La reconstruction d'événements est un aspect fondamental du processus d'enquête en criminalistique numérique. Au cours de ce processus, on analyse et organise systématiquement les preuves pour formuler une hypothèse sur des événements passés. Le point de départ est souvent les données brutes des chronologies criminelles (par exemple, un tableau incluant tous les événements analysés), qui peuvent inclure des millions d'entrées de chronologies. Divers outils et techniques ont été proposés pour analyser ces entrées. Cependant, la faisabilité de l'application des solutions de data mining reste inexplorée. Le data mining, avec sa capacité à révéler des motifs, des déviations et des flux de processus à partir des données d'événements, peut offrir des perspectives précieuses pour la reconstruction d'événements criminels. Dans cette étude, nous explorons l'utilisation du data mining d'épisodes pour générer des identifiants de cas et fournir des séquences d'événements, des visualisations, et des métriques d'évaluation à partir de modèles de processus générés par des algorithmes de data mining. En conséquence, nous avons développé un prototype d'application open-source basé sur le web. Les expériences et études de cas concluent que la méthode proposée peut reconstruire des événements criminels numériques et fournir des résultats intuitifs aux enquêteurs criminels.
Adila et al. (Jeu,) ont étudié cette question.