Communitygithub.com

Windows 레지스트리 아티팩트 분석

RegRipper와 같은 도구를 사용하여 Windows 레지스트리 하이브를 추출하고 분석합니다.

Windows 레지스트리 아티팩트 분석란 무엇인가요?

이 스킬은 보안 분석가와 포렌식 조사관이 Windows 시스템에서 레지스트리 아티팩트를 추출하고 분석하는 방법을 안내합니다. 주로 침해 사고 대응, 악성코드 지속성 메커니즘 식별, 사용자 활동 재구성, 승인되지 않은 소프트웨어 탐지, USB 데이터 유출 조사에 활용됩니다. 지원 도구로는 RegRipper, Registry Explorer (Eric Zimmerman), python-registry, RECmd, yarp 등이 있으며, SAM, SYSTEM, SOFTWARE, NTUSER.DAT와 같은 주요 레지스트리 하이브를 다룹니다. 워크플로는 이미지에서 하이브 추출, RegRipper를 이용한 자동 아티팩트 추출, 지속성/자동 실행 항목 분석, 사용자 활동 아티팩트 분석, 시스템 및 네트워크 정보 추출의 5단계로 구성됩니다. 핵심 개념으로는 UserAssist (ROT13 인코딩 실행 기록), MRU 목록, ShimCache, AmCache, BAM/DAM, 마지막 쓰기 시간, 트랜잭션 로그 등이 포함되어 있으며, 실제 시나리오 기반의 예제와 함께 출력 형식을 제공합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-windows-registry-for-artifacts

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Windows 레지스트리 아티팩트 분석은(는) 무엇을 하나요?

사용 시기

  • 침해 사고 중 Windows 시스템에서 사용자 활동을 조사할 때
  • 악성코드가 사용하는 자동 실행/지속성 메커니즘을 식별할 때
  • 설치된 소프트웨어, USB 장치, 네트워크 연결을 추적할 때
  • 내부 위협 조사에서 사용자 행동을 재구성할 때
  • 레지스트리 타임스탬프를 다른 포렌식 아티팩트와 상관 분석할 때

사전 조건

  • 포렌식 이미지 또는 추출된 레지스트리 하이브 파일
  • RegRipper, Registry Explorer (Eric Zimmerman), 또는 python-registry
  • 레지스트리 하이브 위치에 접근 가능 (SAM, SYSTEM, SOFTWARE, NTUSER.DAT, UsrClass.dat)
  • Windows 레지스트리 구조 이해 (하이브, 키, 값)
  • SIFT 워크스테이션 또는 포렌식 분석 환경

워크플로

1단계: 포렌식 이미지에서 레지스트리 하이브 추출하기

# 포렌식 이미지를 읽기 전용으로 마운트
mkdir /mnt/evidence
mount -o ro,loop,offset=$((2048*512)) /cases/case-2024-001/images/evidence.dd /mnt/evidence

# 시스템 레지스트리 하이브 복사
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/

# 사용자별 하이브 복사
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/

# 트랜잭션 로그 복사 (더티 하이브 복구용)
cp /mnt/evidence/Windows/System32/config/*.LOG* /cases/case-2024-001/registry/logs/

# 추출된 모든 하이브 해시 생성
sha256sum /cases/case-2024-001/registry/* > /cases/case-2024-001/registry/hive_hashes.txt

2단계: RegRipper로 자동 아티팩트 추출 분석

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

# NTUSER.DAT (사용자 프로필)에 대해 RegRipper 실행
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -f ntuser > /cases/case-2024-001/analysis/ntuser_report.txt

# SYSTEM 하이브에 대해 실행
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -f system > /cases/case-2024-001/analysis/system_report.txt

# SOFTWARE 하이브에 대해 실행
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -f software > /cases/case-2024-001/analysis/software_report.txt

# SAM 하이브 (사용자 계정)에 대해 실행
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SAM \
   -f sam > /cases/case-2024-001/analysis/sam_report.txt

# 특정 플러그인 실행
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

3단계: 지속성 및 자동 실행 항목 추출

# python-registry를 사용한 대상 추출
pip install python-registry

python3 << 'PYEOF'
from Registry import Registry

# SOFTWARE 하이브 열기
reg = Registry.Registry("/cases/case-2024-001/registry/SOFTWARE")

# Run 키 확인 (자동 시작)
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} (마지막 수정 시간: {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()}: {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass

# 설치된 서비스 확인
key = reg.open("Microsoft\\Windows NT\\CurrentVersion\\Svchost")
print(f"\n=== Svchost 그룹 ===")
for value in key.values():
    print(f"  {value.name()}: {value.value()}")
PYEOF

# 사용자별 자동 실행을 위해 NTUSER.DAT 확인
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} (마지막 수정 시간: {key.timestamp()}) ===")
        for value in key.values():
            print(f"  {value.name()}: {value.value()}")
    except Registry.RegistryKeyNotFoundException:
        pass
PYEOF

4단계: 사용자 활동 아티팩트 분석

# UserAssist 데이터 추출 (ROT13 인코딩된 프로그램 실행 기록)
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}: 실행={run_count}, 포커스={focus_count}, 마지막={ts}")
            else:
                print(f"  {decoded_name}: 실행={run_count}, 포커스={focus_count}")
PYEOF

# 최근 문서 추출 (MRU 목록)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p recentdocs > /cases/case-2024-001/analysis/recentdocs.txt

# 입력된 URL 추출 (브라우저)
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedurls > /cases/case-2024-001/analysis/typedurls.txt

# Explorer에서 입력된 경로 추출
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/NTUSER.DAT \
   -p typedpaths > /cases/case-2024-001/analysis/typedpaths.txt

5단계: 시스템 및 네트워크 정보 추출

# SYSTEM 하이브에서 컴퓨터 이름 및 OS 버전
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p compname > /cases/case-2024-001/analysis/system_info.txt

# 네트워크 인터페이스 및 구성
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SYSTEM \
   -p nic2 >> /cases/case-2024-001/analysis/system_info.txt

# 무선 네트워크 이력
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p networklist > /cases/case-2024-001/analysis/network_history.txt

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

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

# 제거 키에서 설치된 소프트웨어
perl /opt/regripper/rip.pl -r /cases/case-2024-001/registry/SOFTWARE \
   -p uninstall > /cases/case-2024-001/analysis/installed_software.txt

주요 개념

개념설명
레지스트리 하이브레지스트리의 한 섹션을 저장하는 바이너리 파일 (SAM, SYSTEM, SOFTWARE, NTUSER.DAT)
MRU (최근 사용 목록)최근에 접근한 파일, 명령어, 검색어를 추적하는 목록
UserAssist타임스탬프와 함께 프로그램 실행을 추적하는 ROT13 인코딩 레지스트리 항목
ShimCache실행된 프로그램을 기록하는 애플리케이션 호환성 캐시
AmCache실행 파일의 SHA-1 해시를 포함한 상세 실행 이력
BAM/DAMWindows 10+에서 프로그램 실행을 추적하는 백그라운드/데스크톱 활동 관리자
마지막 쓰기 시간레지스트리 키가 마지막으로 수정된 시간을 나타내는 타임스탬프
트랜잭션 로그비정상 종료 후 레지스트리 상태 복구를 가능하게 하는 저널 파일

도구 및 시스템

도구목적
RegRipper플러그인 아키텍처를 통한 자동화된 레지스트리 아티팩트 추출
Registry ExplorerEric Zimmerman의 대화형 레지스트리 분석 GUI 도구
python-registry프로그래밍 방식 레지스트리 하이브 파싱을 위한 Python 라이브러리
RECmdEric Zimmerman의 명령줄 레지스트리 분석 도구
yarp파이썬 기반 분석을 위한 또 다른 레지스트리 파서
AppCompatCacheParser전용 ShimCache/AppCompatCache 파서
AmcacheParser전용 AmCache.hve 분석 도구
ShellBags ExplorerShellBag 아티팩트 분석을 위한 특수 도구

일반적인 시나리오

시나리오 1: 악성코드 지속성 조사 SOFTWARE 및 NTUSER.DAT 하이브를 추출하고, 모든 Run/RunOnce 키에서 승인되지 않은 항목을 확인하며, 서비스에서 의심스러운 추가를 검사하고, 예약된 작업 레지스트리 키를 확인하며, 자동 실행 타임스탬프를 악성코드 실행 타임라인과 상관 분석합니다.

시나리오 2: 사용자 활동 재구성 UserAssist를 분석하여 프로그램 실행 이력을 확인하고, RecentDocs에서 접근된 파일을 조사하며, TypedPaths에서 Explorer 탐색을 확인하고, ShellBags에서 폴더 접근 패턴을 추출하여 사고 기간 동안 사용자 활동의 타임라인을 구축합니다.

시나리오 3: 승인되지 않은 소프트웨어 탐지 Uninstall 키를 파싱하여 모든 설치된 애플리케이션을 확인하고, 승인된 소프트웨어 기준선과 비교하며, BAM/DAM에서 승인 목록에 없는 최근 실행 프로그램을 확인하고, 제거 후에도 AppCompatCache에서 실행 증거를 조사합니다.

시나리오 4: USB 데이터 유출 조사 SYSTEM 하이브에서 USBSTOR 항목을 추출하여 연결된 장치를 확인하고, 장치 일련번호를 MountedDevices와 상관 분석하며, NTUSER.DAT의 MountPoints2에서 이동식 미디어에 대한 사용자 접근을 확인하고, SetupAPI 로그에서 첫 연결 타임스탬프를 조사합니다.

출력 형식

레지스트리 분석 요약:
  시스템: DESKTOP-ABC123 (Windows 10 Pro Build 19041)
  시간대: 동부 표준시 (UTC-5)
  마지막 종료: 2024-01-18 23:45:12 UTC

  자동 실행 항목:
    HKLM Run:     5개 항목 (1개 의심: "updater.exe" -> C:\ProgramData\svc\updater.exe)
    HKCU Run:     3개 항목 (모두 정상)
    서비스:        142개 항목 (2개 알 수 없음: "WinDefSvc", "SysMonAgent")

  사용자 활동 (NTUSER.DAT):
    UserAssist 프로그램:  234개 항목
    최근 문서:            89개 항목
    입력된 URL:           45개 항목
    입력된 경로:          12개 항목

  연결된 USB 장치:
    - Kingston DataTraveler (일련번호: 0019E06B4521) - 처음: 2024-01-10, 마지막: 2024-01-18
    - WD My Passport (일련번호: 575834314131) - 처음: 2024-01-15, 마지막: 2024-01-15

  설치된 소프트웨어:     127개 애플리케이션
  의심스러운 발견:       검토 대상으로 3개 항목 플래그 지정

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,

관련 스킬