O que Análise de Canais Ocultos de Rede em Malware faz?
Visão Geral
Malware utiliza canais ocultos para disfarçar comunicação C2 e exfiltração de dados em tráfego de rede aparentemente legítimo. O túnel DNS codifica dados em consultas e respostas DNS (usado por ferramentas como iodine, dnscat2 e famílias de malware como FrameworkPOS). O túnel ICMP oculta dados em payloads de requisição/resposta echo (icmpsh, ptunnel). Canais ocultos HTTP incorporam dados C2 em cabeçalhos, cookies ou imagens esteganografadas. O abuso de protocolos explora protocolos permitidos para contornar firewalls. A detecção de túnel DNS atinge mais de 99% de recall com abordagens modernas baseadas em ML, embora a exfiltração de baixa taxa de transferência continue desafiadora. Palo Alto Unit42 rastreou três grandes campanhas de túnel DNS (TrkCdn, SecShow, Savvy Seahorse) até 2024, mostrando a prevalência continuada da técnica.
Quando Usar
- Ao investigar incidentes de segurança que exigem análise de canais ocultos de rede em malware
- Ao construir regras de detecção ou consultas de caça a ameaças para este domínio
- Quando analistas de SOC precisam de procedimentos estruturados para este tipo de análise
- Ao validar a cobertura de monitoramento de segurança para técnicas de ataque relacionadas
Pré-requisitos
- Python 3.9+ com
scapy,dpkt,dnslib - Wireshark/tshark para análise de PCAP
- Zeek (antigo Bro) para monitoramento de rede
- Infraestrutura de registro de consultas DNS
- Compreensão dos protocolos DNS, ICMP e HTTP em nível de pacote
Fluxo de Trabalho
Passo 1: Detecção de Túnel DNS
#!/usr/bin/env python3
"""Detecta túnel DNS e canais ocultos em tráfego de rede."""
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):
"""Detecta indicadores de túnel DNS em 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)
# Pontua domínios para indicadores de tunelamento
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"]
# Calcula entropia dos subdomínios
all_subdomains = ''.join(stats["unique_subdomains"])
sub_entropy = entropy(all_subdomains)
score = 0
reasons = []
if avg_subdomain_len > 30:
score += 30
reasons.append(f"Subdomínios longos (média {avg_subdomain_len:.0f} caracteres)")
if unique_ratio > 0.9:
score += 25
reasons.append(f"Alta singularidade ({unique_ratio:.2%})")
if sub_entropy > 4.0:
score += 25
reasons.append(f"Alta entropia ({sub_entropy:.2f})")
if stats["query_types"].get(16, 0) > 10: # Registros TXT
score += 20
reasons.append(f"Muitas consultas TXT ({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):
"""Detecta túnel ICMP em 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": "Payloads ICMP grandes/frequentes sugerem tunelamento",
})
return suspicious
if __name__ == "__main__":
if len(sys.argv) < 2:
print(f"Uso: {sys.argv[0]} <arquivo_pcap>")
sys.exit(1)
print("[+] Análise de Túnel DNS")
dns_results = analyze_dns_tunneling(sys.argv[1])
for r in dns_results:
print(f" {r['domain']} (pontuação: {r['score']})")
for reason in r['reasons']:
print(f" - {reason}")
print("\n[+] Análise de Túnel ICMP")
icmp_results = analyze_icmp_tunneling(sys.argv[1])
for r in icmp_results:
print(f" {r['flow']}: {r['reason']}")
Critérios de Validação
- Túnel DNS detectado via análise de entropia, comprimento de subdomínio e volume de consultas
- Canais ocultos ICMP identificados através de anomalias no tamanho de payload
- Domínios de tunelamento distinguidos de tráfego legítimo de CDN/nuvem
- Volume de exfiltração de dados estimado a partir do tráfego capturado
- Padrões de comunicação C2 e intervalos de beaconing extraídos