Communitygithub.com

Analysieren von Windows-LNK-Dateien auf Forensik-Artefakte

Parst Windows-LNK-Verknüpfungsdateien, um Zielpfade, MAC-Zeitstempel (Erstellung, Änderung, Zugriff), Volume-Seriennummern, Rechner-IDs und MAC-Adressen zu extrahieren und so Benutzerdateizugriffe zu rekonstruieren.

Was ist Analysieren von Windows-LNK-Dateien auf Forensik-Artefakte?

Diese Fähigkeit ermöglicht die gründliche Untersuchung von Windows-LNK-Dateien (Verknüpfungen) zur Rekonstruktion von Benutzeraktivitäten und forensischen Artefakten. Sie unterstützt Plattformen wie Claude Code, Cursor und andere KI-Agenten für DFIR. Die Fähigkeit führt durch den gesamten Workflow: Sammlung von LNK-Dateien aus einem forensischen Abbild (Recent, Desktop, Startup, Jump Lists), Parsen mit Tools wie LECmd (Eric Zimmerman) oder der Python-Bibliothek LnkParse3 sowie strukturierte Analyse auf investigative Relevanz. Dabei werden Zielpfade, Zeitstempel (Erstellung, Änderung, Zugriff), Volume-Informationen (Seriennummer, Laufwerkstyp), Maschinen-ID (NetBIOS-Name) und MAC-Adresse des erstellenden Systems extrahiert. Typische Szenarien umfassen Datenexfiltration über USB, Malware-Persistenz durch Startup-Verknüpfungen und die Erstellung von Zugriffszeitachsen für rechtliche Verfahren. Der Workflow enthält vollständige Skripte für die Bash-Shell und Python sowie CSV-Ausgabe, sodass der Analyseprozess direkt im Terminal ausgeführt werden kann.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-windows-lnk-files-for-artifacts

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Analysieren von Windows-LNK-Dateien auf Forensik-Artefakte?

Wann verwenden

  • Bei der Rekonstruktion der Dateizugriffshistorie eines Benutzers aus Windows-Verknüpfungsdateien
  • Zur Nachverfolgung von zugegriffenen Dateien, Netzwerkfreigaben und Wechselmedien
  • Bei Untersuchungen, um zu belegen, dass ein Benutzer bestimmte Dokumente geöffnet hat
  • Bei der Korrelation von Dateizugriffen mit anderen Zeitachsen-Artefakten
  • Zur Identifizierung von zugegriffenen Pfaden auf entfernten Systemen oder USB-Geräten

Voraussetzungen

  • Zugriff auf LNK-Dateien aus einem forensischen Abbild (Recent, Desktop, Quick Launch)
  • LECmd (Eric Zimmerman), python-lnk oder LnkParser für die Analyse
  • Verständnis der LNK-Dateistruktur (Shell-Link-Binärformat)
  • Kenntnis der LNK-Dateispeicherorte unter Windows-Systemen
  • Forensische Workstation mit installierten Analysetools

Arbeitsablauf

Schritt 1: LNK-Dateien aus forensischem Abbild sammeln

# Forensisches Abbild mounten
mount -o ro,loop,offset=$((2048*512)) /cases/case-2024-001/images/evidence.dd /mnt/evidence

mkdir -p /cases/case-2024-001/lnk/{recent,desktop,startup,custom}

# Recent-Items-LNK-Dateien kopieren (primäre Quelle)
cp /mnt/evidence/Users/*/AppData/Roaming/Microsoft/Windows/Recent/*.lnk \
   /cases/case-2024-001/lnk/recent/ 2>/dev/null

# Automatische Ziele (Jump Lists) kopieren
cp /mnt/evidence/Users/*/AppData/Roaming/Microsoft/Windows/Recent/AutomaticDestinations/*.automaticDestinations-ms \
   /cases/case-2024-001/lnk/recent/ 2>/dev/null

# Benutzerdefinierte Ziele (angeheftete Jump-List-Elemente) kopieren
cp /mnt/evidence/Users/*/AppData/Roaming/Microsoft/Windows/Recent/CustomDestinations/*.customDestinations-ms \
   /cases/case-2024-001/lnk/custom/ 2>/dev/null

# Desktop-Verknüpfungen kopieren
cp /mnt/evidence/Users/*/Desktop/*.lnk /cases/case-2024-001/lnk/desktop/ 2>/dev/null

# Startup-Ordner-Verknüpfungen kopieren (Persistenz)
cp /mnt/evidence/Users/*/AppData/Roaming/Microsoft/Windows/Start\ Menu/Programs/Startup/*.lnk \
   /cases/case-2024-001/lnk/startup/ 2>/dev/null
cp "/mnt/evidence/ProgramData/Microsoft/Windows/Start Menu/Programs/Startup"/*.lnk \
   /cases/case-2024-001/lnk/startup/ 2>/dev/null

# Alle LNK-Dateien auf dem System finden
find /mnt/evidence/ -name "*.lnk" -type f 2>/dev/null > /cases/case-2024-001/lnk/all_lnk_locations.txt

# Anzahl und Hashes ermitteln
ls /cases/case-2024-001/lnk/recent/ | wc -l
sha256sum /cases/case-2024-001/lnk/recent/*.lnk > /cases/case-2024-001/lnk/lnk_hashes.txt 2>/dev/null

Schritt 2: LNK-Dateien mit LECmd parsen

# Eric Zimmermans LECmd verwenden (Windows oder via Mono)
# Alle LNK-Dateien in einem Verzeichnis verarbeiten
LECmd.exe -d "C:\cases\lnk\recent\" --csv "C:\cases\analysis\" --csvf lnk_analysis.csv

# Eine einzelne LNK-Datei mit ausführlicher Ausgabe verarbeiten
LECmd.exe -f "C:\cases\lnk\recent\document.pdf.lnk"

# Jump-List-Dateien verarbeiten
JLECmd.exe -d "C:\cases\lnk\recent\" --csv "C:\cases\analysis\" --csvf jumplist_analysis.csv

# Ausgabe umfasst:
# - Quelldateipfad
# - Zielpfad (Datei, auf die zugegriffen wurde)
# - Erstellungs-, Änderungs- und Zugriffszeitstempel des Ziels
# - Erstellungs- und Änderungszeitstempel der LNK-Datei
# - Arbeitsverzeichnis
# - Befehlszeilenargumente
# - Volume-Seriennummer und -Bezeichnung
# - Laufwerkstyp (Festplatte, Wechselmedium, Netzwerk)
# - Maschinen-ID (NetBIOS-Name)
# - MAC-Adresse (aus der Tracker-Datenbank)
# - Dateigröße des Ziels

Schritt 3: LNK-Dateien mit Python parsen

pip install LnkParse3

python3 << 'PYEOF'
import LnkParse3
import os, json, csv
from datetime import datetime

lnk_dir = '/cases/case-2024-001/lnk/recent/'
ergebnisse = []

for dateiname in sorted(os.listdir(lnk_dir)):
    if not dateiname.lower().endswith('.lnk'):
        continue

    dateipfad = os.path.join(lnk_dir, dateiname)
    try:
        with open(dateipfad, 'rb') as f:
            lnk = LnkParse3.lnk_file(f)
            info = lnk.get_json()

            geparst = {
                'lnk_datei': dateiname,
                'zielpfad': '',
                'arbeitsverzeichnis': '',
                'argumente': '',
                'ziel_erstellt': '',
                'ziel_geaendert': '',
                'ziel_zugegriffen': '',
                'dateigroesse': '',
                'laufwerkstyp': '',
                'volume_seriennummer': '',
                'volume_bezeichnung': '',
                'maschinen_id': '',
                'mac_adresse': '',
            }

            # Header-Zeitstempel extrahieren
            header = info.get('header', {})
            geparst['ziel_erstellt'] = str(header.get('creation_time', ''))
            geparst['ziel_geaendert'] = str(header.get('modified_time', ''))
            geparst['ziel_zugegriffen'] = str(header.get('accessed_time', ''))
            geparst['dateigroesse'] = str(header.get('file_size', ''))

            # Link-Informationen extrahieren
            link_info = info.get('link_info', {})
            if link_info:
                lokaler_pfad = link_info.get('local_base_path', '')
                netzwerkpfad = link_info.get('common_network_relative_link', {}).get('net_name', '')
                geparst['zielpfad'] = lokaler_pfad or netzwerkpfad

                vol_info = link_info.get('volume_id', {})
                if vol_info:
                    geparst['laufwerkstyp'] = str(vol_info.get('drive_type', ''))
                    geparst['volume_seriennummer'] = str(vol_info.get('drive_serial_number', ''))
                    geparst['volume_bezeichnung'] = str(vol_info.get('volume_label', ''))

            # Zeichenfolgendaten extrahieren
            string_data = info.get('string_data', {})
            geparst['arbeitsverzeichnis'] = str(string_data.get('working_dir', ''))
            geparst['argumente'] = str(string_data.get('command_line_arguments', ''))

            # Tracker-Daten extrahieren (Maschinen-ID und MAC)
            extra = info.get('extra', {})
            tracker = extra.get('DISTRIBUTED_LINK_TRACKER_BLOCK', {})
            if tracker:
                geparst['maschinen_id'] = str(tracker.get('machine_id', ''))
                geparst['mac_adresse'] = str(tracker.get('mac_address', ''))

            ergebnisse.append(geparst)

            # Zusammenfassung ausgeben
            print(f"\n{dateiname}")
            print(f"  Ziel: {geparst['zielpfad']}")
            print(f"  Geändert: {geparst['ziel_geaendert']}")
            print(f"  Laufwerk: {geparst['laufwerkstyp']} (Seriennummer: {geparst['volume_seriennummer']})")
            if geparst['maschinen_id']:
                print(f"  Maschine: {geparst['maschinen_id']}")

    except Exception as e:
        print(f"  Fehler beim Parsen von {dateiname}: {e}")

# Ergebnisse in CSV schreiben
if ergebnisse:
    with open('/cases/case-2024-001/analysis/lnk_analysis.csv', 'w', newline='') as f:
        feldnamen = ergebnisse[0].keys()
        writer = csv.DictWriter(f, fieldnames=feldnamen)
        writer.writeheader()
        writer.writerows(ergebnisse)

print(f"\n\nInsgesamt geparste LNK-Dateien: {len(ergebnisse)}")
PYEOF

Schritt 4: Auf investigativen Wert analysieren

# Dateien identifizieren, auf die von Wechselmedien zugegriffen wurde
python3 << 'PYEOF'
import csv

with open('/cases/case-2024-001/analysis/lnk_analysis.csv') as f:
    reader = csv.DictReader(f)

    print("=== DATEIEN, AUF DIE VON WECHSELMEDIEN ZUGEGRIFFEN WURDE ===\n")
    wechselmedien = []
    netzwerk = []

    for zeile in reader:
        if 'DRIVE_REMOVABLE' in zeile.get('laufwerkstyp', '').upper() or \
           'removable' in zeile.get('laufwerkstyp', '').lower():
            wechselmedien.append(zeile)
            print(f"  {zeile['ziel_geaendert']} | {zeile['zielpfad']} | Vol: {zeile['volume_seriennummer']}")

        if 'network' in zeile.get('laufwerkstyp', '').lower() or \
           zeile.get('zielpfad', '').startswith('\\\\'):
            netzwerk.append(zeile)

    print(f"\n=== DATEIEN, AUF DIE VON NETZWERKFREIGABEN ZUGEGRIFFEN WURDE ===\n")
    for zeile in netzwerk:
        print(f"  {zeile['ziel_geaendert']} | {zeile['zielpfad']}")

    print(f"\nDateien von Wechselmedien: {len(wechselmedien)}")
    print(f"Dateien von Netzwerkfreigaben: {len(netzwerk)}")

    # Auf eindeutige Maschinen prüfen (Tracker-Daten)
    maschinen = set()
    for zeile in [*wechselmedien, *netzwerk]:
        if zeile.get('maschinen_id'):
            maschinen.add(zeile['maschinen_id'])
    if maschinen:
        print(f"\nGefundene Maschinen-IDs: {maschinen}")
PYEOF

# Startup-Ordner-LNK-Dateien auf Persistenz prüfen
echo "=== STARTUP-ORDNER-VERKNÜPFUNGEN (PERSISTENZ) ===" > /cases/case-2024-001/analysis/startup_persistence.txt
for lnk in /cases/case-2024-001/lnk/startup/*.lnk; do
    python3 -c "
import LnkParse3
with open('$lnk', 'rb') as f:
    lnk = LnkParse3.lnk_file(f)
    info = lnk.get_json()
    ziel = info.get('link_info', {}).get('local_base_path', 'Unbekannt')
    args = info.get('string_data', {}).get('command_line_arguments', '')
    print(f'  \$(basename $lnk): {ziel} {args}')
" >> /cases/case-2024-001/analysis/startup_persistence.txt 2>/dev/null
done

Wichtige Konzepte

KonzeptBeschreibung
Shell Link (.lnk)Windows-Verknüpfungsdateiformat mit Zielpfad, Zeitstempeln und Metadaten
Ziel-ZeitstempelErstellungs-, Änderungs- und Zugriffszeiten der Datei, auf die die Verknüpfung zeigt
Volume-SeriennummerEindeutige Kennung des Datenträgervolumens, auf dem sich die Zieldatei befindet
Maschinen-IDNetBIOS-Name, eingebettet durch den Distributed Link Tracking-Dienst
MAC-AdresseMAC-Adresse des Netzwerkadapters der Maschine, die die LNK-Datei erstellt hat
Jump ListsLetzte und angeheftete Dateilisten pro Anwendung (enthalten eingebettete LNK-Daten)
Automatische ZieleSystemverwaltete Jump-List-Einträge für zuletzt geöffnete Dateien
Benutzerdefinierte ZieleVom Benutzer angeheftete Jump-List-Elemente, die bis zur manuellen Entfernung bestehen bleiben

Tools & Systeme

WerkzeugZweck
LECmdEric Zimmermanns Kommandozeilen-LNK-Parser mit CSV/JSON-Ausgabe
JLECmdEric Zimmermanns Jump-List-Parser
LnkParse3Python-Bibliothek für programmatische LNK-Dateianalyse
lnk_parserAlternatives Python-LNK-Parsing-Werkzeug
AutopsyForensische Plattform mit LNK-Dateianalysemodul
KAPEAutomatisierte Sammlung von LNK- und Jump-List-Artefakten
PlasoZeitachsen-Werkzeug mit LNK-Datei-Parser zur Erstellung von Super-Zeitachsen
LNK ExplorerGUI-Werkzeug zur interaktiven LNK-Dateiuntersuchung

Häufige Szenarien

Szenario 1: Datenexfiltration über USB-Laufwerk Analysieren Sie Recent-Ordner-LNK-Dateien auf Ziele auf Wechseldatenträgern, korrelieren Sie Volume-Seriennummern mit USBSTOR-Registrierungseinträgen, erstellen Sie eine Liste der von USB-Geräten aus zugegriffenen Dateien, ermitteln Sie, welche Dokumente vom Wechseldatenträger geöffnet wurden, korrelieren Sie mit Dateikopier-Zeitstempeln.

Szenario 2: Malware-Persistenz über Startup-Verknüpfungen Untersuchen Sie Startup-Ordner-LNK-Dateien auf schädliche Ziele, prüfen Sie Zielpfad und Argumente auf codierte Befehle oder verdächtige ausführbare Dateien, verifizieren Sie, ob die Zieldatei existiert, und untersuchen Sie sie, korrelieren Sie den Erstellungszeitstempel mit dem Zeitpunkt der ersten Kompromittierung.

Szenario 3: Untersuchung von Netzwerkfreigabenzugriffen Filtern Sie LNK-Dateien mit Netzwerkpfaden (UNC-Ziele), identifizieren Sie, auf welche Netzwerkfreigaben wann zugegriffen wurde, korrelieren Sie Maschinen-IDs mit bekannten Unternehmenssystemen, prüfen Sie, ob außerhalb der normalen Tätigkeiten auf sensible Dateiserver zugegriffen wurde, erstellen Sie eine Zugriffszeitachse für Compliance-Untersuchungen.

Szenario 4: Dokumentenzugriffszeitachse für rechtliche Verfahren Extrahieren Sie alle Recent-Ordner-LNK-Dateien, erstellen Sie eine chronologische Liste der vom Benutzer aufgerufenen Dokumente, identifizieren Sie für den Fall relevante Dateien, präsentieren Sie Zielzeitstempel, die zeigen, wann Dateien geöffnet wurden, korrelieren Sie mit E-Mail- und Kommunikationszeitachsen.

Ausgabeformat

LNK-Dateianalyse-Zusammenfassung:
  Benutzerprofil: suspect_user
  Gesamtzahl LNK-Dateien: 234 (Recent: 198, Desktop: 23, Startup: 5, Sonstige: 8)

  Dateizugriffsstatistiken:
    Lokales Laufwerk (C:):    156 Dateien
    Wechselmedien:            23 Dateien (3 eindeutige Volume-Seriennummern)
    Netzwerkfreigaben:        15 Dateien (\\server01, \\fileserver)
    Andere Laufwerke:         4 Dateien

  Gefundene Maschinen-IDs: DESKTOP-ABC123, LAPTOP-XYZ789
  MAC-Adressen: AA:BB:CC:DD:EE:FF, 11:22:33:44:55:66

  Zugriff auf Wechselmedien:
    Volume-Seriennummer 1234-ABCD:
      2024-01-15 14:32 - E:\Confidential\financial_report.xlsx
      2024-01-15 14:45 - E:\Confidential\customer_database.csv
      2024-01-15 15:00 - E:\Projects\source_code.zip

  Startup-Persistenz:
    updater.lnk -> C:\ProgramData\svc\updater.exe (VERDÄCHTIG)
    OneDrive.lnk -> C:\Users\...\OneDrive.exe (Legitim)

  Zeitachse: /cases/case-2024-001/analysis/lnk_analysis.csv

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