Subodhkumar232/Malware-Analysis-Fundamentals
GitHub: Subodhkumar232/Malware-Analysis-Fundamentals
一个基于 VirusTotal 的恶意软件静态分析教学项目,演示如何在不执行样本的情况下识别恶意特征并提取入侵指标。
Stars: 0 | Forks: 0
# 恶意软件分析基础
## 概述
本项目演示了使用 VirusTotal 进行恶意软件分析的基础知识。目标是在不执行样本的情况下,分析恶意软件样本,识别其特征,并提取入侵指标。
## 目标
* 理解恶意软件分析概念
* 使用 VirusTotal 执行静态分析
* 识别恶意软件指标
* 提取入侵指标
## 使用的工具
* VirusTotal
* Web 浏览器
* GitHub
## 分析过程
### 1. 恶意软件样本识别
通过查看其检测结果和文件信息,使用 VirusTotal 对恶意软件样本进行了分析。
### 2. 静态分析
收集了以下详细信息:
* 文件名
* 文件大小
* MD5 Hash
* SHA1 Hash
* SHA256 Hash
* 检出率
### 3. 检测分析
该样本被多个杀毒引擎扫描,并被大多数厂商检测为恶意软件。
### 4. IOC 提取
从 Relations 部分提取了入侵指标,包括联系的域名和文件哈希。
## 包含的截图
1. VirusTotal 恶意软件概述
2. 恶意软件文件信息
3. 杀毒软件检测结果
4. 入侵指标
## 主要发现
* 该文件被多个安全厂商检测到。
* 识别出了几个与网络相关的域名。
* 哈希值可用于未来的检测和监控。
## 学习成果
* 理解恶意软件分析工作流
* 静态恶意软件分析技术
* IOC 识别
* 威胁情报利用
## 免责声明
本项目仅为教育目的而进行。宿主系统上未执行任何恶意软件。分析是使用公开可用的威胁情报资源进行的。
标签:Ask搜索, DAST, IOC提取, VirusTotal, 云安全监控, 威胁情报, 安全, 开发者工具, 恶意软件分析, 超时处理, 静态分析