Cybercrime is significantly growing as the development of internet technology. To mitigate this issue, the law enforcement adopts network surveillance technology to track a suspect and derive the online profile. However, the traditional network surveillance using the single-device tracking method can only acquire part of a suspect’s online activities. With the emergence of different types of devices (e.g., personal computers, mobile phones, and smart wearable devices) in the mobile edge computing (MEC) environment, one suspect can employ multiple devices to launch a cybercrime. In this paper, we investigate a novel cross-device tracking approach which is able to correlate one suspect’s different devices so as to help the law enforcement monitor a suspect’s online activities more comprehensively. Our approach is based on the network traffic analysis of instant messaging (IM) applications, which are typical commercial service providers (CSPs) in the MEC environment. We notice a new habit of using IM applications, that is, one individual logs in the same account on multiple devices. This habit brings about devices’ receiving sync messages, which can be utilized to correlate devices. We choose five popular apps (i.e., WhatsApp, Facebook Messenger, WeChat, QQ, and Skype) to prove our approach’s effectiveness. The experimental results show that our approach can identify IM messages with high -scores (e.g., QQ’s PC message is 0.966, and QQ’s phone message is 0.924) and achieve an average correlating accuracy of 89.58% of five apps in an 8-people experiment, with the fastest correlation speed achieved in 100 s.

中文翻译：

---

一种新颖的基于IM Sync消息的跨设备跟踪

随着互联网技术的发展，网络犯罪正在显着增长。为了缓解此问题，执法部门采用网络监视技术来跟踪嫌疑犯并获取在线个人资料。但是，使用单设备跟踪方法的传统网络监视只能获取犯罪嫌疑人在线活动的一部分。随着移动边缘计算（MEC）环境中出现不同类型的设备（例如，个人计算机，移动电话和智能可穿戴设备），一个犯罪嫌疑人可以使用多个设备来发起网络犯罪。在本文中，我们研究了一种新颖的跨设备跟踪方法，该方法能够关联一个犯罪嫌疑人的不同设备，以帮助执法机构更全面地监视犯罪嫌疑人的在线活动。我们的方法基于即时消息（IM）应用程序的网络流量分析，即时消息（IM）应用程序是MEC环境中的典型商业服务提供商（CSP）。我们注意到一种使用IM应用程序的新习惯，即一个人在多个设备上登录同一帐户。这种习惯导致设备接收同步消息，该消息可用于关联设备。我们选择了五种流行的应用程序（即WhatsApp，Facebook Messenger，微信，QQ和Skype）来证明我们方法的有效性。实验结果表明，我们的方法可以识别具有高识别能力的IM消息。这种习惯导致设备接收同步消息，该消息可用于关联设备。我们选择了五种流行的应用程序（即WhatsApp，Facebook Messenger，微信，QQ和Skype）来证明我们方法的有效性。实验结果表明，我们的方法可以识别具有高识别能力的IM消息。这种习惯导致设备接收同步消息，该消息可用于关联设备。我们选择了五种流行的应用程序（即WhatsApp，Facebook Messenger，微信，QQ和Skype）来证明我们方法的有效性。实验结果表明，我们的方法可以识别出具有较高信息量的IM消息。-分数（例如，QQ的PC消息为0.966，而QQ的电话消息为0.924），并且在8人实验中，五个应用程序的平均关联准确度达到89.58％，而最快的关联速度是100 s。