Podstawy zapytań i eksportu za pomocą psort.py
Podstawowe przetwarzanie danych super-timeline za pomocą psort.py, filtrowanie według dat i strukturyzacja czytelnych raportów l2tcsv.
Warsztat analizy i eksportu
Sección titulada «El Taller de Análisis y Exportación»1. Czym jest psort.py?
Sección titulada «1. ¿Qué es psort.py?»psort.py (Plaso Sort) to narzędzie do odpytywania, sortowania i przetwarzania post-ekstrakcyjnego platformy Plaso. Po wygenerowaniu skompresowanego pliku bazy danych .plaso (za pomocą log2timeline.py), psort.py jest narzędziem, którego użyjesz do:
- Odczytywania tabel z pliku bazy danych
.plaso. - Filtrowania ogromnej listy zdarzeń na podstawie określonych kryteriów (daty, typy danych, słowa kluczowe, domeny).
- Sortowania wszystkich wpisów w ścisłym porządku chronologicznym.
- Zapisywania uzyskanych wyników w ustrukturyzowanym formacie, łatwym do odczytania przez człowieka lub zintegrowanym z zewnętrznymi narzędziami (CSV, JSON, Timesketch).
Pośrednia inspekcja
Nigdy nie należy próbować otwierać ani czytać bazy danych .plaso bezpośrednio za pomocą edytorów tekstu. Wszelkie zapytania, strukturyzowanie lub analiza metadanych muszą być obowiązkowo przeprowadzane za pośrednictwem psort.py.
2. Podstawowa składnia psort.py
Sección titulada «2. Sintaxis Básica de psort.py»Ogólna składnia narzędzia jest następująca:
psort.py [OPCIONES_DE_SALIDA] [OPCIONES_DE_FILTRADO] <archivo.plaso>Ostrzeżenie konsoli
Domyślnie, jeśli nie określono metody zapisu do pliku docelowego, psort.py wyświetli pełną listę milionów zdarzeń bezpośrednio na ekranie. W rzeczywistych osiach czasu spowoduje to przepełnienie bufora terminala.
3. Przypadek A: Kontrolowany zapis do pliku (-w)
Sección titulada «3. Casuística A: Escritura Controlada a Archivo (-w)»Aby zapisać analizę danych w fizycznym pliku tekstowym i użyć jej w dochodzeniu lub dołączyć do raportu biegłego:
-w <ARCHIVO_SALIDA>lub--write <ARCHIVO_SALIDA>: Wskazujepsort.pybezwzględną lub względną ścieżkę, w której chcemy wygenerować plik wynikowy analizy.
# COMANDO CORRECTO: Escribe el contenido estructurado directamente a un archivopsort.py -w /opt/forensics/cases/case-001/all_events_raw.txt /opt/forensics/cases/case-001/my_timeline.plaso4. Przypadek B: Wybór formatu eksportu (-o)
Sección titulada «4. Casuística B: Selección del Format de Exportación (-o)»Aby nadać strukturę plikowi wyjściowemu i móc go przetwarzać w arkuszach kalkulacyjnych (Excel, LibreOffice) lub na platformach analitycznych:
-o <FORMATO>lub--output_format <FORMATO>: Określa typ formatu struktury dla raportu.- Aby wymienić wszystkie dostępne moduły wyjściowe:
psort.py --list-output-modules
- Aby wymienić wszystkie dostępne moduły wyjściowe:
Kluczowe formaty w branży informatyki śledczej:
Sección titulada «Formatos Clave de la Industria Forense:»- ✔
l2tcsv(Log2Timeline CSV): Jest to preferowana metoda eksportu. Generuje dokument tekstowy, w którym każda wartość jest oddzielona przecinkami (CSV). - ✔
dynamic: Idealny do szybkiego uruchamiania zapytań i filtrowania na ekranie podczas przeprowadzania zadań typu threat hunting. - ✔
json: Używany do integracji osi czasu (timeline) śledczej z innymi skryptami Python lub korporacyjnymi silnikami baz danych. - ✔
timesketch: Specjalny format ustrukturyzowany wjsonl, zoptymalizowany pod kątem bezpośredniego importu do platformy analitycznej Timesketch.
Przykład eksportu do CSV śledczego:
Sección titulada «Ejemplo de Exportación a CSV Forense:»psort.py -o l2tcsv -w /opt/forensics/cases/case-001/timeline_triage_export.csv /opt/forensics/cases/case-001/my_timeline.plasoIstotne kolumny raportu l2tcsv:
Sección titulada «Columnas Relevantes del Reporte l2tcsv:»datetime: Data i godzina zdarzenia, zsynchronizowana z wybraną strefą czasową.timestamp: Znacznik czasu w formacie Epoch (czas Unix).timestamp_desc: Najważniejsza kolumna dla dochodzenia. Jednoznacznie opisuje, co oznacza znacznik czasu (np.File Creation Time,Last Access Time,Web Visit Time).source_short: Uproszczona kategoria artefaktu (np.REGdla rejestru,FILEdla systemu plików,WEBHISTdla sieci web).parser: Dokładny moduł, który zaindeksował dane (np.chrome_history,prefetch).message: Szczegóły techniczne zawarte w zdarzeniu (np.Execution of: notepad.exe,URL: https://...).filename: Pełna ścieżka fizyczna, pod którą odnaleziono dowód na analizowanym dysku.
5. Przypadek C: Filtrowanie triage według dat (--date_filter)
Sección titulada «5. Casuística C: Filtrado de Triaje por Fechas (--date_filter)»Ogólna baza danych zawiera miliony wierszy niezwiązanych z Twoim przypadkiem reagowania na incydenty. Ograniczenie zakresu czasowego zapytania przyspiesza rozwiązanie incydentu:
--date_filter "YYYY-MM-DD to YYYY-MM-DD": Filtruje w celu wyodrębnienia przedziału pełnych dni.--date_filter "YYYY-MM-DD": Wyodrębnia wyłącznie to, co wydarzyło się w ciągu 24 godzin danej daty.--date_filter "YYYY-MM-DD HH:MM:SS to YYYY-MM-DD HH:MM:SS": Zawęża wyszukiwanie do określonego zakresu godzin (precyzyjne triage).
Przykład filtrowania danych według przedziału godzinowego (Incydent bezpieczeństwa z 15 marca 2026 r.):
Sección titulada «Ejemplo de filtrado de datos por rango de horas (Incident de Seguridad el 15 de Marzo de 2026):»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"Ten prosty krok może zmniejszyć objętość pliku do analizy z 15 gigabajtów do arkusza CSV o wielkości zaledwie kilku megabajtów.
6. Przypadek D: Definiowanie strefy czasowej analityka (-z lub --zone)
Sección titulada «6. Casuística D: Definición de la Zona Horaria del Analista (-z o --zone)»Plaso przechowuje wszystkie wewnętrzne metadane w ujednolicony sposób w formacie UTC. Śledczy zazwyczaj musi widzieć zdarzenia w czasie lokalnym miejsca wystąpienia incydentu lub własnej jednostki śledczej, aby móc skorelować czasy świadków lub zrzuty z systemów działających na żywo:
# Forzar la exportación de los eventos en horario de Madridpsort.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"- Wynik: Otrzymasz plik CSV, w którym wszystkie znaczniki czasu w kolumnie
datetimezostaną skonwertowane na czas lokalny Europa/Madrid, gotowe do bezpośredniej korelacji.

