AbinManikandan/Cybersecurity-Task5-Digital-Forensics-Investigation
GitHub: AbinManikandan/Cybersecurity-Task5-Digital-Forensics-Investigation
一个数字取证调查教学项目，通过哈希验证、静态分析和威胁情报查询演示恶意文件分析的基本流程。
Stars: 0 | Forks: 0
# 任务 5 – 数字取证调查
## 网络安全实习项目
## 项目概述
本项目展示了在网络安全实习培训中，对可疑文件进行的数字取证调查过程。
其目标是安全地分析潜在恶意文件，同时保持取证完整性并识别失陷指标。
## 目标
- 使用 SHA-256 哈希验证文件完整性
- 在不执行文件的情况下进行静态分析
- 检测可疑指标
- 使用威胁情报平台验证发现的结果
## 调查环境
- Kali Linux (虚拟机)
- 隔离的实验环境
- 静态取证分析
## 所用工具
- sha256sum
- strings
- VirusTotal
## 调查工作流
### 1. 哈希验证
sha256sum suspicious_download.zip
### 2. 静态分析
strings suspicious_download.zip
strings suspicious_download.zip | grep -i eicar
### 3. 恶意软件情报验证
使用 VirusTotal 多引擎扫描对文件进行分析。
## 证据
| 截图 | 描述 |
|---|---|
| 截图 1 | 哈希验证 |
| 截图 2 | 字符串分析 |
| 截图 3 | VirusTotal 检测 |
## 关键发现
- 检测到可疑指标
- 确认了杀毒软件检测
- 保持了取证完整性
- 遵循了安全的分析方法论
## 道德声明
本调查使用了标准化的 EICAR 杀毒测试文件来模拟可疑样本，仅用于教育目的和经授权的网络安全培训。
标签：Ask搜索, DAST, EICAR 测试文件, IoC, SHA-256 哈希验证, VirusTotal, 云安全监控, 入侵指标, 妥协指标分析, 威胁情报, 字符串提取, 实习项目, 开发者工具, 恶意文件检测, 恶意软件分析, 数字 forensics, 数字取证, 文件分析, 文件完整性校验, 漏洞修复, 病毒扫描, 网络安全培训, 网络安全实验室, 网络安全教育, 自动化脚本, 虚拟机环境, 静态分析, 黑名单校验