Communitygithub.com

Análisis de Carteras de Pago de Ransomware

Traza flujos de pago de ransomware en criptomonedas usando herramientas de análisis de blockchain como Chainalysis Reactor, WalletExplorer y las API de blockchain.com, identificando clústeres de carteras y rastreando movimientos de fondos a través de mezcladores e intercambios para apoyar la atribución a las fuerzas del orden. Úsalo para rastrear pagos de ransomware en Bitcoin, realizar análisis forense de carteras de criptomonedas o recopilar inteligencia de amenazas en blockchain sobre pagos de extorsión.

¿Qué es Análisis de Carteras de Pago de Ransomware?

Esta habilidad proporciona un flujo de trabajo automatizado para analizar pagos de ransomware en criptomonedas, desde la extracción de direcciones de billetera de la nota de rescate hasta la generación de un informe de atribución estructurado. Es útil para investigadores de seguridad, analistas de inteligencia de amenazas y fuerzas del orden que necesitan rastrear fondos ilícitos a través de la cadena de bloques. Soporta consultas a APIs públicas de blockchain (blockchain.com, WalletExplorer, Blockstream.info) e incluye heurísticas para detectar técnicas comunes de ofuscación como mezcladores, cadenas de pelado y intercambios. La habilidad implementa un proceso de cinco pasos: extraer la dirección, consultar el historial de transacciones, mapear el flujo de fondos e identificar clústeres, cruzar referencias con bases de datos de carteras conocidas y generar un informe final. Es una herramienta de análisis pasivo de solo lectura, adecuada para recopilar evidencia para cumplimiento legal, sanciones o reclamaciones de seguros, y no debe usarse para interacción activa con operadores de ransomware.

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

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Análisis de Carteras de Pago de Ransomware?

Cuándo Usarlo

  • Una organización ha sido víctima de ransomware y la nota de rescate contiene una dirección de cartera de Bitcoin o criptomonedas que necesita ser investigada
  • Las fuerzas del orden o los respondedores de incidentes necesitan rastrear hacia dónde fluyeron los pagos de rescate después de que la víctima pagó
  • Los analistas de inteligencia de amenazas están atribuyendo campañas de ransomware mediante la agrupación de infraestructura de pago en varios incidentes
  • Los investigadores necesitan determinar si un grupo de ransomware está reutilizando la infraestructura de carteras en múltiples víctimas
  • Los equipos de cumplimiento legal necesitan evidencia de flujos de fondos para enjuiciamiento, aplicación de sanciones o reclamaciones de seguros

No uses esta habilidad para la interceptación en vivo de pagos o para interactuar directamente con operadores de ransomware. Todo el análisis debe ser pasivo y de solo lectura contra datos públicos de la cadena de bloques.

Prerrequisitos

  • Python 3.8+ con las bibliotecas requests, json y hashlib
  • Acceso a APIs de exploradores de blockchain (blockchain.com, WalletExplorer.com, Blockstream.info)
  • Familiaridad con el modelo de transacciones de Bitcoin (UTXOs, entradas, salidas, direcciones de cambio)
  • Comprensión de técnicas comunes de ofuscación (mezcladores, tumblers, cadenas de pelado, intercambios entre cadenas)
  • Opcional: Licencia de Chainalysis Reactor para análisis de clústeres a nivel empresarial
  • Opcional: OXT.me para visualización avanzada de grafos de transacciones

Flujo de Trabajo

Paso 1: Extraer la Dirección de la Cartera de la Nota de Rescate

Analiza la nota de rescate para identificar la(s) dirección(es) de pago:

Formatos de dirección comunes:
  Bitcoin (P2PKH):   1A1zP1eP5QGefi2DMPTfTL5SLmv7DivfNa  (comienza con 1)
  Bitcoin (P2SH):    3J98t1WpEZ73CNmQviecrnyiWrnqRhWNLy  (comienza con 3)
  Bitcoin (Bech32):  bc1qar0srrr7xfkvy5l643lydnw9re59gtzzwf5mdq (comienza con bc1)
  Monero:            4... (95 caracteres, mucho más difícil de rastrear)
  Ethereum:          0x... (40 caracteres hex)

Paso 2: Consultar el Explorador de Blockchain para el Historial de Transacciones

Recupera todas las transacciones asociadas con la cartera:

import requests

def get_wallet_transactions(address):
    """Consulta la API de blockchain.com para transacciones de una dirección."""
    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", []),
    }

Paso 3: Mapear el Flujo de Fondos e Identificar Clústeres

Rastrea las salidas desde la cartera de rescate hacia direcciones posteriores:

Análisis del Flujo de Fondos:
━━━━━━━━━━━━━━━━━━
Pago de la Víctima ──► Cartera de Rescate ──► Cartera de Consolidación
                                  ├─► Servicio de Mezclador/Tumbler
                                  ├─► Dirección de Depósito en Exchange
                                  └─► Cadena de Pelado (salidas pequeñas secuenciales)

Indicadores clave:
  - Consolidación: Múltiples pagos de rescate agregados en una sola cartera
  - Cadenas de pelado: Transacciones secuenciales con salidas decrecientes
  - Uso de mezclador: Fondos enviados a direcciones de mezcladores conocidas (Wasabi, Samourai, ChipMixer)
  - Retiro en exchange: Depósitos en carteras de exchanges conocidas (billeteras activas de Binance, Kraken)

Paso 4: Cruzar Referencias con Bases de Datos de Carteras Conocidas

Verifica las direcciones contra la infraestructura conocida de ransomware:

# Verificar en WalletExplorer para identificación de entidad
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", "Desconocido"),
        "is_exchange": data.get("is_exchange", False),
    }

Paso 5: Generar Informe de Atribución

Compila los hallazgos en un informe de inteligencia estructurado:

INFORME DE ANÁLISIS DE CARTERA DE RANSOMWARE
==============================================
Dirección de Rescate:      bc1q...xyz
Atribución de Familia:     LockBit 3.0 (basado en el formato de la nota de rescate)
Total Recibido:            4.25 BTC ($178,500 al momento del pago)
Total Enviado:             4.25 BTC (cartera completamente vaciada)
Número de Pagos:           3 (probablemente 3 víctimas separadas)

FLUJO DE FONDOS:
  Pago 1: 1.5 BTC → Cartera de consolidación → Depósito en Binance
  Pago 2: 1.0 BTC → Mezclador Wasabi → Desconocido
  Pago 3: 1.75 BTC → Cadena de pelado (12 saltos) → Depósito en OKX

ANÁLISIS DE CLÚSTER:
  Carteras relacionadas: 47 direcciones identificadas en el mismo clúster
  Volumen total del clúster: 156.3 BTC ($6.5M USD)
  Primera actividad: 2024-01-15
  Última actividad: 2024-09-22

Verificación

  • Confirma que el formato de la dirección de la cartera sea válido antes de consultar las APIs
  • Cruza referencias de las marcas de tiempo de las transacciones con las líneas de tiempo de incidentes conocidos
  • Valida las asociaciones de clústeres verificando la heurística de propiedad común de entrada
  • Compara los hallazgos con la Lista SDN de OFAC para direcciones sancionadas
  • Verifica la atribución del exchange contra múltiples fuentes (WalletExplorer, OXT, Chainalysis)

Conceptos Clave

TérminoDefinición
UTXOSalida de transacción no gastada; la unidad fundamental de Bitcoin que rastrea la propiedad a través de una cadena de transacciones
Análisis de ClústerAgrupación de múltiples direcciones de Bitcoin que se cree que están controladas por la misma entidad usando heurísticas de propiedad común de entrada y de cambio de dirección
Cadena de PeladoUn patrón de lavado donde los fondos se envían a través de muchas transacciones secuenciales, cada una desprendiendo una pequeña cantidad a una nueva dirección
CoinJoin/MezcladorTécnicas de privacidad que combinan las transacciones de múltiples usuarios para ocultar el vínculo entre el remitente y el receptor
Propiedad Común de EntradaHeurística que asume que todas las entradas a una sola transacción están controladas por la misma entidad

Herramientas y Sistemas

  • Chainalysis Reactor: Plataforma empresarial de investigación de blockchain con atribución de entidades y rastreo entre cadenas
  • WalletExplorer: Herramienta gratuita que agrupa direcciones de Bitcoin y etiqueta servicios conocidos (exchanges, mezcladores, mercados)
  • OXT.me: Visualización avanzada de transacciones de Bitcoin con análisis de grafos UTXO
  • Blockstream.info: Explorador de bloques de Bitcoin de código abierto con acceso completo a la API
  • API de blockchain.com: API gratuita para consultar saldos de direcciones de Bitcoin e historiales de transacciones
  • Lista SDN de OFAC: Lista de direcciones sancionadas del Tesoro de EE. UU. para verificación de cumplimiento legal

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,

Skills relacionados