OWASP 2010 中国峰会将在 10月 20至23日 在北京举行. 我会在这博客为大家报上更多消息.

OWASP中国研究小组（NEW)

为了更好的促进OWASP中国各区域的沙龙、活动能够持续、稳定的进行，OWASP中国特成立的各区域小组，主要为了促进小范围内的交流和分享。同 时，也非常欢迎大家自荐成为自己所在区域的负责人。OWASP中国项目研究组以目前OWASP的开源项目为基础，深入研究各类应用安全技术，并输出相关中 文资料、培训文档、安全工具等。同时，也会不定期的在各区域的活动上做相关培训。 OWASP中国QQ交流群 78238096

我希望能出一分力提高中国互联网的安全，從 Frank Fan 及 RIP 那邊接手了項目，所以之前十二月就是为了把这个完成，花费了相当多时间。

非常感谢以下的人，尤其 Microsoft 内的大家在圣诞节加班的大力技持！姓氏排名：

• Aaron (DBAPPSECURITY)
• 程琼(Microsoft)
• Frank Fan (DBAPPSECURITY)
• 贺佳琳(Microsoft)
• 李伟荣(Microsoft)
• RIP (OWASP China Chair)
• 沈巍(Microsoft)
• 王超(Microsoft)
• 韦炜(Microsoft)
• 张柏明(Microsoft)
• 趙嘉言(Microsoft)

希望大家都有所获益！

For the whole December and some January, I’ve been working for OWASP China on some projects – thus taking my full attention. And I have been busy on picking up some bits of life and my side project – yes! Working on it! It’s coming in this January!

The 2009 is a fantastic year! I am aiming well for 2010 and will aim to advance fully into my interests. More to that next time… meanwhile, stay tooned. =)

You might have noticed that I used md5 as filenames in the previous (old!) post. In most cases, it is fine.

However, what if the malware depends on a file called hgz.dll? You can calculate hgz.dll as md5, then find the filename out, now put that in the VM again – fine. But you see it is a troublesome process… that you can’t easily automate. There are other cases… of course.

Well, you get the point!

我们假设所有要分析的档桉皆为恶意，因为蜜罐等方法收集回来的皆定义为恶意的。

其中一种分类方法便是用扫毒软件来分类。被检测到属同类的的病毒，我们可以抽其中一个或两个分析就可以。例如只抽一个 “Conficker.B” 的样本。因为 Conficker 家族是比较常见，这样就可以节省很多重覆的工作。这做法的坏处是，没能被检测出来的病毒都被放属同一组。

Clamscan 的一些節錄…

/tmp/4c71b97435a24ffb8fd7fedd1b1790e1: OK
/tmp/82dd3a3d386d4ea09870dcee4a75a531: OK
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin: OK
/tmp/24bd1722b994f7daa193458348108bfc.bin: OK
/tmp/39960c5ff1922466ded71a4a2799c295: Trojan.VanBot-366 FOUND
/tmp/33f5f14c33bf2f71556204705407a885: W32.Virut-54 FOUND
/tmp/880ce6df69aaeb1d3c57e756f53dd158.bin: Trojan.Delf-911 FOUND
/tmp/7e0ce66bb299370010016f4522152969: Trojan.VanBot-366 FOUND
/tmp/4f2d9f8129e7d7fd9b37f700aacdc9aa.bin: Trojan.Hupigon-25647 FOUND
/tmp/5b69ff6f331ece36558516f66306f969: Trojan.Small-4287 FOUND
/tmp/078aedb8630339487cf39d028b0156bd.bin: OK
/tmp/417bdef0688996a845701da9dcf1b145: Trojan.VanBot-366 FOUND
/tmp/eda3b7766c23dfffc0b85d0ba546b0c1: W32.Virut-54 FOUND
/tmp/86f22ff53382dbb54e2c22560a3db373: Trojan.VanBot-366 FOUND
/tmp/a4a41d2122c4d3552e3d59315f42d4e3: W32.Virut-54 FOUND

看看上面的输出。若果没有扫毒软件的分类，何以判断4c71b97435a24ffb8fd7fedd1b1790e1 和 82dd3a3d386d4ea09870dcee4a75a531 是不是同类？如果在众多样本中找出独特罕有的病毒？若要你手动分析 600 多个，不多，但恐怕是很多工作量了。

另一种方法是用 ssdeep 了，是一个模煳 hashing 的工具。专门用来检测文件相似性，可能相差某些字节和内容。它是会计算出一个 hash 签名，但和 md5 不同，改一小个字节不会造成差异很大的 hash 签名。 ssdeep 的概念是把一个档桉分为多个小部分，并为每个部分计算 hash 签名。

以下是一个 exe 档安样本 (“file1.exe”)，并拷背了一份再加多了一个字元，并为此两档桉计算 md5 hash。

$ cp file1.exe file2.exe
$ echo 1 >> file2.exe

$ md5sum file1.exe file2.exe
72bdd3bd37a0b5d1dd5f1be80cb29639  file1.exe
a626b78fa6ba13fdd9cfddb9f55ee7c6  file2.exe

只是一字元的分别，这两个 md5 hash 基本上是不一样了。再看看这两档桉的 ssdeep 签名。

(为了清楚一点，分为数行)

$ ssdeep -b file1.exe file2.exe
ssdeep,1.0–blocksize:hash:hash,filename
768:my+qxlsz7yiV0+7YUaFhLFAtVI0xbM
LvzEg1B1Ki8nJ78:R+qxlsHvGhLFyI0l8tC5J78,”file1.exe”
768:my+qxlsz7yiV0+7YUaFhLFAtVI0xbM
LvzEg1B1Ki8nJ7V:R+qxlsHvGhLFyI0l8tC5J7V,”file2.exe”

以冒号分隔，第一个 (768) 是每块单元的大小，其后两个是档桉的 ssdeep hash 签名 (my+qxlsz7yiV0+7YUaFhLFAtVI0xbMLvzEg1B1Ki8nJ7V 和 R+qxlsHvGhLFyI0l8tC5J7V)，最后便是 档桉的位置 (“file2.exe”)。这裡要看的是那两个 ssdeep hash 签名 － 由两个很相似的档桉计算出来 ssdeep 签名是非常像，除了最后一个字元 ( “8″ 对 “V” )。

若果你有大量的未能被检测的恶意软件，虽然扫毒软件不能帮你，但 ssdeep 可以。以下是用 ssdeep 分析大量恶意软件的相似性关係。档名同时亦是该档的 md5 hash 签名。

$ ssdeep -dr .

…
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/fa7c91b738e763eccf69676bd393925e.bin (88)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/ae142ce3b35cc04f5648a0c17c37ea30.bin (82)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/794b74fc4e833d245eb005e078dc21da.bin (82)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/46fb9678675df8dc83d38761a76c7950.bin (99)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/f412d41aacb4b16ded7b158b89fd3552.bin (90)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/4bfba885ed3dc4ba800446df49051af0.bin (82)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/13776c2b604290906305a56c4e7c61e5.bin (99)
/tmp/72bdd3bd37a0b5d1dd5f1be80cb29639.bin matches /tmp/5a8424f4e1504b5823ca8742e2b1ce8d.bin (82)
…

从以上看得出来，每个档桉的 md5 很不同。但，ssdeep 是可以关联起来的。若果没有被关联起来，可以先假定为少数特别的恶意软件，并以后对它多加分析。此外，ssdeep 还能对 打包了 (packers) 的 exe 作分类，因为它们只是压缩软件，而类似的软件当然压出来也是相似的。

有几个要注意的地方。第一，ssdeep 是把一个档桉拆散作分析的，若果档桉在每100字元被修改一个字元的话，ssdeep 是认不出来的（某些混淆算法就是会加些垃圾，简单的如 no-ops。）。再者，若果用来分析恶意软件的登录资料，类似的档桉有可能是连去不同的僵尸网络控制台，若以被错误地滤掉。当然，你亦可以去分析当中的同通点并分析登录的算法。

以 ssdeep 作恶意软件分类应可以减轻个人的工作量，算是一种方法。

===

ssdeep – http://ssdeep.sourceforge.net/

UPX – http://upx.sourceforge.net/

Log0 is quite busy lately.

本来不打算开放的，但发现又有一定用处。以后裡头还有很多可以加的功能如 监听任何的协议、更易用、更易自动化、及可以写脚本等。

我在写好用法之后再公开代码。若果你有我的卡片，欢迎电邮来找我 =)

Hac.ka 就是我在结尾时提到的朋友和另一位队员，他是搞电邮和 DNS 的。