
Noch ein weiterer Speicheranalysator zur Erkennung von Malware
Ein weiterer Speicheranalysator zur Erkennung von Malware

YAMA ist ein System zur Generierung von Scannern, die während der Incident Response bestimmte Malware untersuchen können. Der von YAMA generierte Scanner ist darauf ausgelegt, den Speicher von Windows-Betriebssystemen zu durchsuchen und Malware zu erkennen. Angesichts der zunehmenden Verbreitung von dateiloser Malware, die sich nur im Speicher einnistet, soll YAMA eine schnelle Reaktion bei der Incident-Handhabung erleichtern, indem solche Malware erkannt wird.
Der YAMA-Scanner fungiert als Windows-Benutzermodusanwendung, analysiert die Speicherbereiche von Prozessen, die im Benutzermodus ausgeführt werden, scannt Speicherbereiche mit verdächtigen Attributen mithilfe von YARA und identifiziert Malware.
Zunächst analysiert YAMA jeden Prozess und extrahiert die folgenden Informationen:
Als Nächstes bestimmt YAMA die zu überprüfenden Speicherbereiche basierend auf den analysierten Informationen. Dies dient dazu, nur die notwendigen Speicherbereiche auszuwählen und Leistungseinbußen durch die Suche im gesamten Speicherbereich zu vermeiden.
Schließlich überprüft YAMA die Zielspeicherbereiche mit YARA-Regeln, die im Ressourcenabschnitt der Binärdatei eingebettet sind.
Durch die Kombination von YARA-Regeln, die auf Plattformen wie GitHub verfügbar sind, ist es möglich, einen Speicherscanner zu erstellen, der Spuren bestimmter zielgerichteter Angriffskampagnen untersuchen kann.
Beispielsweise würde das Erstellen eines YAMA-Scanners mit der APT10-Regel von JPCERTCC/jpcert-yara ein Tool erzeugen, das für die Bedrohungsjagd nach APT10-Malware geeignet ist.
JPCERTCC/jpcert-yara bietet zahlreiche YARA-Regeln, die mit verschiedenen APT-Kampagnen wie APT10, APT29, BlackTech und Lazarus sowie Regeln für verschiedene Malware-Typen kompatibel sind. Es ist sehr zu empfehlen, als Referenz zu dienen.
Siehe Wiki.
Dieses Projekt ist für den ordnungsgemäßen Betrieb auf folgende Open-Source-Software angewiesen:
Wir möchten uns bei diesen GitHub-Repositories bedanken, die unser Projekt inspiriert und beeinflusst haben: