📜  Windows-I中的重要工件

📅  最后修改于: 2020-11-07 08:16:48             🧑  作者: Mango


本章将介绍Microsoft Windows取证所涉及的各种概念,以及调查人员可以从调查过程中获得的重要工件。

介绍

工件是计算机系统中具有与计算机用户执行的活动有关的重要信息的对象或区域。此信息的类型和位置取决于操作系统。在法医分析过程中,这些文物在批准或拒绝调查员的观察中起着非常重要的作用。

Windows工件对取证的重要性

Windows工件由于以下原因而具有重要意义-

  • 世界上大约90%的流量来自使用Windows作为操作系统的计算机。因此,对于数字取证检查员而言,Windows工件非常重要。

  • Windows操作系统存储与计算机系统上的用户活动有关的不同类型的证据。这是另一个显示Windows工件对数字取证的重要性的原因。

  • 研究人员通常将调查围绕旧的和传统领域展开,例如用户创建的数据。 Windows工件可以将调查引向非传统领域,例如系统创建的数据或工件。

  • Windows提供了大量的工件,这对于调查人员以及进行非正式调查的公司和个人都是有帮助的。

  • 近年来,网络犯罪的增加是Windows工件重要的另一个原因。

Windows工件及其Python脚本

在本节中,我们将讨论一些Windows工件和Python脚本以从中获取信息。

回收站

它是Windows进行取证调查的重要工具之一。 Windows回收站包含用户已删除但尚未被系统物理删除的文件。即使用户将文件从系统中完全删除,它仍是重要的调查来源。这是因为检查员可以从已删除的文件中提取有价值的信息,例如原始文件路径以及将其发送到回收站的时间。

请注意,回收站证据的存储取决于Windows的版本。在下面的Python脚本中,我们将使用Windows 7创建两个文件: $ R文件,其中包含回收文件的实际内容; $ I文件,其包含原始文件名,路径,删除文件时的文件大小。

对于Python脚本,我们需要安装第三方模块pytsk3,pyewfunicodecsv 。我们可以使用pip来安装它们。我们可以按照以下步骤从回收站中提取信息:

  • 首先,我们需要使用递归方法扫描$ Recycle.bin文件夹并选择所有以$ I开头的文件。

  • 接下来,我们将读取文件的内容并解析可用的元数据结构。

  • 现在,我们将搜索关联的$ R文件。

  • 最后,我们将结果写入CSV文件以供审核。

让我们看看如何为此目的使用Python代码-

首先,我们需要导入以下Python库-

from __future__ import print_function
from argparse import ArgumentParser

import datetime
import os
import struct

from utility.pytskutil import TSKUtil
import unicodecsv as csv

接下来,我们需要为命令行处理程序提供参数。请注意,这里它将接受三个参数–第一个是证据文件的路径,第二个是证据文件的类型,第三个是CSV报告的所需输出路径,如下所示-

if __name__ == '__main__':
   parser = argparse.ArgumentParser('Recycle Bin evidences')
   parser.add_argument('EVIDENCE_FILE', help = "Path to evidence file")
   parser.add_argument('IMAGE_TYPE', help = "Evidence file format",
   choices = ('ewf', 'raw'))
   parser.add_argument('CSV_REPORT', help = "Path to CSV report")
   args = parser.parse_args()
   main(args.EVIDENCE_FILE, args.IMAGE_TYPE, args.CSV_REPORT)

现在,定义将处理所有处理的main()函数。它将搜索$ I文件,如下所示-

def main(evidence, image_type, report_file):
   tsk_util = TSKUtil(evidence, image_type)
   dollar_i_files = tsk_util.recurse_files("$I", path = '/$Recycle.bin',logic = "startswith")
   
   if dollar_i_files is not None:
      processed_files = process_dollar_i(tsk_util, dollar_i_files)
      write_csv(report_file,['file_path', 'file_size', 'deleted_time','dollar_i_file', 'dollar_r_file', 'is_directory'],processed_files)
   else:
      print("No $I files found")

现在,如果我们找到$ I文件,则必须将其发送到process_dollar_i()函数,该函数将接受tsk_util对象以及$ I文件列表,如下所示-

def process_dollar_i(tsk_util, dollar_i_files):
   processed_files = []
   
   for dollar_i in dollar_i_files:
      file_attribs = read_dollar_i(dollar_i[2])
      if file_attribs is None:
         continue
      file_attribs['dollar_i_file'] = os.path.join('/$Recycle.bin', dollar_i[1][1:])

现在,搜索$ R文件,如下所示:

recycle_file_path = os.path.join('/$Recycle.bin',dollar_i[1].rsplit("/", 1)[0][1:])
dollar_r_files = tsk_util.recurse_files(
   "$R" + dollar_i[0][2:],path = recycle_file_path, logic = "startswith")
   
   if dollar_r_files is None:
      dollar_r_dir = os.path.join(recycle_file_path,"$R" + dollar_i[0][2:])
      dollar_r_dirs = tsk_util.query_directory(dollar_r_dir)
   
   if dollar_r_dirs is None:
      file_attribs['dollar_r_file'] = "Not Found"
      file_attribs['is_directory'] = 'Unknown'
   
   else:
      file_attribs['dollar_r_file'] = dollar_r_dir
      file_attribs['is_directory'] = True
   
   else:
      dollar_r = [os.path.join(recycle_file_path, r[1][1:])for r in dollar_r_files]
      file_attribs['dollar_r_file'] = ";".join(dollar_r)
      file_attribs['is_directory'] = False
      processed_files.append(file_attribs)
   return processed_files  

现在,定义read_dollar_i()方法以读取$ I文件,换句话说,解析元数据。我们将使用read_random()方法读取签名的前八个字节。如果签名不匹配,则不会返回任何内容。之后,如果该文件是有效文件,我们将不得不从$ I文件中读取并解压缩这些值。

def read_dollar_i(file_obj):
   if file_obj.read_random(0, 8) != '\x01\x00\x00\x00\x00\x00\x00\x00':
      return None
   raw_file_size = struct.unpack('

现在,在提取这些文件之后,我们需要使用sizeof_fmt()函数将整数解释为人类可读的值,如下所示-

file_size = sizeof_fmt(raw_file_size[0])
deleted_time = parse_windows_filetime(raw_deleted_time[0])

file_path = raw_file_path.decode("utf16").strip("\x00")
return {'file_size': file_size, 'file_path': file_path,'deleted_time': deleted_time}

现在,我们需要定义sizeof_fmt()函数,如下所示:

def sizeof_fmt(num, suffix = 'B'):
   for unit in ['', 'Ki', 'Mi', 'Gi', 'Ti', 'Pi', 'Ei', 'Zi']:
      if abs(num) < 1024.0:
         return "%3.1f%s%s" % (num, unit, suffix)
      num /= 1024.0
   return "%.1f%s%s" % (num, 'Yi', suffix)

现在,定义一个将解释后的整数转换为格式化日期和时间的函数,如下所示:

def parse_windows_filetime(date_value):
   microseconds = float(date_value) / 10
   ts = datetime.datetime(1601, 1, 1) + datetime.timedelta(
      microseconds = microseconds)
   return ts.strftime('%Y-%m-%d %H:%M:%S.%f')

现在,我们将定义write_csv()方法,将处理后的结果写入CSV文件,如下所示-

def write_csv(outfile, fieldnames, data):
   with open(outfile, 'wb') as open_outfile:
      csvfile = csv.DictWriter(open_outfile, fieldnames)
      csvfile.writeheader()
      csvfile.writerows(data)

当您运行上述脚本时,我们将从$ I和$ R文件中获取数据。

便利贴

Windows即时贴取代了现实世界中用笔和纸书写的习惯。这些注释用于浮动在桌面上,具有不同的颜色,字体等选项。在Windows 7中,Sticky Notes文件存储为OLE文件,因此在以下Python脚本中,我们将研究此OLE文件以从Sticky Notes中提取元数据。

对于此Python脚本,我们需要安装第三方模块,即olefile,pytsk3,pyewf和unicodecsv。我们可以使用命令pip来安装它们。

我们可以按照以下讨论的步骤从便笺文件(即StickyNote.sn)中提取信息-

  • 首先,打开证据文件并找到所有StickyNote.snt文件。

  • 然后,从OLE流中解析元数据和内容,并将RTF内容写入文件。

  • 最后,创建此元数据的CSV报告。

Python代码

让我们看看如何为此目的使用Python代码-

首先,导入以下Python库-

from __future__ import print_function
from argparse import ArgumentParser

import unicodecsv as csv
import os
import StringIO

from utility.pytskutil import TSKUtil
import olefile

接下来,定义将在此脚本中使用的全局变量-

REPORT_COLS = ['note_id', 'created', 'modified', 'note_text', 'note_file']

接下来,我们需要为命令行处理程序提供参数。请注意,这里它将接受三个参数–第一个是证据文件的路径,第二个是证据文件的类型,第三个是所需的输出路径,如下所示-

if __name__ == '__main__':
   parser = argparse.ArgumentParser('Evidence from Sticky Notes')
   parser.add_argument('EVIDENCE_FILE', help="Path to evidence file")
   parser.add_argument('IMAGE_TYPE', help="Evidence file format",choices=('ewf', 'raw'))
   parser.add_argument('REPORT_FOLDER', help="Path to report folder")
   args = parser.parse_args()
   main(args.EVIDENCE_FILE, args.IMAGE_TYPE, args.REPORT_FOLDER)

现在,我们将定义main()函数,该函数与之前的脚本类似,如下所示:

def main(evidence, image_type, report_folder):
   tsk_util = TSKUtil(evidence, image_type)
   note_files = tsk_util.recurse_files('StickyNotes.snt', '/Users','equals')

现在,让我们遍历生成的文件。然后我们将调用parse_snt_file()函数来处理文件,然后使用write_note_rtf()方法编写RTF文件,如下所示:

report_details = []
for note_file in note_files:
   user_dir = note_file[1].split("/")[1]
   file_like_obj = create_file_like_obj(note_file[2])
   note_data = parse_snt_file(file_like_obj)
   
   if note_data is None:
      continue
   write_note_rtf(note_data, os.path.join(report_folder, user_dir))
   report_details += prep_note_report(note_data, REPORT_COLS,"/Users" + note_file[1])
   write_csv(os.path.join(report_folder, 'sticky_notes.csv'), REPORT_COLS,report_details)

接下来,我们需要定义此脚本中使用的各种功能。

首先,我们将定义create_file_like_obj()函数,以通过获取pytsk文件对象来读取文件的大小。然后,我们将定义parse_snt_file()函数,该函数将接受类似文件的对象作为其输入,并用于读取和解释便签文件。

def parse_snt_file(snt_file):
   
   if not olefile.isOleFile(snt_file):
      print("This is not an OLE file")
      return None
   ole = olefile.OleFileIO(snt_file)
   note = {}
   
   for stream in ole.listdir():
      if stream[0].count("-") == 3:
         if stream[0] not in note:
            note[stream[0]] = {"created": ole.getctime(stream[0]),"modified": ole.getmtime(stream[0])}
         content = None
         if stream[1] == '0':
            content = ole.openstream(stream).read()
         elif stream[1] == '3':
            content = ole.openstream(stream).read().decode("utf-16")
         if content:
            note[stream[0]][stream[1]] = content
    return note

现在,通过定义write_note_rtf()函数创建一个RTF文件,如下所示

def write_note_rtf(note_data, report_folder):
   if not os.path.exists(report_folder):
      os.makedirs(report_folder)
   
   for note_id, stream_data in note_data.items():
      fname = os.path.join(report_folder, note_id + ".rtf")
      with open(fname, 'w') as open_file:
         open_file.write(stream_data['0'])

现在,我们将嵌套的字典转换为更适合CSV电子表格的字典的平面列表。这将通过定义prep_note_report()函数来完成。最后,我们将定义write_csv()函数。

def prep_note_report(note_data, report_cols, note_file):
   report_details = []
   
   for note_id, stream_data in note_data.items():
      report_details.append({
         "note_id": note_id,
         "created": stream_data['created'],
         "modified": stream_data['modified'],
         "note_text": stream_data['3'].strip("\x00"),
         "note_file": note_file
      })
   return report_details
def write_csv(outfile, fieldnames, data):
   with open(outfile, 'wb') as open_outfile:
      csvfile = csv.DictWriter(open_outfile, fieldnames)
      csvfile.writeheader()
      csvfile.writerows(data)

运行上述脚本后,我们将从粘滞便笺文件中获取元数据。

注册表文件

Windows注册表文件包含许多重要的详细信息,这些信息对于法医分析师来说就像是一堆宝贵的信息。它是一个分层数据库,其中包含与操作系统配置,用户活动,软件安装等有关的详细信息。在以下Python脚本中,我们将从SYSTEMSOFTWARE配置单元中访问常见的基准信息。

对于此Python脚本,我们需要安装第三方模块pytsk3,pyewfRegistry 。我们可以使用pip来安装它们。

我们可以按照下面给出的步骤从Windows注册表中提取信息-

  • 首先,找到注册表配置单元按名称和路径进行处理。

  • 然后,我们使用StringIO和注册表模块打开这些文件。

  • 最后,我们需要处理每个配置单元,并将解析后的值打印到控制台以进行解释。

Python代码

让我们看看如何为此目的使用Python代码-

首先,导入以下Python库-

from __future__ import print_function
from argparse import ArgumentParser

import datetime
import StringIO
import struct

from utility.pytskutil import TSKUtil
from Registry import Registry

现在,为命令行处理程序提供参数。在这里它将接受两个参数-第一个是证据文件的路径,第二个是证据文件的类型,如下所示-

if __name__ == '__main__':
   parser = argparse.ArgumentParser('Evidence from Windows Registry')
   parser.add_argument('EVIDENCE_FILE', help = "Path to evidence file")
   parser.add_argument('IMAGE_TYPE', help = "Evidence file format",
   choices = ('ewf', 'raw'))
   args = parser.parse_args()
   main(args.EVIDENCE_FILE, args.IMAGE_TYPE)

现在,我们将定义main()函数,用于在/ Windows / System32 / config文件夹中搜索SYSTEMSOFTWARE配置单元,如下所示-

def main(evidence, image_type):
   tsk_util = TSKUtil(evidence, image_type)
   tsk_system_hive = tsk_util.recurse_files('system', '/Windows/system32/config', 'equals')
   tsk_software_hive = tsk_util.recurse_files('software', '/Windows/system32/config', 'equals')
   system_hive = open_file_as_reg(tsk_system_hive[0][2])
   software_hive = open_file_as_reg(tsk_software_hive[0][2])
   process_system_hive(system_hive)
   process_software_hive(software_hive)

现在,定义用于打开注册表文件的函数。为此,我们需要从pytsk元数据收集文件的大小,如下所示:

def open_file_as_reg(reg_file):
   file_size = reg_file.info.meta.size
   file_content = reg_file.read_random(0, file_size)
   file_like_obj = StringIO.StringIO(file_content)
   return Registry.Registry(file_like_obj)

现在,借助以下方法,我们可以处理SYSTEM> hive-

def process_system_hive(hive):
   root = hive.root()
   current_control_set = root.find_key("Select").value("Current").value()
   control_set = root.find_key("ControlSet{:03d}".format(current_control_set))
   raw_shutdown_time = struct.unpack(
      '

现在,我们需要定义一个将解释后的整数转换为格式化日期和时间的函数,如下所示:

def parse_windows_filetime(date_value):
   microseconds = float(date_value) / 10
   ts = datetime.datetime(1601, 1, 1) + datetime.timedelta(microseconds = microseconds)
   return ts.strftime('%Y-%m-%d %H:%M:%S.%f')

def parse_unix_epoch(date_value):
   ts = datetime.datetime.fromtimestamp(date_value)
   return ts.strftime('%Y-%m-%d %H:%M:%S.%f')

现在,借助以下方法,我们可以处理SOFTWARE配置单元-

def process_software_hive(hive):
   root = hive.root()
   nt_curr_ver = root.find_key("Microsoft").find_key("Windows NT")
      .find_key("CurrentVersion")
   
   print("Product name: {}".format(nt_curr_ver.value("ProductName").value()))
   print("CSD Version: {}".format(nt_curr_ver.value("CSDVersion").value()))
   print("Current Build: {}".format(nt_curr_ver.value("CurrentBuild").value()))
   print("Registered Owner: {}".format(nt_curr_ver.value("RegisteredOwner").value()))
   print("Registered Org: 
      {}".format(nt_curr_ver.value("RegisteredOrganization").value()))
   
   raw_install_date = nt_curr_ver.value("InstallDate").value()
   install_date = parse_unix_epoch(raw_install_date)
   print("Installation Date: {}".format(install_date))

运行上述脚本后,我们将获得存储在Windows注册表文件中的元数据。