Communitygithub.com

Analyse d'URL malveillante avec URLScan

URLScan.io est un service gratuit pour analyser et inspecter des URLs suspectes.

Qu'est-ce que Analyse d'URL malveillante avec URLScan ?

Cette compétence permet d'utiliser URLScan.io, un service gratuit d'analyse de suspicions d'URL, pour examiner en toute sécurité des liens malveillants, des pages de phishing et des redirections dangereuses. Elle détaille l'utilisation de l'interface web et de l'API d'URLScan pour capturer des captures d'écran, analyser le DOM, les requêtes réseau et les certificats SSL/TLS, sans exposer le système de l'analyste. Idéale pour les analystes SOC, les chasseurs de menaces et les équipes de réponse aux incidents, elle couvre les signaux d'alerte typiques des URL de phishing, le workflow d'extraction d'IOCs (domaines, IPs, hachages) et la corrélation avec des sources de threat intelligence comme VirusTotal ou PhishTank. La compétence inclut également un script Python (scripts/process.py) pour automatiser l'analyse et la corrélation des résultats.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-malicious-url-with-urlscan

Demander à votre IA préférée

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

Documentation

Analyse d'une URL malveillante avec URLScan

Vue d'ensemble

URLScan.io est un service gratuit pour analyser et inspecter des URLs suspectes. Il capture des captures d'écran, le contenu DOM, les transactions HTTP, le comportement JavaScript et les connexions réseau des pages web dans un environnement isolé. Cette compétence couvre l'utilisation de l'interface web et de l'API d'URLScan pour enquêter sur les URL de phishing, les pages de collecte d'identifiants et les redirections malveillantes, sans exposer le système de l'analyste aux risques.

Quand l'utiliser

  • Lors de l'investigation d'incidents de sécurité nécessitant l'analyse d'une URL malveillante avec URLScan
  • Lors de l'élaboration de règles de détection ou de requêtes de chasse aux menaces pour 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

  • Compte URLScan.io (niveau gratuit disponible, clé API pour l'automatisation)
  • Python 3.8+ avec la bibliothèque requests
  • Compréhension des protocoles HTTP et des technologies web
  • Familiarité avec les motifs d'URL de phishing

Concepts clés

Capacités d'URLScan

  1. Navigation sécurisée : Affiche les URL dans une instance Chromium isolée
  2. Capture d'écran : Aperçu visuel de la page rendue
  3. Analyse DOM : Contenu HTML complet après exécution JavaScript
  4. Journal réseau : Toutes les requêtes HTTP effectuées par la page (format HAR)
  5. Analyse des certificats : Détails des certificats SSL/TLS
  6. Détection de technologies : Identification des frameworks et bibliothèques web
  7. Cartographie IP/ASN : Renseignement sur l'infrastructure
  8. Verdict : Classification communautaire et automatisée

Signaux d'alerte des URL de phishing

  • Domaines nouvellement enregistrés (< 30 jours)
  • Services d'hébergement gratuits (Wix, GitHub Pages, Firebase)
  • Raccourcisseurs d'URL masquant la destination finale
  • Profondeur excessive de sous-domaines (login.microsoft.com.evil.com)
  • Nom de marque dans le sous-domaine ou le chemin, pas dans le domaine
  • Ports non standard
  • URI de données ou contenu encodé en base64
  • Pages avec beaucoup de JavaScript et peu de HTML

Workflow

Étape 1 : Soumettre l'URL à URLScan

Web : Naviguer vers https://urlscan.io et soumettre l'URL suspecte
API : POST https://urlscan.io/api/v1/scan/
     En-tête : API-Key: votre-clé-api
     Corps : {"url": "https://url-suspecte.com", "visibility": "private"}

Étape 2 : Analyser les résultats

  • Examiner la capture d'écran pour détecter une usurpation de marque
  • Vérifier les redirections et l'URL de destination finale
  • Examiner le DOM pour les formulaires de saisie d'identifiants
  • Consulter les requêtes réseau pour identifier les points de terminaison d'exfiltration de données
  • Vérifier la validité du certificat SSL et son émetteur

Étape 3 : Extraire les IOCs

  • Domaines et IP contactés
  • URL dans la chaîne de redirection
  • Hachages SHA-256 des ressources de la page
  • Hachages des fichiers JavaScript

Étape 4 : Corréler avec les sources de threat intelligence

Utiliser le fichier scripts/process.py pour automatiser l'analyse d'URL, extraire les IOCs et les corréler avec VirusTotal, PhishTank et Google Safe Browsing.

Outils et ressources

Validation

  • Analyser avec succès une URL suspecte via l'API
  • Extraire une capture d'écran et identifier une usurpation de marque
  • Documenter la chaîne de redirection complète
  • Générer une liste d'IOCs à partir des résultats d'analyse
  • Corréler les résultats avec au moins 2 sources de threat intelligence

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