Communitygithub.com

Analyse bösartiger URLs mit URLScan

URLScan.io ist ein kostenloser Dienst zum Scannen und Analysieren verdächtiger URLs.

Was ist Analyse bösartiger URLs mit URLScan?

Diese Fertigkeit beschreibt die Verwendung von URLScan.io zur sicheren Analyse verdächtiger URLs. Sie deckt die Untersuchung von Phishing-URLs, Anmeldeinformations-Sammelseiten und bösartigen Weiterleitungen ab, ohne das Analystensystem zu gefährden. Die Fertigkeit unterstützt sowohl die Weboberfläche als auch die API von URLScan.io und bietet einen strukturierten Arbeitsablauf von der Einreichung der URL über die Analyse der Ergebnisse bis hin zur Extraktion von Indikatoren für eine Kompromittierung (IOCs) und der anschließenden Korrelation mit Bedrohungsdatenquellen wie VirusTotal und PhishTank. Entwickler und Sicherheitsanalysten erhalten klare Anweisungen zur API-Nutzung und zur Interpretation der Scan-Ergebnisse, einschließlich Screenshots, DOM-Analyse und Netzwerkprotokollen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-malicious-url-with-urlscan

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Analyse bösartiger URLs mit URLScan?

Übersicht

URLScan.io ist ein kostenloser Dienst zum Scannen und Analysieren verdächtiger URLs. Er erfasst Screenshots, DOM-Inhalte, HTTP-Transaktionen, JavaScript-Verhalten und Netzwerkverbindungen von Webseiten in einer isolierten Umgebung. Diese Fertigkeit beschreibt die Nutzung der Weboberfläche und der API von URLScan zur Untersuchung von Phishing-URLs, Anmeldeinformations-Sammelseiten und bösartigen Weiterleitungen, ohne das System des Analysten zu gefährden.

Wann verwenden

  • Bei der Untersuchung von Sicherheitsvorfällen, die die Analyse bösartiger URLs mit URLScan erfordern
  • Bei der Erstellung von Erkennungsregeln oder Bedrohungsjagd-Abfragen für diese Domäne
  • Wenn SOC-Analysten strukturierte Verfahren für diesen Analysetyp benötigen
  • Bei der Validierung der Sicherheitsüberwachung für damit verbundene Angriffstechniken

Voraussetzungen

  • URLScan.io-Konto (kostenlose Stufe verfügbar, API-Schlüssel für Automatisierung)
  • Python 3.8+ mit der requests-Bibliothek
  • Verständnis von HTTP-Protokollen und Webtechnologien
  • Vertrautheit mit Phishing-URL-Mustern

Schlüsselkonzepte

URLScan-Funktionen

  1. Sicheres Browsen: Rendert URLs in einer isolierten Chromium-Instanz
  2. Screenshot-Erfassung: Visuelles Abbild der gerenderten Seite
  3. DOM-Analyse: Vollständiger HTML-Inhalt nach JavaScript-Ausführung
  4. Netzwerkprotokoll: Alle von der Seite durchgeführten HTTP-Anfragen (HAR-Format)
  5. Zertifikatsanalyse: SSL/TLS-Zertifikatsdetails
  6. Technologieerkennung: Identifiziert Web-Frameworks und Bibliotheken
  7. IP/ASN-Zuordnung: Infrastruktur-Informationen
  8. Bewertung: Community- und automatisierte Klassifizierung

Phishing-URL-Warnsignale

  • Neu registrierte Domains (< 30 Tage)
  • Kostenlose Hosting-Dienste (Wix, GitHub Pages, Firebase)
  • URL-Verkürzer, die das endgültige Ziel verbergen
  • Übermäßige Subdomain-Tiefe (login.microsoft.com.evil.com)
  • Markenname in Subdomain oder Pfad, nicht in der Domain
  • Nicht standardgemäße Ports
  • Data-URIs oder base64-kodierte Inhalte
  • JavaScript-lastige Seiten mit minimalem HTML

Arbeitsablauf

Schritt 1: URL bei URLScan einreichen

Web: Navigieren Sie zu https://urlscan.io und reichen Sie die verdächtige URL ein
API: POST https://urlscan.io/api/v1/scan/
     Header: API-Key: your-api-key
     Body: {"url": "https://suspicious-url.com", "visibility": "private"}

Schritt 2: Ergebnisse analysieren

  • Screenshot auf Markenimitation überprüfen
  • Weiterleitungen und finale Ziel-URL prüfen
  • DOM auf Anmeldeformulare für Zugangsdaten untersuchen
  • Netzwerkanfragen auf Datenexfiltrations-Endpunkte prüfen
  • SSL-Zertifikatsgültigkeit und Aussteller prüfen

Schritt 3: IOCs extrahieren

  • Kontaktierte Domains und IPs
  • URLs in der Weiterleitungskette
  • SHA-256-Hashes der Seitenressourcen
  • JavaScript-Datei-Hashes

Schritt 4: Mit Bedrohungsdaten abgleichen

Verwenden Sie scripts/process.py, um das URL-Scannen zu automatisieren, IOCs zu extrahieren und mit VirusTotal, PhishTank und Google Safe Browsing abzugleichen.

Werkzeuge & Ressourcen

Validierung

  • Erfolgreich eine verdächtige URL über die API scannen
  • Screenshot extrahieren und Markenimitation identifizieren
  • Vollständige Weiterleitungskette dokumentieren
  • IOC-Liste aus Scan-Ergebnissen generieren
  • Ergebnisse mit mindestens 2 Bedrohungsdatenquellen abgleichen

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