.

Diagram usulan model investigasi GCFIM dirancang agar investigator dapat kembali ke fase sebelumnya, karena tidak menutup kemungkinan investigator akan berhadapan dengan situasi yang dapat berubah-ubah terkait dengan Tempat Kejadian Perkara (TKP, baik fisik maupun digital), alat investigasi yang digunakan, alat kejahatan yang digunakan, dan tingkat keahlian investigator.

Kesimpulan
Demi memenuhi kebutuhan pengumpulan data dan  bukti digital maka dibutuhkan pengembangan metode baru yang bisa menyesuaikan terhadap perubahan aktivitas kejahatan komputer. Sehingga nantinya bukti itu dapat digunakan sebagai bukti yang otentik di