Communitygithub.com

Analyse von Ransomware-Zahlungs-Wallets

Verfolgt Ransomware-Kryptowährungszahlungen mithilfe von Blockchain-Analysetools wie Chainalysis Reactor, WalletExplorer und blockchain.com-APIs, identifiziert Wallet-Cluster und verfolgt Geldbewegungen durch Mixer und Börsen zur Unterstützung von Strafverfolgungsermittlungen. Verwenden Sie dies bei der Verfolgung von Ransomware-Bitcoin-Zahlungen, bei der Durchführung von Kryptowährungs-Wallet-Forensik oder bei der Sammlung von Blockchain-Bedrohungsintelligenz zu Erpressungszahlungen.

Was ist Analyse von Ransomware-Zahlungs-Wallets?

Diese Fähigkeit befähigt Analysten, Sicherheitsteams und Strafverfolgungsbehörden, Kryptowährungszahlungen, die über Ransomware-Angriffe geleistet wurden, zu verfolgen und zu analysieren. Sie nutzt öffentliche Blockchain-APIs (Blockchain.com, Blockstream.info), WalletExplorer für die Clusteridentifikation und optionale Enterprise-Tools wie Chainalysis Reactor, um Geldströme von Lösegeld-Wallets über Mixer und Börsen nachzuverfolgen. Der Workflow umfasst das Extrahieren von Wallet-Adressen aus Lösegeldforderungen, das Abrufen von Transaktionshistorien, das Kartieren von Geldflüssen using UTXO-Analyse, das Querverweisen auf bekannte Ransomware-Wallet-Datenbanken und das Erstellen strukturierter Attributionsberichte. Diese Fähigkeit ist besonders wertvoll für Bedrohungsaufklärungsanalysten, die Ransomware-Kampagnen attribuieren, Incident-Responder, die Zahlungsflüsse verfolgen, und Compliance-Teams, die Beweise für rechtliche Verfahren oder Sanktionsdurchsetzung benötigen. Alle Analysen erfolgen passiv und schreibgeschützt auf öffentlichen Blockchain-Daten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-ransomware-payment-wallets

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Analyse von Ransomware-Zahlungs-Wallets?

Wann verwenden

  • Eine Organisation wurde von Ransomware getroffen und die Lösegeldforderung enthält eine Bitcoin- oder Kryptowährungs-Wallet-Adresse, die untersucht werden muss
  • Strafverfolgungsbehörden oder Incident-Responder müssen verfolgen, wohin Lösegeldzahlungen nach der Zahlung des Opfers geflossen sind
  • Bedrohungsaufklärungsanalysten attribuieren Ransomware-Kampagnen, indem sie Zahlungsinfrastrukturen über Incidents hinweg clustern
  • Ermittler müssen feststellen, ob eine Ransomware-Gruppe Wallet-Infrastruktur über mehrere Opfer hinweg wiederverwendet
  • Compliance- oder Rechtsabteilungen benötigen Nachweise über Geldflüsse für Strafverfolgung, Sanktionsdurchsetzung oder Versicherungsansprüche

Nicht verwenden für das Abfangen von Live-Zahlungen oder zur direkten Interaktion mit Ransomware-Betreibern. Alle Analysen sollten passiv und schreibgeschützt gegen öffentliche Blockchain-Daten erfolgen.

Voraussetzungen

  • Python 3.8+ mit requests, json und hashlib-Bibliotheken
  • Zugriff auf Blockchain-Explorer-APIs (blockchain.com, WalletExplorer.com, Blockstream.info)
  • Vertrautheit mit dem Bitcoin-Transaktionsmodell (UTXOs, Inputs, Outputs, Change-Adressen)
  • Verständnis gängiger Verschleierungstechniken (Mixer, Tumbler, Peel Chains, Cross-Chain-Swaps)
  • Optional: Chainalysis Reactor-Lizenz für unternehmensweite Clusteranalyse
  • Optional: OXT.me für erweiterte Transaktionsgraph-Visualisierung

Workflow

Schritt 1: Wallet-Adresse aus der Lösegeldforderung extrahieren

Analysieren Sie die Lösegeldforderung, um die Zahlungsadresse(n) zu identifizieren:

Gängige Adressformate:
  Bitcoin (P2PKH):   1A1zP1eP5QGefi2DMPTfTL5SLmv7DivfNa  (beginnt mit 1)
  Bitcoin (P2SH):    3J98t1WpEZ73CNmQviecrnyiWrnqRhWNLy  (beginnt mit 3)
  Bitcoin (Bech32):  bc1qar0srrr7xfkvy5l643lydnw9re59gtzzwf5mdq (beginnt mit bc1)
  Monero:            4... (95 Zeichen, viel schwieriger zu verfolgen)
  Ethereum:          0x... (40 Hex-Zeichen)

Schritt 2: Blockchain-Explorer nach Transaktionshistorie abfragen

Rufen Sie alle Transaktionen ab, die mit dem Wallet verbunden sind:

import requests

def get_wallet_transactions(address):
    """Query blockchain.com API for address transactions."""
    url = f"https://blockchain.info/rawaddr/{address}"
    resp = requests.get(url, timeout=30)
    resp.raise_for_status()
    data = resp.json()
    return {
        "address": address,
        "n_tx": data.get("n_tx", 0),
        "total_received_satoshi": data.get("total_received", 0),
        "total_sent_satoshi": data.get("total_sent", 0),
        "final_balance_satoshi": data.get("final_balance", 0),
        "transactions": data.get("txs", []),
    }

Schritt 3: Geldfluss kartieren und Cluster identifizieren

Verfolgen Sie Outputs vom Lösegeld-Wallet zu nachgelagerten Adressen:

Geldflussanalyse:
━━━━━━━━━━━━━━━━━━
Opferzahlung ──► Lösegeld-Wallet ──► Konsolidierungs-Wallet
                                  ├─► Mixer/Tumbler-Dienst
                                  ├─► Börsen-Einzahlungsadresse
                                  └─► Peel Chain (sequentielle kleine Outputs)

Wichtige Indikatoren:
  - Konsolidierung: Mehrere Lösegeldzahlungen in einem Wallet zusammengefasst
  - Peel Chains: Sequentielle Transaktionen mit abnehmenden Outputs
  - Mixer-Nutzung: Gelder an bekannte Mixer-Adressen gesendet (Wasabi, Samourai, ChipMixer)
  - Börsen-Auszahlung: Einzahlungen in bekannte Börsen-Wallets (Binance, Kraken Hot Wallets)

Schritt 4: Querverweis mit bekannten Wallet-Datenbanken

Überprüfen Sie Adressen gegen bekannte Ransomware-Infrastruktur:

# WalletExplorer für Entitätsidentifikation prüfen
def check_wallet_explorer(address):
    url = f"https://www.walletexplorer.com/api/1/address?address={address}&caller=research"
    resp = requests.get(url, timeout=30)
    data = resp.json()
    return {
        "wallet_id": data.get("wallet_id"),
        "label": data.get("label", "Unknown"),
        "is_exchange": data.get("is_exchange", False),
    }

Schritt 5: Attributionsbericht erstellen

Fassen Sie die Ergebnisse in einem strukturierten Intelligence-Bericht zusammen:

ANALYSEBERICHT ZU RANSOMWARE-WALLETS
====================================
Lösegeldadresse:     bc1q...xyz
Familienattribution:  LockBit 3.0 (basierend auf Format der Lösegeldforderung)
Insgesamt erhalten:  4,25 BTC (178.500 $ zum Zeitpunkt der Zahlung)
Insgesamt gesendet:  4,25 BTC (Wallet vollständig geleert)
Anzahl der Zahlungen:  3 (wahrscheinlich 3 separate Opfer)

GELDFLUSS:
  Zahlung 1: 1,5 BTC → Konsolidierungs-Wallet → Binance-Einzahlung
  Zahlung 2: 1,0 BTC → Wasabi Mixer → Unbekannt
  Zahlung 3: 1,75 BTC → Peel Chain (12 Sprünge) → OKX-Einzahlung

CLUSTERANALYSE:
  Verwandte Wallets: 47 Adressen im selben Cluster identifiziert
  Gesamtvolumen des Clusters: 156,3 BTC (6,5 Mio. $ USD)
  Erste Aktivität: 2024-01-15
  Letzte Aktivität: 2024-09-22

Verifizierung

  • Bestätigen Sie, dass das Wallet-Adressformat gültig ist, bevor Sie APIs abfragen
  • Querverweisen Sie Transaktionszeitstempel mit bekannten Incident-Zeitplänen
  • Validieren Sie Cluster-Assoziationen durch Überprüfung der Common-Input-Ownership-Heuristik
  • Vergleichen Sie die Ergebnisse mit der OFAC SDN-Liste für sanktionierte Adressen
  • Verifizieren Sie die Börsenattribution über mehrere Quellen (WalletExplorer, OXT, Chainalysis)

Schlüsselkonzepte

BegriffDefinition
UTXOUnspent Transaction Output; die grundlegende Einheit von Bitcoin, die das Eigentum durch eine Kette von Transaktionen verfolgt
ClusteranalyseGruppierung mehrerer Bitcoin-Adressen, von denen angenommen wird, dass sie von derselben Entität kontrolliert werden, unter Verwendung der Common-Input-Ownership- und Change-Adress-Heuristiken
Peel ChainEin Geldwäschemuster, bei dem Gelder durch viele sequentielle Transaktionen gesendet werden, wobei jede einen kleinen Betrag an eine neue Adresse abzweigt
CoinJoin/MixerDatenschutztechniken, die die Transaktionen mehrerer Benutzer kombinieren, um die Verbindung zwischen Sender und Empfänger zu verschleiern
Common Input OwnershipHeuristik, die annimmt, dass alle Eingaben einer einzelnen Transaktion von derselben Entität kontrolliert werden

Tools & Systeme

  • Chainalysis Reactor: Unternehmensweite Blockchain-Untersuchungsplattform mit Entitätsattribution und plattformübergreifender Nachverfolgung
  • WalletExplorer: Kostenloses Tool, das Bitcoin-Adressen clustert und bekannte Dienste (Börsen, Mixer, Märkte) kennzeichnet
  • OXT.me: Erweiterte Bitcoin-Transaktionsvisualisierung mit UTXO-Graphenanalyse
  • Blockstream.info: Open-Source-Bitcoin-Block-Explorer mit vollständigem API-Zugriff
  • blockchain.com API: Kostenlose API zum Abfragen von Bitcoin-Adresssalden und Transaktionshistorien
  • OFAC SDN List: Vom US-Finanzministerium sanktionierte Adressliste zur Compliance-Überprüfung

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