
Crow-Eye v0.13.0
开源Windows取证引擎,可采集、解析并关联各类痕迹(MFT、USN、注册表等),借助AI辅助分析重建时间线,并具备法庭级证据封存能力。
Crow-Eye — Windows 取证引擎
面向 Windows 的取证时间机器。
Crow-Eye 不仅能检测——它还能重建时间线上实际发生的事件,从数据采集一直到可追溯至其源记录的判定结论。
📥 下载与安装
推荐: 从官方网站获取打包好的 Windows 版本(MSI 安装程序 / EXE)——无需配置 Python,开箱即用。
▶️ 下载适用于 Windows 的 Crow-Eye → crow-eye.com/download
安装版 MSI/EXE 是运行 Crow-Eye 的推荐方式,也是我们更新工作的最高优先级:
- 🛡️ 最快的修复。 当发现问题或收到缺陷报告时,我们会尽快发布更新后的 EXE——打包版本是修复最先落地的地方。
- 🔄 内置自动更新。 在已安装的应用中,打开 Settings → Updates 即可检查更新并自动安装——无需手动重新安装。
- 📦 零配置。 无需安装 Python、Node 或任何依赖。
更希望从源码运行?请参阅下方的 快速开始。从源码构建面向贡献者,且不包含自动更新器——如需自动更新,请使用 MSI/EXE。
📘 交互式用户指南 → crow-eye.com/user-guide
初次接触 Crow-Eye,或想深入了解?详尽、可交互的用户指南在整个应用的可点击地图上逐一讲解每项功能——数据采集、解析、时间线、图表仪表盘、UBA、关联引擎和 Eye——让你可以直接跳转到所需的部分。
🚀 快速开始
方式 A — 安装版(推荐)
从 crow-eye.com/download 下载 MSI/EXE,安装后以管理员身份启动 Crow-Eye。创建案件并开始分析。
方式 B — 从源码运行(开发者)
面向贡献者和高级用户。此方式不包含自动更新器——如需自动更新,请使用 MSI/EXE。
环境要求(首次运行时自动安装):
- Python 3.12.4
- Node.js 与 npm — 时间线可视化所需
- 关键软件包:PyQt5、python-registry、pywin32、pandas、streamlit、altair、olefile、windowsprefetch、sqlite3、colorama、setuptools
推荐硬件
| 最低配置 | 大型案件推荐配置 | |
|---|---|---|
| 内存 | 8 GB | 16 GB+(数百万条记录的 MFT/USN 数据集) |
| 磁盘 | 5 GB 可用空间 | 可用空间 ≥ 所解析证据大小的 2 倍 |
| CPU | 4 核 | 8 核以上 |
| 操作系统 | Windows 10/11(完整功能)· Linux(离线与镜像分析) | — |
关联分析以恒定内存流式处理超大数据集,因此内存很少成为硬性瓶颈——磁盘吞吐量和可用空间通常才是。
启动(以管理员身份运行,以便 Crow-Eye 访问系统工件):
python "Crow Eye.py"
主界面打开后,你创建一个案件,所有分析输出都会整理在该案件目录下,以便后续审查和报告。
🖥️ 跨平台说明: 在 Linux 上,实时解析器会自动禁用,Crow-Eye 以离线 / 取证镜像模式运行。完整的实时采集仅支持 Windows。
在 Linux 上(已在 Debian 12 上使用系统 Python 测试),先安装一次 venv 模块和 Qt 的系统库,然后以相同方式启动 Crow-Eye。它会创建 crow_eye_venv/ 并将其他所有内容安装到其中:
sudo apt install python3-venv libxcb-cursor0 libxkbcommon-x11-0 libxcb-icccm4 libxcb-keysyms1 \
libxcb-image0 libxcb-render-util0 libnss3 libxcomposite1 libxdamage1 libxrandr2 libxtst6 \
libasound2 libpango-1.0-0 libpangoft2-1.0-0
python3 "Crow Eye.py"
requirements.txt 列出了用于手动或容器安装的相同软件包。在没有 GPU 的机器上(未启用直通的虚拟机、容器),Web 视图会自动切换到软件渲染。
目录
- 概述
- ✨ 亮点
- 👥 Crow-Eye 面向的用户
- 🧭 子系统概览
- 🏗️ 架构
- 📥 下载与安装
- 🚀 快速开始
- 📂 支持的取证对象
- 🔧 分析模式
- 🧠 用户行为分析(UBA)
- 🤖 AI 智能体取证
- 🧩 关联引擎
- 👁️ Eye — 取证 AI 助手
- 📖 Eye-Describe — 字节级取证对象知识库
- 🧪 质量与验证
- 🔬 研究平台
- 🛠️ 技术说明
- 📸 截图
- 🚧 路线图
- 📚 文档
- 🤝 贡献
- 🌐 网站与社区
- 📄 许可证
- 📝 引用 Crow-Eye
- 💖 支持
- 致谢
概述
Crow-Eye 是一个开源(GPL-3.0)的 Windows 取证引擎,统一了采集、分析、验证、情报与 AI。 大多数安全工具会问*“这是不是恶意的?”,然后放行一切看起来合法的内容。Crow-Eye 问的是另一个问题:“发生了什么?” 它会关联所有活动——无论可疑与否——并重建系统上实际发生的事件序列,因此调查的真相是从证据中重建*出来的,而不是从告警中猜测出来的。
这种以重建为先的设计,正是猎捕 APT 与国家级威胁所需要的:老练的攻击者藏身于合法工具(powershell.exe、PsExec、certutil)之中,也藏身于动作的序列之中——那些放行一切看似正常内容的工具对此视而不见。由于 Crow-Eye 从不放行任何内容,并且基于执行取证对象(它们能在日志篡改和反取证中留存下来)进行推理,攻击便无处遁形。同一个引擎同样适用于日常 DFIR 工作,也适合那些只想知道计算机上发生了什么事的非专家用户。
- 🕰️ 重建,而非仅仅检测 — 重建实际发生事件的时间线。
- 🖥️ 跨平台 — 在 Windows 上支持完整的实时 + 离线分析;在 Linux 上支持离线分析和取证镜像解析(实时解析器仅限 Windows)。
- 🔒 设计上保护隐私 — 发送到设备外的数据为 0 ms;Eye AI 助手可以完全气隙隔离运行。
- 🧾 法庭级 — 证据经过加密密封,每一步都可审计。
- 📦 当前版本: 0.15.1 · 关联引擎: 1.8.0 · 许可证: GPL-3.0。
✨ 亮点
- 重建优先于检测。 将每个工件关联成一个可导航的、按实体划分的完整故事,而不是一堆告警。
- 端到端集成 — 采集 → 关联 → 时间线 → 行为分析 → AI → 封存案件记忆:这是一条没有任何单一现有工具能够覆盖的完整流水线。
- 深入工件,而非浅层日志。 Prefetch、Amcache、ShimCache、SRUM、MFT、USN、LNK/JumpLists 等能够抵御清除日志和“就地取材”(living-off-the-land)等使仅依赖日志的工具失明的伎俩。
- Eye AI 助手 — 自然语言取证调查,具备可审计、防篡改的证据链,可在云端、私有服务器或完全离线运行。
- 用户行为分析(UBA) — 将原始工件转化为通俗易懂、可供 HR/审查人员阅读的活动故事。
- Sentinel Glance — 为 Crow-Eye Sentinel 打造、内置于开源引擎中的工具。 可浏览、比较和恢复卷影副本(包括隐藏的副本);从 MFT 记录中恢复已删除文件;应用采集;带增量 MFT 解析的 NTFS 完整性检查;以及包含 18 个行为翼(Behaviour Wings)的行为引擎。它们是为 Crow-Eye Sentinel 打造的——这是我们用于持续取证重建的付费企业平台——我们在此免费提供给社区。
- 免费且开源(GPL-3.0) — 任何人都可审计,并配有活跃的研究与文档工作。
👥 Crow-Eye 面向谁
Crow-Eye 被用于截然不同的工作流程。每一种都通过不同的入口进入引擎:
| 你是 | 你的典型输入 | 从哪里开始 |
|---|---|---|
| 企业 IR / MSSP / MDR | 来自 Velociraptor、KAPE 或 EDR 原生采集 的定向采集 | 离线导入器 → 关联引擎 → UBA |
| 执法 / 取证实验室 | 具有证据链要求的完整取证镜像(E01、VHDX、VMDK、Raw) | 镜像分析 → 关联引擎 → 叙事地图 |
| 内部安全 / 内部威胁与 HR 调查 | 实时系统或已采集的工件 | 实时分析 → UBA 活动故事 |
| 学生、教育工作者与研究人员 | 样本镜像和实验数据 | Eye-Describe → 快速开始 |
任何采集器都适用。 Crow-Eye 不需要自己的采集工具。将 离线导入器 指向由 Velociraptor、KAPE、EDR 采集包或任何其他采集器生成的原始工件文件夹——它会为受支持的工件建立索引,并对它们运行离线解析器。此外,来自 Plaso、Autopsy、Volatility 或任何其他工具的输出,都可以通过 导入证据 以 CSV、JSON 或 SQLite 形式引入,并与原生工件一同关联。
🧭 子系统一览
Crow-Eye 被构建为一个集成循环——每个阶段都为下一阶段提供输入,从原始磁盘到可辩护的结论。