Ir al contenido

Técnicas Avanzadas e Ingesta de Datos con Plaso (log2timeline.py)

Técnicas de especialista para otimizar o desempenho da ingestão de dados, filtros de coleção e análise de assinaturas YARA em Plaso.

0lecturas

Técnicas de Especialista para Cenários Específicos

Sección titulada «Técnicas de Experto para Casuísticas Específicas»

Este documento pressupõe que você já domina os conceitos abordados no manual de fundamentos do Plaso (criação básica de timelines, fusos horários, parsers e VSS).

Nos centraremos en las casuísticas avanzadas: cómo optimizar al máximo el rendimiento de la CPU, cómo filtrar datos antes de procesarlos (en la ingesta de archivos), cómo extraer información de firmas mediante reglas YARA y cómo gestionar logs de errores en investigaciones forenses de gran escala.


2. Cenário 1: Otimização de CPU e Desempenho de Processamento

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

A análise de discos de 1 TB ou superiores pode se estender por dias inteiros. Otimizar o motor paralelo do Plaso reduz esse tempo crítico de resposta a incidentes para poucas horas.

Plaso es multi-proceso de forma nativa. Podemos definir de forma explícita el número de procesos de trabajo (workers) de la CPU y modular el tamaño de los buffers de memoria:

  • ✔ --workers <NÚMERO>: Especifica a quantidade de processos simultâneos a lançar para realizar a extração e análise de baixo nível.
    • Directiva: Se recomenda definir um número de workers equivalente ao total de núcleos físicos da sua CPU (por exemplo: --workers 8). Em imagens E01 comprimidas, a operação pode ser vista limitada pelo cuello de botella do processador de descompressão. Em unidades de disco RAW montadas em SSD rápidos, a maior quantidade de workers, maior taxa de I/O.
  • ✔ --buffer_size <TAMAÑO>: Controla a capacidade em megabytes do buffer intermédio de transferência que utiliza cada um dos workers. Por defeito é atribuído 1024MB.
    • Directiva: Em sistemas analíticos dotados de grande quantidade de memória RAM (por exemplo: 64 GB), podemos elevar essa taxa para --buffer_size 2048M para melhorar o desempenho e minimizar a escrita em disco em caliente.

Exemplo de comando otimizado para máquinas analíticas (16 workers, 64GB 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. Cenário 2: Filtragem na Ingestão (Triagem Rápida de Arquivos)

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

Em intervenções de resposta imediata ou análise tipo triage, processar milhões de arquivos temporários, temporários do navegador ou arquivos de sistema irrelevantes é altamente ineficiente. Somente nos interessam os artefatos de execução e o registro de Windows.

Através do parâmetro --file_filter, podemos instruir Plaso para que indexe e analise exclusivamente as rotas que coincidam com uma plantilha de filtro de coleta:

Ventana de terminal
--file_filter <CAMINO_AL_ARCHIVO_FILTRO>
  • Nota: Esse filtro não trabalha com expressões regulares complexas, mas sim valida se a rota do arquivo contida na imagem começa por alguma das linhas do arquivo de texto de filtro.

Exemplo Prático para Triagem Rápida do Windows:

Sección titulada «Ejemplo Práctico para Triaje Rápido de Windows:»
  1. Cria um arquivo de texto de diretiva chamado /opt/forensics/cases/case-001/triage_filter.txt com a seguinte lista de rotas chave:
    /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. Executa a ingestão de Plaso chamando o filtro preparado:
    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

Com essa ação, será omitido o 90% dos arquivos de usuário e sistema irrelevantes, reduzindo o tempo de processamento de 24 horas para menos de 30 minutos.


4. Cenário 3: Filtragem Baseada em Assinaturas YARA

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

É necessário classificar, detectar e etiquetar automaticamente qualquer arquivo que coincida com regras ou firmas maliciosas durante a mesma fase de ingestão e construção do timeline.

O Plaso pode carregar regras YARA a quente e avaliar cada arquivo analisado antes de indexá-lo:

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

Se um binário (por exemplo: c:\temp\mimikatz.exe) coincidir com alguma das regras contidas no arquivo de firmas, Plaso gerará de forma imediata um evento com o data_type “fs:yara_match” no timeline. Isso permite correlacionar diretamente a data de criação da ameaça com as conexões de rede ou modificações de registro próximas.


5. Cenário 4: Extração Ampliada de Hashes e Recursos

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

Em caso de análise profunda de malware ou necessidade de correlacionar o texto descritivo dos IDs de eventos do Windows (que por padrão mostram apenas códigos numéricos).

Podemos forçar o cálculo de hashes de arquivos durante a ingestão e forçar a resolução de strings dos arquivos 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 ...

Se a tarefa falhar devido a corrupções de logs ou bloqueios intermitentes, isole o processo ou desative a fila do ZeroMQ (especialmente útil em máquinas virtuais que sofrem gargalos em sockets locais):

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 ...