Ir al contenido

Techniques Avancées et Ingestion de Données avec Plaso (log2timeline.py)

Techniques d'expert pour optimiser les performances de l'ingestion de données, les filtres de collecte et l'analyse de signatures YARA dans Plaso.

0vues

Ce document suppose que vous maîtrisez déjà les concepts abordés dans le manuel des principes fondamentaux de Plaso (création de base de chronologies, fuseaux horaires, analyseurs et VSS).

Nous nous concentrerons sur les cas d'utilisation avancés : comment optimiser au maximum les performances du CPU, comment filtrer les données avant de les traiter (lors de l'ingestion de fichiers), comment extraire des informations de signatures via des règles YARA et comment gérer les journaux d'erreurs dans les enquêtes forensiques à grande échelle.


2. Cas 1 : Optimisation du processeur et des performances de traitement

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

L'analyse de disques de 1 To ou plus peut s'étendre sur des jours entiers. L'optimisation du moteur parallèle de Plaso réduit ce temps critique de réponse aux incidents à quelques heures.

Plaso est nativement multiprocessus. Nous pouvons définir explicitement le nombre de processus de travail (workers) du CPU et moduler la taille des buffers de mémoire :

  • ✔ --workers <NÚMERO> : Spécifie le nombre de processus simultanés à lancer pour l'extraction et l'analyse de bas niveau.
    • Directive : Il est recommandé de définir un nombre de workers équivalent au nombre total de cœurs physiques de votre CPU (par exemple : --workers 8). Sur des images E01 compressées, l'opération peut être limitée par le goulot d'étranglement du processeur de décompression. Sur des unités de disque RAW montées sur des SSD rapides, plus le nombre de workers est élevé, plus le taux d'E/S est important.
  • ✔ --buffer_size <TAMAÑO> : Contrôle la capacité en mégaoctets du tampon intermédiaire de transfert utilisé par chaque worker. Par défaut, il est attribué à 1024 Mo.
    • Directive : Sur des systèmes analytiques dotés d'une grande quantité de mémoire RAM (par exemple : 64 Go), nous pouvons augmenter cette valeur à --buffer_size 2048M pour améliorer les performances et minimiser l'écriture sur disque à chaud.

Exemple de commande optimisée pour les machines analytiques (16 workers, 64 Go de 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. Cas 2 : Filtrage à l'ingestion (Triage rapide des fichiers)

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

Lors d'interventions de réponse immédiate ou d'analyses de type triage, le traitement de millions de fichiers temporaires, de fichiers temporaires du navigateur ou de fichiers système non pertinents est extrêmement inefficace. Nous ne nous intéressons qu'aux artefacts d'exécution et au registre Windows.

Grâce au paramètre --file_filter, nous pouvons instruire Plaso pour qu'il indexe et analyse exclusivement les chemins qui correspondent à un modèle de filtre de collecte :

Ventana de terminal
--file_filter <CAMINO_AL_ARCHIVO_FILTRO>
  • Note : Ce filtre ne fonctionne pas avec des expressions régulières complexes, mais vérifie si le chemin du fichier contenu dans l'image commence par l'une des lignes du fichier texte de filtre.

Exemple pratique pour le triage rapide de Windows :

Sección titulada «Ejemplo Práctico para Triaje Rápido de Windows:»
  1. Créez un fichier texte de directive appelé /opt/forensics/cases/case-001/triage_filter.txt avec la liste suivante de chemins clés :
    /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. Exécutez l'ingestion de Plaso en appelant le filtre préparé :
    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

Grâce à cette action, 90 % des fichiers utilisateur et système non pertinents seront ignorés, réduisant le temps de traitement de 24 heures à moins de 30 minutes.


4. Cas 3 : Filtrage basé sur les signatures YARA

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

Il est nécessaire de classer, détecter et étiqueter automatiquement tout fichier correspondant à des règles ou des signatures malveillantes lors de la même phase d'ingestion et de construction de la timeline.

Plaso peut charger des règles YARA à chaud et évaluer chaque fichier analysé avant de l'indexer :

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 binaire (par exemple : c:\temp\mimikatz.exe) correspond à l'une des règles contenues dans le fichier de signatures, Plaso générera immédiatement un événement avec le data_type "fs:yara_match" dans la timeline. Cela permet de corréler directement la date de création de la menace avec les connexions réseau ou les modifications de registre proches.


5. Cas 4 : Extraction étendue de hachages et de ressources

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

En cas d'analyse approfondie de logiciels malveillants ou de nécessité de corréler le texte descriptif des ID d'événements Windows (qui par défaut n'affichent que des codes numériques).

Nous pouvons forcer le calcul des hachages de fichiers lors de l'ingestion et forcer la résolution des chaînes des fichiers 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 ...

Si la tâche échoue en raison de corruptions de journaux ou de blocages intermittents, isolez le processus ou désactivez la file d'attente ZeroMQ (particulièrement utile sur les machines virtuelles souffrant de goulots d'étranglement sur les sockets locaux) :

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 ...