21世纪是一个信息时代,随着生活的信息化,计算机犯罪越来越普遍,严重影响了社会的稳定。如何打击计算机犯罪分子,遏制此类犯罪现象,已经成为执法部门工作的重点,而与一般的案件相似,犯罪证据是案件侦破的关键。因此,如何提取计算机犯罪的证据,使之能够为法律所认可,是案件调查工作的重点。传统的研究方法仅限于关键字查找、对此分析等传统手段,而且只能手工操作,工作量大,而且效率低,公证能力差。数据挖掘技术就是从海量的数据中提取有用的信息,具有高效智能化等特点。本文借助数据挖掘技术,将之运用到计算机取证应用中,帮助提取计算机犯罪证据,从而提高案件的侦破效率。本文的主要工作如下：(1)本文首先介绍了计算机取证和数据挖掘的相关知识,研究了两者结合的必要性和可行性。(2)为了在海量数据中挖掘出与计算机犯罪相关的证据,提高案件侦破效率,本文在Apriori算法的基础上提出的一种基于排序的Apriori算法。在传统的Apriori算法中,L(k-1)自连接生成Ck时,如果项集数目多,比较的次数就多,算法的效率就低。所以,在基于排序的Apriori算法的连接步中,先将L(k-1)中的项按照出现次数递增的顺序排序,然后再按照Apriori算法生成Ck等操作。这样一来,就减少了Ck中项集的数目,提高了算法的效率,也就克服Apriori算法的缺陷：当频繁项集的数目非常大时产生大量候选集。将之运用到计算机取证中,效率更高。(3)传统的关联规则挖掘算法认为每个项目都是同等重要的,对所有项目一视同仁,而加权关联规则提出赋予每个项目一个权值,以代表项目的重要性。针对公安业务的特殊性,各个案件的重要性不同,案件中各个线索证据的重要性不同,本文提出的加权关联规则改进算法不仅考虑项目的数量,也考虑项目的重要性,使之更加符合计算机取证工作的实际情况。经理论分析和实验证明,改进后的加权关联规则挖掘算法具有更高更好的性能。