Communitygithub.com

Analyse des rootkits du noyau Linux

Détecter les rootkits de niveau noyau dans des dumps mémoire Linux en utilisant Volatility3.

Qu'est-ce que Analyse des rootkits du noyau Linux ?

Cette compétence permet aux analystes en sécurité et aux SOC d'identifier les rootkits Linux opérant au niveau noyau (ring 0). Elle utilise Volatility3 pour analyser les dumps mémoire et détecter les modifications suspectes des structures de données du noyau, comme les hooks de la table des appels système, les modules noyau cachés, et les pointeurs de fonction détournés. La compétence couvre également l'analyse croisée entre /proc, /sys et les structures noyau, ainsi que l'utilisation de rkhunter et chkrootkit pour l'analyse en direct. L'objectif est de fournir une procédure systématique pour les enquêtes de sécurité, la chasse aux menaces et la validation des couvertures de détection. Le résultat est un rapport JSON listant les artefacts de rootkit (syscalls hookés, processus cachés, connexions réseau dissimulées, binaires modifiés). Compatible avec Volatility3 sur tout système Linux disposant de table de symboles adaptée, ainsi qu'avec les outils de scan en direct rkhunter et chkrootkit.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-linux-kernel-rootkits

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Analyse des rootkits du noyau Linux ?

Vue d'ensemble

Les rootkits du noyau Linux opèrent au niveau ring 0, modifiant les structures de données du noyau pour cacher les processus, fichiers, connexions réseau et modules noyau aux outils de l'espace utilisateur. Leur détection nécessite soit la forensique mémoire (analyse de dumps de mémoire physique avec Volatility3), soit une analyse croisée (comparaison de /proc, /sys et des structures de données du noyau pour trouver des incohérences). Cette compétence couvre l'utilisation des plugins Linux de Volatility3 pour détecter les hooks dans les appels système, les modules noyau cachés et les pointeurs de fonction modifiés, complétée par une analyse en direct avec rkhunter et chkrootkit.

Quand l'utiliser

  • Lors d'enquêtes sur des incidents de sécurité nécessitant l'analyse de rootkits du noyau Linux
  • Lors de la création de règles de détection ou de requêtes de chasse aux menaces dans ce domaine
  • Lorsque les analystes SOC ont besoin de procédures structurées pour ce type d'analyse
  • Lors de la validation de la couverture de surveillance de sécurité pour les techniques d'attaque associées

Prérequis

  • Volatility3 installé (pip install volatility3)
  • Dump mémoire Linux (acquis via LiME, AVML ou /proc/kcore)
  • Table de symboles Linux Volatility3 (ISF) correspondant à la version du noyau cible
  • rkhunter et chkrootkit pour l'analyse en direct
  • Référence d'image noyau connue comme saine à des fins de comparaison

Étapes

Étape 1 : Acquisition du dump mémoire

Capturez la mémoire physique Linux à l'aide du module noyau LiME ou d'AVML pour les instances cloud.

Étape 2 : Analyse avec Volatility3

Exécutez les plugins linux.check_syscall, linux.lsmod, linux.hidden_modules et linux.check_idt pour détecter les artefacts de rootkit.

Étape 3 : Analyse croisée

Comparez les listes de modules de /proc/modules, lsmod et /sys/module pour identifier les modules cachés d'une vue mais présents dans une autre.

Étape 4 : Analyse en direct

Exécutez rkhunter et chkrootkit pour détecter les signatures de rootkits connus, les fichiers suspects et les binaires système modifiés.

Résultat attendu

Rapport JSON listant les hooks d'appels système détectés, les modules noyau cachés, les entrées IDT modifiées, les écarts suspects dans /proc, et les résultats de rkhunter.

Exemple de sortie

$ sudo python3 rootkit_analyzer.py --memory /evidence/linux-mem.lime --profile Ubuntu2204

Rapport d'analyse de rootkit du noyau Linux
=============================================
Image mémoire : /evidence/linux-mem.lime
Version du noyau : 5.15.0-91-generic (Ubuntu 22.04 LTS)
Heure d'analyse : 2024-01-18 09:15:32 UTC

[+] Analyse de la table des appels système pour les hooks...
    Adresse de base de la table des appels système : 0xffffffff82200300
    Nombre total d'appels système vérifiés : 449

    APPELS SYSTÈME HOOKÉS DÉTECTÉS :
    ┌─────────┬──────────────────┬──────────────────────┬──────────────────────┐
    │ NR      │ Appel système    │ Adresse attendue     │ Adresse actuelle     │
    ├─────────┼──────────────────┼──────────────────────┼──────────────────────┤
    │ 0       │ sys_read         │ 0xffffffff8139a0e0   │ 0xffffffffc0a12000   │
    │ 2       │ sys_open         │ 0xffffffff8139b340   │ 0xffffffffc0a12180   │
    │ 78      │ sys_getdents64   │ 0xffffffff813f5210   │ 0xffffffffc0a12300   │
    │ 62      │ sys_kill         │ 0xffffffff8110c4a0   │ 0xffffffffc0a12480   │
    └─────────┴──────────────────┴──────────────────────┴──────────────────────┘
    ATTENTION : 4 hooks d'appels système détectés - comportement de rootkit confirmé

[+] Recherche de modules noyau cachés...
    Modules chargés (lsmod) :         147
    Modules dans la liste kobject :   149
    MODULES CACHÉS :
      - "netfilter_helper" à 0xffffffffc0a10000 (taille : 12288)
      - "kworker_sched"    à 0xffffffffc0a14000 (taille : 8192)

[+] Analyse des écarts dans /proc...
    Processus dans la liste task_struct : 234
    Processus visibles dans /proc :       231
    PROCESSUS CACHÉS :
      - PID 31337  cmd : "[kworker/0:3]"   (déguisé en thread noyau)
      - PID 31442  cmd : "rsyslogd"         (faux, le vrai rsyslogd est PID 892)
      - PID 31500  cmd : ""                 (processus sans nom)

[+] Vérification des entrées IDT...
    Entrées IDT scannées : 256
    Entrées modifiées : 0 (sain)

[+] Exécution du scan rkhunter...
    Vérification des rootkits connus :        68 variantes vérifiées
    Rootkit Diamorphine :                ATTENTION - signatures correspondantes
    Vérification des binaires système :
      /usr/bin/ps :     MODIFIÉ (hash SHA-256 ne correspond pas)
      /usr/bin/netstat : MODIFIÉ (hash SHA-256 ne correspond pas)
      /usr/bin/ls :     MODIFIÉ (hash SHA-256 ne correspond pas)
      /usr/sbin/ss :    OK

[+] Analyse réseau...
    Connexions cachées (absentes de /proc/net/tcp) :
      ÉTABLIE  0.0.0.0:0 -> 198.51.100.47:4443 (PID 31337)
      ÉTABLIE  0.0.0.0:0 -> 198.51.100.47:8080 (PID 31442)

Résumé :
  Type de rootkit :         Module noyau chargeable (LKM)
  Famille probable :        Variante de Diamorphine
  Hooks d'appels système :  4 (read, open, getdents64, kill)
  Modules cachés :          2
  Processus cachés :        3
  Connexions cachées :      2 (C2 : 198.51.100.47)
  Binaires modifiés :       3 (/usr/bin/ps, netstat, ls)
  Niveau de risque :        CRITIQUE

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 associés