Ir al contenido

Grundlagen der Abfrage und des Exports mit psort.py

Grundlegende Verarbeitung von Super-Timeline-Daten mit psort.py, gefiltert nach Daten und Strukturierung lesbarer l2tcsv-Berichte.

0Lesungen

psort.py (Plaso Sort) ist das Werkzeug für Abfrage, Sortierung und Post-Extraktions-Verarbeitung der Plaso-Plattform. Sobald Sie die komprimierte Datenbankdatei .plaso (mittels log2timeline.py) erstellt haben, ist psort.py das Werkzeug für:

  1. Lesen der Tabellen der Datenbankdatei .plaso.
  2. Filtern der immensen Liste von Ereignissen basierend auf Ihren Kriterien (Daten, Datentypen, Schlüsselwörter, Domänen).
  3. Sortieren aller Datensätze in streng chronologischer Reihenfolge.
  4. Schreiben der erzielten Ergebnisse in ein strukturiertes, für Menschen leicht lesbares Format oder deren Integration in externe Tools (CSV, JSON, Timesketch).

Indirekte Inspektion

Es sollte niemals versucht werden, die Datenbank .plaso direkt mit Texteditoren zu öffnen oder zu lesen. Jede Abfrage, Strukturierung oder Metadatenanalyse muss zwingend über psort.py erfolgen.


Die allgemeine Syntax des Tools lautet wie folgt:

Ventana de terminal
psort.py [OPCIONES_DE_SALIDA] [OPCIONES_DE_FILTRADO] <archivo.plaso>

Konsolenwarnung

Standardmäßig wird psort.py, wenn keine Methode zum Schreiben in eine Zieldatei angegeben ist, die vollständige Liste von Millionen von Ereignissen direkt auf dem Bildschirm ausgegeben. Bei realen Timelines führt dies zur Sättigung des Terminal-Buffers.


3. Szenario A: Kontrolliertes Schreiben in eine Datei (-w)

Sección titulada «3. Casuística A: Escritura Controlada a Archivo (-w)»

Um die Datenanalyse in einer physischen Textdatei zu speichern und in Ihrer Untersuchung zu verwenden oder dem Gutachten beizufügen:

  • -w <ARCHIVO_SALIDA> oder --write <ARCHIVO_SALIDA>: Gibt psort.py den absoluten oder relativen Pfad an, an dem wir die resultierende Analyse-Datei erstellen möchten.
Ventana de terminal
# COMANDO CORRECTO: Escribe el contenido estructurado directamente a un archivo
psort.py -w /opt/forensics/cases/case-001/all_events_raw.txt /opt/forensics/cases/case-001/my_timeline.plaso

Um der Ausgabedatei Struktur zu verleihen und sie in Tabellenkalkulationen (Excel, LibreOffice) oder Analyseplattformen verarbeiten zu können:

  • -o <FORMATO> oder --output_format <FORMATO>: Gibt den Typ des Strukturformats für den Bericht an.
    • Um alle verfügbaren Ausgabemodule aufzulisten: psort.py --list-output-modules
  • ✔ l2tcsv (Log2Timeline CSV): Dies ist die bevorzugte Exportmethode. Sie erstellt ein Textdokument, in dem jeder Wert durch Kommas (CSV) getrennt ist.
  • ✔ dynamic: Ideal für schnelle Abfragen und das Filtern auf dem Bildschirm bei interaktiven Threat-Hunting-Aufgaben.
  • ✔ json: Wird verwendet, um die forensische Timeline in andere Python-Skripte oder Unternehmensdatenbanken zu integrieren.
  • ✔ timesketch: Spezielles in jsonl strukturiertes Format, das für den direkten Import in die Analyseplattform Timesketch optimiert ist.

Beispiel für den Export in forensisches CSV:

Sección titulada «Ejemplo de Exportación a CSV Forense:»
Ventana de terminal
psort.py -o l2tcsv -w /opt/forensics/cases/case-001/timeline_triage_export.csv /opt/forensics/cases/case-001/my_timeline.plaso
  • datetime: Das Datum und die Uhrzeit des Ereignisses, synchronisiert mit der ausgewählten Zeitzone.
  • timestamp: Der Zeitstempel im Epoch-Format (Unix-Zeit).
  • timestamp_desc: Die wichtigste Spalte für die Untersuchung. Beschreibt eindeutig, was der Zeitstempel bedeutet (z. B. File Creation Time, Last Access Time, Web Visit Time).
  • source_short: Vereinfachte Kategorie des Artefakts (z. B. REG für Protokoll, FILE für Dateisystem, WEBHIST für Web).
  • parser: Genaues Modul, das die Daten indiziert hat (z. B. chrome_history, prefetch).
  • message: Das im Ereignis enthaltene technische Detail (z. B. Execution of: notepad.exe, URL: https://...).
  • filename: Vollständiger physischer Pfad, an dem der Beweis auf der analysierten Festplatte wiederhergestellt wurde.

5. Fallstudie C: Triage-Filterung nach Datum (--date_filter)

Sección titulada «5. Casuística C: Filtrado de Triaje por Fechas (--date_filter)»

Eine allgemeine Datenbank enthält Millionen von Zeilen, die für Ihren Incident-Response-Fall irrelevant sind. Die Einschränkung des zeitlichen Rahmens der Abfrage beschleunigt die Lösung des Vorfalls:

  • --date_filter "YYYY-MM-DD to YYYY-MM-DD": Filtert, um ein Intervall ganzer Tage zu isolieren.
  • --date_filter "YYYY-MM-DD": Isoliert ausschließlich das, was innerhalb der 24 Stunden dieses Datums stattgefunden hat.
  • --date_filter "YYYY-MM-DD HH:MM:SS to YYYY-MM-DD HH:MM:SS": Schränkt die Suche auf einen bestimmten Stundenbereich ein (Hochpräzisions-Triage).

Beispiel für das Filtern von Daten nach Stundenbereich (Sicherheitsvorfall am 15. März 2026):

Sección titulada «Ejemplo de filtrado de datos por rango de horas (Incident de Seguridad el 15 de Marzo de 2026):»
Ventana de terminal
psort.py -o l2tcsv -w /opt/forensics/cases/case-001/timeline_hour_triage.csv /opt/forensics/cases/case-001/my_timeline.plaso --date_filter "2026-03-15 10:00:00 to 2026-03-15 11:00:00"

Dieser einfache Schritt kann das Volumen der zu analysierenden Datei von 15 Gigabyte auf eine CSV-Datei von wenigen Megabyte reduzieren.


6. Fallbeispiel D: Definition der Zeitzone des Analysten (-z oder --zone)

Sección titulada «6. Casuística D: Definición de la Zona Horaria del Analista (-z o --zone)»

Plaso speichert alle internen Metadaten einheitlich im UTC-Format. Der Ermittler muss die Ereignisse in der Regel in der Ortszeit sehen, in der sich der Vorfall ereignet hat, oder in der seiner eigenen forensischen Einheit, um Zeiten von Zeugen oder Live-Systemerfassungen abgleichen zu können:

Ventana de terminal
# Forzar la exportación de los eventos en horario de Madrid
psort.py -z "Europe/Madrid" -o l2tcsv -w /opt/forensics/cases/case-001/timeline_local_triage.csv /opt/forensics/cases/case-001/my_timeline.plaso --date_filter "2026-03-15"
  • Ergebnis: Sie erhalten eine CSV-Datei, in der alle Zeitstempel der Spalte datetime in die Lokalzeit Europa/Madrid umgewandelt wurden, bereit für die direkte Korrelation.