Python Forensics - Memória e Forense
Neste capítulo, vamos nos concentrar em investigar a memória volátil com a ajuda de Volatility, uma estrutura forense baseada em Python aplicável nas seguintes plataformas: Android e Linux.
Memória volátil
A memória volátil é um tipo de armazenamento onde o conteúdo é apagado quando o sistema é desligado ou interrompido. RAM é o melhor exemplo de memória volátil. Isso significa que, se você estiver trabalhando em um documento que não foi salvo em uma memória não volátil, como um disco rígido, e o computador ficar sem energia, todos os dados serão perdidos.
Em geral, a análise forense de memória volátil segue o mesmo padrão de outras investigações forenses -
- Selecionando o alvo da investigação
- Aquisição de dados forenses
- Análise forense
O básico volatility plugins que são usados para coletas Android RAM dumppara análise. Depois que o dump de RAM é coletado para análise, é importante começar a procurar malware na RAM.
Regras YARA
YARA é uma ferramenta popular que fornece uma linguagem robusta, é compatível com expressões regulares baseadas em Perl e é usada para examinar os arquivos / diretórios suspeitos e as strings de correspondência.
Nesta seção, usaremos o YARA com base na implementação de correspondência de padrões e os combinaremos com a energia da concessionária. O processo completo será benéfico para a análise forense.
Exemplo
Considere o seguinte código. Este código ajuda a extrair o código.
import operator
import os
import sys
sys.path.insert(0, os.getcwd())
import plyara.interp as interp
# Plyara is a script that lexes and parses a file consisting of one more Yara
# rules into a python dictionary representation.
if __name__ == '__main__':
file_to_analyze = sys.argv[1]
rulesDict = interp.parseString(open(file_to_analyze).read())
authors = {}
imps = {}
meta_keys = {}
max_strings = []
max_string_len = 0
tags = {}
rule_count = 0
for rule in rulesDict:
rule_count += 1
# Imports
if 'imports' in rule:
for imp in rule['imports']:
imp = imp.replace('"','')
if imp in imps:
imps[imp] += 1
else:
imps[imp] = 1
# Tags
if 'tags' in rule:
for tag in rule['tags']:
if tag in tags:
tags[tag] += 1
else:
tags[tag] = 1
# Metadata
if 'metadata' in rule:
for key in rule['metadata']:
if key in meta_keys:
meta_keys[key] += 1
else:
meta_keys[key] = 1
if key in ['Author', 'author']:
if rule['metadata'][key] in authors:
authors[rule['metadata'][key]] += 1
else:
authors[rule['metadata'][key]] = 1
#Strings
if 'strings' in rule:
for strr in rule['strings']:
if len(strr['value']) > max_string_len:
max_string_len = len(strr['value'])
max_strings = [(rule['rule_name'], strr['name'], strr['value'])]
elif len(strr['value']) == max_string_len:
max_strings.append((rule['rule_name'], strr['key'], strr['value']))
print("\nThe number of rules implemented" + str(rule_count))
ordered_meta_keys = sorted(meta_keys.items(), key = operator.itemgetter(1),
reverse = True)
ordered_authors = sorted(authors.items(), key = operator.itemgetter(1),
reverse = True)
ordered_imps = sorted(imps.items(), key = operator.itemgetter(1), reverse = True)
ordered_tags = sorted(tags.items(), key = operator.itemgetter(1), reverse = True)
O código acima produzirá a seguinte saída.
O número de regras YARA implementadas ajuda a dar uma imagem melhor dos arquivos suspeitos. Indiretamente, a lista de arquivos suspeitos ajuda na coleta de informações apropriadas para perícia.
A seguir está o código-fonte no github: https://github.com/radhikascs/Python_yara