Tannu9211/PDF-Malware-Analysis-Toolkit

# 🛡 PDF 恶意软件分析工具包 这是一个使用 Python 开发的静态 PDF 恶意软件分析工具包，用于在不执行 PDF 文档的情况下分析其中可疑和潜在恶意的内​​容。 该工具包执行元数据提取、哈希计算、关键字扫描、IOC 提取、JavaScript 检测、PDF 对象分析、YARA 规则扫描、嵌入文件检测、恶意软件风险评估，并生成专业的 JSON、HTML 和 PDF 报告。 ## 📌 功能 - 📄 PDF 元数据提取 - 🔐 MD5 和 SHA256 哈希生成 - 🔍 可疑关键字分析 - 🌐 IOC 提取 - URL - 域名 - 电子邮件地址 - IP 地址 - 📜 JavaScript 检测 - 📦 PDF 对象分析 - 🛡 YARA 规则扫描 - 📎 嵌入文件检测 - ⚠ 恶意软件风险评估 - 📊 富文本终端仪表板 - 📑 JSON 报告生成 - 🌐 HTML 报告生成 - 📕 专业多页 PDF 报告 - 📝 扫描日志记录 - 💻 命令行支持 ## 🏗 项目架构 ``` PDF File │ ▼ PDF Malware Toolkit │ ┌─────────────────┼─────────────────┐ │ │ │ ▼ ▼ ▼ Metadata Hashing Keywords │ │ │ ▼ ▼ ▼ IOC JavaScript PDF Objects │ │ │ └──────────────┬────────────────────┘ ▼ YARA Rule Scanner │ ▼ Embedded File Detector │ ▼ Risk Assessment │ ▼ Report Generation (JSON • HTML • PDF) ``` ## 📂 项目结构 ``` PDF_Malware_Analysis/ │ ├── logs/ │ └── scan_log.txt │ ├── reports/ │ ├── report.json │ ├── report.html │ └── report.pdf │ ├── rules/ │ └── pdf_rules.yar │ ├── samples/ │ └── sample.pdf │ ├── src/ │ ├── analyzer.py │ ├── display.py │ ├── embedded_detector.py │ ├── hashing.py │ ├── javascript_detector.py │ ├── keyword_scanner.py │ ├── logger.py │ ├── metadata.py │ ├── object_detector.py │ ├── report_generator.py │ ├── risk_engine.py │ ├── url_extractor.py │ └── yara_scanner.py │ ├── main.py ├── requirements.txt └── README.md ``` ## ▶ 用法 分析示例 PDF ``` python main.py samples/sample.pdf ``` 分析任意 PDF ``` python main.py "C:\Users\User\Downloads\document.pdf" ``` ## 📊 输出 该工具包生成： - 富文本终端仪表板 - JSON 报告 - HTML 报告 - PDF 报告 - 扫描日志 生成的文件： ``` reports/ report.json report.html report.pdf logs/ scan_log.txt ``` ## 🛡 检测模块 | 模块 | 描述 | | Metadata | 提取 PDF 元数据 | | Hashing | 计算 MD5 和 SHA256 哈希 | | Keyword Scanner | 检测可疑的 PDF 关键字 | | IOC Extractor | 提取 URL、域名、电子邮件地址和 IP 地址 | | JavaScript Detector | 检测可疑的 JavaScript | | Object Detector | 检测危险的 PDF 对象 | | YARA Scanner | 匹配自定义恶意软件签名 | | Embedded Detector | 检测嵌入文件 | | Risk Engine | 计算恶意软件风险评分 | ## 📑 报告 该工具包自动生成： - JSON 报告 - HTML 报告 - 多页 PDF 报告 每份报告包括： - 执行摘要 - 元数据 - 文件哈希 - 关键字分析 - IOC 分析 - JavaScript 分析 - PDF 对象分析 - YARA 规则分析 - 嵌入文件分析 - 风险评估 - 最终结论 ## 🚀 使用的技术 - Python - Rich - PyPDF2 - YARA Python - ReportLab ## 🔮 未来增强功能 - VirusTotal API 集成 - 数字签名验证 - PDF 熵分析 - 图形用户界面 (GUI) - 批量 PDF 扫描 - 基于机器学习的恶意软件检测 ## 👩‍💻 作者 **Tanishka Kapoor 网络安全理学硕士 ## 📄 许可证 本项目专为教育和研究目的而开发。

标签：DAST, DNS 反向解析, IOC提取, PDF分析, Python, YARA, 云安全监控, 云资产可视化, 恶意软件分析, 搜索语句（dork）, 无后门, 网络信息收集, 逆向工具, 静态分析