Communitygithub.com

Analyse de la base de registre Windows pour la recherche d'arté…

Extraire et analyser les ruches de la base de registre Windows à l'aide d'outils comme RegRipper

Qu'est-ce que Analyse de la base de registre Windows pour la recherche d'arté… ?

Ce skill permet aux agents IA (comme Claude Code, Cursor, Codex) de réaliser une analyse forensique complète de la base de registre Windows pour enquêter sur une compromission ou une activité utilisateur. Il guide l'utilisateur dans l'extraction des ruches (SAM, SYSTEM, SOFTWARE, NTUSER.DAT) à partir d'une image disque, leur hachage, puis leur analyse automatisée avec RegRipper et des scripts Python utilisant la librairie python-registry. L'analyse couvre les points de persistance (clés Run, services), l'historique des exécutions de programmes (UserAssist), l'activité utilisateur (fichiers récents, URLs tapées), les informations système (nom d'ordinateur, version OS, réseau) et les périphériques USB. Le skill supporte plusieurs scénarios courants : investigation de malware, reconstruction d'activité utilisateur, détection de logiciels non autorisés, et exfiltration de données via USB. Il est conçu pour être utilisé dans un environnement d'analyse forensique (SIFT Workstation) avec les outils recommandés (RegRipper, Registry Explorer, python-registry, RECmd).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-windows-registry-for-artifacts
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Analyse de la base de registre Windows pour la recherche d'artéfacts

Quand l'utiliser

  • Lors de l'investigation de l'activité utilisateur sur un système Windows lors d'un incident
  • Pour identifier les mécanismes d'autorun/persistance utilisés par des malwares
  • Lors de la recherche de logiciels installés, de périphériques USB et de connexions réseau
  • Lors d'enquêtes sur des menaces internes pour reconstruire les actions des utilisateurs
  • Pour corréler les horodatages de la base de registre avec d'autres artéfacts forensiques

Prérequis

  • Image forensique ou fichiers de ruches de registre extraits
  • RegRipper, Registry Explorer (Eric Zimmerman) ou python-registry
  • Accès aux emplacements des ruches de registre (SAM, SYSTEM, SOFTWARE, NTUSER.DAT, UsrClass.dat)
  • Compréhension de la structure de la base de registre Windows (ruches, clés, valeurs)
  • SIFT Workstation ou environnement d'analyse forensique

Workflow

Étape 1 : Extraire les ruches de registre de l'image forensique

# Monter l'image forensique en lecture seule
mkdir /mnt/evidence
mount -o ro,loop,offset=$((2048*512)) /cases/case-2024-001/images/evidence.dd /mnt/evidence

# Copier les ruches système
cp /mnt/evidence/Windows/System32/config/SAM /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SYSTEM /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SOFTWARE /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/SECURITY /cases/case-2024-001/registry/
cp /mnt/evidence/Windows/System32/config/DEFAULT /cases/case-2024-001/registry/

# Copier les ruches spécifiques aux utilisateurs
cp /mnt/evidence/Users/*/NTUSER.DAT /cases/case-2024-001/registry/
cp /mnt/evidence/Users/*/AppData/Local/Microsoft/Windows/UsrClass.dat /cases/case-2024-001/registry/

# Copier les journaux de transactions (pour la récupération de ruches sales)
cp /mnt/evidence/Windows/System32/config/*.LOG* /cases/case-2024-001/registry/logs/

# Hacher toutes les ruches extraites
sha256sum /cases/case-2024-001/registry/* > /cases/case-2024-001/registry/hive_hashes.txt

Étape 2 : Analyser avec RegRipper pour l'extraction automatisée d'artéfacts

# Installer RegRipper
git clone https://github.com/keydet89/RegRipper3.0.git /opt/regripper

# Exécuter RegRipper sur NTUSER.DAT (profil utilisateur)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -f ntuser > /cases/case-2024-001/analysis/ntuser_report.txt

# Exécuter sur la ruche SYSTEM
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -f system > /cases/case-2024-001/analysis/system_report.txt

# Exécuter sur la ruche SOFTWARE
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -f software > /cases/case-2024-001/analysis/software_report.txt

# Exécuter sur la ruche SAM (comptes utilisateurs)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SAM \
   -f sam > /cases/case-2024-001/analysis/sam_report.txt

# Exécuter des plugins spécifiques
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p userassist > /cases/case-2024-001/analysis/userassist.txt

perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p usbstor > /cases/case-2024-001/analysis/usbstor.txt

Étape 3 : Extraire les entrées de persistance et d'autorun

# Utiliser python-registry pour une extraction ciblée
pip install python-registry

python3 << 'PYEOF'
from Registry import Registry

# Ouvrir la ruche SOFTWARE
reg = Registry.Registry("/cases/case-2024-001/registry/SOFTWARE")

# Vérifier les clés Run (démarrage automatique)
autorun_paths = [
    "Microsoft\\Windows\\CurrentVersion\\Run",
    "Microsoft\\Windows\\CurrentVersion\\RunOnce",
    "Microsoft\\Windows\\CurrentVersion\\RunServices",
    "Microsoft\\Windows\\CurrentVersion\\Policies\\Explorer\\Run",
    "Wow6432Node\\Microsoft\\Windows\\CurrentVersion\\Run"
]

for path in autorun_paths:
    try:
        key = reg.open(path)
        print(f"\n=== {path} (Dernière modification : {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()} : {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass

# Vérifier les services installés
key = reg.open("Microsoft\\Windows NT\\CurrentVersion\\Svchost")
print(f"\n=== Groupes Svchost ===")
for value in key.values():
    print(f"  {value.name()} : {value.value()}")
PYEOF

# Vérifier NTUSER.DAT pour les autorun spécifiques à l'utilisateur
python3 << 'PYEOF'
from Registry import Registry

reg = Registry.Registry("/cases/case-2024-001/registry/NTUSER.DAT")

user_autorun = [
    "Software\\Microsoft\\Windows\\CurrentVersion\\Run",
    "Software\\Microsoft\\Windows\\CurrentVersion\\RunOnce",
    "Software\\Microsoft\\Windows\\CurrentVersion\\Explorer\\StartupApproved\\Run"
]

for path in user_autorun:
    try:
        key = reg.open(path)
        print(f"\n=== {path} (Dernière modification : {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()} : {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass
PYEOF

Étape 4 : Analyser les artéfacts d'activité utilisateur

# Extraire les données UserAssist (historique d'exécution des programmes avec encodage ROT13)
python3 << 'PYEOF'
from Registry import Registry
import codecs, struct, datetime

reg = Registry.Registry("/cases/case-2024-001/registry/NTUSER.DAT")

ua_path = "Software\\Microsoft\\Windows\\CurrentVersion\\Explorer\\UserAssist"
key = reg.open(ua_path)

for guid_key in key.subkeys():
    count_key = guid_key.subkey("Count")
    print(f"\n=== {guid_key.name()} ===")
    for value in count_key.values():
        decoded_name = codecs.decode(value.name(), 'rot_13')
        data = value.value()
        if len(data) >= 16:
            run_count = struct.unpack('<I', data[4:8])[0]
            focus_count = struct.unpack('<I', data[8:12])[0]
            timestamp = struct.unpack('<Q', data[60:68])[0] if len(data) >= 68 else 0
            if timestamp > 0:
                ts = datetime.datetime(1601,1,1) + datetime.timedelta(microseconds=timestamp//10)
                print(f"  {decoded_name} : Exécutions={run_count}, Focus={focus_count}, Dernière={ts}")
            else:
                print(f"  {decoded_name} : Exécutions={run_count}, Focus={focus_count}")
PYEOF

# Extraire les documents récents (listes MRU)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p recentdocs > /cases/case-2024-001/analysis/recentdocs.txt

# Extraire les URLs tapées (navigateur)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedurls > /cases/case-2024-001/analysis/typedurls.txt

# Extraire les chemins tapés dans l'Explorateur
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedpaths > /cases/case-2024-001/analysis/typedpaths.txt

Étape 5 : Extraire les informations système et réseau

# Nom d'ordinateur et version OS depuis la ruche SYSTEM
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p compname > /cases/case-2024-001/analysis/system_info.txt

# Interfaces réseau et configuration
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p nic2 >> /cases/case-2024-001/analysis/system_info.txt

# Historique des réseaux sans fil
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p networklist > /cases/case-2024-001/analysis/network_history.txt

# Configuration du fuseau horaire
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p timezone > /cases/case-2024-001/analysis/timezone.txt

# Heure d'arrêt
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p shutdown > /cases/case-2024-001/analysis/shutdown.txt

# Logiciels installés depuis les clés Uninstall
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p uninstall > /cases/case-2024-001/analysis/installed_software.txt

Concepts clés

ConceptDescription
Ruche de registreFichier binaire stockant une section de la base de registre (SAM, SYSTEM, SOFTWARE, NTUSER.DAT)
MRU (les plus récemment utilisés)Listes qui suivent les fichiers, commandes et termes de recherche récemment accédés
UserAssistEntrées de registre encodées en ROT13 qui tracent l'exécution des programmes avec horodatage
ShimCacheCache de compatibilité d'applications enregistrant les programmes exécutés
AmCacheHistorique d'exécution détaillé incluant les hachages SHA-1 des exécutables
BAM/DAMModerateurs d'activité en arrière-plan/de bureau traçant l'exécution de programmes sous Win10+
Dernière écriture (Last Write Time)Horodatage sur les clés de registre indiquant leur dernière modification
Journaux de transactionsFichiers journaux permettant de récupérer l'état du registre après un arrêt incorrect

Outils et systèmes

OutilObjectif
RegRipperExtraction automatisée d'artéfacts de registre avec architecture de plugins
Registry ExplorerOutil GUI d'Eric Zimmerman pour l'analyse interactive du registre
python-registryBibliothèque Python pour l'analyse programmatique des ruches de registre
RECmdOutil en ligne de commande d'Eric Zimmerman pour l'analyse du registre
yarpYet Another Registry Parser pour l'analyse basée sur Python
AppCompatCacheParserAnalyseur dédié à ShimCache/AppCompatCache
AmcacheParserOutil d'analyse dédié à AmCache.hve
ShellBags ExplorerOutil spécialisé pour l'analyse des artéfacts ShellBag

Scénarios courants

Scénario 1 : Investigation de persistance de malware Extraire les ruches SOFTWARE et NTUSER.DAT, vérifier toutes les clés Run/RunOnce pour des entrées non autorisées, examiner les services pour des ajouts suspects, vérifier les clés de registre des tâches planifiées, corréler les horodatages d'autorun avec la chronologie d'exécution du malware.

Scénario 2 : Reconstruction d'activité utilisateur Analyser UserAssist pour l'historique d'exécution des programmes, examiner RecentDocs pour les fichiers accédés, vérifier TypedPaths pour la navigation dans l'Explorateur, extraire ShellBags pour les motifs d'accès aux dossiers, construire une chronologie de l'activité utilisateur autour de la fenêtre de l'incident.

Scénario 3 : Détection de logiciels non autorisés Analyser les clés Uninstall pour toutes les applications installées, comparer avec la base de référence des logiciels approuvés, vérifier BAM/DAM pour les programmes récemment exécutés ne figurant pas dans la liste approuvée, examiner AppCompatCache pour les preuves d'exécution même après désinstallation.

Scénario 4 : Investigation d'exfiltration de données via USB Extraire les entrées USBSTOR de la ruche SYSTEM pour les périphériques connectés, corréler les numéros de série des appareils avec MountedDevices, vérifier MountPoints2 dans NTUSER.DAT pour l'accès utilisateur aux supports amovibles, examiner les journaux SetupAPI pour les horodatages de première connexion.

Format de sortie

Résumé de l'analyse de la base de registre :
  Système : DESKTOP-ABC123 (Windows 10 Pro Build 19041)
  Fuseau horaire : Heure normale de l'Est (UTC-5)
  Dernier arrêt : 2024-01-18 23:45:12 UTC

  Entrées Autorun :
    HKLM Run :     5 entrées (1 suspecte : "updater.exe" -> C:\ProgramData\svc\updater.exe)
    HKCU Run :     3 entrées (toutes légitimes)
    Services :     142 entrées (2 inconnues : "WinDefSvc", "SysMonAgent")

  Activité utilisateur (NTUSER.DAT) :
    Programmes UserAssist :  234 entrées
    Documents récents :     89 entrées
    URLs tapées :           45 entrées
    Chemins tapés :          12 entrées

  Périphériques USB connectés :
    - Kingston DataTraveler (Série : 0019E06B4521) - Première : 2024-01-10, Dernière : 2024-01-18
    - WD My Passport (Série : 575834314131) - Première : 2024-01-15, Dernière : 2024-01-15

  Logiciels installés :     127 applications
  Résultats suspects :      3 éléments signalés pour examen

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

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community