diy malware analysis with minibis
play

DIY Malware Analysis with Minibis Christian Wojner, L. Aaron Kaplan - PowerPoint PPT Presentation

Mar 06, 2024 •433 likes •898 views

DIY Malware Analysis with Minibis Christian Wojner, L. Aaron Kaplan ({wojner,kaplan}@cert.at) 2010/11/22 1 * who knows minibis * who uses minibis? Overview 1. Overview 2. About CERT.at: our tools

  1. DIY Malware Analysis with Minibis Christian Wojner, L. Aaron Kaplan ({wojner,kaplan}@cert.at) 2010/11/22 1 * ¡who ¡knows ¡minibis * ¡who ¡uses ¡minibis?

  2. Overview 1. ¡Overview 2. ¡About ¡CERT.at: ¡our ¡tools ¡and ¡services 3. ¡Minibis 4. ¡Minibis ¡ApplicaKons 5. ¡Future 2010/11/22 {wojner,kaplan}@cert.at

  3. Overview 1. ¡last ¡minute ¡schedule ¡change 2. ¡This ¡talk ¡is ¡a ¡ preview ¡of ¡the ¡Minibis ¡talk ¡at ¡ FIRST2011. 3. ¡Minibis ¡2.1b ¡works, ¡is ¡downloadable ¡for ¡ free ¡and ¡we ¡use ¡it ¡ourselves 2010/11/22 {wojner,kaplan}@cert.at

  4. Overview CERT.at 2010/11/22 {wojner,kaplan}@cert.at

  5. Overview CERT.at • naKonal ¡CERT ¡for ¡Austria ¡since ¡2008 • cooperaKon ¡with ¡chancellory ¡of ¡Austria: ¡ GovCERT.gv.at • “Feuerwehr” ¡(fire ¡brigade) ¡ ¡for ¡the ¡ Internet ¡of ¡Austria • CERT.at ¡is ¡a ¡project ¡of ¡NIC.at ¡(AT ¡registry) 2010/11/22 {wojner,kaplan}@cert.at

  6. Overview CERT.at - Services 2010/11/22 {wojner,kaplan}@cert.at

  7. Overview CERT.at - Services 2010/11/22 {wojner,kaplan}@cert.at

  8. Overview CERT.at - Services 2010/11/22 {wojner,kaplan}@cert.at

  9. Overview CERT.at - Services 2010/11/22 {wojner,kaplan}@cert.at

  10. Overview CERT.at - Services 2010/11/22 {wojner,kaplan}@cert.at

  11. Overview CERT.at - Services • regular ¡trainings ¡(TRANSITs, ¡“IT ¡Security ¡ StammKsch”) • Warning@lists.cert.at ¡ML • Discuss@lists.cert.at ¡ML • Purpose: ¡informaKon ¡hub ¡for ¡IT ¡Security ¡ incidents • We ¡are ¡ not ¡the ¡police 2010/11/22 {wojner,kaplan}@cert.at

  12. Overview CERT.at - Contact 2010/11/22 {wojner,kaplan}@cert.at

  13. DYI mass malware analysis with Minibis 2010/11/22 {wojner,kaplan}@cert.at

  14. Minibis - History 1. ¡Our ¡inspiraKon: ¡ Anubis ¡= ¡“ An alyzing ¡ u nknown ¡ bi naries” 2. ¡we ¡needed ¡some ¡ offline ¡ analysis ¡ capabiliKes 3. ¡License ¡costs/Kme ¡ issue 2010/11/22 {wojner,kaplan}@cert.at

  15. Anubis screenshot (credits: iseclab) credits: ¡iseclab 2010/11/22 {wojner,kaplan}@cert.at

  16. Minibis - Motivation • Problem: ¡malware ¡can ¡check ¡if ¡it ¡runs ¡on ¡the ¡ Anubis ¡server ¡(via ¡IP ¡addr) • hbp://avtracker.info • We ¡run ¡on ¡$IP ¡;-­‑) ¡ • ... ¡or ¡not ¡connected ¡to ¡the ¡network ¡at ¡all • ... ¡or ¡(potenKally) ¡connected ¡to ¡a ¡honeynet • license: ¡ISCL ¡ ¡(~ ¡BSD ¡license) • actually, ¡it ¡was ¡a ¡proof ¡of ¡concept: ¡does ¡malware ¡ check ¡for ¡virtualizaKon? 2010/11/22 {wojner,kaplan}@cert.at

  17. Minibis - Evolution 2010/11/22 {wojner,kaplan}@cert.at

  18. Minibis - Evolution 2010/11/22 {wojner,kaplan}@cert.at

  19. Minibis - Basic Idea 2010/11/22 {wojner,kaplan}@cert.at

  20. Behavorial Analysis Steps 1. ¡Prepare ¡system ¡(virtual ¡machine) ¡with ¡monitoring ¡ tools 2. ¡Transfer ¡sample ¡to ¡virtual ¡machine 3. ¡Start ¡up ¡monitoring ¡tools ¡in ¡the ¡VM 4. ¡Run ¡sample 5. ¡Give ¡sample ¡some ¡Kme ¡to ¡do ¡nasty ¡things 6. ¡Save ¡monitoring ¡logs ¡and ¡transfer ¡them ¡back 7. ¡Analyze ¡logs 8. ¡(Revert ¡VM) 2010/11/22 {wojner,kaplan}@cert.at

  21. Minibis - Architectural Concept 2010/11/22 {wojner,kaplan}@cert.at

  22. Minibis - Architectural Concept (2) 2010/11/22 {wojner,kaplan}@cert.at CPR = controller process researcher CPP = controller process proband

  23. Architectural Concept (3) color legend: tab researcher tab Proband tab sample type postminibis plugins 2010/11/22 {wojner,kaplan}@cert.at

  24. Architectural Concept (3) minibis-gui: for configuration, progress/status view color legend: tab researcher tab Proband tab sample type postminibis plugins 2010/11/22 {wojner,kaplan}@cert.at

  25. Architectural Concept (3) minibis-cpr: “controller process of researcher” color legend: tab researcher tab Proband tab sample type postminibis plugins 2010/11/22 {wojner,kaplan}@cert.at

  26. Architectural Concept (3) minibis-cpp: “controller process of proband” color legend: tab researcher tab Proband tab sample type postminibis plugins 2010/11/22 {wojner,kaplan}@cert.at

  27. Architectural Concept (3) postminibis: log file classification/ interpretation color legend: tab researcher tab Proband tab sample type postminibis plugins 2010/11/22 {wojner,kaplan}@cert.at

  28. Walkthrough - Main screen 2010/11/22 {wojner,kaplan}@cert.at

  29. Walkthrough - Config->General 2010/11/22 {wojner,kaplan}@cert.at

  30. Walkthrough - Config->Researcher 2010/11/22 {wojner,kaplan}@cert.at

  31. Walkthrough - Config->Proband 2010/11/22 {wojner,kaplan}@cert.at

  32. Walkthrough - Config->Sample Types 2010/11/22 {wojner,kaplan}@cert.at

  33. Walkthrough - Config->Sample Types 2010/11/22 {wojner,kaplan}@cert.at

  34. Output directory organization ¡ filename ¡= ¡“$md5++internal_vmid+sample_type++resulmile Result ¡folder ¡(based ¡on ¡config)/ ¡ ¡|-­‑ ¡ YYYY / ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡|-­‑-­‑ ¡ MM / ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡|-­‑ ¡ DD / ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡|-­‑ ¡ HHMISS / ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡|-­‑ ¡ filename 2010/11/22 {wojner,kaplan}@cert.at

  35. postminibis • Analyse ¡results, ¡classify ¡(alert, ¡warning, ¡info ¡level) • extensible ¡via ¡shell ¡scripKng ¡for ¡any ¡log ¡file ¡coming ¡out ¡of ¡ Minibis • toolset ¡for ¡interpretaKon ¡of ¡ result ¡files $ postminibis \ /minibis/2010/11/24/171328/| \ grep ";a;" 2010/11/22 {wojner,kaplan}@cert.at dient zur analyse der ergebnis files und zur klassifikation der alert/warning/info levels Weiters: es ist mittels shell script plugins beliebig erweiterbar fuer beliebie analyse output files von minibis * scriptable * must parse CSV syntax * toolset for interpretation of result files

  36. Typical output of postminibis • d407ebf73d25715050bea07fdbfb76a5;2010/11/24-16:15:27; ;a;Se tting autostart-registry-key "HKLM\SOFTWARE\Microsoft\Windows \CurrentVersion\RunServices\Microsoft Update 32" => ,"SUCCESS","Type: REG_SZ, Length: 24, Data: network.exe " 2010/11/22 {wojner,kaplan}@cert.at

  37. Typical output of postminibis • d407ebf73d25715050bea07fdbfb76a5;2010/11/24-16:15:27; ;a;Se tting autostart-registry-key "HKLM\SOFTWARE\Microsoft\Windows \CurrentVersion\RunServices\Microsoft Update 32" => ,"SUCCESS","Type: REG_SZ, Length: 24, Data: network.exe " 2010/11/22 {wojner,kaplan}@cert.at

  38. Typical output of postminibis • d407ebf73d25715050bea07fdbfb76a5;2010/11/24-16:15:27; ;a;Se tting autostart-registry-key "HKLM\SOFTWARE\Microsoft\Windows \CurrentVersion\RunServices\Microsoft Update 32" => ,"SUCCESS","Type: REG_SZ, Length: 24, Data: network.exe " 2010/11/22 {wojner,kaplan}@cert.at

  39. Typical output of postminibis • d407ebf73d25715050bea07fdbfb76a5;2010/11/24-16:15:27; ;a;Se tting autostart-registry-key "HKLM\SOFTWARE\Microsoft\Windows \CurrentVersion\RunServices\Microsoft Update 32" => ,"SUCCESS","Type: REG_SZ, Length: 24, Data: network.exe " 2010/11/22 {wojner,kaplan}@cert.at

  40. Typical output of postminibis • d407ebf73d25715050bea07fdbfb76a5;2010/11/24-16:15:27; ;a;Se tting autostart-registry-key "HKLM\SOFTWARE\Microsoft\Windows \CurrentVersion\RunServices\Microsoft Update 32" => ,"SUCCESS","Type: REG_SZ, Length: 24, Data: network.exe " 2010/11/22 {wojner,kaplan}@cert.at

  41. Example for interpreting results Top-5 of most-used autorun-registrykeys for 3000 samples $./postminibis ~/Minibis/Results/2010/11/10/120000/ | grep ";a;" | grep "registry" | cut -d\; -f 5 | cut -f 2 -d'"' | sort | uniq - -c | sort -rn 1161 HKLM\SOFTWARE\Microsoft\Windows\ CurrentVersion\Run 887 HKLM\System\CurrentControlSet\ Services 113 HKCU\Software\Microsoft\Windows\ CurrentVersion\Run 101 HKLM\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Winlogon\Userinit 85 HKLM\Software\Microsoft\Windows\ CurrentVersion\Explorer\Browser Helper Objects 2010/11/22 {wojner,kaplan}@cert.at

  42. Future • ParallelizaKon • Diffs ¡over ¡different ¡VM ¡configuraKons ¡(browser, ¡windows ¡version, ¡etc) • GUI ¡for ¡postminibis ¡ • Installer • Support ¡for ¡more ¡VMs ¡(VMWare, ¡ Qemu) • 64 ¡Bit ¡Linux ¡version, ¡OS ¡X ¡version • Support ¡for ¡physical ¡machines ¡(data ¡ recovery ¡cards) • Support ¡GUI ¡based ¡tools ¡in ¡VM • More ¡sample ¡scripts • Community... 2010/11/22 {wojner,kaplan}@cert.at

  43. Community 2010/11/22 {wojner,kaplan}@cert.at

Recommend

Entrapment: Tricking Malware with Transparent, Scalable Malware Analysis Paul Royal

Entrapment: Tricking Malware with Transparent, Scalable Malware Analysis Paul Royal

Entrapment: Tricking Malware with Transparent, Scalable Malware Analysis Paul Royal paul@gtisc.gatech.edu Agenda Modern Malware Obfuscations, Server-side Polymorphism, Collection Volume Malware Analysis Detection

504 views • 27 slides
GOODWARE DRUGS FOR MALWARE: ON-THE-FLY MALWARE ANALYSIS AND CONTAINMENT DAMIANO BOLZONI

GOODWARE DRUGS FOR MALWARE: ON-THE-FLY MALWARE ANALYSIS AND CONTAINMENT DAMIANO BOLZONI

GOODWARE DRUGS FOR MALWARE: ON-THE-FLY MALWARE ANALYSIS AND CONTAINMENT DAMIANO BOLZONI CHRISTIAAN SCHADE TWENTE SECURITY LAB UNIVERSITY OF TWENTE THE NETHERLANDS AGENDA Something about malware Malware internals Current analysis

398 views • 27 slides
Android Malware Analysis on Attacks and Defense Android malware Android malware With the

Android Malware Analysis on Attacks and Defense Android malware Android malware With the

Android Malware Analysis on Attacks and Defense Android malware Android malware With the explosive growth of mobile device market and usage, there is an increasing number of malicious mobile applications targeting these devices and

819 views • 44 slides
Getting started with malware analysis Judith van Stegeren Definitions Malware : any software that

Getting started with malware analysis Judith van Stegeren Definitions Malware : any software that

Getting started with malware analysis Judith van Stegeren Definitions Malware : any software that does something that causes harm to a user, computer or network, including viruses, trojan horses, worms, rootkits, scareware and spyware. Malware

119 views • 9 slides
A CUCKOOS EGG IN THE MALWARE NEST ON-THE-FLY SIGNATURE-LESS MALWARE ANALYSIS, DETECTION AND

A CUCKOOS EGG IN THE MALWARE NEST ON-THE-FLY SIGNATURE-LESS MALWARE ANALYSIS, DETECTION AND

A CUCKOOS EGG IN THE MALWARE NEST ON-THE-FLY SIGNATURE-LESS MALWARE ANALYSIS, DETECTION AND CONTAINMENT FOR LARGE NETWORKS CHRISTIAAN SCHADE TWENTE SECURITY LAB UNIVERSITY OF TWENTE THE NETHERLANDS MALWARE WARS In the last

313 views • 14 slides
Impeding Automated Malware Analysis with Environment-sensitive Malware Chengyu Song , Paul Royal

Impeding Automated Malware Analysis with Environment-sensitive Malware Chengyu Song , Paul Royal

Impeding Automated Malware Analysis with Environment-sensitive Malware Chengyu Song , Paul Royal and Wenke Lee College of Computing Georgia Institute of Technology Agenda l Background l Defeating Automated Malware Analysis Host

1.28k views • 28 slides
CS7038 - Malware Analysis - Wk07.2 Malware Research Online Coleman Kane kaneca@mail.uc.edu

CS7038 - Malware Analysis - Wk07.2 Malware Research Online Coleman Kane kaneca@mail.uc.edu

CS7038 - Malware Analysis - Wk07.2 Malware Research Online Coleman Kane kaneca@mail.uc.edu February 22, 2018 Exploring the Online Ecosystem One nice aspect of malware analysis is that, since much of it originates online and

119 views • 10 slides
CS7038 - Malware Analysis - Wk03.1 Malware Taxonomy and Terminology Coleman Kane

CS7038 - Malware Analysis - Wk03.1 Malware Taxonomy and Terminology Coleman Kane

CS7038 - Malware Analysis - Wk03.1 Malware Taxonomy and Terminology Coleman Kane kaneca@mail.uc.edu January 24, 2017 Why Classification is Important Malware classification helps us in multiple ways. Here are a couple key ways:

787 views • 16 slides
MazeWalker Enriching static malware analysis and more Yevgeny Kulakov @p_h_0_e_n_i_x About Me

MazeWalker Enriching static malware analysis and more Yevgeny Kulakov @p_h_0_e_n_i_x About Me

MazeWalker Enriching static malware analysis and more Yevgeny Kulakov @p_h_0_e_n_i_x About Me Malware RE @ Trusteer, IBM, Seculert binary analysis automation sandbox development Now in vEYE Security on software container

591 views • 48 slides
How does Malware Use RDTSC? A Study on Operations Executed by Malware with CPU Cycle Measurement

How does Malware Use RDTSC? A Study on Operations Executed by Malware with CPU Cycle Measurement

How does Malware Use RDTSC? A Study on Operations Executed by Malware with CPU Cycle Measurement Yoshihiro Oyama University of Tsukuba 1 Background Many malware programs execute operations for analysis evasion Detection of

346 views • 31 slides
Malware Halting 1. Malware 2. Software diversity Part I: Method Development 3. Computer

Malware Halting 1. Malware 2. Software diversity Part I: Method Development 3. Computer

Overview Malware Halting 1. Malware 2. Software diversity Part I: Method Development 3. Computer immunization Kjell Jrgen Hole Simula@UiB 4. Epidemiological model 5. Malware halting analysis 6. Malware halting method Last updated

672 views • 29 slides
Examples of modern malware Malware Analysis Seminar Meeting 7 Cody Cutler, Anton Burtsev

Examples of modern malware Malware Analysis Seminar Meeting 7 Cody Cutler, Anton Burtsev

Examples of modern malware Malware Analysis Seminar Meeting 7 Cody Cutler, Anton Burtsev Stuxnet (2009) Organization Core a large .dll file 2 encrypted configuration files Dropper component Core in a stub section

703 views • 43 slides
T owards Network Containment in Malware Analysis Systems Mariano Graziano, Corrado Leita, Davide

T owards Network Containment in Malware Analysis Systems Mariano Graziano, Corrado Leita, Davide

T owards Network Containment in Malware Analysis Systems Mariano Graziano, Corrado Leita, Davide Balzarotti ACSAC, Orlando, Florida, 3-7 December 2012 Malware Analysis Scenario Analysis based on Sandboxes (API Hooking, Emulation)

798 views • 23 slides
Anti-anti-malware (part 3) / Stack Smashing 1 last time various kinds of armored malware

Anti-anti-malware (part 3) / Stack Smashing 1 last time various kinds of armored malware

Anti-anti-malware (part 3) / Stack Smashing 1 last time various kinds of armored malware malware that evades analysis 2 logistics: LEX homework detect push ret pattern using fmex probably easier than TRICKY 3 upcoming exam next Wednesday

496 views • 48 slides
Malware analysis using visualized images and entropy graphs Kyoung Soo Han Jae Hyun Lim

Malware analysis using visualized images and entropy graphs Kyoung Soo Han Jae Hyun Lim

Malware analysis using visualized images and entropy graphs Kyoung Soo Han Jae Hyun Lim Boojoong Kang Eul Gyu Im Presented by Ruikai Zheng CISC850 Cyber Analytics 1.Introduction Malware variants developed using automated tools

206 views • 20 slides
Agenda What is Cyber Threat Intelligence (CTI) Sandbox Malware analysis Debugger

Agenda What is Cyber Threat Intelligence (CTI) Sandbox Malware analysis Debugger

PUBLIC Agenda What is Cyber Threat Intelligence (CTI) Sandbox Malware analysis Debugger Malware analysis Static RE with IDA pro Arme suisse EPFL 2019 2 Base daide au commandement BAC Applied Cyber Threat Intelligence

765 views • 63 slides
Helping Johnny To Analyze Malware : A Usability-Optimized Decompiler and Malware Analysis User

Helping Johnny To Analyze Malware : A Usability-Optimized Decompiler and Malware Analysis User

Helping Johnny To Analyze Malware : A Usability-Optimized Decompiler and Malware Analysis User Study Khaled Yakdan Sergej Dechand Matthew Smith Elmar Gerhards-Padilla Fraunhofer FKIE University of Bonn University of Bonn University of Bonn

426 views • 19 slides
A Survey On Automated Dynamic Malware Analysis Evasion and Counter-Evasion: PC, Mobile, and Web

A Survey On Automated Dynamic Malware Analysis Evasion and Counter-Evasion: PC, Mobile, and Web

A Survey On Automated Dynamic Malware Analysis Evasion and Counter-Evasion: PC, Mobile, and Web Alexei Bulazel & Blent Yener River Loop Security Rensselaer Polytechnic Institute (RPI) Introduction Automated dynamic malware analysis is

684 views • 33 slides
Apposcopy: Semantics- Based Detection of Android Malware through Static Analysis By Feng et al

Apposcopy: Semantics- Based Detection of Android Malware through Static Analysis By Feng et al

Apposcopy: Semantics- Based Detection of Android Malware through Static Analysis By Feng et al [FSE 14] Presented by Maaz Ahmad The Malware Problem (Feb, 2015) Motive Security Labs estimates 16 million infected mobile devices. [1]

828 views • 30 slides
Machine Learning for Malware Analysis Mike Slawinski Data Scientist Introduction - What is

Machine Learning for Malware Analysis Mike Slawinski Data Scientist Introduction - What is

Machine Learning for Malware Analysis Mike Slawinski Data Scientist Introduction - What is Malware? - Software intended to cause harm or inflict damage on computer systems - Many different kinds: - Adware/Spyware - Backdoors - Viruses

383 views • 26 slides
Machine Learning for Malware Analysis Andrew Davis Data Scientist Introduction - What is

Machine Learning for Malware Analysis Andrew Davis Data Scientist Introduction - What is

Machine Learning for Malware Analysis Andrew Davis Data Scientist Introduction - What is Malware? - Software intended to cause harm or inflict damage on computer systems - Many different kinds: - Viruses - Adware/Spyware - Backdoors -

904 views • 30 slides
Automatic Analysis of Malware Behavior using Machine Learning Konrad Rieck, Philipp Trinius,

Automatic Analysis of Malware Behavior using Machine Learning Konrad Rieck, Philipp Trinius,

Automatic Analysis of Malware Behavior using Machine Learning Konrad Rieck, Philipp Trinius, Carsten Willems, Thorsten Holz Peng Su CISC850 Cyber Analytics CISC850 Cyber Analytics Automatic Analysis of Malware Behavior Malware threaten

451 views • 25 slides
Malware Analysis Using Visualized Image Matrices Tzu-Ming Huang CISC850 Cyber Analy@cs CISC850

Malware Analysis Using Visualized Image Matrices Tzu-Ming Huang CISC850 Cyber Analy@cs CISC850

Malware Analysis Using Visualized Image Matrices Tzu-Ming Huang CISC850 Cyber Analy@cs CISC850 Cyber Analy@cs Overview malware visual analysis method convert binary files into images Reduce computa@on major block

805 views • 22 slides
Research: Threat Intelligence & Malware Infrastructures Andrea Lanzi: andrea.lanzi@unimi.it

Research: Threat Intelligence & Malware Infrastructures Andrea Lanzi: andrea.lanzi@unimi.it

Malware Analysis Research: Threat Intelligence & Malware Infrastructures Andrea Lanzi: andrea.lanzi@unimi.it May, 3 2017 Andrea Lanzi: andrea.lanzi@unimi.it Malware Analysis Malware Analysis Malicious Infrastruture Who am I? My

380 views • 18 slides

More recommend