从活动系统中收集取证工件,供 Forensicator Core 分析。内置 HTML 报告,便于快速分类和初步发现审查。
Live Forensicator 是一款跨平台取证工件收集器。
它旨在帮助取证调查人员和事件响应人员从活动主机或设备中快速收集系统和用户活动工件。收集到的工件可上传至 Forensicator Core 进行分析。该收集器还内置 HTML 报告,便于在收集过程中进行快速分类。
Live Forensicator:
收集器负责采集证据;Forensicator Core 则负责分析。Core 是一款免费、自托管的 DFIR 平台,可将该收集器产生的数据解析为结构化、可搜索的发现结果,然后对其进行丰富、关联和报告。
使用 Core,您可以:
-WINARTIFACTS 收集的原始 Windows 工件:注册表配置单元及其事务日志、Prefetch、$MFT/$UsnJrnl/$LogFile、SRUM、Windows Search、Defender 隔离区、WER、BITS、WMI 订阅、OneDrive 日志等。-A 收集的原始 Linux 和 macOS 工件:账户、sudoers、shell 历史记录、SSH 密钥、cron、systemd 或启动项、登录项、代码签名、TCC 隐私授权、下载、FSEvents、进程和文件系统时间线——其日志会发送到同一案件中的日志分析。.evtx 或收集器的 Event XML 通道导出)。Core 可通过 Docker 或在 Linux 机器或虚拟机上运行:
git clone https://github.com/Raptormatics/Forensicator-Core forensicator-core
cd forensicator-core
cp .env.docker.example .env # set NEXTAUTH_SECRET
docker compose up -d # then open http://localhost:3000
👉 https://github.com/Raptormatics/Forensicator-Core
ℹ️ Core 在 Business Source License 1.1 下为源码可用。每个版本都会在其变更日期转换为 Apache 2.0。有关安装选项和许可证详情,请参阅 Core 仓库的 README。
-WINARTIFACTS,需主动启用)——原始 Shimcache/Amcache/Prefetch/UserAssist/BAM/Autoruns/LNK/Jump List/Shellbag/$MFT/$UsnJrnl/SRUM/Defender 隔离区/WER/Windows Search 数据库/回收站/通知/BITS/Windows 时间线工件,以及每个注册表配置单元自身的 .LOG1/.LOG2 事务日志,供 Forensicator Core 重放为更完整的配置单元——全部通过卷影副本快照完成,以访问被锁定的注册表配置单元、$MFT、$UsnJrnl:$J、SRUDB.dat、Windows.edb、wpndatabase.db 和 ActivitiesCache.dbconfig.json 中的 sigma.enabled 主动启用——默认关闭,因为它是实时扫描,具有可观的运行时/日志查询开销),针对 Security/Sysmon 事件日志进行评估,已知事件 ID 检测,以及恶意软件哈希匹配(例如 abuse.ch 源)👉 https://github.com/Johnng007/Live-Forensicator/tree/main/Windows
-A,需主动启用)——目录服务账户记录、启动项、登录和后台项、运行中和持久化程序的代码签名、TCC 隐私数据库、隔离事件(下载)、KnowledgeC、安装历史、XProtect 检测、FSEvents、历史记录、进程表、统一日志导出和文件系统时间线,并附带 SHA-256 清单👉 https://github.com/Johnng007/Live-Forensicator/tree/main/MacOS
⚠️ 注意:macOS 将其真实的进程创建遥测限制在 Endpoint Security Framework 中,普通脚本无法访问——因此这里的 Sigma 覆盖范围比 Windows/Linux 更窄。具体细节请参阅 macOS README。
-A,需主动启用)——账户、sudoers、PAM、登录记录、每个用户的历史记录和 SSH 文件、cron/at、systemd 及其他持久化机制、日志及其轮转、journal 导出、进程表(恢复已删除的可执行文件)、套接字、软件包、容器和文件系统时间线,并附带 SHA-256 清单👉 https://github.com/Johnng007/Live-Forensicator/tree/main/Linux
⚠️ 注意:Linux 脚本设计为避免使用非原生工具(例如
net-tools),以实现最大兼容性。Sigma 覆盖范围取决于目标主机上是否已配置auditd——请参阅 Linux README。
config.json 中设置,无需更改代码即可调整部署👉 https://github.com/Johnng007/Live-Forensicator/tree/main/Network
⚠️ 注意:通过 SSH 与网络基础设施通信,而不是在被调查的主机上运行——需要设备可达。有关各厂商确切的命令/规则覆盖范围,请参阅 Network README。
Forensicator 生成:
这实现了从数据收集 → 调查 → 决策的快速过渡。
config.json 自定义配置Forensicator 支持使用 AES 对收集的工件进行可选加密。
这在以下情况下很有用:
⚠️ 适用于 Windows、Linux、macOS 和网络设备 ⚠️ 与 v4.1.1 之前的版本不向后兼容
默认关闭。启用后,每个发现项在收集时会被发送到本地或商业 LLM,并在报告的工具提示中直接显示真实、通俗易懂的判定结果。
快速设置(通过 Ollama 使用本地 LLM),适用于所有平台:
# 1. Install Ollama (https://ollama.com) and pull a model
ollama pull mistral:7b-instruct
// 2. Enable it in config.json
"ai": {
"enabled": true,
"provider": "ollama",
"base_url": "http://localhost:11434",
"model": "mistral:7b-instruct"
}
更倾向于使用商业 API(OpenAI、Anthropic、Azure OpenAI 或任何兼容 OpenAI 的端点)?相应地设置 provider 并添加你的 api_key。
📘 完整设置指南(所有提供商、调优、故障排查):docs.forensicator.io
在采集之上,Forensicator 通过以下方式即时识别可疑活动: