플라소(log2timeline.py)를 사용한 고급 기술 및 데이터 수집
데이터 수집 최적화, 수집 필터링 및 플라소에서 YARA 시그니처 분석과 같은 전문가 기법
이 문서는 플라소 기본 개념(기본 타임라인 생성, 시간대, 파서 및 VSS)을 이미 숙지하고 있다고 가정합니다.
우리는 고급 사례에 집중할 것입니다: CPU 성능을 최대화하는 방법, 파일 수집 중 데이터를 전에 필터링하는 방법, YARA 규칙을 통해 시그니처 정보를 추출하는 방법, 대규모 디지털 증거 조사에서 오류 로그를 관리하는 방법.
2. 사례 1: CPU 최적화 및 처리 성능
Sección titulada «2. Casuística 1: Optimización de CPU y Rendimiento de Procesamiento»1TB 이상의 디스크 분석은 수일이 걸릴 수 있습니다. 플라소의 병렬 엔진 최적화는 이 치명적인 사건 대응 시간을 몇 시간으로 줄입니다.
플라소는 기본적으로 멀티프로세스입니다. CPU 작업자 수(workers)와 메모리 버퍼 크기를 명시적으로 정의할 수 있습니다:
- ✔
--workers <NÚMERO>: 저수준 추출 및 분석을 위해 실행할 동시 프로세스 수를 지정합니다.- 지침: CPU의 전체 물리적 코어 수와 동일한 워커 수를 정의하는 것이 권장됩니다 (예:
--workers 8). 압축된 E01 이미지의 경우, 이 작업은 디코딩 프로세서의 병목 현상으로 인해 제한될 수 있습니다. 빠른 SSD에 마운트된 RAW 디스크 단위의 경우, 워커 수가 많을수록 I/O 속도가 높아집니다.
- 지침: CPU의 전체 물리적 코어 수와 동일한 워커 수를 정의하는 것이 권장됩니다 (예:
- ✔
--buffer_size <TAMAÑO>: 각 worker가 사용하는 전송 중간 버퍼의 용량(MB)을 제어합니다. 기본값은 1024MB입니다.- 지침: 64GB와 같은 대규모 RAM을 갖춘 분석 시스템에서는 이 용량을
--buffer_size 2048M로 증가시켜 성능을 향상시키고 뜨거운 디스크 쓰기 횟수를 최소화할 수 있습니다.
- 지침: 64GB와 같은 대규모 RAM을 갖춘 분석 시스템에서는 이 용량을
분석용 기계에서 최적화된 명령어 예제 (16개의 워커, 64GB RAM):
Sección titulada «Ejemplo de comando optimizado para máquinas analíticas (16 workers, 64GB RAM):»log2timeline.py --workers 16 --buffer_size 2048M --status_view linear /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E013. 사례 2: 수용 시 필터링 (빠른 파일 트리지)
Sección titulada «3. Casuística 2: Filtrado en la Ingesta (Triaje Rápido de Archivos)»즉시 대응 개입 또는 트리지 유형의 분석에서 수백만 개의 임시 파일, 브라우저 임시 파일 또는 무관한 시스템 파일을 처리하는 것은 매우 비효율적입니다. 우리는 실행 자료와 Windows 로그에만 관심이 있습니다.
매개변수 --file_filter를 통해 Plaso에 특정 데이터 수집 필터 템플릿과 일치하는 경로만 인덱싱하고 분석하도록 지시할 수 있습니다.
--file_filter <CAMINO_AL_ARCHIVO_FILTRO>- 참고: 이 필터는 복잡한 정규 표현식을 사용하지 않고, 이미지에 포함된 파일 경로가 필터 텍스트 파일의 줄 중 하나로 시작하는지 검증합니다.
Windows 빠른 포렌식 트리iage 예제:
Sección titulada «Ejemplo Práctico para Triaje Rápido de Windows:»- 다음 주요 경로 목록으로
/opt/forensics/cases/case-001/triage_filter.txt이라는 정책 텍스트 파일을 생성합니다:/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/ - 준비된 필터를 호출하여 Plaso 수집을 실행합니다:
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
이 작업으로 인해 90%의 사용자 및 시스템 관련 없는 파일이 건너뛰어져, 처리 시간이 24시간에서 30분 미만으로 줄어듭니다.
4. 사례 3: YARA 서명 기반 필터링
Sección titulada «4. Casuística 3: Filtrado Basado en Firmas YARA»악성 규칙 또는 서명과 일치하는 모든 파일을 분류, 탐지 및 자동으로 라벨링해야 합니다. 이는 인세스트 및 타임라인 구축 단계 동안 이루어져야 합니다.
Plaso는 실행 중인 YARA 규칙을 로드하고 분석된 각 파일을 인덱싱하기 전에 평가할 수 있습니다:
# Ejecutar ingesta evaluando firmas yaralog2timeline.py --yara_rules /opt/forensics/rules/custom-signatures.yar /opt/forensics/cases/case-001/my_timeline.plaso /opt/forensics/cases/case-001/image.E01바이너리(예: c:\temp\mimikatz.exe)가 서명 파일에 포함된 규칙 중 하나와 일치하면, Plaso는 타임라인에 data_type "fs:yara_match" 이벤트를 즉시 생성합니다. 이를 통해 위협의 생성 날짜를 네트워크 연결 또는 근접한 레지스트리 수정과 직접 관련지을 수 있습니다.
5. 사례 4: 확장된 해시 및 리소스 추출
Sección titulada «5. Casuística 4: Extracción Ampliada de Hashes y Recursos»악성코드 심층 분석이나 Windows 이벤트 ID의 설명 텍스트를 연관시키려는 경우(기본적으로 숫자 코드만 표시됨).
파일 해시 계산을 강제로 실행하고 EVTX 파일의 문자열 해석을 강제로 수행할 수 있습니다:
# Calcular hashes SHA-1 y SHA-256 de todos los archivos en la ingestalog2timeline.py --hashers "sha1,sha256" ...
# Extraer texto y descripciones completas de los mensajes de los logs EVTX de Windowslog2timeline.py --extract_winevt_resources ...6. 사례 5: 디버깅 및 오류 관리
Sección titulada «6. Casuística 5: Depuración y Gestión de Errores»로그 손상 또는 간헐적 블록으로 인해 작업이 실패할 경우, 프로세스를 격리하거나 ZeroMQ 대기를 비활성화할 수 있습니다(특히 로컬 소켓에서 병목 현상이 발생하는 가상 머신에서 유용합니다):
# Redirigir todas las salidas de depuración a un log físico detalladolog2timeline.py --log_file /opt/forensics/cases/case-001/plaso_debug.log ...
# Desactivar la cola de red interna de ZeroMQ si experimentas congelacioneslog2timeline.py --disable_zeromq ...
