Python Digital Network Forensics-I
W tym rozdziale wyjaśniono podstawy związane z przeprowadzaniem analizy kryminalistycznej sieci przy użyciu języka Python.
Zrozumieć Network Forensics
Kryminalistyka sieci to gałąź kryminalistyki cyfrowej, która zajmuje się monitorowaniem i analizą ruchu w sieci komputerowej, zarówno lokalnej, jak i WAN (sieci rozległej), w celu gromadzenia informacji, gromadzenia dowodów lub wykrywania włamań. Kryminalistyka sieci odgrywa kluczową rolę w badaniu przestępstw cyfrowych, takich jak kradzież własności intelektualnej lub wyciek informacji. Obraz komunikacji sieciowej pomaga badaczowi rozwiązać kilka kluczowych pytań w następujący sposób:
Jakie strony internetowe odwiedzono?
Jakie treści zostały przesłane do naszej sieci?
Jakie treści zostały pobrane z naszej sieci?
Do jakich serwerów uzyskuje się dostęp?
Czy ktoś wysyła poufne informacje poza zapory firmowe?
Internetowa wyszukiwarka dowodów (IEF)
IEF to cyfrowe narzędzie kryminalistyczne do znajdowania, analizowania i przedstawiania dowodów cyfrowych znajdujących się na różnych nośnikach cyfrowych, takich jak komputer, smartfony, tablety itp. Jest bardzo popularne i używane przez tysiące specjalistów medycyny sądowej.
Korzystanie z IEF
Ze względu na swoją popularność IEF jest w dużym stopniu używany przez kryminalistów. Niektóre zastosowania IEF są następujące:
Ze względu na potężne możliwości wyszukiwania służy do jednoczesnego przeszukiwania wielu plików lub nośników danych.
Służy również do odzyskiwania usuniętych danych z nieprzydzielonego miejsca w pamięci RAM za pomocą nowych technik rzeźbienia.
Jeśli badacze chcą odbudować strony internetowe w ich oryginalnym formacie w dniu ich otwarcia, mogą użyć IEF.
Służy również do wyszukiwania woluminów dysków logicznych lub fizycznych.
Zrzut raportów z IEF do CSV przy użyciu Pythona
IEF przechowuje dane w bazie danych SQLite, a następujący skrypt Pythona dynamicznie identyfikuje tabele wyników w bazie danych IEF i zrzuca je do odpowiednich plików CSV.
Ten proces odbywa się w krokach pokazanych poniżej
Najpierw wygeneruj bazę wyników IEF, która będzie plikiem bazy danych SQLite z rozszerzeniem .db.
Następnie przeprowadź zapytanie do tej bazy danych, aby zidentyfikować wszystkie tabele.
Na koniec zapisz te tabele wyników w oddzielnym pliku CSV.
Kod w Pythonie
Zobaczmy, jak w tym celu wykorzystać kod Pythona -
W przypadku skryptu Python zaimportuj niezbędne biblioteki w następujący sposób -
from __future__ import print_function
import argparse
import csv
import os
import sqlite3
import sysTeraz musimy podać ścieżkę do pliku bazy danych IEF -
if __name__ == '__main__':
parser = argparse.ArgumentParser('IEF to CSV')
parser.add_argument("IEF_DATABASE", help="Input IEF database")
parser.add_argument("OUTPUT_DIR", help="Output DIR")
args = parser.parse_args()Teraz potwierdzimy istnienie bazy danych IEF w następujący sposób -
if not os.path.exists(args.OUTPUT_DIR):
os.makedirs(args.OUTPUT_DIR)
if os.path.exists(args.IEF_DATABASE) and \ os.path.isfile(args.IEF_DATABASE):
main(args.IEF_DATABASE, args.OUTPUT_DIR)
else:
print("[-] Supplied input file {} does not exist or is not a " "file".format(args.IEF_DATABASE))
sys.exit(1)Teraz, tak jak to zrobiliśmy we wcześniejszych skryptach, połącz się z bazą danych SQLite w następujący sposób, aby wykonać zapytania za pomocą kursora -
def main(database, out_directory):
print("[+] Connecting to SQLite database")
conn = sqlite3.connect(database)
c = conn.cursor()Następujące wiersze kodu pobiorą nazwy tabel z bazy danych -
print("List of all tables to extract")
c.execute("select * from sqlite_master where type = 'table'")
tables = [x[2] for x in c.fetchall() if not x[2].startswith('_') and not x[2].endswith('_DATA')]Teraz wybierzemy wszystkie dane z tabeli i za pomocą fetchall() na obiekcie kursora zapiszemy listę krotek zawierających dane tabeli w całości w zmiennej -
print("Dumping {} tables to CSV files in {}".format(len(tables), out_directory))
for table in tables:
c.execute("pragma table_info('{}')".format(table))
table_columns = [x[1] for x in c.fetchall()]
c.execute("select * from '{}'".format(table))
table_data = c.fetchall()Teraz, używając CSV_Writer() metodę zapiszemy zawartość w pliku CSV -
csv_name = table + '.csv'
csv_path = os.path.join(out_directory, csv_name)
print('[+] Writing {} table to {} CSV file'.format(table,csv_name))
with open(csv_path, "w", newline = "") as csvfile:
csv_writer = csv.writer(csvfile)
csv_writer.writerow(table_columns)
csv_writer.writerows(table_data)Powyższy skrypt pobierze wszystkie dane z tabel bazy danych IEF i zapisze zawartość do wybranego przez nas pliku CSV.
Praca z danymi w pamięci podręcznej
Z bazy wyników IEF możemy pobrać więcej informacji, które niekoniecznie są obsługiwane przez sam IEF. Możemy pobrać dane z pamięci podręcznej, produkt bi do celów informacyjnych, od dostawcy usług poczty elektronicznej, takiego jak Yahoo, Google itp., Korzystając z bazy danych wyników IEF.
Poniżej znajduje się skrypt Pythona do uzyskiwania dostępu do informacji o danych w pamięci podręcznej z poczty Yahoo, dostępnej w przeglądarce Google Chrome, przy użyciu bazy danych IEF. Zwróć uwagę, że kroki byłyby mniej więcej takie same, jak w ostatnim skrypcie Pythona.
Najpierw zaimportuj niezbędne biblioteki dla Pythona w następujący sposób -
from __future__ import print_function
import argparse
import csv
import os
import sqlite3
import sys
import jsonTeraz podaj ścieżkę do pliku bazy danych IEF wraz z dwoma argumentami pozycyjnymi akceptowanymi przez program obsługi wiersza poleceń, tak jak to zrobiono w ostatnim skrypcie -
if __name__ == '__main__':
parser = argparse.ArgumentParser('IEF to CSV')
parser.add_argument("IEF_DATABASE", help="Input IEF database")
parser.add_argument("OUTPUT_DIR", help="Output DIR")
args = parser.parse_args()Teraz potwierdź istnienie bazy danych IEF w następujący sposób -
directory = os.path.dirname(args.OUTPUT_CSV)
if not os.path.exists(directory):os.makedirs(directory)
if os.path.exists(args.IEF_DATABASE) and \ os.path.isfile(args.IEF_DATABASE):
main(args.IEF_DATABASE, args.OUTPUT_CSV)
else: print("Supplied input file {} does not exist or is not a " "file".format(args.IEF_DATABASE))
sys.exit(1)Teraz nawiąż połączenie z bazą danych SQLite w następujący sposób, aby wykonać zapytania za pomocą kursora -
def main(database, out_csv):
print("[+] Connecting to SQLite database")
conn = sqlite3.connect(database)
c = conn.cursor()Możesz użyć następujących wierszy kodu, aby pobrać wystąpienia rekordu pamięci podręcznej kontaktów Yahoo Mail -
print("Querying IEF database for Yahoo Contact Fragments from " "the Chrome Cache Records Table")
try:
c.execute("select * from 'Chrome Cache Records' where URL like " "'https://data.mail.yahoo.com" "/classicab/v2/contacts/?format=json%'")
except sqlite3.OperationalError:
print("Received an error querying the database -- database may be" "corrupt or not have a Chrome Cache Records table")
sys.exit(2)Teraz lista krotek zwróconych z powyższego zapytania do zapisania w zmiennej w następujący sposób -
contact_cache = c.fetchall()
contact_data = process_contacts(contact_cache)
write_csv(contact_data, out_csv)Zauważ, że tutaj użyjemy dwóch metod, a mianowicie process_contacts() do konfigurowania listy wyników, a także iterowania przez każdy rekord pamięci podręcznej kontaktów i json.loads() do przechowywania danych JSON wyodrębnionych z tabeli w zmiennej w celu dalszej manipulacji -
def process_contacts(contact_cache):
print("[+] Processing {} cache files matching Yahoo contact cache " " data".format(len(contact_cache)))
results = []
for contact in contact_cache:
url = contact[0]
first_visit = contact[1]
last_visit = contact[2]
last_sync = contact[3]
loc = contact[8]
contact_json = json.loads(contact[7].decode())
total_contacts = contact_json["total"]
total_count = contact_json["count"]
if "contacts" not in contact_json:
continue
for c in contact_json["contacts"]:
name, anni, bday, emails, phones, links = ("", "", "", "", "", "")
if "name" in c:
name = c["name"]["givenName"] + " " + \ c["name"]["middleName"] + " " + c["name"]["familyName"]
if "anniversary" in c:
anni = c["anniversary"]["month"] + \"/" + c["anniversary"]["day"] + "/" + \c["anniversary"]["year"]
if "birthday" in c:
bday = c["birthday"]["month"] + "/" + \c["birthday"]["day"] + "/" + c["birthday"]["year"]
if "emails" in c:
emails = ', '.join([x["ep"] for x in c["emails"]])
if "phones" in c:
phones = ', '.join([x["ep"] for x in c["phones"]])
if "links" in c:
links = ', '.join([x["ep"] for x in c["links"]])Teraz w przypadku firmy, tytułu i notatek używana jest metoda get, jak pokazano poniżej -
company = c.get("company", "")
title = c.get("jobTitle", "")
notes = c.get("notes", "")Teraz dołączmy listę metadanych i wyodrębnionych elementów danych do listy wyników w następujący sposób -
results.append([url, first_visit, last_visit, last_sync, loc, name, bday,anni, emails, phones, links, company, title, notes,total_contacts, total_count])
return resultsTeraz, używając CSV_Writer() metodę, zapiszemy zawartość w pliku CSV -
def write_csv(data, output):
print("[+] Writing {} contacts to {}".format(len(data), output))
with open(output, "w", newline="") as csvfile:
csv_writer = csv.writer(csvfile)
csv_writer.writerow([
"URL", "First Visit (UTC)", "Last Visit (UTC)",
"Last Sync (UTC)", "Location", "Contact Name", "Bday",
"Anniversary", "Emails", "Phones", "Links", "Company", "Title",
"Notes", "Total Contacts", "Count of Contacts in Cache"])
csv_writer.writerows(data)Za pomocą powyższego skryptu możemy przetwarzać buforowane dane z poczty Yahoo za pomocą bazy danych IEF.