Ir al contenido

Técnicas Avanzadas e Ingesta de Datos con Plaso (log2timeline.py)

Técnicas de experto para optimizar el rendimiento de la ingesta de datos, filtros de colección y análisis de firmas YARA en Plaso.

0lecturas

Técnicas de Experto para Casuísticas Específicas

Sección titulada «Técnicas de Experto para Casuísticas Específicas»

Este documento asume que ya dominas los conceptos recogidos en el manual de fundamentos de Plaso (creación básica de timelines, zonas horarias, parsers y VSS).

Nos centraremos en las casuísticas avanzadas: cómo optimizar al máximo el rendimiento de la CPU, cómo filtrar datos antes de procesarlos (en la ingesta de archivos), cómo extraer información de firmas mediante reglas YARA y cómo gestionar logs de errores en investigaciones forenses de gran escala.


2. Casuística 1: Optimización de CPU y Rendimiento de Procesamiento

Sección titulada «2. Casuística 1: Optimización de CPU y Rendimiento de Procesamiento»

El análisis de discos de 1 TB o superiores puede extenderse durante días enteros. Optimizar el motor paralelo de Plaso reduce este tiempo crítico de respuesta a incidentes a pocas horas.

Plaso es multi-proceso de forma nativa. Podemos definir de forma explícita el número de procesos de trabajo (workers) de la CPU y modular el tamaño de los buffers de memoria:

  • ✔ --workers <NÚMERO>: Especifica la cantidad de procesos simultáneos a lanzar para realizar la extracción y análisis de bajo nivel.
    • Directiva: Se recomienda definir un número de workers equivalente al total de núcleos físicos de tu CPU (por ejemplo: --workers 8). En imágenes E01 comprimidas, la operación se puede ver limitada por el cuello de botella del procesador de descompresión. En unidades de disco RAW montadas en SSD rápidos, a mayor número de workers, mayor tasa de I/O.
  • ✔ --buffer_size <TAMAÑO>: Controla la capacidad en megabytes del buffer intermedio de transferencia que utiliza cada uno de los workers. Por defecto se asigna en 1024MB.
    • Directiva: En sistemas analíticos dotados de gran cantidad de memoria RAM (por ejemplo: 64 GB), podemos elevar esta tasa a --buffer_size 2048M para mejorar el rendimiento y minimizar la escritura a disco en caliente.

Ejemplo de comando optimizado para máquinas analíticas (16 workers, 64GB RAM):

Sección titulada «Ejemplo de comando optimizado para máquinas analíticas (16 workers, 64GB RAM):»
Ventana de terminal
log2timeline.py --workers 16 --buffer_size 2048M --status_view linear /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

3. Casuística 2: Filtrado en la Ingesta (Triaje Rápido de Archivos)

Sección titulada «3. Casuística 2: Filtrado en la Ingesta (Triaje Rápido de Archivos)»

En intervenciones de respuesta inmediata o análisis tipo triage, procesar millones de archivos temporales, temporales del navegador o archivos de sistema irrelevantes es altamente ineficiente. Solo nos interesan los artefactos de ejecución y el registro de Windows.

A través del parámetro --file_filter, podemos instruir a Plaso para que indexe y analice exclusivamente las rutas que coincidan con una plantilla de filtro de colección:

Ventana de terminal
--file_filter <CAMINO_AL_ARCHIVO_FILTRO>
  • Nota: Este filtro no trabaja con expresiones regulares complejas, sino que valida si la ruta del archivo contenida en la imagen comienza por alguna de las líneas del archivo de texto de filtro.

Ejemplo Práctico para Triaje Rápido de Windows:

Sección titulada «Ejemplo Práctico para Triaje Rápido de Windows:»
  1. Crea un archivo de texto de directiva llamado /opt/forensics/cases/case-001/triage_filter.txt con el siguiente listado de rutas clave:
    /Windows/System32/config/
    /Users/%/NTUSER.DAT
    /Users/%/AppData/Local/Microsoft/Windows/UsrClass.dat
    /Users/%/AppData/Roaming/Microsoft/Windows/Recent/
    /Users/%/AppData/Local/Microsoft/Windows/WebCache/
    /Windows/Prefetch/
  2. Ejecuta la ingesta de Plaso llamando al filtro preparado:
    Ventana de terminal
    log2timeline.py --file_filter /opt/forensics/cases/case-001/triage_filter.txt /opt/forensics/cases/case-001/my_triage_timeline.plaso /opt/forensics/cases/case-001/image.E01

Con esta acción, se omitirá el 90% de los archivos de usuario y sistema irrelevantes, reduciendo el tiempo de procesamiento de 24 horas a menos de 30 minutos.


4. Casuística 3: Filtrado Basado en Firmas YARA

Sección titulada «4. Casuística 3: Filtrado Basado en Firmas YARA»

Se requiere clasificar, detectar y etiquetar automáticamente cualquier archivo que coincida con reglas o firmas maliciosas durante la misma fase de ingesta y construcción del timeline.

Plaso puede cargar reglas YARA en caliente y evaluar cada archivo analizado antes de indexarlo:

Ventana de terminal
# Ejecutar ingesta evaluando firmas yara
log2timeline.py --yara_rules /opt/forensics/rules/custom-signatures.yar /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01

Si un binario (por ejemplo: c:\temp\mimikatz.exe) coincide con alguna de las reglas contenidas en el archivo de firmas, Plaso generará de forma inmediata un evento con el data_type “fs:yara_match” en el timeline. Esto permite correlacionar directamente la fecha de creación de la amenaza con las conexiones de red o modificaciones de registro cercanas.


5. Casuística 4: Extracción Ampliada de Hashes y Recursos

Sección titulada «5. Casuística 4: Extracción Ampliada de Hashes y Recursos»

En caso de análisis profundo de malware o necesidad de correlacionar el texto descriptivo de las ID de eventos de Windows (que por defecto solo muestran códigos numéricos).

Podemos forzar el cálculo de hashes de archivos durante la ingesta y forzar la resolución de strings de los archivos EVTX:

Ventana de terminal
# Calcular hashes SHA-1 y SHA-256 de todos los archivos en la ingesta
log2timeline.py --hashers "sha1,sha256" ...
# Extraer texto y descripciones completas de los mensajes de los logs EVTX de Windows
log2timeline.py --extract_winevt_resources ...

6. Casuística 5: Depuración y Gestión de Errores

Sección titulada «6. Casuística 5: Depuración y Gestión de Errores»

Si la tarea falla por corrupciones de logs o bloqueos de intermitencia, aísla el proceso o desactiva la cola de ZeroMQ (especialmente útil en máquinas virtuales que sufren cuellos de botella en sockets locales):

Ventana de terminal
# Redirigir todas las salidas de depuración a un log físico detallado
log2timeline.py --log_file /opt/forensics/cases/case-001/plaso_debug.log ...
# Desactivar la cola de red interna de ZeroMQ si experimentas congelaciones
log2timeline.py --disable_zeromq ...