AurelioAvila/malware-triage-hash
GitHub: AurelioAvila/malware-triage-hash
基于 Python 和 Microsoft Sentinel 的恶意软件哈希分类项目,模拟 Tier 1 SOC 分析师从哈希提取到威胁狩猎的完整事件响应工作流。
Stars: 0 | Forks: 0
# SOC 实验室 — 基于哈希的恶意软件分类
## 场景
终端上发现一个可疑的可执行文件 (`updater.exe`)。
该文件已使用 VirusTotal 威胁情报
和自定义的 Microsoft Sentinel KQL 检测规则提交进行基于哈希的分类。
## 目标
模拟真实的 Tier 1 SOC 分析师工作流:
1. 提取可疑文件的 SHA256 哈希值
2. 查询 VirusTotal 获取威胁情报
3. 使用 Microsoft Sentinel (KQL) 在终端中搜寻该哈希值
4. 生成包含结论和建议的事件报告
## 使用的工具
- Python 3 — 通过 VirusTotal API 自动进行哈希查询
- Microsoft Sentinel — KQL 检测规则
- VirusTotal API — 威胁情报
- MalwareBazaar — 恶意软件样本数据库
## 环境
- Microsoft Azure (免费层)
- Log Analytics Workspace: soc-lab-workspace
- Sentinel 工作区已关联到 Azure 订阅
## 调查步骤
### 步骤 1 — 告警
在终端上检测到可疑文件 `updater.exe`。
**SHA256:** `8bcc3b9c9bdb8b4859317026c8361fcf151963cdc2e8c09bfd5d0b9fdd6cc258`
### 步骤 2 — 哈希查询 (Python + VirusTotal)
运行 `hash_lookup.py` 以查询 VirusTotal API。
**结果:**
- 检出率: 11/76 个引擎
- 威胁标签: `dropper.filerepmalware/misc`
- 结论: **恶意 (MALICIOUS)**
### 步骤 3 — KQL 检测规则 (Microsoft Sentinel)
查询 SecurityEvent 日志,以查找涉及该恶意哈希的任何进程执行记录。
```
let malicious_hash = "8bcc3b9c9bdb8b4859317026c8361fcf151963cdc2e8c09bfd5d0b9fdd6cc258";
SecurityEvent
| where EventID == 4688
| where CommandLine has malicious_hash
or ParentProcessName has malicious_hash
| project TimeGenerated, Computer, Account, NewProcessName, CommandLine, ParentProcessName
| order by TimeGenerated desc
```
### 步骤 4 — 结论
文件被确认为 **dropper** —— 一种旨在下载并执行
额外有效载荷的恶意软件。建议立即升级处理。
## 🎯 MITRE ATT&CK 映射
| 技术 | ID | 战术 |
|-----------|-----|--------|
| 混淆文件或信息 | [T1027](https://attack.mitre.org/techniques/T1027/) | 防御规避 (TA0005) |
| 用户执行:恶意文件 | [T1204.002](https://attack.mitre.org/techniques/T1204/002/) | 执行 (TA0002) |
| 入口工具传输 | [T1105](https://attack.mitre.org/techniques/T1105/) | 命令与控制 (TA0011) |
## 📸 证据
**Python 分类输出 — VirusTotal API 响应:**

**Microsoft Sentinel — KQL 检测查询:**

## 建议
1. 立即隔离受影响的终端
2. 在 EDR 和边界网络层面封锁该哈希值
3. 搜寻来自受影响主机的横向移动痕迹
4. 检查持久化机制(计划任务、注册表键)
## 我学到了什么
- 如何使用 Python 和 VirusTotal API 自动化威胁情报查询
- 如何在 Microsoft Sentinel 中编写 KQL 检测规则
- 真实的 Tier 1 SOC 恶意软件分类工作流端到端是如何运作的
## 免责声明
本项目仅用于教育和作品集展示目的。
未涉及任何生产系统或敏感数据。
## 🔗 相关项目
| 项目 | 描述 |
|---------|-------------|
| [soc-home-lab](https://github.com/AurelioAvila/soc-home-lab) | 使用 Microsoft Sentinel 和 Wazuh 的端到端 SOC 实验室 |
| [splunk-brute-force-detection](https://github.com/AurelioAvila/splunk-brute-force-detection) | 使用 Splunk SPL 进行暴力破解检测 |
| [phishing-email-analysis](https://github.com/AurelioAvila/phishing-email-analysis) | 电子邮件头部解析器和 IOC 提取器 |
标签:Ask搜索, Azure安全, DAST, dropper, KQL, MalwareBazaar, Microsoft Sentinel, Python自动化, SHA256, SOC实验室, Tier 1 SOC, VirusTotal, 事件响应报告, 初级分析师模拟, 哈希分析, 威胁情报, 安全事件响应, 开发者工具, 恶意文件检测, 恶意样本分析, 恶意软件分析, 搜索语句(dork), 端点安全, 网络信息收集, 网络安全, 网络安全实验, 补丁管理, 隐私保护