Communitygithub.com

Análisis de Archivos LNK de Windows para Artefactos

Analiza archivos de acceso directo .lnk de Windows para extraer rutas de destino, marcas de tiempo y metadatos con fines forenses.

¿Qué es Análisis de Archivos LNK de Windows para Artefactos?

Esta habilidad permite a un agente de IA forense analizar archivos LNK de Windows (accesos directos) para reconstruir el historial de acceso a archivos de un usuario, identificar archivos abiertos desde dispositivos extraíbles o recursos compartidos de red, y detectar mecanismos de persistencia. Es útil en investigaciones de exfiltración de datos, respuesta a incidentes y litigios. La habilidad automatiza la recolección de archivos LNK desde ubicaciones estándar del sistema (Recientes, Escritorio, Inicio), el análisis mediante herramientas como LECmd y LnkParse3, y la generación de informes estructurados CSV. Además, extrae metadatos críticos como el número de serie del volumen, el ID de máquina (NetBIOS), direcciones MAC y las marcas de tiempo de creación, modificación y acceso del archivo destino. Funciona sobre imágenes forenses montadas y requiere acceso a las herramientas de análisis instaladas en la estación de trabajo forense.

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

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Análisis de Archivos LNK de Windows para Artefactos?

Cuándo usar

  • Al reconstruir el historial de acceso a archivos de usuario a partir de archivos de acceso directo de Windows.
  • Para rastrear archivos abiertos, recursos compartidos de red y medios extraíbles.
  • Durante investigaciones para demostrar que un usuario abrió documentos específicos.
  • Al correlacionar el acceso a archivos con otros artefactos de la línea de tiempo.
  • Para identificar rutas de acceso en sistemas remotos o dispositivos USB.

Requisitos previos

  • Acceso a archivos LNK desde una imagen forense (Recientes, Escritorio, Inicio Rápido).
  • LECmd (Eric Zimmerman), python-lnk o LnkParser para el análisis.
  • Comprensión de la estructura del archivo LNK (formato Shell Link Binary).
  • Conocimiento de las ubicaciones de archivos LNK en sistemas Windows.
  • Estación de trabajo forense con herramientas de análisis instaladas.

Flujo de trabajo

Paso 1: Recolectar archivos LNK de la imagen forense

# Montar la imagen forense
mount -o ro,loop,offset=$((2048*512)) /casos/caso-2024-001/imagenes/evidence.dd /mnt/evidencia

mkdir -p /casos/caso-2024-001/lnk/{recientes,escritorio,inicio,personalizados}

# Copiar archivos LNK de Elementos recientes (fuente principal)
cp /mnt/evidencia/Users/*/AppData/Roaming/Microsoft/Windows/Recent/*.lnk \
   /casos/caso-2024-001/lnk/recientes/ 2>/dev/null

# Copiar destinos automáticos (Jump Lists)
cp /mnt/evidencia/Users/*/AppData/Roaming/Microsoft/Windows/Recent/AutomaticDestinations/*.automaticDestinations-ms \
   /casos/caso-2024-001/lnk/recientes/ 2>/dev/null

# Copiar destinos personalizados (elementos anclados de Jump List)
cp /mnt/evidencia/Users/*/AppData/Roaming/Microsoft/Windows/Recent/CustomDestinations/*.customDestinations-ms \
   /casos/caso-2024-001/lnk/personalizados/ 2>/dev/null

# Copiar accesos directos del Escritorio
cp /mnt/evidencia/Users/*/Desktop/*.lnk /casos/caso-2024-001/lnk/escritorio/ 2>/dev/null

# Copiar accesos directos de la carpeta Inicio (persistencia)
cp /mnt/evidencia/Users/*/AppData/Roaming/Microsoft/Windows/Start\ Menu/Programs/Startup/*.lnk \
   /casos/caso-2024-001/lnk/inicio/ 2>/dev/null
cp "/mnt/evidencia/ProgramData/Microsoft/Windows/Start Menu/Programs/Startup"/*.lnk \
   /casos/caso-2024-001/lnk/inicio/ 2>/dev/null

# Encontrar todos los archivos LNK en el sistema
find /mnt/evidencia/ -name "*.lnk" -type f 2>/dev/null > /casos/caso-2024-001/lnk/todas_ubicaciones_lnk.txt

# Contar y calcular hash
ls /casos/caso-2024-001/lnk/recientes/ | wc -l
sha256sum /casos/caso-2024-001/lnk/recientes/*.lnk > /casos/caso-2024-001/lnk/hashes_lnk.txt 2>/dev/null

Paso 2: Analizar archivos LNK con LECmd

# Usando LECmd de Eric Zimmerman (Windows o mediante Mono)
# Procesar todos los archivos LNK en un directorio
LECmd.exe -d "C:\casos\lnk\recientes\" --csv "C:\casos\analisis\" --csvf analisis_lnk.csv

# Procesar un solo archivo LNK con salida detallada
LECmd.exe -f "C:\casos\lnk\recientes\documento.pdf.lnk"

# Procesar archivos Jump List
JLECmd.exe -d "C:\casos\lnk\recientes\" --csv "C:\casos\analisis\" --csvf analisis_jumplist.csv

# La salida incluye:
# - Ruta del archivo fuente
# - Ruta de destino (archivo que se abrió)
# - Marcas de tiempo de creación, modificación y acceso del destino
# - Marcas de tiempo de creación y modificación del LNK
# - Directorio de trabajo
# - Argumentos de línea de comandos
# - Número de serie y etiqueta del volumen
# - Tipo de unidad (Fija, Extraíble, Red)
# - ID de máquina (nombre NetBIOS)
# - Dirección MAC (de la base de datos de seguimiento)
# - Tamaño del archivo de destino

Paso 3: Analizar archivos LNK con Python

pip install LnkParse3

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

dir_lnk = '/casos/caso-2024-001/lnk/recientes/'
resultados = []

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

    ruta_completa = os.path.join(dir_lnk, nombre_archivo)
    try:
        with open(ruta_completa, 'rb') as f:
            lnk = LnkParse3.lnk_file(f)
            info = lnk.get_json()

            analizado = {
                'archivo_lnk': nombre_archivo,
                'ruta_destino': '',
                'directorio_trabajo': '',
                'argumentos': '',
                'creacion_destino': '',
                'modificacion_destino': '',
                'acceso_destino': '',
                'tamano_archivo': '',
                'tipo_unidad': '',
                'serie_volumen': '',
                'etiqueta_volumen': '',
                'id_maquina': '',
                'direccion_mac': '',
            }

            # Extraer marcas de tiempo del encabezado
            encabezado = info.get('header', {})
            analizado['creacion_destino'] = str(encabezado.get('creation_time', ''))
            analizado['modificacion_destino'] = str(encabezado.get('modified_time', ''))
            analizado['acceso_destino'] = str(encabezado.get('accessed_time', ''))
            analizado['tamano_archivo'] = str(encabezado.get('file_size', ''))

            # Extraer información del enlace
            info_enlace = info.get('link_info', {})
            if info_enlace:
                ruta_local = info_enlace.get('local_base_path', '')
                ruta_red = info_enlace.get('common_network_relative_link', {}).get('net_name', '')
                analizado['ruta_destino'] = ruta_local or ruta_red

                info_volumen = info_enlace.get('volume_id', {})
                if info_volumen:
                    analizado['tipo_unidad'] = str(info_volumen.get('drive_type', ''))
                    analizado['serie_volumen'] = str(info_volumen.get('drive_serial_number', ''))
                    analizado['etiqueta_volumen'] = str(info_volumen.get('volume_label', ''))

            # Extraer datos de cadena
            datos_cadena = info.get('string_data', {})
            analizado['directorio_trabajo'] = str(datos_cadena.get('working_dir', ''))
            analizado['argumentos'] = str(datos_cadena.get('command_line_arguments', ''))

            # Extraer datos de seguimiento (ID de máquina y MAC)
            extra = info.get('extra', {})
            tracker = extra.get('DISTRIBUTED_LINK_TRACKER_BLOCK', {})
            if tracker:
                analizado['id_maquina'] = str(tracker.get('machine_id', ''))
                analizado['direccion_mac'] = str(tracker.get('mac_address', ''))

            resultados.append(analizado)

            # Imprimir resumen
            print(f"\n{nombre_archivo}")
            print(f"  Destino: {analizado['ruta_destino']}")
            print(f"  Modificado: {analizado['modificacion_destino']}")
            print(f"  Unidad: {analizado['tipo_unidad']} (Serie: {analizado['serie_volumen']})")
            if analizado['id_maquina']:
                print(f"  Máquina: {analizado['id_maquina']}")

    except Exception as e:
        print(f"  Error al analizar {nombre_archivo}: {e}")

# Escribir resultados a CSV
with open('/casos/caso-2024-001/analisis/analisis_lnk.csv', 'w', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=resultados[0].keys() if resultados else [])
    writer.writeheader()
    writer.writerows(resultados)

print(f"\n\nTotal de archivos LNK analizados: {len(resultados)}")
PYEOF

Paso 4: Analizar para valor investigativo

# Identificar archivos accedidos desde medios extraíbles
python3 << 'PYEOF'
import csv

with open('/casos/caso-2024-001/analisis/analisis_lnk.csv') as f:
    reader = csv.DictReader(f)

    print("=== ARCHIVOS ACCEDIDOS DESDE MEDIOS EXTRAÍBLES ===\n")
    extraibles = []
    red = []

    for fila in reader:
        if 'DRIVE_REMOVABLE' in fila.get('tipo_unidad', '').upper() or \
           'removable' in fila.get('tipo_unidad', '').lower():
            extraibles.append(fila)
            print(f"  {fila['modificacion_destino']} | {fila['ruta_destino']} | Vol: {fila['serie_volumen']}")

        if 'network' in fila.get('tipo_unidad', '').lower() or \
           fila.get('ruta_destino', '').startswith('\\\\'):
            red.append(fila)

    print(f"\n=== ARCHIVOS ACCEDIDOS DESDE RECURSOS COMPARTIDOS DE RED ===\n")
    for fila in red:
        print(f"  {fila['modificacion_destino']} | {fila['ruta_destino']}")

    print(f"\nArchivos en medios extraíbles: {len(extraibles)}")
    print(f"Archivos en recursos compartidos de red: {len(red)}")

    # Verificar máquinas únicas (datos de seguimiento)
    maquinas = set()
    for fila in [*extraibles, *red]:
        if fila.get('id_maquina'):
            maquinas.add(fila['id_maquina'])
    if maquinas:
        print(f"\nIDs de máquina encontrados: {maquinas}")
PYEOF

# Verificar archivos LNK de la carpeta Inicio para persistencia
echo "=== ACCESOS DIRECTOS DE LA CARPETA INICIO (PERSISTENCIA) ===" > /casos/caso-2024-001/analisis/persistencia_inicio.txt
for lnk in /casos/caso-2024-001/lnk/inicio/*.lnk; do
    python3 -c "
import LnkParse3
with open('$lnk', 'rb') as f:
    lnk = LnkParse3.lnk_file(f)
    info = lnk.get_json()
    destino = info.get('link_info', {}).get('local_base_path', 'Desconocido')
    args = info.get('string_data', {}).get('command_line_arguments', '')
    print(f'  $(basename $lnk): {destino} {args}')
" >> /casos/caso-2024-001/analisis/persistencia_inicio.txt 2>/dev/null
done

Conceptos clave

ConceptoDescripción
Shell Link (.lnk)Formato de archivo de acceso directo de Windows que contiene ruta de destino, marcas de tiempo y metadatos
Marcas de tiempo del destinoTiempos de creación, modificación y acceso del archivo al que apunta el acceso directo
Número de serie del volumenIdentificador único del volumen de la unidad donde reside el archivo de destino
ID de máquinaNombre NetBIOS incrustado por el servicio de Seguimiento de vínculos distribuidos
Dirección MACMAC del adaptador de red de la máquina que creó el archivo LNK
Jump ListsListas de archivos recientes y anclados por aplicación (contienen datos LNK incrustados)
Destinos automáticosEntradas de Jump List gestionadas por el sistema para archivos abiertos recientemente
Destinos personalizadosElementos de Jump List anclados por el usuario que persisten hasta que se eliminan manualmente

Herramientas y sistemas

HerramientaPropósito
LECmdAnalizador de archivos LNK de línea de comandos de Eric Zimmerman con salida CSV/JSON
JLECmdAnalizador de Jump Lists de Eric Zimmerman
LnkParse3Biblioteca de Python para análisis programático de archivos LNK
lnk_parserHerramienta alternativa de análisis de LNK en Python
AutopsyPlataforma forense con módulo de análisis de archivos LNK
KAPERecolección automatizada de artefactos LNK y Jump List
PlasoHerramienta de línea de tiempo con analizador LNK para creación de superlíneas de tiempo
LNK ExplorerHerramienta GUI para examen interactivo de archivos LNK

Escenarios comunes

Escenario 1: Exfiltración de datos mediante unidad USB Analizar archivos LNK de la carpeta Recientes en busca de destinos en unidades extraíbles, correlacionar números de serie de volumen con entradas de registro USBSTOR, construir una lista de archivos accedidos desde dispositivos USB, establecer qué documentos se abrieron desde la unidad extraíble, correlacionar con marcas de tiempo de copia de archivos.

Escenario 2: Persistencia de malware mediante accesos directos de Inicio Examinar archivos LNK de la carpeta Inicio en busca de destinos maliciosos, verificar la ruta de destino y argumentos en busca de comandos codificados o ejecutables sospechosos, verificar que el archivo de destino existe y examinarlo, correlacionar la marca de tiempo de creación con el momento del compromiso inicial.

Escenario 3: Investigación de acceso a recursos compartidos de red Filtrar archivos LNK con rutas de red (destinos UNC), identificar qué recursos compartidos de red se accedieron y cuándo, correlacionar IDs de máquina con sistemas corporativos conocidos, verificar si se accedió a servidores de archivos sensibles fuera de las funciones normales, construir una línea de tiempo de acceso para una investigación de cumplimiento.

Escenario 4: Línea de tiempo de acceso a documentos para procedimientos legales Extraer todos los archivos LNK de la carpeta Recientes, construir una lista cronológica de documentos accedidos por el usuario, identificar archivos específicos relevantes para el caso, presentar marcas de tiempo de destino que muestren cuándo se abrieron los archivos, correlacionar con líneas de tiempo de correo electrónico y comunicación.

Formato de salida

Resumen del análisis de archivos LNK:
  Perfil de usuario: usuario_sospechoso
  Total de archivos LNK: 234 (Recientes: 198, Escritorio: 23, Inicio: 5, Otros: 8)

  Estadísticas de acceso a archivos:
    Unidad local (C:):    156 archivos
    Medios extraíbles:     23 archivos (3 números de serie de volumen únicos)
    Recursos compartidos de red: 15 archivos (\\servidor01, \\servidorarchivos)
    Otras unidades:        4 archivos

  IDs de máquina encontrados: DESKTOP-ABC123, LAPTOP-XYZ789
  Direcciones MAC: AA:BB:CC:DD:EE:FF, 11:22:33:44:55:66

  Acceso a medios extraíbles:
    Volumen Serial 1234-ABCD:
      2024-01-15 14:32 - E:\Confidencial\informe_financiero.xlsx
      2024-01-15 14:45 - E:\Confidencial\base_datos_clientes.csv
      2024-01-15 15:00 - E:\Proyectos\codigo_fuente.zip

  Persistencia en Inicio:
    actualizador.lnk -> C:\ProgramData\svc\actualizador.exe (SOSPECHOSO)
    OneDrive.lnk -> C:\Users\...\OneDrive.exe (Legítimo)

  Línea de tiempo: /casos/caso-2024-001/analisis/analisis_lnk.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,

Skills relacionados