Communitygithub.com

SamuelChien/mega-skills-collection

Erstellen Sie forensisch einwandfreie Bit-für-Bit-Festplattenimages mit dd und dcfldd unter Wahrung der Beweismittelsicherheit durch Hash-Prüfung.

Was ist mega-skills-collection?

Diese Skill-Anleitung führt durch die forensisch korrekte Erstellung von Bit-für-Bit-Festplattenimages mit den Werkzeugen `dd` und `dcfldd`. Sie ist ideal für Ermittler, Incident-Responder und IT-Sicherheitsexperten, die Beweismittel von physischen Laufwerken sichern müssen. Der Skill deckt den gesamten Arbeitsablauf ab: Identifikation des Quell-Laufwerks, Einrichtung von Hard- oder Software-Schreibschutz, Image-Akquisition mit integrierter Hash-Prüfung (SHA-256/MD5), Aufteilung großer Images, Integritätsverifikation durch Hash-Vergleich und ausführliche Dokumentation für die Beweismittelkette. Plattformen sind Linux-basierte Workstations (SIFT, Kali, Ubuntu). Die Anleitung enthält bewährte Befehle für Standardszenarien sowie für fehlerhafte Laufwerke, gesplittete Images und entfernte Akquisition. Sie betont die Bedeutung von Hash-Prüfungen vor und nach der Akquisition, um die Beweismittelsicherheit zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/SamuelChien/mega-skills-collection/tree/HEAD/acquiring-disk-image-with-dd-and-dcfldd

In Ihrer bevorzugten KI fragen

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

Dokumentation

Erstellen eines Festplattenimages mit dd und dcfldd

Verwendungszweck

  • Wenn Sie eine forensische Kopie eines verdächtigen Laufwerks für Ermittlungen erstellen müssen
  • Bei der Incident-Response, um flüchtige Festplattenbeweise vor der Analyse zu sichern
  • Wenn Strafverfolgungsbehörden oder Gerichtsverfahren eine verifizierte Bit-für-Bit-Kopie erfordern
  • Vor der Durchführung einer destruktiven Analyse auf einem Speichergerät
  • Beim Erstellen von Images von physischen Laufwerken, USB-Geräten oder Speicherkarten

Voraussetzungen

  • Linux-basierte forensische Workstation (SIFT, Kali oder eine beliebige Linux-Distribution)
  • dd (vorinstalliert auf allen Linux-Systemen) oder dcfldd (erweiterte forensische Version)
  • Hardware-Schreibschutz oder konfigurierter Software-Schreibschutz
  • Ziellaufwerk mit ausreichend Speicherplatz (größer als die Quelle)
  • Root-/sudo-Rechte auf der forensischen Workstation
  • SHA-256- oder MD5-Hashing-Dienstprogramme (sha256sum, md5sum)

Arbeitsablauf

Schritt 1: Zielgerät identifizieren und Schreibschutz aktivieren

# Alle angeschlossenen Blockgeräte auflisten, um das Ziel zu identifizieren
lsblk -o NAME,SIZE,TYPE,MOUNTPOINT,MODEL

# Gerätedetails überprüfen
fdisk -l /dev/sdb

# Software-Schreibschutz aktivieren (falls kein Hardware-Blocker vorhanden)
blockdev --setro /dev/sdb

# Schreibschutz-Status überprüfen
blockdev --getro /dev/sdb
# Ausgabe: 1 (bedeutet, dass Schreibschutz aktiviert ist)

# Alternativ udev-Regeln für dauerhaften Schreibschutz verwenden
echo 'SUBSYSTEM=="block", ATTRS{serial}=="WD-WCAV5H861234", ATTR{ro}="1"' > /etc/udev/rules.d/99-writeblock.rules
udevadm control --reload-rules

Schritt 2: Ziel vorbereiten und Quelle dokumentieren

# Fallverzeichnisstruktur erstellen
mkdir -p /cases/case-2024-001/{images,hashes,logs,notes}

# Quelllaufwerksinformationen dokumentieren
hdparm -I /dev/sdb > /cases/case-2024-001/notes/source_drive_info.txt

# Seriennummer und Modell aufzeichnen
smartctl -i /dev/sdb >> /cases/case-2024-001/notes/source_drive_info.txt

# Vorab-Hash des Quellgeräts erstellen
sha256sum /dev/sdb | tee /cases/case-2024-001/hashes/source_hash_before.txt

Schritt 3: Image mit dd erstellen

# Basis-dd-Akquisition mit Fortschrittsanzeige und Fehlerbehandlung
dd if=/dev/sdb of=/cases/case-2024-001/images/evidence.dd \
   bs=4096 \
   conv=noerror,sync \
   status=progress 2>&1 | tee /cases/case-2024-001/logs/dd_acquisition.log

# Für komprimierte Images, um Speicherplatz zu sparen
dd if=/dev/sdb bs=4096 conv=noerror,sync status=progress | \
   gzip -c > /cases/case-2024-001/images/evidence.dd.gz

# Verwendung von dd mit einer bestimmten Anzahl für partielle Akquisition
dd if=/dev/sdb of=/cases/case-2024-001/images/first_1gb.dd \
   bs=1M count=1024 status=progress

Schritt 4: Akquisition mit dcfldd (bevorzugte forensische Methode)

# Installieren von dcfldd, falls nicht vorhanden
apt-get install dcfldd

# Image mit integrierter Hash-Prüfung und geteilter Ausgabe erstellen
dcfldd if=/dev/sdb \
   of=/cases/case-2024-001/images/evidence.dd \
   hash=sha256,md5 \
   hashwindow=1G \
   hashlog=/cases/case-2024-001/hashes/acquisition_hashes.txt \
   bs=4096 \
   conv=noerror,sync \
   errlog=/cases/case-2024-001/logs/dcfldd_errors.log

# Große Images in handhabbare Segmente aufteilen
dcfldd if=/dev/sdb \
   of=/cases/case-2024-001/images/evidence.dd \
   hash=sha256 \
   hashlog=/cases/case-2024-001/hashes/split_hashes.txt \
   bs=4096 \
   split=2G \
   splitformat=aa

# Image mit Verifikationsdurchlauf erstellen
dcfldd if=/dev/sdb \
   of=/cases/case-2024-001/images/evidence.dd \
   hash=sha256 \
   hashlog=/cases/case-2024-001/hashes/verification.txt \
   vf=/cases/case-2024-001/images/evidence.dd \
   verifylog=/cases/case-2024-001/logs/verify.log

Schritt 5: Image-Integrität überprüfen

# Hash des erstellten Images berechnen
sha256sum /cases/case-2024-001/images/evidence.dd | \
   tee /cases/case-2024-001/hashes/image_hash.txt

# Quell- und Image-Hashes vergleichen
diff <(sha256sum /dev/sdb | awk '{print $1}') \
     <(sha256sum /cases/case-2024-001/images/evidence.dd | awk '{print $1}')

# Bei geteilten Images jedes Segment überprüfen
sha256sum /cases/case-2024-001/images/evidence.dd.* | \
   tee /cases/case-2024-001/hashes/split_image_hashes.txt

# Quelle erneut hashen, um sicherzustellen, dass keine Änderungen aufgetreten sind
sha256sum /dev/sdb | tee /cases/case-2024-001/hashes/source_hash_after.txt
diff /cases/case-2024-001/hashes/source_hash_before.txt \
     /cases/case-2024-001/hashes/source_hash_after.txt

Schritt 6: Akquisitionsprozess dokumentieren

# Akquisitionsbericht erstellen
cat << 'EOF' > /cases/case-2024-001/notes/acquisition_report.txt
BERICHT ZUR FESTPLATTENIMAGE-AKQUISITION
==========================================
Fallnummer: 2024-001
Datum/Uhrzeit: $(date -u +"%Y-%m-%d %H:%M:%S UTC")
Prüfer: [Name]

Quellgerät: /dev/sdb
Modell: [aus hdparm-Ausgabe]
Seriennummer: [aus hdparm-Ausgabe]
Größe: [aus fdisk-Ausgabe]

Akquisitionswerkzeug: dcfldd v1.9.1
Blockgröße: 4096
Schreibschutz: [Hardware/Software-Modell]

Imagedatei: evidence.dd
Image-Hash (SHA-256): [aus Hash-Datei]
Quell-Hash (SHA-256): [aus Hash-Datei]
Hash-Übereinstimmung: JA/NEIN

Fehler während der Akquisition: [aus Fehlerprotokoll]
EOF

# Protokolle zur Archivierung komprimieren
tar -czf /cases/case-2024-001/acquisition_package.tar.gz \
   /cases/case-2024-001/hashes/ \
   /cases/case-2024-001/logs/ \
   /cases/case-2024-001/notes/

Schlüsselkonzepte

KonzeptBeschreibung
Bit-für-Bit-KopieExakte Kopie der Quelle, einschließlich nicht zugewiesenen Bereichs und Slack-Space
SchreibschutzHardware- oder Softwaremechanismus, der Schreibvorgänge auf Beweismittelmedien verhindert
Hash-PrüfungKryptografischer Hash-Vergleich zwischen Quelle und Image zur Integritätsbestätigung
Blockgröße (bs)Übertragungsblockgröße, die die Geschwindigkeit beeinflusst; typisch für Forensik sind 4096 oder 64K
conv=noerror,syncBei Lesefehlern fortfahren und mit Nullen auffüllen, um die Offset-Ausrichtung beizubehalten
BeweismittelketteDokumentierter Nachweis, dass Beweismittel nicht manipuliert wurden
Geteiltes ImagingAufteilen großer Images in kleinere Dateien für Speicherung und Transport
Rohformat/dd-FormatBit-für-Bit-Image-Format ohne Overhead von Metadaten-Containern

Werkzeuge und Systeme

WerkzeugZweck
ddStandard-Unix-Festplattenkopierwerkzeug für Roh-Imaging
dcflddDoD Computer Forensics Laboratory erweiterte Version von dd mit Hashing
dc3ddEine weitere forensische dd-Variante des DoD Cyber Crime Center
sha256sumSHA-256-Hash-Berechnung zur Integritätsprüfung
blockdevLinux-Befehl zum Setzen des schreibgeschützten Modus von Blockgeräten
hdparmLaufwerksidentifikation und Parameterberichterstattung
smartctlS.M.A.R.T.-Datenabruf für Laufwerkszustand und Identifikation
lsblkBlockgeräte-Auflistung und -Identifikation

Häufige Szenarien

Szenario 1: Akquisition einer verdächtigen Laptop-Festplatte Die Festplatte über einen Tableau T35u Hardware-Schreibschutz anschließen, als /dev/sdb identifizieren, dcfldd mit SHA-256-Hashing verwenden, in 4GB-Segmente für die DVD-Archivierung aufteilen, Hashes auf Übereinstimmung prüfen und in den Fallnotizen dokumentieren.

Szenario 2: Imaging eines USB-Flash-Laufwerks von einem kompromittierten Arbeitsplatz Software-Schreibschutz mit blockdev --setro verwenden, mit dcfldd inklusive MD5- und SHA-256-Doppelhashing akquirieren, Image ist klein genug für eine einzelne Datei, verifizieren und auf verschlüsseltem Falllaufwerk speichern.

Szenario 3: Remote-Akquisition über Netzwerk Verwendung von dd über netcat oder ssh für die Remote-Akquisition: ssh root@remote "dd if=/dev/sda bs=4096" | dd of=remote_image.dd bs=4096, beide Enden unabhängig hashen, um die Übertragungsintegrität zu prüfen.

Szenario 4: Akquisition eines defekten Laufwerks Zuerst ddrescue verwenden, um lesbare Sektoren wiederherzustellen, dann dd mit conv=noerror,sync verwenden, um Lücken mit Nullen zu füllen, und im Fehlerprotokoll dokumentieren, welche Sektoren nicht lesbar waren.

Ausgabeformat

Akquisitionszusammenfassung:
  Quelle:       /dev/sdb (500GB Western Digital WD5000AAKX)
  Ziel:         /cases/case-2024-001/images/evidence.dd
  Werkzeug:     dcfldd 1.9.1
  Blockgröße:   4096 Bytes
  Dauer:        2h 15m 32s
  Kopierte Bytes: 500.107.862.016
  Fehler:       0 defekte Sektoren
  Quell-SHA-256:  a3f2b8c9d4e5f6a7b8c9d0e1f2a3b4c5d6e7f8a9b0c1d2e3f4a5b6c7d8e9f0a1
  Image-SHA-256:   a3f2b8c9d4e5f6a7b8c9d0e1f2a3b4c5d6e7f8a9b0c1d2e3f4a5b6c7d8e9f0a1
  Verifizierung:    BESTANDEN - Hashes stimmen überein

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

SamuelChien/mega-skills-collection

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

SamuelChien/mega-skills-collection

Arquitecto de Soluciones Principal y Consultor Tecnológico de Andru.ia. Diagnostica y traza la hoja de ruta óptima para proyectos de IA en español.

SamuelChien/mega-skills-collection

Ingeniero de Sistemas de Andru.ia. Diseña, redacta y despliega nuevas habilidades (skills) dentro del repositorio siguiendo el Estándar de Diamante.

SamuelChien/mega-skills-collection

Estratega de Inteligencia de Dominio de Andru.ia. Analiza el nicho específico de un proyecto para inyectar conocimientos, regulaciones y estándares únicos del sector. Actívalo tras definir el nicho.

SamuelChien/mega-skills-collection

2D game development principles. Sprites, tilemaps, physics, camera.

SamuelChien/mega-skills-collection

3D game development principles. Rendering, shaders, physics, cameras.

SamuelChien/mega-skills-collection

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences.

SamuelChien/mega-skills-collection

Accessibility audit skill for scanning, fixing, and verifying WCAG 2.2 Level A and AA compliance across React, Next.js, Vue, Angular, Svelte, and plain HTML codebases. Use when auditing accessibility, fixing a11y violations, checking color contrast, generating compliance reports, or integrating accessibility checks into CI/CD pipelines.

SamuelChien/mega-skills-collection

Ab Test Analyzer - Auto-activating skill for Data Analytics. Triggers on: ab test analyzer, ab test analyzer Part of the Data Analytics skill category.

SamuelChien/mega-skills-collection

A B Test Config Creator - Auto-activating skill for ML Deployment. Triggers on: a b test config creator, a b test config creator Part of the ML Deployment skill category.

SamuelChien/mega-skills-collection

When the user wants to plan, design, or implement an A/B test or experiment. Also use when the user mentions "A/B test," "split test," "experiment," "test this change," "variant copy," "multivariate test," "hypothesis," "conversion experiment," "statistical significance," or "test this." For tracking implementation, see analytics-tracking.

SamuelChien/mega-skills-collection

Acceptance Criteria Creator - Auto-activating skill for Enterprise Workflows. Triggers on: acceptance criteria creator, acceptance criteria creator Part of the Enterprise Workflows skill category.

SamuelChien/mega-skills-collection

Use when a coding task should be driven end-to-end from issue intake through implementation, review, deployment, and acceptance verification with minimal human re-intervention.

SamuelChien/mega-skills-collection

Accessibility Audit Runner - Auto-activating skill for Frontend Development. Triggers on: accessibility audit runner, accessibility audit runner Part of the Frontend Development skill category.

SamuelChien/mega-skills-collection

You are an accessibility expert specializing in WCAG compliance, inclusive design, and assistive technology compatibility. Conduct audits, identify barriers, and provide remediation guidance.

SamuelChien/mega-skills-collection

Web accessibility patterns for WCAG 2.2 compliance including ARIA, keyboard navigation, screen readers, and testing

SamuelChien/mega-skills-collection

Manage Discord channel access — approve pairings, edit allowlists, set DM/group policy. Use when the user asks to pair, approve someone, check who's allowed, or change policy for the Discord channel.

SamuelChien/mega-skills-collection

Create unified specification packages across Business, Development, and Design teams. Staged elaboration (L0 Vision → L1 Requirements → L2 Team Detail → L3 Acceptance Criteria) to build shared understanding. Does not write code.

SamuelChien/mega-skills-collection

Research a company or person and get actionable sales intel. Works standalone with web search, supercharged when you connect enrichment tools or your CRM. Trigger with "research [company]", "look up [person]", "intel on [prospect]", "who is [name] at [company]", or "tell me about [company]".

SamuelChien/mega-skills-collection

Validate messaging consistency across website, GitHub repos, and local documentation generating read-only discrepancy reports. Use when checking content alignment or finding mixed messaging. Trigger with phrases like "check consistency", "validate documentation", or "audit messaging".

Verwandte Skills