Communitygithub.com

Windows-Registrierungsdatenbank auf Artefakte analysieren

Extrahiere und analysiere Windows-Registrierungshives mit Werkzeugen wie RegRipper.

Was ist Windows-Registrierungsdatenbank auf Artefakte analysieren?

Diese Fertigkeit (Skill) ermöglicht es einem KI-Agenten, Windows-Registrierungshives aus einem forensischen Image oder extrahierten Dateien systematisch zu analysieren. Sie ist für Incident-Response-Untersuchungen, Malware-Analysen und die forensische Rekonstruktion von Benutzeraktivitäten unerlässlich. Der Workflow umfasst die Extraktion von Hives (SAM, SYSTEM, SOFTWARE, NTUSER.DAT), die automatisierte Artefaktanalyse mit RegRipper sowie die detaillierte Untersuchung von Persistenzmechanismen, Benutzeraktivitäten und Systeminformationen. Unterstützt werden Plattformen wie die SIFT Workstation und gängige forensische Umgebungen. Der Agent erhält klare Anweisungen zur Nutzung von RegRipper, python-registry und weiteren Tools, um autorun-Einträge, UserAssist-Daten, MRU-Listen, USB-Geräte und installierte Software zu extrahieren. Durch die Integration von Skripten und Befehlen wird eine reproduzierbare und effiziente Analyse gewährleistet. Die Ergebnisse werden in einem strukturierten Bericht zusammengefasst, der die wichtigsten Funde und verdächtigen Elemente auflistet.

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

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Analysieren der Windows-Registrierungsdatenbank auf Artefakte

Verwendungszweck

  • Bei der Untersuchung von Benutzeraktivitäten auf einem Windows-System während eines Vorfalls
  • Zur Identifizierung von Autostart-/Persistenzmechanismen, die von Malware verwendet werden
  • Bei der Rückverfolgung installierter Software, USB-Geräte und Netzwerkverbindungen
  • Bei Untersuchungen zu Insider-Bedrohungen zur Rekonstruktion von Benutzeraktionen
  • Zur Korrelation von Registrierungszeitstempeln mit anderen forensischen Artefakten

Voraussetzungen

  • Forensisches Image oder extrahierte Registrierungshive-Dateien
  • RegRipper, Registry Explorer (Eric Zimmerman) oder python-registry
  • Zugriff auf Registrierungshive-Pfade (SAM, SYSTEM, SOFTWARE, NTUSER.DAT, UsrClass.dat)
  • Verständnis der Windows-Registrierungsstruktur (Hives, Keys, Values)
  • SIFT Workstation oder forensische Analyseumgebung

Arbeitsablauf

Schritt 1: Registrierungshives aus dem forensischen Image extrahieren

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

# System-Registrierungshives kopieren
cp /mnt/evidence/Windows/System32/config/SAM /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SYSTEM /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SOFTWARE /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SECURITY /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/DEFAULT /cases/case-2024-001/registry/

# Benutzerspezifische Hives kopieren
cp /mnt/evidence/Users/*/NTUSER.DAT /cases/case-2024-001/registry/
cp /mnt/evidence/Users/*/AppData/Local/Microsoft/Windows/UsrClass.dat /cases/case-2024-001/registry/

# Transaktionsprotokolle kopieren (für die Wiederherstellung beschädigter Hives)
cp /mnt/evidence/Windows/System32/config/*.LOG* /cases/case-2024-001/registry/logs/

# Alle extrahierten Hives hashen
sha256sum /cases/case-2024-001/registry/* > /cases/case-2024-001/registry/hive_hashes.txt

Schritt 2: Analyse mit RegRipper für automatisierte Artefaktextraktion

# RegRipper installieren
git clone https://github.com/keydet89/RegRipper3.0.git /opt/regripper

# RegRipper gegen NTUSER.DAT ausführen (Benutzerprofil)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -f ntuser > /cases/case-2024-001/analysis/ntuser_report.txt

# Gegen SYSTEM-Hive ausführen
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -f system > /cases/case-2024-001/analysis/system_report.txt

# Gegen SOFTWARE-Hive ausführen
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -f software > /cases/case-2024-001/analysis/software_report.txt

# Gegen SAM-Hive ausführen (Benutzerkonten)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SAM \
   -f sam > /cases/case-2024-001/analysis/sam_report.txt

# Spezifische Plugins ausführen
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p userassist > /cases/case-2024-001/analysis/userassist.txt

perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p usbstor > /cases/case-2024-001/analysis/usbstor.txt

Schritt 3: Persistenz- und Autostart-Einträge extrahieren

# Verwendung von python-registry für gezielte Extraktion
pip install python-registry

python3 << 'PYEOF'
from Registry import Registry

# SOFTWARE-Hive öffnen
reg = Registry.Registry("/cases/case-2024-001/registry/SOFTWARE")

# Run-Keys prüfen (Autostart)
autorun_paths = [
    "Microsoft\\Windows\\CurrentVersion\\Run",
    "Microsoft\\Windows\\CurrentVersion\\RunOnce",
    "Microsoft\\Windows\\CurrentVersion\\RunServices",
    "Microsoft\\Windows\\CurrentVersion\\Policies\\Explorer\\Run",
    "Wow6432Node\\Microsoft\\Windows\\CurrentVersion\\Run"
]

for path in autorun_paths:
    try:
        key = reg.open(path)
        print(f"\n=== {path} (Zuletzt geändert: {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()}: {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass

# Installierte Dienste prüfen
key = reg.open("Microsoft\\Windows NT\\CurrentVersion\\Svchost")
print(f"\n=== Svchost-Gruppen ===")
for value in key.values():
    print(f"  {value.name()}: {value.value()}")
PYEOF

# NTUSER.DAT auf benutzerspezifischen Autostart prüfen
python3 << 'PYEOF'
from Registry import Registry

reg = Registry.Registry("/cases/case-2024-001/registry/NTUSER.DAT")

user_autorun = [
    "Software\\Microsoft\\Windows\\CurrentVersion\\Run",
    "Software\\Microsoft\\Windows\\CurrentVersion\\RunOnce",
    "Software\\Microsoft\\Windows\\CurrentVersion\\Explorer\\StartupApproved\\Run"
]

for path in user_autorun:
    try:
        key = reg.open(path)
        print(f"\n=== {path} (Zuletzt geändert: {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()}: {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass
PYEOF

Schritt 4: Artefakte der Benutzeraktivität analysieren

# UserAssist-Daten extrahieren (Programmausführungshistorie mit ROT13-Kodierung)
python3 << 'PYEOF'
from Registry import Registry
import codecs, struct, datetime

reg = Registry.Registry("/cases/case-2024-001/registry/NTUSER.DAT")

ua_path = "Software\\Microsoft\\Windows\\CurrentVersion\\Explorer\\UserAssist"
key = reg.open(ua_path)

for guid_key in key.subkeys():
    count_key = guid_key.subkey("Count")
    print(f"\n=== {guid_key.name()} ===")
    for value in count_key.values():
        decoded_name = codecs.decode(value.name(), 'rot_13')
        data = value.value()
        if len(data) >= 16:
            run_count = struct.unpack('<I', data[4:8])[0]
            focus_count = struct.unpack('<I', data[8:12])[0]
            timestamp = struct.unpack('<Q', data[60:68])[0] if len(data) >= 68 else 0
            if timestamp > 0:
                ts = datetime.datetime(1601,1,1) + datetime.timedelta(microseconds=timestamp//10)
                print(f"  {decoded_name}: Ausführungen={run_count}, Fokus={focus_count}, Letzte={ts}")
            else:
                print(f"  {decoded_name}: Ausführungen={run_count}, Fokus={focus_count}")
PYEOF

# Zuletzt verwendete Dokumente extrahieren (MRU-Listen)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p recentdocs > /cases/case-2024-001/analysis/recentdocs.txt

# Eingegebene URLs extrahieren (Browser)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedurls > /cases/case-2024-001/analysis/typedurls.txt

# Eingegebene Pfade im Explorer extrahieren
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedpaths > /cases/case-2024-001/analysis/typedpaths.txt

Schritt 5: System- und Netzwerkinformationen extrahieren

# Computername und Betriebssystemversion aus SYSTEM-Hive
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p compname > /cases/case-2024-001/analysis/system_info.txt

# Netzwerkschnittstellen und -konfiguration
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p nic2 >> /cases/case-2024-001/analysis/system_info.txt

# Drahtlosnetzwerkverlauf
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p networklist > /cases/case-2024-001/analysis/network_history.txt

# Zeitzonenkonfiguration
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p timezone > /cases/case-2024-001/analysis/timezone.txt

# Herunterfahrzeit
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p shutdown > /cases/case-2024-001/analysis/shutdown.txt

# Installierte Software aus Uninstall-Keys
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p uninstall > /cases/case-2024-001/analysis/installed_software.txt

Schlüsselkonzepte

KonzeptBeschreibung
Registry-HiveBinärdatei, die einen Abschnitt der Registrierung speichert (SAM, SYSTEM, SOFTWARE, NTUSER.DAT)
MRU (Most Recently Used)Listen, die kürzlich verwendete Dateien, Befehle und Suchbegriffe nachverfolgen
UserAssistROT13-kodierte Registrierungseinträge zur Nachverfolgung der Programmausführung mit Zeitstempeln
ShimCacheAnwendungskompatibilitäts-Cache, der ausgeführte Programme aufzeichnet
AmCacheDetaillierte Ausführungshistorie mit SHA-1-Hashes von ausführbaren Dateien
BAM/DAMHintergrund-/Desktop-Aktivitätsmoderator zur Nachverfolgung der Programmausführung unter Windows 10+
Letzter SchreibzeitpunktZeitstempel auf Registrierungsschlüsseln, der angibt, wann sie zuletzt geändert wurden
TransaktionsprotokolleJournaldateien, die die Wiederherstellung des Registrierungszustands nach unsachgemäßem Herunterfahren ermöglichen

Werkzeuge und Systeme

WerkzeugZweck
RegRipperAutomatisierte Extraktion von Registrierungsartefakten mit Plugin-Architektur
Registry ExplorerGUI-Werkzeug von Eric Zimmerman für interaktive Registrierungsanalyse
python-registryPython-Bibliothek für programmgesteuerte Analyse von Registrierungshives
RECmdBefehlszeilenwerkzeug von Eric Zimmerman für Registrierungsanalyse
yarpYet Another Registry Parser für Python-basierte Analysen
AppCompatCacheParserDedizierter Parser für ShimCache/AppCompatCache
AmcacheParserDediziertes Analysewerkzeug für AmCache.hve
ShellBags ExplorerSpezialisiertes Werkzeug zur Analyse von ShellBag-Artefakten

Häufige Szenarien

Szenario 1: Untersuchung von Malware-Persistenz Extrahiere SOFTWARE- und NTUSER.DAT-Hives, überprüfe alle Run/RunOnce-Keys auf unbefugte Einträge, untersuche Dienste auf verdächtige Ergänzungen, überprüfe Registrierungsschlüssel für geplante Aufgaben, korreliere Autostart-Zeitstempel mit dem Ausführungszeitplan der Malware.

Szenario 2: Rekonstruktion von Benutzeraktivitäten Analysiere UserAssist für die Programmausführungshistorie, untersuche RecentDocs auf zugegriffene Dateien, überprüfe TypedPaths für die Explorer-Navigation, extrahiere ShellBags für Ordnerzugriffsmuster, erstelle eine Zeitleiste der Benutzeraktivität rund um das Vorfallfenster.

Szenario 3: Erkennung unbefugter Software Analysiere Uninstall-Keys für alle installierten Anwendungen, vergleiche mit der genehmigten Softwarebasis, überprüfe BAM/DAM auf kürzlich ausgeführte Programme, die nicht in der genehmigten Liste enthalten sind, untersuche AppCompatCache auf Ausführungsnachweise auch nach der Deinstallation.

Szenario 4: Untersuchung von USB-Datenexfiltration Extrahiere USBSTOR-Einträge aus dem SYSTEM-Hive für angeschlossene Geräte, korreliere Geräteseriennummern mit MountedDevices, überprüfe NTUSER.DAT MountPoints2 auf Benutzerzugriff auf Wechselmedien, untersuche SetupAPI-Protokolle auf Zeitstempel der ersten Verbindung.

Ausgabeformat

Zusammenfassung der Registrierungsanalyse:
  System: DESKTOP-ABC123 (Windows 10 Pro Build 19041)
  Zeitzone: Eastern Standard Time (UTC-5)
  Letztes Herunterfahren: 2024-01-18 23:45:12 UTC

  Autostart-Einträge:
    HKLM Run:     5 Einträge (1 verdächtig: "updater.exe" -> C:\ProgramData\svc\updater.exe)
    HKCU Run:     3 Einträge (alle legitim)
    Dienste:      142 Einträge (2 unbekannt: "WinDefSvc", "SysMonAgent")

  Benutzeraktivität (NTUSER.DAT):
    UserAssist-Programme:  234 Einträge
    Zuletzt verwendete Dokumente:     89 Einträge
    Eingegebene URLs:           45 Einträge
    Eingegebene Pfade:          12 Einträge

  Angeschlossene USB-Geräte:
    - Kingston DataTraveler (Seriennummer: 0019E06B4521) - Erstmalig: 2024-01-10, Zuletzt: 2024-01-18
    - WD My Passport (Seriennummer: 575834314131) - Erstmalig: 2024-01-15, Zuletzt: 2024-01-15

  Installierte Software:     127 Anwendungen
  Verdächtige Funde:         3 Elemente zur Überprüfung markiert

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