504ensicslabs/dammAnalisi differenziale del malware in memoria
Uno strumento open source di analisi della memoria basato su Volatility. È pensato come un banco di prova per tecniche interessanti e innovative da mettere a disposizione della community. Queste tecniche tentano di accelerare il processo di investigazione attraverso la riduzione dei dati e la codifica di conoscenze esperte.
NOTE: Most DAMM output looks better piped through 'less -S' (upper 'S') as in:
python damm.py -h usage: damm.py [-h] [-d DIR] [-p PLUGIN [PLUGIN ...]] [-f FILE] [-k KDBG] [--db DB] [--profile PROFILE] [--debug] [--info] [--tsv] [--grepable] [--filter FILTER] [--filtertype FILTERTYPE] [--diff BASELINE] [-u FIELD [FIELD ...]] [--warnings] [-q]
DAMM v1.0 Beta
optional arguments: -h, --help show this help message and exit -d DIR Path to additional plugin directory -p PLUGIN [PLUGIN ...] Plugin(s) to run. For a list of options use --info -f FILE Memory image file to run plugin on -k KDBG KDBG address for the images (in hex) --db DB SQLite db file, for efficient input/output --profile PROFILE Volatility profile for the images (e.g. WinXPSP2x86) --debug Print debugging statements --info Print available volatility profiles, plugins --tsv Print screen formatted output. --grepable Print in grepable text format --filter FILTER Filter results on name:value pair, e.g., pid:42 --filtertype FILTERTYPE Filter match type; either "exact" or "partial", defaults to partial --diff BASELINE Diff the imageFile|db with this db file as a baseline -u FIELD [FIELD ...] Use the specified fields to determine uniqueness of memobjs when diffing --warnings Look for suspicious objects. -q Query the supplied db (via --db).
### Plugin supportati <a name="plugins"/>
Vedi #python damm.py --info
apihooks callbacks connections devicetree dlls evtlogs handles idt injections messagehooks mftentries modules mutants privileges processes services sids timers
### Esempio <a name="example"/>
Fornisci un profilo come in Volatility, un'immagine di memoria e un elenco di plugin da eseguire (o 'all') per ottenere l'output del terminale:```
python damm.py --profile WinXPSP2x86 -f memory.dmp -p processes | less -S
(or python damm.py --profile WinXPSP2x86 -f memory.dmp -p processes dlls modules)
(or python damm.py --profile WinXPSP2x86 -f memory.dmp -p all)
Per domande o commenti: [email protected] Per segnalazioni di bug, utilizza il tracker delle issue di GitHub.
processes
offset name pid ppid prio image_path_name create_time exit_time threads session_id handles is_wow64 pslist psscan thrdproc pspcid csrss session deskthrd command_line
0x25c8830 System 4 0 8 59 403 False True True True True False False False
0x225ada0 alg.exe 188 668 8 C:\WINDOWS\System32\alg.exe 2010-10-29 17:09:09 UTC+0000 6 0 107 False True True True True True True True C:\WINDOWS\System32\alg.exe
0x2114938 ipconfig.exe 304 968 8 2011-06-03 04:31:35 UTC+0000 2011-06-03 04:31:36 UTC+0000 0 0 False True True False True False False False
0x2086978 TSVNCache.exe 324 1196 8 C:\Program Files\TortoiseSVN\bin\TSVNCache.exe 2010-10-29 17:11:49 UTC+0000 7 0 54 False True True True True True True True "C:\Program Files\TortoiseSVN\bin\TSVNCache.exe"
0x22df020 smss.exe 376 4 11 \SystemRoot\System32\smss.exe 2010-10-29 17:08:53 UTC+0000 3 19 False True True True True False False False \SystemRoot\System32\smss.exe
...
Per rendere persistenti questi risultati in un database SQLite, basta fornire un nome file per il database:``` python damm.py --profile WinXPSP2x86 -f memory.dmp -p processes --db my_results.db
Questo stamperà i risultati sul terminale oltre a salvarli in 'my_results.db'
Per rivedere i risultati:```
python damm.py -p processes --db my_results.db
(Nota che non è più necessaria l'immagine di memoria né specificare un profilo: l'elenco verrà generato quasi istantaneamente, indipendentemente da quanto tempo ha richiesto l'elaborazione originale.)
Se in seguito desideri vedere i processi e altri plugin:``` python damm.py --profile WinXPSP2x86 -p processes dlls modules --db my_results.db
Farà:
1. consultare il db per l'output 'processes'
2. eseguire i plugin 'dlls' e 'modules'
3. mostrare i risultati
4. salvare i nuovi risultati nel db
Dopo aver salvato alcuni dati in un db, puoi interrogarlo con l'opzione -q```
python damm.py -q --db my_results.db
profile: WinXPSP2x86
memimg: WinXPSP2x86/stuxnet.vmem
COMPUTERNAME: JAN-DF663B3DBF1
plugins: processes dlls modules
I plugin hanno attributi che possono avere tipi per il filtraggio, ad es. per i processi: (usa --info per vedere tutti gli attributi dei plugin)``` offset name : string pid : pid ppid : pid image_path_name : string command_line : string create_time exit_time threads session_id handles is_wow64 pslist psscan thrdproc pspcid csrss session deskthrd
Questi attributi e tipi possono essere sfruttati dalle funzioni di differenziazione e filtraggio di DAMM
### Differenziazione <a name="differencing"/>
Per utilizzare il motore di differenziazione, crea 2 database da 2 immagini di memoria distinte, ad esempio una prima e una dopo l'esecuzione di un malware```
python damm.py --profile WinXPSP2x86-f before.dmp -p processes --db before.db
python damm.py --profile WinXPSP2x86 -f after.dmp -p processes --db after.db
Quindi usa l'opzione --diff per il db di base (qui, il db dell'immagine di memoria non infetta).``` python damm.py -p processes --db after.db --diff before.db
processes Status offset name pid ppid prio image_path_name create_time exit_time threads session_id handles is_wow64 pslist psscan thrdproc pspcid csrss session deskthrd command_line New 0x17d22e0 pythonw.exe 1256 1940 8 2013-10-31 23:23:14 UTC+0000 2013-10-31 23:23:19 UTC+0000 0 -268370093 False False True False False False False False Changed 0x18b4d38 svchost.exe 1080 692 8 2013-10-31 17:21:26 UTC+0000 66->71 False False True False False False False False Changed 0x1915198 winlogon.exe 648 376 13 2013-10-31 17:21:25 UTC+0000 24->26 False False True False False False False False Changed 0x1900120 services.exe 692 648 9 2013-10-31 17:21:25 UTC+0000 16->18 False False True False False False False False Changed 0x18b0360 svchost.exe 1124 692 8 2013-10-31 17:21:26 UTC+0000 5->6 False False True False False False False False Changed 0x1875490 explorer.exe 1636 1596 8 2013-10-31 17:21:27 UTC+0000 13->14 False False True False False False False False ...
I risultati appaiono simili all'output del plugin 'processes' di cui sopra, ma ci sono alcune differenze:
* Vengono mostrati solo i risultati che sono nuovi in 'after.db' o che sono in entrambi i db ma hanno alcuni attributi cambiati rispetto a 'before.db' (l'output qui è troncato).
* I risultati che sono solo in 'after.db' hanno 'New' nella prima colonna ('Status')
* I risultati che sono cambiati tra i db hanno uno 'Status' di 'Changed' e, cosa importante, denotano le modifiche rilevate da DAMM con '->': nell'ultima riga dell'output sopra, il numero di thread è cambiato.
### Manipolazione degli ID univoci <a name="unique-id"/>
Per determinare quali processi esistono in entrambe le acquisizioni di memoria di cui sopra, dietro le quinte alcuni attributi dei processi vengono usati per creare un identificatore univoco per ciascuno. Ad esempio, di default DAMM usa pid, ppid, nome e tempo di avvio come identificatore univoco di un processo. Ciò ha senso poiché è improbabile che queste cose cambino (non dovrebbero? non possono?) durante la vita del processo, a differenza di attributi come il numero di thread e handle, che cambiano continuamente. Questo set predefinito funziona bene per il confronto di oggetti da immagini di memoria dello stesso avvio della stessa macchina (ad esempio, usando snapshot VM), ma che dire del confronto tra immagini di memoria prese da avvii diversi della macchina? O addirittura da altre macchine? Il pid e il ppid probabilmente non saranno gli stessi, ma il nome, il percorso dell'immagine e la riga di comando dovrebbero esserlo.
Confrontando un'immagine di memoria XPSP2x86 standard con la nostra immagine dopo l'esecuzione di qualche malware:```
python damm.py -p processes --diff stock_WinXPSP2x86_processes.db --db after_malware.db
...
New 0x1874da0 explorer.exe 1636 1596 C:\WINDOWS\Explorer.EXE C:\WINDOWS\Explorer.EXE 2013-10-31 17:21:27 UTC+0000 None 12 0 316 False True False True True True True True
New 0x1983020 smss.exe 376 4 \SystemRoot\System32\smss.exe \SystemRoot\System32\smss.exe 2013-10-31 17:21:24 UTC+0000 None 3 19 False True False True True False False
New 0x182cda0 wpabaln.exe 1812 648 C:\WINDOWS\system32\wpabaln.exe C:\WINDOWS\system32\wpabaln.exe 2013-10-31 23:10:13 UTC+0000 None 1 0 58 False True False True True True True
New 0x1883308 spoolsv.exe 1500 692 C:\WINDOWS\system32\spoolsv.exe C:\WINDOWS\system32\spoolsv.exe 2013-10-31 17:21:27 UTC+0000 None 14 0 113 False True False True True True True
Changed 0x1bcc830->0x1bcc9c8 System 4 0 None None 60->71 209->266 False True True->False True True False False False
Il risultato è che ogni processo viene etichettato come 'New' (eccetto System) perché di default usiamo il pid e il ppid per creare l'identificatore univoco.
Per questo motivo, DAMM consente all'utente di specificare quali attributi di un oggetto possono essere usati per creare un identificatore univoco. Se diciamo a DAMM di usare solo il nome del processo, image_path_name e command_line, otteniamo risultati molto più ragionevoli:``` python damm.py -p processes --diff stock_WinXPSP2x86_processes.db --db after_malware.db -u name image_path_name command_line
Status offset name pid ppid image_path_name command_line create_time exit_time threads session_id handles is_wow64 pslist psscan thrdproc pspcid csrss session deskthrd
New 0x1860020 wuauclt.exe 548 1080 C:\WINDOWS\system32\wuauclt.exe "C:\WINDOWS\system32\wuauclt.exe" /RunStoreAsComServer Local[438]SUSDS109850d1d4659d4590c0302d99249922 2013-10-31 17:22:20 UTC+0000 None 7
New 0x1891da0 VBoxTray.exe 1932 1636 C:\WINDOWS\system32\VBoxTray.exe "C:\WINDOWS\system32\VBoxTray.exe" 2013-10-31 17:21:29 UTC+0000 None 7 0 65 False True False True True
New 0x195bbf0 pythonw.exe 1256 1940 C:\Python27\pythonw.exe C:\Python27\pythonw.exe C:\hkurkt\analyzer.py 2013-10-31 23:09:24 UTC+0000 None 5 0 114 False True False True True True
New 0x1877448 MagicDisc.exe 1960 1636 C:\Program Files\MagicDisc\MagicDisc.exe "C:\Program Files\MagicDisc\MagicDisc.exe" 2013-10-31 17:21:29 UTC+0000 None 1 0 24 False True False
New 0x182cda0 wpabaln.exe 1812 648 C:\WINDOWS\system32\wpabaln.exe C:\WINDOWS\system32\wpabaln.exe 2013-10-31 23:10:13 UTC+0000 None 1 0 58 False True False True True True True
New 0x1877940 pythonw.exe 1940 1636 C:\Python27\pythonw.exe "C:\Python27\pythonw.exe" "C:\Documents and Settings\jawauser\Start Menu\Programs\Startup\agent.pyw" 2013-10-31 17:21:29 UTC+0000 None 1 0
New 0x1875718 tdl3 1344 1256 C:\DOCUME1\jawauser\LOCALS1\Temp\tdl3 "C:\DOCUME1\jawauser\LOCALS1\Temp\tdl3" 2013-10-31 23:09:25 UTC+0000 None 1 0 37 False True False True True
New 0x18ee360 VBoxService.exe 860 692 C:\WINDOWS\system32\VBoxService.exe system32\VBoxService.exe 2013-10-31 17:21:26 UTC+0000 None 8 0 106 False True False True True True
Changed 0x1bcc830->0x1bcc9c8 System 4 0 None None 60->71 209->266 False True True->False True True False False False
Changed 0x18b7020->0x18b4648 svchost.exe 1076->1080 680->692 C:\WINDOWS\System32\svchost.exe C:\WINDOWS\System32\svchost.exe -k netsvcs 2011-09-26 01:33:36 UTC+0000->2013-10-31 17:21:26 UTC+0000 None 87->7
Changed 0x1994d08->0x18ffa30 services.exe 680->692 636->648 C:\WINDOWS\system32\services.exe C:\WINDOWS\system32\services.exe 2011-09-26 01:33:35 UTC+0000->2013-10-31 17:21:25 UTC+0000 None 15->1
Changed 0x16a2cd0->0x18fd648 lsass.exe 692->704 636->648 C:\WINDOWS\system32\lsass.exe C:\WINDOWS\system32\lsass.exe 2011-09-26 01:33:35 UTC+0000->2013-10-31 17:21:25 UTC+0000 None 24->22 0 356->
Changed 0x1aefda0->0x1983020 smss.exe 384->376 4 \SystemRoot\System32\smss.exe \SystemRoot\System32\smss.exe 2011-09-26 01:33:32 UTC+0000->2013-10-31 17:21:24 UTC+0000 None 3 19 False
Changed 0x189a1d0->0x18a7a60 svchost.exe 1336->1152 680->692 C:\WINDOWS\system32\svchost.exe C:\WINDOWS\system32\svchost.exe -k LocalService 2011-09-26 01:33:37 UTC+0000->2013-10-31 17:21:26 UTC+0000 None 14->1
Changed 0x16c9b40->0x1914aa8 winlogon.exe 636->648 384->376 ??\C:\WINDOWS\system32\winlogon.exe winlogon.exe 2011-09-26 01:33:35 UTC+0000->2013-10-31 17:21:25 UTC+0000 None 16->18 0 498->509
Changed 0x1ab5248->0x18c1020 svchost.exe 944->992 680->692 C:\WINDOWS\system32\svchost.exe C:\WINDOWS\system32\svchost -k rpcss 2011-09-26 01:33:36 UTC+0000->2013-10-31 17:21:26 UTC+0000 None 11->9 0
Changed 0x14b03e0->0x183e620 alg.exe 2272->1888 680->692 C:\WINDOWS\System32\alg.exe C:\WINDOWS\System32\alg.exe 2011-09-26 01:33:55 UTC+0000->2013-10-31 17:21:37 UTC+0000 None 7->6 0 112->105
Changed 0x1af5cd0->0x1874da0 explorer.exe 1752->1636 1696->1596 C:\WINDOWS\Explorer.EXE C:\WINDOWS\Explorer.EXE 2011-09-26 01:33:45 UTC+0000->2013-10-31 17:21:27 UTC+0000 None 32->12 0 680->316 False
Changed 0x1670020->0x18e4020 svchost.exe 868->904 680->692 C:\WINDOWS\system32\svchost.exe C:\WINDOWS\system32\svchost -k DcomLaunch 2011-09-26 01:33:35 UTC+0000->2013-10-31 17:21:26 UTC+0000 None 17
Changed 0x15685e0->0x1883308 spoolsv.exe 1516->1500 680->692 C:\WINDOWS\system32\spoolsv.exe C:\WINDOWS\system32\spoolsv.exe 2011-09-26 01:33:39 UTC+0000->2013-10-31 17:21:27 UTC+0000 None 14 0 159->
Changed 0x1816ab8->0x190c020 csrss.exe 612->624 384->376 ??\C:\WINDOWS\system32\csrss.exe C:\WINDOWS\system32\csrss.exe ObjectDirectory=\Windows SharedSection=1024,3072,512 Windows=On SubSystemType=Windows S
Changed 0x19f7548->0x18afc70 svchost.exe 1200->1124 680->692 C:\WINDOWS\system32\svchost.exe C:\WINDOWS\system32\svchost.exe -k NetworkService 2011-09-26 01:33:37 UTC+0000->2013-10-31 17:21:26 UTC+0000 None
DAMM ora identifica meno processi come 'Nuovi' (incluso il processo malware), permettendo all'investigatore di concentrare i propri sforzi su questi processi.
### Filtraggio <a name="filtering"/>
Con tutti i plugin eseguiti su un piccolo campione di memoria, otteniamo ~14.000 oggetti di memoria: processi, dll, moduli, ecc. E se avessimo già identificato qualche processo o stringa di interesse? Grep può essere problematico, specialmente quando si cercano pid, quindi DAMM include un semplice sistema di tipizzazione e filtraggio. Per filtrare gli oggetti che hanno un attributo pid di un certo valore:```
python damm.py -p processes dlls connections handles --db after_malware.db --filter pid:1344
processes
offset name pid ppid image_path_name command_line create_time exit_time threads session_id handles is_wow64 pslist psscan thrdproc pspcid csrss session deskthrd
0x1875718 tdl3 1344 1256 C:\DOCUME~1\jawauser\LOCALS~1\Temp\tdl3 "C:\DOCUME~1\jawauser\LOCALS~1\Temp\tdl3" 2013-10-31 23:09:25 UTC+0000 None 1 0 37 False True False True True TrueTrue True
dlls
proc_pid dll_base size_of_image load_count full_dll_name
1344 0x73000000 155648 0x1 C:\WINDOWS\system32\WINSPOOL.DRV
1344 0x400000 77824 0xffff C:\DOCUME~1\jawauser\LOCALS~1\Temp\tdl3
1344 0x77f10000 299008 0xffff C:\WINDOWS\system32\GDI32.dll
1344 0x7e410000 593920 0xffff C:\WINDOWS\system32\user32.dll
...
connections
offset pid local_ip local_port remote_ip remote_port allocated
0x1853580 1344 192.168.56.101 1035 192.168.43.171 2042 True
handles
offset pid handle_value granted_access object_type name
0xe1007ff0 1344 0x4 0xf0003 KeyedEvent CritSecOutOfMemoryEvent
0x81a43310 1344 0x3c 0x1f03ff Thread TID 384 PID 1344
0x81902878 1344 0x6c 0x1f01ff File \Device\Tcp
0x81902240 1344 0xc 0x100020 File \Device\HarddiskVolume1\DOCUME~1\jawauser\LOCALS~1\Temp
0x81906158 1344 0x38 0x1f0003 Semaphore shell.{A48F1A32-A340-11D1-BC6B-00A0C90312E1}
0x81a43310 1344 0x64 0x1f03ff Thread TID 384 PID 1344
0x81851900 1344 0x68 0x1f01ff File \Device\Afd\Endpoint
0x81953f78 1344 0x20 0xf01ff Desktop Default
0xe106b648 1344 0x44 0xf003f Key MACHINE\SYSTEM\CONTROLSET001\SERVICES\WINSOCK2\PARAMETERS\PROTOCOL_CATALOG9
0x81902950 1344 0x70 0x1f01ff File \Device\Tcp
0x81902cd0 1344 0x7c 0x100001 File \Device\KsecDD
0xe1aa0ca0 1344 0x80 0x2001f Key USER\S-1-5-21-1644491937-789336058-854245398-1003\SOFTWARE\MICROSOFT\WINDOWS\CURRENTVERSION\INTERNET SETTINGS
(many lines removed for brevity)
Questo può fornire una bella panoramica degli oggetti associati a un processo.
Ancora più potente, diff e filtering possono essere usati insieme. Ho un campione di memoria precedente a un'infezione da tdl3 e uno successivo. La ricerca della stringa 'tdl' nel database precedente produce circa 600 risultati. Nel database successivo all'infezione, ci sono circa 730 risultati. (Nota che ntdll.dll contiene la stringa tdl.) Usando diff e filtering insieme, come mostrato sotto, si ottengono solo circa 180 risultati: una riduzione significativa. Nota che per il filtraggio per stringa e per pid, DAMM usa per impostazione predefinita la corrispondenza esatta. L'uso dell'opzione --filtertype partial cambia il filtraggio in corrispondenza parziale.``` python damm.py -p all --diff before_tdl3.db --db after_tdl3.db --filter string:tdl --filtertype partial > string_tdl_diff.txt
### Warnings <a name="warnings"/>
Nel tentativo di rendere il processo di triage ancora più semplice, DAMM dispone di un sistema di avviso sperimentale integrato per fiutare segni di attività dannosa, tra cui:
Per alcuni processi Windows:
* relazioni genitore/figlio errate
* processi nascosti
* percorso binario errato
* priorità predefinita errata
* sessione errata
Per tutti i processi, e le DLL e i moduli caricati:
* caricati/eseguiti da directory temp
Per le DLL:
* estensioni fasulle
* DLL nascoste
E altro ancora!
* intestazioni PE nelle iniezioni
* SID che forniscono accesso al dominio
* privilegi di debug
...```
python damm.py --db after_tdl3.db --warnings
Consulta il file warnings.py per molte più informazioni su ciò che DAMM controlla.
Grazie al team di Volatility per il libro Art of Memory Forensics e per il cheat sheet di Volatility, da cui provengono molte di queste idee per gli avvisi!