Communitygithub.com

Analyse des techniques d'évasion des sandbox malware

Détecter les techniques d'évasion des sandbox et machines virtuelles dans des échantillons de malware en analysant leurs rapports comportementaux.

Qu'est-ce que Analyse des techniques d'évasion des sandbox malware ?

Cette compétence spécialisée permet aux analystes SOC et aux chercheurs en sécurité d'identifier les techniques d'évasion des sandbox (MITRE ATT&CK T1497) utilisées par les malwares pour contourner les environnements d'analyse. Elle analyse les rapports comportementaux provenant de Cuckoo Sandbox 2.0+ et AnyRun, en extrayant les séquences d'appels API liées aux vérifications temporelles (GetTickCount, QueryPerformanceCounter, inflation des délais), à la détection d'artefacts de machine virtuelle (clés de registre, préfixes d'adresses MAC, processus comme vmtoolsd.exe), aux contrôles d'interaction utilisateur (mouvement de la souris, saisie clavier) et à l'empreinte environnementale (taille du disque, nombre de CPU, RAM). Les règles de détection automatisées attribuent un score de sophistication basé sur le nombre et la diversité des techniques, et cartographient chaque comportement vers les sous-techniques MITRE ATT&CK T1497. Le résultat est un rapport JSON structuré listant les techniques détectées, les preuves d'appels API, le score d'évasion et la classification par catégorie (temporel, détection VM, interaction utilisateur, empreinte environnementale). Idéal pour les enquêtes d'incidents, le renforcement des règles de détection et la validation de la couverture de surveillance de sécurité.

Compatible avec~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-malware-sandbox-evasion-techniques

Demander à votre IA préférée

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

Documentation

Que fait Analyse des techniques d'évasion des sandbox malware ?

Présentation

L'évasion de sandbox (MITRE ATT&CK T1497) permet aux malwares de détecter les environnements d'analyse et de modifier leur comportement pour éviter d'être détectés. Cette compétence analyse les rapports comportementaux de Cuckoo Sandbox et AnyRun pour détecter les indicateurs d'évasion, notamment les vérifications basées sur le temps (GetTickCount, QueryPerformanceCounter, inflation des délais), la détection d'artefacts de machine virtuelle (clés de registre, préfixes d'adresses MAC, noms de processus comme vmtoolsd.exe), les contrôles d'interaction utilisateur (mouvement de la souris, saisie clavier) et l'empreinte environnementale (taille du disque, nombre de CPU, RAM). Les règles de détection signalent les échantillons présentant ces comportements pour une analyse manuelle approfondie.

Quand l'utiliser

  • Lors de l'investigation d'incidents de sécurité nécessitant l'analyse des techniques d'évasion des sandbox malware
  • Lors de la création 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 connexes

Prérequis

  • Cuckoo Sandbox 2.0+ ou un compte AnyRun pour les rapports d'analyse comportementale
  • Python 3.8+ avec la bibliothèque json pour l'analyse des rapports
  • Exportations de rapports comportementaux au format JSON

Étapes

  1. Analyser les fichiers JSON des rapports comportementaux de Cuckoo/AnyRun
  2. Extraire les séquences d'appels API pour les fonctions liées au temps
  3. Identifier la détection d'artefacts VM via les requêtes de registre et les appels WMI
  4. Détecter l'inflation des délais en comparant les durées demandées et réelles
  5. Signaler les contrôles d'interaction utilisateur (modèles GetCursorPos, GetAsyncKeyState)
  6. Évaluer la sophistication de l'évasion en fonction du nombre et de la diversité des techniques
  7. Cartographier les techniques détectées vers les sous-techniques MITRE ATT&CK T1497

Résultat attendu

Rapport JSON listant les techniques d'évasion détectées avec la cartographie MITRE ATT&CK, les preuves d'appels API, le score de sophistication de l'évasion et la classification par catégories d'évasion (temporel, détection VM, interaction utilisateur, empreinte environnementale).

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