Communitygithub.com

E-Mail-Header-Analyse für Phishing-Untersuchungen

Analysiert und parst E-Mail-Header (Received-Kette, Return-Path, Message-ID) zur Identifizierung von Phishing-Versuchen.

Was ist E-Mail-Header-Analyse für Phishing-Untersuchungen?

Dieses Skill ermöglicht die forensische Analyse von E-Mail-Headern, insbesondere zur Aufklärung von Phishing-Angriffen. Es hilft, die tatsächliche Herkunft verdächtiger E-Mails zu ermitteln, Header-Fälschungen (Spoofing) zu erkennen und die Authentizität des Absenders zu überprüfen. Der Workflow umfasst das Extrahieren roher Header aus verschiedenen Quellen (Outlook, Gmail, PST), das parsende Auslesen kritischer Felder wie From, Reply-To, Return-Path und Message-ID sowie die Validierung von SPF-, DKIM- und DMARC-Einträgen per DNS-Abfragen. Zusätzlich werden Absender-Domain und -Infrastruktur (WHOIS, Domain-Alter, Reverse-DNS, Ähnlichkeitsanalyse) sowie E-Mail-Inhalte (URLs, Anhänge, Hashing) untersucht. Das Skill ist plattformunabhängig und nutzt Tools wie dig, nslookup, Python-Bibliotheken (pyspf, dkimpy, Levenshtein) sowie Threat-Intelligence-Dienste (VirusTotal, AbuseIPDB). Es eignet sich für Incident-Response-Teams, Sicherheitsanalysten und SOC-Mitarbeiter, die Phishing-Vorfälle untersuchen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-email-headers-for-phishing-investigation
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Analyse von E-Mail-Headern für Phishing-Untersuchungen

Verwendungszweck

  • Bei der Untersuchung einer vermuteten Phishing-E-Mail, um deren wahre Herkunft zu ermitteln
  • Zur Überprüfung der Absenderauthentizität und Erkennung von E-Mail-Spoofing
  • Während der Incident Response, wenn ein Benutzer auf einen Phishing-Link geklickt hat
  • Zum Nachverfolgen des Zustellungswegs und der Relay-Server einer verdächtigen E-Mail
  • Zur Validierung von SPF-, DKIM- und DMARC-Ausrichtung zur Identifizierung von Fälschungen

Voraussetzungen

  • Rohe E-Mail-Header der verdächtigen Nachricht (EML- oder MSG-Format)
  • Verständnis des SMTP-Protokolls und der E-Mail-Header-Felder
  • Zugriff auf DNS-Abfragetools (dig, nslookup) für SPF/DKIM/DMARC-Überprüfung
  • E-Mail-Header-Analysetools (MHA, emailheaders.net-Konzepte)
  • Python mit E-Mail-Parsing-Bibliotheken für automatisierte Analyse
  • Zugang zu Threat-Intelligence-Plattformen für IP-/Domain-Reputation

Arbeitsablauf

Schritt 1: Rohe E-Mail-Header extrahieren

# Export aus Outlook: E-Mail öffnen > Datei > Eigenschaften > Internet-Header
# Export aus Gmail: E-Mail öffnen > Drei Punkte > Original anzeigen
# Export aus Thunderbird: Ansicht > Nachrichtenquelltext

# Bei Arbeit mit EML-Datei aus forensischem Abbild
cp /mnt/evidence/Users/suspect/AppData/Local/Microsoft/Outlook/phishing_email.eml \
   /cases/case-2024-001/email/

# Bei Arbeit mit PST-Datei einzelne Nachrichten extrahieren
pip install pypff
python3 << 'PYEOF'
import pypff

pst = pypff.file()
pst.open("/cases/case-2024-001/email/outlook.pst")
root = pst.get_root_folder()

def extract_messages(folder, path=""):
    for i in range(folder.get_number_of_sub_messages()):
        msg = folder.get_sub_message(i)
        headers = msg.get_transport_headers()
        subject = msg.get_subject()
        if headers:
            filename = f"/cases/case-2024-001/email/msg_{i}_{subject[:30]}.txt"
            with open(filename, 'w') as f:
                f.write(headers)
    for i in range(folder.get_number_of_sub_folders()):
        extract_messages(folder.get_sub_folder(i))

extract_messages(root)
PYEOF

Schritt 2: Die E-Mail-Header-Kette parsen

# Header mit der Python email-Bibliothek parsen
python3 << 'PYEOF'
import email
from email import policy

with open('/cases/case-2024-001/email/phishing_email.eml', 'r') as f:
    msg = email.message_from_file(f, policy=policy.default)

print("=== WICHTIGE HEADER-FELDER ===")
print(f"From:          {msg['From']}")
print(f"To:            {msg['To']}")
print(f"Subject:       {msg['Subject']}")
print(f"Date:          {msg['Date']}")
print(f"Message-ID:    {msg['Message-ID']}")
print(f"Reply-To:      {msg['Reply-To']}")
print(f"Return-Path:   {msg['Return-Path']}")
print(f"X-Mailer:      {msg['X-Mailer']}")
print(f"X-Originating-IP: {msg['X-Originating-IP']}")

print("\n=== EMPFANGENE HEADER (von unten nach oben = chronologisch) ===")
received_headers = msg.get_all('Received')
if received_headers:
    for i, header in enumerate(reversed(received_headers)):
        print(f"\nHop {i+1}: {header.strip()}")

print("\n=== AUTHENTIFIZIERUNGSERGEBNISSE ===")
auth_results = msg.get_all('Authentication-Results')
if auth_results:
    for result in auth_results:
        print(result)

print(f"\nARC-Authentication-Results: {msg.get('ARC-Authentication-Results', 'Nicht vorhanden')}")
print(f"Received-SPF: {msg.get('Received-SPF', 'Nicht vorhanden')}")
print(f"DKIM-Signature: {msg.get('DKIM-Signature', 'Nicht vorhanden')}")
PYEOF

Schritt 3: SPF-, DKIM- und DMARC-Einträge validieren

# Die Domäne des Umschlagabsenders extrahieren
SENDER_DOMAIN="example-corp.com"

# SPF-Eintrag prüfen
dig TXT $SENDER_DOMAIN +short | grep "v=spf1"
# Beispiel: "v=spf1 include:_spf.google.com include:sendgrid.net ~all"

# DKIM-Eintrag prüfen (Selector aus DKIM-Signature-Header, z.B. "s=selector1")
DKIM_SELECTOR="selector1"
dig TXT ${DKIM_SELECTOR}._domainkey.${SENDER_DOMAIN} +short

# DMARC-Eintrag prüfen
dig TXT _dmarc.${SENDER_DOMAIN} +short
# Beispiel: "v=DMARC1; p=reject; rua=mailto:[email protected]; pct=100"

# Die sendende IP gegen SPF prüfen
# IP aus dem ersten Received-Header extrahieren
SENDING_IP="203.0.113.45"

# Manuelle SPF-Prüfung mit Python
python3 << 'PYEOF'
import spf  # pip install pyspf

result, explanation = spf.check2(
    i='203.0.113.45',
    s='[email protected]',
    h='mail.example-corp.com'
)
print(f"SPF-Ergebnis: {result}")
print(f"Erläuterung: {explanation}")
# Ergebnisse: pass, fail, softfail, neutral, none, temperror, permerror
PYEOF

# Prüfen, ob die sendende IP in bekannten schädlichen IP-Listen vorkommt
# AbuseIPDB oder VirusTotal abfragen
curl -s "https://api.abuseipdb.com/api/v2/check?ipAddress=${SENDING_IP}" \
   -H "Key: YOUR_API_KEY" -H "Accept: application/json" | python3 -m json.tool

Schritt 4: Absender-Domäne und -Infrastruktur analysieren

# WHOIS-Abfrage der Absender-Domäne
whois $SENDER_DOMAIN | grep -iE '(registrar|creation|expiration|registrant|nameserver)'

# Domain-Alter prüfen (kürzlich registrierte Domänen sind verdächtig)
# DNS-Records untersuchen
dig A $SENDER_DOMAIN +short
dig MX $SENDER_DOMAIN +short
dig NS $SENDER_DOMAIN +short

# Reverse-DNS der sendenden IP
dig -x $SENDING_IP +short

# Auf ähnlich aussehende Domänen (Typosquatting) prüfen
# Vergleich mit der legitimen Domäne mittels visueller Ähnlichkeit
python3 << 'PYEOF'
import Levenshtein  # pip install python-Levenshtein

legitimate = "microsoft.com"
suspicious = "micr0soft.com"

distance = Levenshtein.distance(legitimate, suspicious)
ratio = Levenshtein.ratio(legitimate, suspicious)
print(f"Editierdistanz: {distance}")
print(f"Ähnlichkeitsverhältnis: {ratio:.2%}")
if ratio > 0.8:
    print("WARNUNG: Wahrscheinlich Typosquatting/ähnlich aussehende Domäne!")
PYEOF

# Domain-Reputation auf VirusTotal prüfen
curl -s "https://www.virustotal.com/api/v3/domains/${SENDER_DOMAIN}" \
   -H "x-apikey: YOUR_VT_API_KEY" | python3 -m json.tool

# Prüfen, ob Reply-To von From abweicht (häufiger Phishing-Indikator)
python3 -c "
import email
with open('/cases/case-2024-001/email/phishing_email.eml') as f:
    msg = email.message_from_file(f)
from_addr = email.utils.parseaddr(msg['From'])[1]
reply_to = email.utils.parseaddr(msg.get('Reply-To', msg['From']))[1]
if from_addr != reply_to:
    print(f'WARNUNG: From ({from_addr}) != Reply-To ({reply_to})')
else:
    print('From und Reply-To stimmen überein')
"

Schritt 5: E-Mail-Textkörper und Anhänge untersuchen

# URLs aus dem E-Mail-Textkörper extrahieren
python3 << 'PYEOF'
import email
import re
from email import policy

with open('/cases/case-2024-001/email/phishing_email.eml', 'r') as f:
    msg = email.message_from_file(f, policy=policy.default)

body = msg.get_body(preferencelist=('html', 'plain'))
if body:
    content = body.get_content()
    urls = re.findall(r'https?://[^\s<>"\']+', content)
    print("=== IM E-MAIL-TEXTKÖRPER GEFUNDENE URLs ===")
    for url in set(urls):
        print(f"  {url}")

    # Auf URL-Verschleierung prüfen (angezeigter Text != href)
    href_pattern = re.findall(r'<a[^>]*href=["\']([^"\']+)["\'][^>]*>(.*?)</a>', content, re.DOTALL)
    print("\n=== HYPERLINK-ANALYSE ===")
    for href, text in href_pattern:
        display_url = re.findall(r'https?://[^\s<]+', text)
        if display_url and display_url[0] != href:
            print(f"  UNSTIMMIGKEIT: Angezeigt='{display_url[0]}' -> Tatsächlich='{href}'")

# Anhänge extrahieren und hashen
print("\n=== ANHÄNGE ===")
for part in msg.walk():
    if part.get_content_disposition() == 'attachment':
        filename = part.get_filename()
        content = part.get_payload(decode=True)
        import hashlib
        sha256 = hashlib.sha256(content).hexdigest()
        print(f"  Datei: {filename}, Größe: {len(content)}, SHA-256: {sha256}")
        with open(f'/cases/case-2024-001/email/attachments/{filename}', 'wb') as af:
            af.write(content)
PYEOF

# Anhang-Hashes an VirusTotal übermitteln
# URLs an URLhaus oder PhishTank zur Reputationsprüfung übermitteln

Wichtige Konzepte

KonzeptBeschreibung
SPF (Sender Policy Framework)DNS-Eintrag, der autorisierte Mail-Server für eine Domäne festlegt
DKIM (DomainKeys Identified Mail)Kryptografische Signatur, die die Integrität des E-Mail-Inhalts überprüft
DMARCRichtlinien-Framework, das SPF und DKIM zur Absenderauthentifizierung kombiniert
Received-HeaderVom Server hinzugefügte Header, die jeden Hop in der Zustellungskette anzeigen (von unten nach oben lesen)
Return-PathUmschlag-Absenderadresse für Bounce-Nachrichten; kann von From abweichen
Message-IDEindeutige Kennung, die vom sendenden Mail-Server vergeben wird
X-Originating-IPUrsprüngliche Absender-IP-Adresse (von einigen Mail-Diensten hinzugefügt)
Header-FälschungAngreifer können From-, Reply-To- und andere Header fälschen, nicht jedoch Received-Ketten

Tools und Systeme

ToolZweck
MXToolboxOnline-E-Mail-Header-Analyzer und DNS-Abfrage
dig/nslookupDNS-Eintragsabfragen für SPF-, DKIM- und DMARC-Überprüfung
pyspfPython-Bibliothek zur SPF-Eintragsvalidierung
dkimpyPython-Bibliothek zur DKIM-Signaturverifikation
PhishToolSpezialisierte Plattform zur Phishing-E-Mail-Analyse
VirusTotalDienst zur Reputationsprüfung von URLs und Dateien
AbuseIPDBIP-Adress-Reputationsdatenbank
whoisAbfrage von Domain-Registrierungsinformationen

Häufige Szenarien

Szenario 1: CEO-Betrug / Business E-Mail Compromise Die E-Mail gibt vor, vom CEO zu stammen, aber Reply-To zeigt auf eine Gmail-Adresse, SPF schlägt fehl, da die sendende IP nicht für die gefälschte Domäne autorisiert ist, DKIM fehlt, und die From-Domäne ist eine ähnlich aussehende (ceo-company.com vs. company.com).

Szenario 2: Phishing zur Anmeldedaten-Erfassung Die E-Mail enthält einen Link, der „login.microsoft.com“ anzeigt, dessen href jedoch auf eine ähnlich aussehende Domäne zeigt; der Anhang ist eine HTML-Datei mit einer gefälschten Login-Seite und JavaScript zum Diebstahl von Anmeldedaten; die sendende Domäne wurde vor 3 Tagen registriert.

Szenario 3: Schadsoftware-Verteilung per Anhang E-Mail mit einem Office-Dokument-Anhang, der Makros enthält; die Absender-Domäne besteht den SPF-Check, aber das Konto wurde kompromittiert; die DKIM-Signatur ist gültig (von legitimer Infrastruktur gesendet); der SHA-256-Hash des Anhangs entspricht bekannter Schadsoftware auf VirusTotal.

Szenario 4: Gezieltes Phishing (Spear Phishing) mit legitimen Dienstleister Der Angreifer verwendet einen legitimen E-Mail-Marketing-Dienst zum Versenden von Phishing; SPF und DKIM bestehen, da der Dienst autorisiert ist; der Phishing-Versuch liegt im Inhalt, nicht in der Infrastruktur; erfordert URL- und Inhaltsanalyse statt Header-Authentifizierungsprüfungen.

Ausgabeformat

E-Mail-Header-Analysebericht:
  Betreff:     "Dringend: Zahlungsaufforderung"
  From:        [email protected] (GEFÄLSCHT)
  Reply-To:    [email protected] (UNSTIMMIG)
  Return-Path: <[email protected]>
  Datum:       2024-01-15 09:23:45 UTC

  Zustellungsweg (4 Hops):
    Hop 1: mail-server.xyz [203.0.113.45] -> relay1.isp.com
    Hop 2: relay1.isp.com -> mx.target-company.com
    Hop 3: mx.target-company.com -> internal-filter.target.com
    Hop 4: internal-filter.target.com -> mailbox

  Authentifizierung:
    SPF:    FEHLGESCHLAGEN (203.0.113.45 nicht autorisiert für examp1e-corp.com)
    DKIM:   KEINE (keine Signatur vorhanden)
    DMARC:  FEHLGESCHLAGEN (p=none, keine Durchsetzung)

  Phishing-Indikatoren:
    - Ähnlich aussehende Domäne (examp1e-corp.com vs. example-corp.com, 96% ähnlich)
    - From/Reply-To-Unstimmigkeit
    - Domäne 2 Tage vor E-Mail-Versand registriert
    - URL im Textkörper zeigt auf Seite zur Anmeldedaten-Erfassung
    - Anhang: invoice.xlsm (SHA-256: a3f2...) - Bekannte Schadsoftware auf VT

  Risikostufe: HOCH

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community