Ir al contenido

Fundamentos de Consulta y Exportación con psort.py

Procesamiento básico de datos de súper líneas de tiempo con psort.py, filtrado por fechas y estructuración de informes l2tcsv legibles.

0lecturas

psort.py (Plaso Sort) es la herramienta de consulta, ordenación y procesamiento post-extracción de la plataforma Plaso. Una vez que has generado el archivo de base de datos comprimido .plaso (mediante log2timeline.py), psort.py es la herramienta que utilizarás para:

  1. Leer las tablas del archivo de base de datos .plaso.
  2. Filtrar la inmensa lista de eventos basándose en tus criterios (fechas, tipos de datos, palabras clave, dominios).
  3. Ordenar todos los registros de forma estrictamente cronológica.
  4. Escribir los resultados obtenidos en un formato estructurado y fácilmente legible por humanos o integrado en herramientas externas (CSV, JSON, Timesketch).

Inspección Indirecta

Nunca se debe intentar abrir o leer la base de datos .plaso directamente con editores de texto. Cualquier consulta, estructuración o análisis de metadatos se debe canalizar de forma obligatoria a través de psort.py.


La sintaxis general de la herramienta es la siguiente:

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

Advertencia de Consola

Por defecto, si no se especifica un método de escritura a archivo de destino, psort.py arrojará el listado completo de millones de eventos directamente en pantalla. En timelines reales, esto provocará la saturación del buffer de la terminal.


3. Casuística A: Escritura Controlada a Archivo (-w)

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

Para guardar el análisis de datos en un archivo físico de texto y utilizarlo en tu investigación o adjuntarlo al informe pericial:

  • -w <ARCHIVO_SALIDA> o --write <ARCHIVO_SALIDA>: Indica a psort.py la ruta absoluta o relativa donde queremos generar el archivo de análisis resultante.
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

4. Casuística B: Selección del Format de Exportación (-o)

Sección titulada «4. Casuística B: Selección del Format de Exportación (-o)»

Para dar estructura al archivo de salida y poder tratarlo en hojas de cálculo (Excel, LibreOffice) o plataformas analíticas:

  • -o <FORMATO> o --output_format <FORMATO>: Especifica el tipo de formato de estructura para el informe.
    • Para listar todos los módulos de salida disponibles: psort.py --list-output-modules
  • ✔ l2tcsv (Log2Timeline CSV): Es el método de exportación preferido. Genera un documento de texto donde cada valor se encuentra separado por comas (CSV).
  • ✔ dynamic: Ideal para lanzar consultas rápidas y filtrar por pantalla si estás realizando tareas de caza interactiva.
  • ✔ json: Utilizado para integrar el timeline forense con otros scripts de Python o motores de bases de datos corporativos.
  • ✔ timesketch: Formato especial estructurado en jsonl optimizado para su importación directa a la plataforma analítica Timesketch.
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: La fecha y hora del evento, sincronizada con la zona horaria seleccionada.
  • timestamp: El timestamp en formato Epoch (tiempo Unix).
  • timestamp_desc: La columna más relevante para la investigación. Describe de forma unívoca qué significa la marca de tiempo (ej: File Creation Time, Last Access Time, Web Visit Time).
  • source_short: Categoría simplificada del artefacto (ej: REG para registro, FILE para sistema de archivos, WEBHIST para web).
  • parser: Módulo exacto que ha indexado el dato (ej: chrome_history, prefetch).
  • message: El detalle técnico contenido en el evento (ej: Execution of: notepad.exe, URL: https://...).
  • filename: Ruta física completa donde se ha recuperado la prueba dentro del disco analizado.

5. Casuística C: Filtrado de Triaje por Fechas (--date_filter)

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

Una base de datos general contiene millones de filas irrelevantes para tu caso de respuesta a incidentes. Limitar el ámbito temporal de la consulta acelera la resolución del incidente:

  • --date_filter "YYYY-MM-DD to YYYY-MM-DD": Filtra para aislar un intervalo de días completos.
  • --date_filter "YYYY-MM-DD": Aísla exclusivamente lo que ocurrió durante las 24 horas de esa fecha.
  • --date_filter "YYYY-MM-DD HH:MM:SS to YYYY-MM-DD HH:MM:SS": Restringe la búsqueda en un rango de horas determinado (triaje de alta precisión).

Ejemplo de filtrado de datos por rango de horas (Incident de Seguridad el 15 de Marzo de 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"

Este sencillo paso puede reducir el volumen del archivo a analizar de 15 gigabytes a una hoja CSV de pocos megabytes.


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

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

Plaso almacena todos los metadatos internos de forma unificada en formato UTC. El investigador suele necesitar ver los eventos en la hora local donde se cometió el incidente o de su propia unidad forense para poder cruzar horas de testigos o capturas de sistemas en vivo:

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"
  • Resultado: Obtendrás un archivo CSV donde todas las marcas temporales de la columna datetime estarán convertidas a la hora local de Europa/Madrid, listas para correlacionar directamente.