マルウェアにおけるネットワークコバートチャネルの分析

マルウェアにおけるネットワークコバートチャネルの分析 は何をしますか？

概要

マルウェアはコバートチャネルを使用して、C2通信やデータ流出を正当なネットワークトラフィックに紛れ込ませます。DNSトンネリングは、DNSクエリと応答にデータをエンコードします（iodine、dnscat2、FrameworkPOSなどのマルウェアファミリーで使用）。ICMPトンネリングは、エコー要求/応答ペイロードにデータを隠します（icmpsh、ptunnel）。HTTPコバートチャネルは、C2データをヘッダー、クッキー、またはステガノグラフィー画像に埋め込みます。プロトコル悪用は、許可されたプロトコルを利用してファイアウォールをバイパスします。最新のMLベースのアプローチではDNSトンネリングの検出率が99%以上に達しますが、低スループットのデータ流出は依然として課題です。Palo Alto Unit42は、2024年までの間に3つの主要なDNSトンネリングキャンペーン（TrkCdn、SecShow、Savvy Seahorse）を追跡し、この手法が依然として普及していることを示しています。

使用タイミング

• マルウェアにおけるネットワークコバートチャネルの分析が必要なセキュリティインシデントを調査する場合
• このドメイン向けの検出ルールや脅威ハンティングクエリを構築する場合
• SOCアナリストがこの分析タイプの構造化された手順を必要とする場合
• 関連する攻撃テクニックに対するセキュリティ監視のカバレッジを検証する場合

前提条件

• Python 3.9+（scapy、dpkt、dnslib）
• PCAP分析用のWireshark/tshark
• ネットワーク監視用のZeek（旧Bro）
• DNSクエリログ基盤
• パケットレベルでのDNS、ICMP、HTTPプロトコルの理解

ワークフロー

ステップ1: DNSトンネリング検出

#!/usr/bin/env python3
"""Detect DNS tunneling and covert channels in network traffic."""
import sys
import json
import math
from collections import Counter, defaultdict

try:
    from scapy.all import rdpcap, DNS, DNSQR, DNSRR, IP, ICMP
except ImportError:
    print("pip install scapy")
    sys.exit(1)


def entropy(data):
    if not data:
        return 0
    freq = Counter(data)
    length = len(data)
    return -sum((c/length) * math.log2(c/length) for c in freq.values())


def analyze_dns_tunneling(pcap_path):
    """Detect DNS tunneling indicators in PCAP."""
    packets = rdpcap(pcap_path)
    domain_stats = defaultdict(lambda: {
        "queries": 0, "total_qname_len": 0, "subdomain_lengths": [],
        "query_types": Counter(), "unique_subdomains": set(),
    })

    for pkt in packets:
        if pkt.haslayer(DNS) and pkt.haslayer(DNSQR):
            qname = pkt[DNSQR].qname.decode('utf-8', errors='replace').rstrip('.')
            qtype = pkt[DNSQR].qtype

            parts = qname.split('.')
            if len(parts) >= 3:
                base_domain = '.'.join(parts[-2:])
                subdomain = '.'.join(parts[:-2])

                stats = domain_stats[base_domain]
                stats["queries"] += 1
                stats["total_qname_len"] += len(qname)
                stats["subdomain_lengths"].append(len(subdomain))
                stats["query_types"][qtype] += 1
                stats["unique_subdomains"].add(subdomain)

    # Score domains for tunneling indicators
    suspicious = []
    for domain, stats in domain_stats.items():
        if stats["queries"] < 5:
            continue

        avg_subdomain_len = (sum(stats["subdomain_lengths"]) /
                             len(stats["subdomain_lengths"]))
        unique_ratio = len(stats["unique_subdomains"]) / stats["queries"]

        # Calculate subdomain entropy
        all_subdomains = ''.join(stats["unique_subdomains"])
        sub_entropy = entropy(all_subdomains)

        score = 0
        reasons = []

        if avg_subdomain_len > 30:
            score += 30
            reasons.append(f"Long subdomains (avg {avg_subdomain_len:.0f} chars)")
        if unique_ratio > 0.9:
            score += 25
            reasons.append(f"High uniqueness ({unique_ratio:.2%})")
        if sub_entropy > 4.0:
            score += 25
            reasons.append(f"High entropy ({sub_entropy:.2f})")
        if stats["query_types"].get(16, 0) > 10:  # TXT records
            score += 20
            reasons.append(f"Many TXT queries ({stats['query_types'][16]})")

        if score >= 50:
            suspicious.append({
                "domain": domain,
                "score": score,
                "queries": stats["queries"],
                "avg_subdomain_length": round(avg_subdomain_len, 1),
                "unique_subdomains": len(stats["unique_subdomains"]),
                "subdomain_entropy": round(sub_entropy, 2),
                "reasons": reasons,
            })

    return sorted(suspicious, key=lambda x: -x["score"])


def analyze_icmp_tunneling(pcap_path):
    """Detect ICMP tunneling in PCAP."""
    packets = rdpcap(pcap_path)
    icmp_stats = defaultdict(lambda: {"count": 0, "payload_sizes": [], "payloads": []})

    for pkt in packets:
        if pkt.haslayer(ICMP) and pkt.haslayer(IP):
            src = pkt[IP].src
            dst = pkt[IP].dst
            key = f"{src}->{dst}"

            payload = bytes(pkt[ICMP].payload)
            icmp_stats[key]["count"] += 1
            icmp_stats[key]["payload_sizes"].append(len(payload))
            if len(payload) > 64:
                icmp_stats[key]["payloads"].append(payload[:100])

    suspicious = []
    for flow, stats in icmp_stats.items():
        if stats["count"] < 5:
            continue
        avg_size = sum(stats["payload_sizes"]) / len(stats["payload_sizes"])
        if avg_size > 64 or stats["count"] > 100:
            suspicious.append({
                "flow": flow,
                "packets": stats["count"],
                "avg_payload_size": round(avg_size, 1),
                "reason": "Large/frequent ICMP payloads suggest tunneling",
            })

    return suspicious


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print(f"Usage: {sys.argv[0]} <pcap_file>")
        sys.exit(1)

    print("[+] DNS Tunneling Analysis")
    dns_results = analyze_dns_tunneling(sys.argv[1])
    for r in dns_results:
        print(f"  {r['domain']} (score: {r['score']})")
        for reason in r['reasons']:
            print(f"    - {reason}")

    print("\n[+] ICMP Tunneling Analysis")
    icmp_results = analyze_icmp_tunneling(sys.argv[1])
    for r in icmp_results:
        print(f"  {r['flow']}: {r['reason']}")

検証基準

• DNSトンネリングがエントロピー、サブドメイン長、クエリ量の分析によって検出されること
• ICMPコバートチャネルがペイロードサイズの異常によって識別されること
• トンネリングドメインが正当なCDN/クラウドトラフィックと区別されること
• キャプチャしたトラフィックからデータ流出量が推定されること
• C2通信パターンとビーコン間隔が抽出されること

参考文献

• Palo Alto Unit42 - DNS Tunneling Campaigns
• Elastic - Detecting Covert Data Exfiltration
• Vectra AI - ICMP Tunnel Detection
• MITRE ATT&CK T1071 - Application Layer Protocol