Communitygithub.com

analyzing-cobalt-strike-beacon-configuration

Extraer y analizar la configuración del beacon de Cobalt Strike a partir de archivos PE

¿Qué es analyzing-cobalt-strike-beacon-configuration?

Esta habilidad proporciona un flujo de trabajo completo para extraer y analizar la configuración de los beacons de Cobalt Strike desde archivos PE, shellcode o volcados de memoria. Cobalt Strike es una herramienta de simulación de adversarios ampliamente abusada por actores de amenazas; sus beacons contienen datos incrustados como direcciones de servidores C2, protocolos de comunicación, intervalos de sueño, valores de jitter, perfiles C2 maleables, marcas de agua y claves de cifrado. La habilidad guía al usuario a través de la extracción automatizada con bibliotecas como `dissect.cobaltstrike`, descifrado manual con XOR, creación de reglas YARA para detección y correlación de tráfico de red. Es útil para respondedores de incidentes, cazadores de amenazas y analistas de SOC que necesitan mapear infraestructura de atacantes, atribuir campañas y generar indicadores de compromiso (IoC) accionables. La habilidad utiliza un enfoque estructurado que incluye extracción de configuración, descifrado manual de TLV, análisis de perfil C2 maleable y generación de firmas de red para herramientas como Suricata o Snort.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-cobalt-strike-beacon-configuration

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Análisis de Configuración del Beacon de Cobalt Strike

Resumen

Cobalt Strike es una herramienta comercial de simulación de adversarios, ampliamente abusada por actores de amenazas para operaciones posteriores a la explotación. Las cargas útiles de Beacon contienen datos de configuración incrustados que revelan direcciones de servidores C2, protocolos de comunicación, intervalos de sueño, valores de jitter, ajustes del perfil C2 maleable, identificadores de marca de agua y claves de cifrado. Extraer esta configuración de archivos PE, shellcode o volcados de memoria es fundamental para que los respondedores de incidentes mapeen la infraestructura de los atacantes y atribuyan campañas. La configuración del beacon está codificada con XOR usando un solo byte (0x69 para la versión 3, 0x2e para la versión 4) y se almacena en un formato Tipo-Longitud-Valor (TLV) dentro de la sección .data.

Cuándo Usarlo

  • Al investigar incidentes de seguridad que requieran analizar la configuración del beacon de Cobalt Strike
  • Al crear reglas de detección o consultas de caza de amenazas para este dominio
  • Cuando los analistas de SOC necesiten procedimientos estructurados para este tipo de análisis
  • Al validar la cobertura de monitoreo de seguridad para técnicas de ataque relacionadas

Requisitos Previos

  • Python 3.9+ con dissect.cobaltstrike, pefile, yara-python
  • CobaltStrikeParser de SentinelOne (parse_beacon_config.py)
  • Editor hexadecimal (010 Editor, HxD) para inspección manual
  • Conocimiento del formato de archivo PE y codificación XOR
  • Herramientas de adquisición de volcados de memoria (Volatility3, WinDbg)
  • Herramientas de análisis de red (Wireshark) para correlación de tráfico C2

Conceptos Clave

Estructura de la Configuración del Beacon

Los beacons de Cobalt Strike almacenan su configuración como un blob de entradas TLV (Tipo-Longitud-Valor) dentro de la sección .data del PE. Los beacons sin etapa (stageless) aplican XOR a todo el código del beacon con una clave de 4 bytes. El blob de configuración en sí utiliza una clave XOR de un solo byte. Cada entrada TLV contiene un identificador de tipo de 2 bytes (por ejemplo, 0x0001 para BeaconType, 0x0008 para C2Server), una longitud de 2 bytes y datos de longitud variable.

Perfiles C2 Maleables

La configuración del beacon codifica el perfil C2 maleable que dicta las transformaciones de solicitudes/respuestas HTTP, incluyendo rutas URI, encabezados, codificación de metadatos (Base64, NetBIOS) y transformaciones de datos. Analizar estos ajustes revela cómo el beacon disfraza su tráfico para mezclarse con el tráfico web legítimo.

Marca de Agua e Identificación de Licencia

Cada licencia de Cobalt Strike incrusta una marca de agua única (entero de 4 bytes) en los beacons generados. Extraer la marca de agua puede vincular múltiples beacons al mismo operador o a una licencia crackeada. Bases de datos de marcas de agua conocidas, mantenidas por proveedores de inteligencia de amenazas, asignan marcas de agua a actores de amenazas específicos o claves de licencia filtradas.

Flujo de Trabajo

Paso 1: Extraer Configuración con CobaltStrikeParser

#!/usr/bin/env python3
"""Extraer configuración del beacon de Cobalt Strike desde un PE o volcado de memoria."""
import sys
import json

# Usando CobaltStrikeParser de SentinelOne
# pip install dissect.cobaltstrike
from dissect.cobaltstrike.beacon import BeaconConfig

def extract_beacon_config(filepath):
    """Analizar la configuración del beacon desde un archivo."""
    configs = list(BeaconConfig.from_path(filepath))

    if not configs:
        print(f"[-] No se encontró configuración de beacon en {filepath}")
        return None

    for i, config in enumerate(configs):
        print(f"\n[+] Configuración del Beacon #{i+1}")
        print(f"{'='*60}")

        settings = config.as_dict()

        # Campos críticos para respuesta a incidentes
        critical_fields = [
            "SETTING_C2_REQUEST",
            "SETTING_C2_RECOVER",
            "SETTING_PUBKEY",
            "SETTING_DOMAINS",
            "SETTING_BEACONTYPE",
            "SETTING_PORT",
            "SETTING_SLEEPTIME",
            "SETTING_JITTER",
            "SETTING_MAXGET",
            "SETTING_SPAWNTO_X86",
            "SETTING_SPAWNTO_X64",
            "SETTING_PIPENAME",
            "SETTING_WATERMARK",
            "SETTING_C2_VERB_GET",
            "SETTING_C2_VERB_POST",
            "SETTING_USERAGENT",
            "SETTING_PROTOCOL",
        ]

        for field in critical_fields:
            value = settings.get(field, "N/A")
            print(f"  {field}: {value}")

        return settings

    return None


def extract_c2_indicators(config):
    """Extraer indicadores C2 accionables desde la configuración del beacon."""
    indicators = {
        "c2_domains": [],
        "c2_ips": [],
        "c2_urls": [],
        "user_agent": "",
        "named_pipes": [],
        "spawn_processes": [],
        "watermark": "",
    }

    if not config:
        return indicators

    # Extraer dominios C2
    domains = config.get("SETTING_DOMAINS", "")
    if domains:
        for domain in str(domains).split(","):
            domain = domain.strip().rstrip("/")
            if domain:
                indicators["c2_domains"].append(domain)

    # Extraer user agent
    indicators["user_agent"] = str(config.get("SETTING_USERAGENT", ""))

    # Extraer named pipes
    pipe = config.get("SETTING_PIPENAME", "")
    if pipe:
        indicators["named_pipes"].append(str(pipe))

    # Extraer procesos spawn-to
    for arch in ["SETTING_SPAWNTO_X86", "SETTING_SPAWNTO_X64"]:
        proc = config.get(arch, "")
        if proc:
            indicators["spawn_processes"].append(str(proc))

    # Extraer marca de agua
    indicators["watermark"] = str(config.get("SETTING_WATERMARK", ""))

    return indicators


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print(f"Uso: {sys.argv[0]} <archivo_beacon_o_volcado>")
        sys.exit(1)

    config = extract_beacon_config(sys.argv[1])
    if config:
        indicators = extract_c2_indicators(config)
        print(f"\n[+] Indicadores C2 Extraídos:")
        print(json.dumps(indicators, indent=2))

Paso 2: Descifrado Manual XOR de la Configuración del Beacon

import struct

def find_and_decrypt_config(data):
    """Localizar y descifrar manualmente la configuración del beacon."""
    # Cobalt Strike 4.x usa 0x2e como clave XOR
    xor_keys = [0x2e, 0x69]  # v4, v3

    for xor_key in xor_keys:
        # Buscar los bytes mágicos de la configuración después de XOR
        # La configuración comienza con 0x0001 (BeaconType) aplicando XOR con la clave
        magic = bytes([0x00 ^ xor_key, 0x01 ^ xor_key,
                       0x00 ^ xor_key, 0x02 ^ xor_key])

        offset = data.find(magic)
        if offset == -1:
            continue

        print(f"[+] Configuración encontrada en offset 0x{offset:x} (clave XOR: 0x{xor_key:02x})")

        # Descifrar el blob de configuración (típicamente 4096 bytes)
        config_size = 4096
        encrypted = data[offset:offset + config_size]
        decrypted = bytes([b ^ xor_key for b in encrypted])

        # Analizar entradas TLV
        entries = parse_tlv(decrypted)
        return entries

    return None


def parse_tlv(data):
    """Analizar entradas de configuración Tipo-Longitud-Valor."""
    entries = {}
    offset = 0

    # Mapeo de tipos de campo TLV
    field_names = {
        0x0001: "BeaconType",
        0x0002: "Port",
        0x0003: "SleepTime",
        0x0004: "MaxGetSize",
        0x0005: "Jitter",
        0x0006: "MaxDNS",
        0x0007: "Deprecated_PublicKey",
        0x0008: "C2Server",
        0x0009: "UserAgent",
        0x000a: "PostURI",
        0x000b: "Malleable_C2_Instructions",
        0x000c: "Deprecated_HttpGet_Metadata",
        0x000d: "SpawnTo_x86",
        0x000e: "SpawnTo_x64",
        0x000f: "CryptoScheme",
        0x001a: "Watermark",
        0x001d: "C2_HostHeader",
        0x0024: "PipeName",
        0x0025: "Year",
        0x0026: "Month",
        0x0027: "Day",
        0x0036: "ProxyHostname",
    }

    while offset + 6 <= len(data):
        entry_type = struct.unpack(">H", data[offset:offset+2])[0]
        entry_len_type = struct.unpack(">H", data[offset+2:offset+4])[0]
        entry_len = struct.unpack(">H", data[offset+4:offset+6])[0]

        if entry_type == 0:
            break

        value_start = offset + 6
        value_end = value_start + entry_len
        value_data = data[value_start:value_end]

        field_name = field_names.get(entry_type, f"Unknown_0x{entry_type:04x}")

        if entry_len_type == 1:  # Corto
            value = struct.unpack(">H", value_data[:2])[0]
        elif entry_len_type == 2:  # Entero
            value = struct.unpack(">I", value_data[:4])[0]
        elif entry_len_type == 3:  # Cadena/Blob
            value = value_data.rstrip(b'\x00').decode('utf-8', errors='replace')
        else:
            value = value_data.hex()

        entries[field_name] = value
        print(f"  {field_name}: {value}")

        offset = value_end

    return entries

Paso 3: Regla YARA para Detección de Beacons

import yara

cobalt_strike_rule = """
rule CobaltStrike_Beacon_Config {
    meta:
        description = "Detecta la configuración del beacon de Cobalt Strike"
        author = "Equipo de Análisis de Malware"
        date = "2025-01-01"

    strings:
        // Marcador de configuración con XOR para CS 4.x (clave 0x2e)
        $config_v4 = { 2e 2f 2e 2c }

        // Marcador de configuración con XOR para CS 3.x (clave 0x69)
        $config_v3 = { 69 68 69 6b }

        // Cadenas comunes de beacon
        $str_pipe = "\\\\.\\pipe\\" ascii wide
        $str_beacon = "beacon" ascii nocase
        $str_sleeptime = "sleeptime" ascii nocase

        // Patrón de cargador reflexivo
        $reflective = { 4D 5A 41 52 55 48 89 E5 }

    condition:
        ($config_v4 or $config_v3) or
        (2 of ($str_*) and $reflective)
}
"""

def scan_for_beacons(filepath):
    """Escanear archivo con reglas YARA para beacons de Cobalt Strike."""
    rules = yara.compile(source=cobalt_strike_rule)
    matches = rules.match(filepath)

    for match in matches:
        print(f"[+] Coincidencia YARA: {match.rule}")
        for string_match in match.strings:
            offset = string_match.instances[0].offset
            print(f"    Cadena: {string_match.identifier} en offset 0x{offset:x}")

    return matches

Paso 4: Correlación de Tráfico de Red

from dissect.cobaltstrike.c2 import HttpC2Config

def analyze_c2_profile(beacon_config):
    """Analizar el perfil C2 maleable desde la configuración del beacon."""
    print("\n[+] Análisis del Perfil C2 Maleable")
    print("=" * 60)

    # Configuración HTTP GET
    get_verb = beacon_config.get("SETTING_C2_VERB_GET", "GET")
    get_uri = beacon_config.get("SETTING_C2_REQUEST", "")
    print(f"\n  Solicitud HTTP GET:")
    print(f"    Verbo: {get_verb}")
    print(f"    URI: {get_uri}")

    # Configuración HTTP POST
    post_verb = beacon_config.get("SETTING_C2_VERB_POST", "POST")
    post_uri = beacon_config.get("SETTING_C2_POSTREQ", "")
    print(f"\n  Solicitud HTTP POST:")
    print(f"    Verbo: {post_verb}")
    print(f"    URI: {post_uri}")

    # User Agent
    ua = beacon_config.get("SETTING_USERAGENT", "")
    print(f"\n  User-Agent: {ua}")

    # Host header
    host = beacon_config.get("SETTING_C2_HOSTHEADER", "")
    print(f"  Host Header: {host}")

    # Tiempo de sueño y jitter para patrón de tráfico
    sleep_ms = beacon_config.get("SETTING_SLEEPTIME", 60000)
    jitter = beacon_config.get("SETTING_JITTER", 0)
    print(f"\n  Tiempo de Sueño: {sleep_ms}ms")
    print(f"  Jitter: {jitter}%")

    # Generar firmas Suricata/Snort
    print(f"\n[+] Firmas de Red Sugeridas:")
    if ua:
        print(f'  alert http any any -> any any (msg:"CS Beacon UA"; '
              f'content:"{ua}"; http_user_agent; sid:1000001; rev:1;)')
    if get_uri:
        print(f'  alert http any any -> any any (msg:"CS Beacon URI"; '
              f'content:"{get_uri}"; http_uri; sid:1000002; rev:1;)')

Criterios de Validación

  • Configuración del beacon extraída exitosamente desde un archivo PE o volcado de memoria
  • Dominios/IPs de servidores C2 correctamente identificados con puerto y protocolo
  • Parámetros del perfil C2 maleable decodificados, mostrando transformaciones HTTP
  • Valor de la marca de agua extraído para correlación de atribución
  • Tiempo de sueño y valores de jitter coinciden con los intervalos de beacon observados en la red
  • Las reglas YARA detectan el beacon tanto en muestras empaquetadas como desempaquetadas
  • Firmas de red generadas a partir del perfil C2 extraído

Referencias

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-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,

analyzing-docker-container-forensics

Investigate compromised Docker containers by analyzing images, layers,

Skills relacionados