Ir al contenido

Concepts et déploiement de Plaso (log2timeline.py)

Introduction à Plaso, conception et construction de super-lignes de temps (Super Timelines) forensiques à partir d'images de disque numérisées.

0vues

1. Qu'est-ce que Plaso (log2timeline.py) ?

Sección titulada «1. ¿Qué es Plaso (log2timeline.py)?»

Plaso (anciennement connu sous le nom de Log2Timeline) est un moteur d'extraction d'événements et un ensemble d'outils conçus pour l'analyse médico-légale numérique. Son principal outil, log2timeline.py, est la norme industrielle pour créer ce que l'on appelle une « super chronologie » (super ligne de temps).

Sa mission est de parcourir une source de données (comme une image disque, un répertoire ou des fichiers spécifiques), d'identifier des dizaines de types d'artefacts différents (registres Windows, historiques de navigation, fichiers LNK, journaux système, etc.) et d'extraire tous les événements horodatés (timestamps).

Le résultat n'est pas un fichier texte lisible, mais un fichier de base de données compressé (avec l'extension .plaso) qui agit comme un entrepôt centralisé pour tous les événements trouvés.


Une « super timeline » est une liste chronologique unique de tous les événements qui se sont produits sur un système. Au lieu d'analyser l'historique de Chrome séparément, puis les journaux d'événements Windows, puis les horodatages MAC(B) du système de fichiers, Plaso prend tout et les organise selon un ordre chronologique unifié.

Cela permet à l'analyste de voir la séquence exacte des actions d'un intrus ou d'un utilisateur dans une chronologie unifiée :

  1. 10:30:01 - (Système de fichiers) Le fichier malware.exe est créé.
  2. 10:30:05 - (Prefetch) L'exécution de malware.exe est enregistrée.
  3. 10:30:15 - (Registre Windows) Une clé de registre est créée pour la persistance de la menace.
  4. 10:30:20 - (Historique Chrome) L'utilisateur visite http://malicious-c2-server.com.

Cette vision corrélée est fondamentale pour comprendre la chronologie complète d'un incident de sécurité.


Plaso est inclus par défaut dans la plupart des distributions d'investigation numérique (comme SIFT ou Tsurugi). Pour une installation manuelle dans un environnement de débogage ou d'analyse sur votre environnement de travail Linux :

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. Utilisation de Base et Syntaxe

Sección titulada «4. Uso Básico y Sintaxis»

La syntaxe fondamentale de log2timeline.py est :

Ventana de terminal
log2timeline.py [OPCIONES] <archivo_salida.plaso> <fuente_de_datos>
  • [OPCIONES] : Paramètres utilisés pour affiner et optimiser l'extraction de données.
  • <archivo_salida.plaso> : Le nom du fichier de base de données compressé que vous souhaitez générer. Il est obligatoire qu'il contienne l'extension .plaso.
  • <fuente_de_datos> : La source des preuves numériques. Il prend en charge les fichiers d'image médico-légale (E01, DD, RAW) ainsi que les répertoires système locaux montés.

Exemple de traitement d'un répertoire de travail monté :

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/

Exemple de traitement d'une image disque structurée (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. Options Critiques et Cas d'Utilisation

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

A. Spécifier les parseurs de manière sélective (--parsers)

Sección titulada «A. Especificar Parsers de Forma Selectiva (--parsers)»

Par défaut, Plaso tente d'exécuter automatiquement tous les analyseurs disponibles sur les données du disque. Cela peut ralentir considérablement l'opération sur les grands disques. Si vous recherchez un vecteur spécifique, filtrez lors de l'ingestion :

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

B. Synchronisation du fuseau horaire (-z ou --zone)

Sección titulada «B. Sincronización de la Zona Horaria (-z o --zone)»

Les horodatages du système de fichiers sont généralement stockés en interne en UTC, mais de nombreux journaux d'entreprise utilisent l'heure locale du système cible. Vous devez indiquer à Plaso le fuseau horaire d'origine de l'ordinateur analysé :

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
  • Pour lister tous les fuseaux horaires pris en charge par la plateforme : log2timeline.py --list-timezones

C. Traitement des copies de volume cachées (--vss-stores)

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

Les clichés instantanés ou Volume Shadow Copies (VSS) de Windows sont vitaux pour récupérer des fichiers modifiés ou supprimés par l'attaquant à des dates antérieures :

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

L'extraction de grands volumes de données peut prendre des heures. Modifiez l'affichage de l'état en mode linéaire si vous collectez des journaux dans un environnement automatisé :

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

6. Artefacts et Données Récupérables

Sección titulada «6. Artefactos y Datos Recuperables»

Plaso dispose de centaines d'analyseurs intégrés pour collecter et structurer des preuves forensiques de grande valeur :

  • ✔ Système de fichiers : Horodatages MACB de tous les fichiers physiques, informations de la MFT (Master File Table), journal USN et transactions $LogFile des partitions NTFS.
  • ✔ Registre Windows : Clés d'initialisation et de persistance (Run/RunOnce), liste des programmes installés, métadonnées de connexion des périphériques USB (USBSTOR), clés WiFi historiques et activité des connexions RDP.
  • ✔ Artefacts d'exécution d'applications : Historique de prefetch, fichiers de liens LNK, registres d'accès des Jumplists du bureau, et bases de données de compatibilité d'applications Amcache et Shimcache.
  • ✔ Historiques de navigation Web : Téléchargements effectués, historique des adresses visitées, cookies actifs et données de formulaires.
  • ✔ Journaux système : Registre d'événements EVTX de Windows, syslog et fichiers auth.log d'Ubuntu, et journaux ASL de macOS.

7. Prochaines étapes avec le fichier .plaso

Sección titulada «7. Siguientes Pasos con el Archivo .plaso»

Une fois l'exécution de log2timeline.py terminée, vous obtiendrez la base de données compressée structurée (par exemple : my_timeline.plaso). Ce fichier n'est pas directement lisible par l'homme et ne peut pas être ouvert dans des éditeurs de texte conventionnels.

Ce fichier est une base de données SQLite indexée spécialement conçue pour être interrogée, structurée et exportée. Pour en tirer parti, nous utiliserons :

  1. pinfo.py : Pour inspecter l'état du fichier .plaso (voir les parsers exécutés, le nombre total d'alertes et confirmer les erreurs).
  2. psort.py: Pour filtrer, trier et exporter les données vers des formats lisibles (CSV, JSON) ou les intégrer dans des plateformes visuelles comme Timesketch.