Ir al contenido

Konzepte und Implementierung von Plaso (log2timeline.py)

Einführung in Plaso, Design und Erstellung forensischer Super-Timelines aus digitalisierten Disk-Images.

0Lesungen

Plaso (ehemals bekannt als Log2Timeline) ist eine Engine zur Ereignisextraktion und eine Werkzeugsammlung, die für die digitale Forensik entwickelt wurde. Ihr Hauptwerkzeug, log2timeline.py, ist der Industriestandard für die Erstellung dessen, was als „Super Timeline“ bezeichnet wird.

Seine Aufgabe ist es, eine Datenquelle (wie ein Disk-Image, ein Verzeichnis oder spezifische Dateien) zu durchsuchen, Dutzende verschiedener Artefakttypen (Windows-Registry, Browserverläufe, LNK-Dateien, Systemprotokolle usw.) zu identifizieren und alle Ereignisse mit Zeitstempeln (Timestamps) zu extrahieren.

Das Ergebnis ist keine lesbare Textdatei, sondern eine komprimierte Datenbankdatei (mit der Endung .plaso), die als zentrales Repository für alle gefundenen Ereignisse dient.


Eine „Super Timeline“ ist eine einzige chronologische Liste aller Ereignisse, die auf einem System aufgetreten sind. Anstatt den Chrome-Verlauf separat, dann die Windows-Ereignisprotokolle und anschließend die MAC(B)-Zeiten des Dateisystems zu analysieren, nimmt Plaso alles und bringt es in eine einheitliche chronologische Reihenfolge.

Dies ermöglicht es dem Analysten, die genaue Abfolge der Aktionen eines Eindringlings oder Benutzers in einer einheitlichen Timeline zu sehen:

  1. 10:30:01 - (Dateisystem) Die Datei malware.exe wird erstellt.
  2. 10:30:05 - (Prefetch) Die Ausführung von malware.exe wird protokolliert.
  3. 10:30:15 - (Windows-Registrierung) Ein Registrierungsschlüssel zur Persistenz der Bedrohung wird erstellt.
  4. 10:30:20 - (Chrome-Verlauf) Der Benutzer besucht http://malicious-c2-server.com.

Diese korrelierte Sichtweise ist entscheidend, um den vollständigen Zeitablauf eines Sicherheitsvorfalls zu verstehen.


Plaso ist standardmäßig in den meisten digitalen Forensik-Distributionen (wie SIFT oder Tsurugi) enthalten. Für eine manuelle Installation in einer Debugging- oder Analyseumgebung in Ihrer Linux-Arbeitsumgebung:

Ventana de terminal
# Instalación básica de las herramientas de plaso
pip install plaso-tools
# O instalación completa con todas las dependencias opcionales integradas
pip install plaso-tools[all]

4. Grundlegende Nutzung und Syntax

Sección titulada «4. Uso Básico y Sintaxis»

Die grundlegende Syntax von log2timeline.py ist:

Ventana de terminal
log2timeline.py [OPCIONES] <archivo_salida.plaso> <fuente_de_datos>
  • [OPCIONES]: Parameter, die zur Verfeinerung und Optimierung der Datenextraktion verwendet werden.
  • <archivo_salida.plaso>: Der Name der komprimierten Datenbankdatei, die Sie erstellen möchten. Es ist obligatorisch, die Erweiterung .plaso zu enthalten.
  • <fuente_de_datos>: Die Quelle der digitalen Beweise. Unterstützt sowohl forensische Image-Dateien (E01, DD, RAW) als auch lokal eingehängte Systemverzeichnisse.

Beispiel für die Verarbeitung eines gemounteten Arbeitsverzeichnisses:

Sección titulada «Ejemplo procesando un directorio de trabajo montado:»
Ventana de terminal
log2timeline.py /opt/forensics/cases/case-001/my_timeline.plaso /mnt/evidence_drive/

Beispiel für die Verarbeitung eines strukturierten Disk-Images (E01):

Sección titulada «Ejemplo procesando una imagen de disco estructurada (E01):»
Ventana de terminal
log2timeline.py /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

5. Kritische Optionen und Anwendungsfälle

Sección titulada «5. Opciones Críticas y Casos de Uso»

Standardmäßig versucht Plaso, alle verfügbaren Parser automatisch auf die Festplattendaten anzuwenden. Dies kann den Vorgang bei großen Festplatten drastisch verlangsamen. Wenn Sie nach einem bestimmten Vektor suchen, filtern Sie bei der Aufnahme:

Ventana de terminal
# Listar todos los parsers registrados en el sistema
log2timeline.py --list-parsers
# Caso de uso: Extraer exclusivamente artefactos del Registro de Windows, Prefetch y LNK
log2timeline.py --parsers "windows_registry,prefetch,lnk" /opt/forensics/cases/case-001/my_win_timeline.plaso /opt/forensics/cases/case-001/image.E01
# Caso de uso: Procesar todo excepto el historial del navegador web (reducción de ruido)
log2timeline.py --parsers "all,!chrome_history,!firefox_history" /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

Dateisystem-Zeitstempel werden intern normalerweise in UTC gespeichert, aber viele Unternehmensprotokolle verwenden die lokale Zeit des Zielsystems. Sie müssen Plaso die ursprüngliche Zeitzone des zu analysierenden Computers mitteilen:

Ventana de terminal
# Ejemplo de sistema local de Madrid (España)
log2timeline.py -z "Europe/Madrid" /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01
  • Um alle von der Plattform unterstützten Zeitzonen aufzulisten: log2timeline.py --list-timezones

C. Verarbeitung versteckter Volume-Kopien (--vss-stores)

Sección titulada «C. Procesamiento de Copias Ocultas de Volumen (--vss-stores)»

Windows-Snapshots oder Volume Shadow Copies (VSS) sind entscheidend für die Wiederherstellung von Dateien, die vom Angreifer in der Vergangenheit geändert oder gelöscht wurden:

Ventana de terminal
# Caso de uso: Procesar la evidencia principal y TODAS las copias ocultas detectadas en el disco
log2timeline.py --vss-stores all /opt/forensics/cases/case-001/my_timeline_with_vss.plaso /opt/forensics/cases/case-001/image.E01
# Caso de uso: Analizar solo instantáneas seleccionadas (VSS 1, 3 y 5)
log2timeline.py --vss-stores 1,3,5 /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

Die Extraktion großer Datenmengen kann Stunden dauern. Ändern Sie die Statusanzeige in den linearen Modus, wenn Sie Protokolle in einer automatisierten Umgebung sammeln:

Ventana de terminal
log2timeline.py --status_view linear /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

6. Artefakte und wiederherstellbare Daten

Sección titulada «6. Artefactos y Datos Recuperables»

Plaso verfügt über Hunderte von integrierten Analysatoren, um hochwertige forensische Beweise zu sammeln und zu strukturieren:

  • ✔ Dateisystem: MACB-Zeitstempel aller physischen Dateien, MFT-Informationen (Master File Table), USN-Journal und $LogFile-Transaktionen von NTFS-Partitionen.
  • ✔ Windows-Registrierung: Autostart- und Persistenzschlüssel (Run/RunOnce), Liste installierter Programme, Verbindungsmetadaten von USB-Geräten (USBSTOR), historische WLAN-Schlüssel und RDP-Verbindungsaktivitäten.
  • ✔ Anwendungs-Ausführungsartefakte: Prefetch-Verlauf, LNK-Linkdateien, Zugriffsprotokolle der Desktop-Jumplists und Amcache- sowie Shimcache-Anwendungskompatibilitätsdatenbanken.
  • ✔ Webbrowser-Verläufe: Durchgeführte Downloads, Verlauf besuchter Adressen, aktive Cookies und Formulardaten.
  • ✔ Systemprotokolle: Windows EVTX-Ereignisprotokolle, syslog und auth.log-Dateien von Ubuntu sowie macOS ASL-Logs.

Nach Abschluss der Ausführung von log2timeline.py erhalten Sie eine strukturierte, komprimierte Datenbank (z. B. my_timeline.plaso). Diese Datei ist nicht direkt für Menschen lesbar und kann nicht in herkömmlichen Texteditoren geöffnet werden.

Diese Datei ist eine indizierte SQLite-Datenbank, die speziell dafür entwickelt wurde, abgefragt, strukturiert und exportiert zu werden. Um sie optimal zu nutzen, verwenden wir:

  1. pinfo.py: Um den Status der Datei .plaso zu inspizieren (ausgeführte Parser einsehen, Gesamtzahl der Alarme prüfen und Fehler bestätigen).
  2. psort.py: Um Daten zu filtern, zu sortieren und in lesbare Formate (CSV, JSON) zu exportieren oder sie in Visualisierungsplattformen wie Timesketch zu integrieren.