随着计算机网络的高速发展,从事计算机犯罪的活动逐渐增多,计算机取证技术的发展得到了越来越多的关注,为了满足各种各样的取证场景的需求,功能丰富、操作实用的取证工具已成为行业的必需,基于此,需要研究并设计出基于Windows环境下的隐秘信息取证系统。论文对此进行研究,具有较强的理论意义和实际应用价值。论文将传统的电子证据提取技术与数据挖掘技术相结合,提出集电子证据收集、电子证据分类和电子证据展示于一体的取证系统模型。本文首先深度分析主流浏览器内核机制,从计算机取证角度对浏览器痕迹提取技术进行研究,提取大量有效的W.eb电子文档信息；与此同时,还进行了电子邮件取证的相关研究,对邮件系统构成以及邮件编码格式进行了深入分析,从电子邮件取证角度对邮件头信息进行真伪性鉴定分析。针对电子证据的数据量巨大且杂乱无章的特性,论文研究了基于朴素贝叶斯算法的文本分类模型,并以网页文本分类以及邮件分类实验为例,设计融合分类思想的取证模型。论文通过多学习器与单学习器性能的仿真对比,融入了具备更高分类性能的集成学习分类思想,大大提高了取证精度以及取证效率,有效地将计算机取证技术与数据挖掘领域的分类技术进行了融合,最终实现杂乱无章的海量电子证据的有效分类,提高取证效率。