Tony\'s Top 10 Computer Forensics Artifacts

OWASP AppSec The OWASP Foundation
Brazil 2010, Campinas, SP http://www.owasp.org

Tony‟s Top 10 Application Artifacts
A Computer Forensics Approach to OWASP Top 10
Tony Rodrigues, CISSP, CFCP
Provider IT Business Solution
inv.forense arroba gmail ponto com

Quem sou ?
Tony Rodrigues, CISSP, CFCP, Security+
Gestor/TI e Consultor em Segurança de
Informações
Perito/Investigador em Computação Forense
Blog: http://forcomp.blogspot.com

Introdução
Agenda
• CF de aplicações

Top 10 – Vestígios
• Web Server Log

• Banco de Dados

• Timelines

• Logs do SO

• Logs da Aplicação

• Monitoramento de Rede

• Registry

• Sistema de Arquivos

• Memória

• Documentação

Conclusão

Computação Forense de Aplicações
• Incidente já ocorreu !
• Busca descobrir
• Quem ?
• Quando ?
• Como ?
• Alcance (DoP – Depth of Penetration)
• Analisa os vestígios deixados
• Nas aplicações
• No seu ambiente

Computação Forense de Aplicações (II)
• Destaca-se:
• Necessidade de respostas rápidas
• Requerem entendimento específico
da aplicação
• Forte dependência de outras
disciplinas forenses
• Disco, Memória
• Correlação nos resultados
• Requisitada em diversas normas
• PCI (DSS), SUSEP (285)

Computação Forense de Aplicações (III)
• Desafios:
• Volume de informações
• Ausência de monitoramentos e logs
• Pouca disponibilidade do ambiente
• Ausência de padrão nos logs
dificulta correlação

OWASP Top 10
• Os dez riscos mais críticos para
aplicações Web
• Top 10 anual
• Conceitos
• Como verificar as vulnerabilidades
• Como evitá-las
• Exemplos de vulnerabilidades

Tony’s Top 10 ???
• Relação dos vestígios mais comuns em
Forense de Aplicações
• Correlacionam-se com os OWASP Top 10
• Ferramentas e técnicas aplicáveis

#1 – Log do WebServer
• Registra cada requisição ao Web
Server
• Formato de texto
• Geralmente podem ser configurados
quanto às informações a logar
• É a porta de entrada dos sistemas Web

#1 – Log do WebServer (IIS)
• Formato W3C Extended
• Em geral, ficam em LogFilesW3SVCx
• Por default, logam:
• Data/Hora, Client IP, Server Info,
HTTP Method, URL e Parâmetros,
Http Status Code e User Agent
• Pode ser habilitado:
• Bytes transferidos, Host Header,
Cookies, Referrer
• Dados do POST nunca são logados

#Software: Microsoft Internet Information Services 5.0
#Version: 1.0
#Date: 2008-06-20 01:03:15

#Fields:time c-ip cs-method cs-uri-stem cs-uri-query Status version
1:03:15 172.16.22.33 POST /execute.asp
sessionid=90198e1525e4b03797f833ff4320af39 200 HTTP/1.0


#Software: Microsoft Internet Information Services 5.0
#Version: 1.0
#Date: 2005-05-13 07:40:49

#Fields: date time c-ip cs-username s-sitename s-computername s-ip s-port cs-
method cs-uri-stem cs-uri-query sc-status sc-win32-status sc-bytes cs-bytes
time-taken cs-version cs(User-Agent) cs(Cookie) cs(Referer)

2005-05-13 07:40:49 203.164.88.39 - W3SVC235 W2KWEB5B 207.172.13.44 80
GET /rcn.htm - 200 0 1982 381 594 HTTP/1.1
Mozilla/4.0+(compatible;+MSIE+6.0;+Windows+NT+5.0;+.NET+CLR+1.1.4322) - -

#1 – Log do WebServer (Apache)
• Formato e localização bastante
customizáveis
• Configuração fica em httpd.conf
• Access.log armazena todas as
requisições
• LogFormat "%h %l %u %t "%r" %>s %b“
• Host remoto, logname remoto, usuário
remoto, hora, linha do request, status
e bytes enviados
• Mod_log_config e Mod_logio ampliam
informações logadas
• Dados do POST nunca são logados

#1 – Log do WebServer (Apache)
Usando:
LogFormat "%h %l %u %t "%r" %>s %b
"%{Referer}i" "%{User-Agent}i" %I %O"
combinedio

Gera:
192.168.200.105 - - [24/Nov/2006:11:23:30 -0500]
"GET / HTTP/1.1" 200 8054
"http://wooga.drbacchus.com/index.php?"
"Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.7.5)
Gecko/20041107 Firefox/1.0" 935 8522

#1 – Log do WebServer - Ferramenta
• Microsoft LogParser
• Ferramenta free para manipular logs
• Suporta vários formatos de log
• Usa sintaxe SQL para manipular dados

C:WINNTSystem32LogFilesW3SVC1>logparser
"SELECT
DISTINCT TO_LOWERCASE(cs-uri-stem) AS URL, Count(*)
AS Hits FROM ex*.log WHERE sc-status=200 GROUP BY
URL ORDER BY URL" -rtp:-1

#1 – Log do WebServer – Visual LogParser

#1 – Log do WebServer – Principais campos
Campo Descrição Uso
Client IP Address (c-ip) IP do requisitante Identifica usuário
User Name (cs-
Nome de usuário usado na autenticação Identifica possível credencial comprometida
username)
URI Stem (cs-uri-stem) O que foi acessado no servidor Pode identificar vetores de ataque
URI Query (cs-uri-query) Query string do acesso Pode identificar XSS e Injections
Protocol Status (sc-
Código do resultado Pode identificar ataques de SQLi
status)
Bytes Sent (sc-bytes) Bytes enviados ao cliente Pode identificar tráfego suspeito
Bytes Received (cs- Número de bytes recebidos pelo
Pode identificar tráfego suspeito
bytes) servidor
Time Taken (time-taken) Tempo para processar a requisição Pode identificar Blind SQLi
Conteúdo do HTTP Host header
Host (cs-host) Identifica se navegação foi por nome ou IP
enviado pelo cliente
User Agent (cs(User- Pode identificar usuário. Indica versão do browser,
Conteúdo do HTTP User-Agent header
Agent)) por exemplo
Cookie (cs(Cookie)) Conteúdo do cookie Pode identificar usuário
Identifica de onde o usuário veio (de um site de
Referer (cs(Referer)) Conteúdo do HTTP Referer header
buscas, por exemplo)

#1 – Log do WebServer - Investigando
SQL Injection:
logparser "SELECT date, time,s-ip,c-ip,cs-uri-stem AS query
INTO C:Log_opsql1.txt
FROM C:W3SVC1ex*.log
WHERE (sc-status>=200 AND sc-status<400)
AND (cs-uri-stem LIKE '%--%' OR
cs-uri-stem LIKE '%;%' OR
cs-uri-stem LIKE'%'%' OR
cs-uri-stem LIKE '%#%')
AND (cs-uri-stem LIKE '%|%' OR
cs-uri-stem LIKE '%+%' OR
cs-uri-stem LIKE '%OR%„ OR
cs-uri-stem LIKE '%AND%' OR
cs-uri-stem LIKE '%SELECT%' OR
cs-uri-stem LIKE '%UPDATE%„ OR
cs-uri-stem LIKE '%INSERT%' OR
… outras keywords de SQL)
ORDER BY date, time"

XSS:
logparser "SELECT date, time, s-ip, c-ip, cs-uri-stem AS query
INTO C:Log_opxss.txt
WHERE cs-uri-stem LIKE '%<%' OR
cs-uri-stem LIKE '%>%' OR
cs-uri-stem LIKE '%'%' OR
cs-uri-stem LIKE '%:%' OR
cs-uri-stem LIKE '%"%' OR
cs-uri-stem LIKE '%--%„ OR
… outras keywords html (script, iframe, por exemplo)
ORDER BY date, time"

Session Mgt:
logparser "SELECT date, cs-uri-query, c-ip,
count(cs-uri-query) as Ocorrencias
INTO C:Log_opsession.txt
WHERE cs-uri-query LIKE
'%sessionID%„
GROUP BY date, cs-uri-query, c-ip “
Suspeite de mesmo sessionID na mesma data e
com IPs diferentes


Envio de informações:
logparser "SELECT date, c-ip, max(sc-bytes) as
MaiorEnvio
INTO C:Log_openvio.txt
GROUP BY date, c-ip “
Valor de MaiorEnvio destoando dos outros deve ser
averiguado. Faça devidos filtros por data

Redirection/CSRF:
logparser "SELECT cs-uri-stem, cs-referer, count()
as Ocorrencias
INTO C:Log_opreferer.txt
GROUP BY cs-uri-stem, cs-referer
HAVING cs-uri-stem <> „/paginainicial‟“
Em geral, páginas tem um pequeno conjunto
específico de referers

Subqueries:
logparser "SELECT c-ip, cs-uri-stem, Count(*) as Hits
FROM ex*.log
WHERE TO_LOWERCASE(cs-uri-stem) NOT
LIKE '%.gif' AND
TO_LOWERCASE(cs-uri-stem) NOT LIKE
'%.jpg%' AND
c-ip IN (SELECT c-ip FROM
c:Log_oparquivo.txt WHERE sc-status=404)
AND sc-status=200
GROUP BY c-ip, cs-uri-stem" -rtp:-1“
Resultados podem ser aninhados

Caso – Ações em Alta
• Vários clientes da corretora alegaram que operações
foram feitas em suas contas sem sua autorização. Ações
de uma empresa desconhecida foram compradas a partir
de suas contas
• Informações iniciais:
 Data/Hora das transações
 Log do WebServer (IIS)
• O que foi localizado no log:
 SessionID passado pela URL (GET)
 Vários IPs em datas diferentes com o mesmo
SessionID

Caso – Ações em Alta
• O que foi localizado na máquina da vítima:
 Nenhum trojan ou keylogger
 Um email (phishing) explorando session fixation
• Conclusão
 As pessoas lesadas tinham clicado em um email
fraudulento que explorava a falha da aplicação.
 Vestígios localizados no log do webserver e no
computador de uma das vítimas apoiaram a
conclusão.

#2 – Banco de Dados
• Fundamental nas aplicações Web
• Vestígios importantes mesmo sem
auditorias ligadas
• Alvo comum em ataques
• Vestígios em DML e DDL

#2 – Banco de Dados – Ordem de Coleta
• Dados voláteis do SGBD
• Sessões e Conexões
• Requests ativos
• Usuários ativos
• Memória
• Transaction Logs
• Arquivos de Base de Dados
• Error Logs do SGBD
• Logs de eventos do sistema
• Arquivos de Trace

#2 – Banco de Dados – Coletando dados voláteis
• Ferramenta: sqlcmd
• Command line para SQL Server
• Permite executar queries no banco de
dados e logar os resultados
• Outros bancos possuem conceitos
similares
• Coletando o transaction log ativo:
sp_helpdb

• Sessões abertas no banco:
select * from sys.dm_exec_sessions

• Conexões ativas no banco:
select c.session_id, c.connect_time,
c.net_transport, c.last_read,
c.last_write, c.client_net_address,
c.local_tcp_port, s.text
from sys.dm_exec_connections c
cross apply sys.dm_exec_sql_text
(c.most_recent_sql_handle) s

• Contas do banco:
select name, type_desc, create_date,
modify_date
from sys.sql_logins
order by
create_date, modify_date

• Informações sobre execuções:
select * from sys.dm_exec_requests

1.SELECT [text] FROM sys.dm_exec_sql_text
Results:
1.Text
2.SELECT AccountDescription FROM DimAccount WHERE
AccountKey = 2

#2 – Banco de Dados – Selects
• Informações sobre queries recentemente
executadas: Query Plans Cache
• Exemplo:

#2 – Banco de Dados – Selects – Plan Cache
• Armazenam quantidade considerável de
informações
• Em um server com 28Gb, pode chegar a 16Gb
de cache em um SQL Server 2005
• Podem ficar dias na memória
• Dependências:
• Demanda de memória do servidor
• Mudança em objetos associados
• Limpeza manual do cache
• Restart do serviço do SQL Server

• Capturando informações do Query Plan Cache:
Select *
from sys.dm_exec_cached_plans
cross apply sys.dm_exec_sql_text(plan_handle)
• Outras informações no Cache:
Select * from sys.dm_exec_query_stats
Select *
from sys.dm_exec_cached_plans
cross apply sys.dm_exec_plan_attributes(plan_handle)

• Analise queries que apresentem anomalias em relação ao
padrão de queries da aplicação

#2 – Banco de Dados – Transaction Log
• Transaction Log
• Não pode ser desligado como um item de
auditoria
• Registra DDLs e DMLs aplicadas ao banco
• Permite recuperar conteúdos apagados
• Permite detectar valores antes e após
modificações

• Coletando
- Select * from ::fn_dblog(NULL,NULL)
- Dbcc log (<nome do banco>,3)

• Campos mais importantes:
Campo Descrição
Operation Tipo de operação
PageID Página de dados afetada pela operação
SlotID Linha dentro da página de dados afetada pela
operação
Offset in Row Offset das informações dentro da linha
SPID Identificador do processo no servidor SQL Server
Begin Time Início da transação
End Time Fim da transação
RowLogContents Conteúdo antes da operação
0
RowLogContents Conteúdo após a operação
1

• RowContents – Estrutura:

#2 – Banco de Dados – Ferramenta: SQLJuicer
• Lista transações marcadas no transaction log
• Reconstrói da transação mais recente à mais
antiga após o último checkpoint
• Informa data/hora, operação, campos afetados e
valores antes/depois da transação
• Dependente do SQL Server e do SQLCmd
• Escrita em PERL
• HELP !
• Ainda não lista DDLs
• Algumas operações ainda não foram
mapeadas
• Avançado: Independência do SQL Server e
dos checkpoints

#2 – Banco de Dados – Outros vestígios
• Arquivos de trace default:
• Diretório MSSQLLOGLOG_#.TRC
• Logs de erro do SQL Server
• Diretório MSSQLLOGERRORLOG

Caso – Super Promoção de Eletros
• Uma operadora de cartões de crédito alertou a uma
companhia de vendas de departamento que opera pela Web
que estava recebendo de lá repetidas transações fora do perfil

 Data/Hora das transações
 Log do WebServer (IIS)
 Banco de Dados SQL Server
• O que foi localizado:
 No transaction log havia vários updates, colocando preços
ínfimos para os produtos anunciados no site
 No query plan cache havia selects na tabela de compras,
recuperando números de cartão de crédito
 Esses números de cartão foram usados nas compras
 Havia várias tentativas seguidas de login do usuário SA
assinaladas no SQL Server Error Log
 As queries dos updates foram realizadas pelo SA

Caso – Super Promoção de Eletros
Conclusão
 A senha do SA foi quebrada e o atacante se
logou no banco. Ele veio a partir de uma
máquina interna
 Ele buscou números de CC para usar e
realizou compras pela aplicação, depois de
trocar os preços de vários produtos
 Depois foi apurado que alguém resgatou os
produtos no endereço de entrega usando
Engenharia Social

#3 – Timelines
• Análise temporal dos eventos
• Permitem filtrar por datas próximas ao
evento
• Envolvem:
• Sistema de Arquivos
• Eventos do SO
• Logs diversos
• System Restore Points
• Sensível ao sincronismo de relógio !

#3 – Timelines
• Ferramentas:
• FLS (The SleuthKit)
• Log2Timeline
• Ex-Tip

#3 – Timelines – Log2timeline

#4 – Logs do SO
• Registram eventos específicos do SO
• Podem ser usados em timelines
• Envolvem:
• Logs de eventos do Windows
• Logs de Atividades Agendadas
• SetupApi
• Arquivos Prefetch
• System Restore Points
• Shadow Copy

#4 – Logs do SO
• Podem indicar:
• Erros de execução em exploits
• Execução de programas estranhos
ao ambiente
• Uso de mídia removível no servidor
• Mudança de versão de arquivo

#4 – Logs do SO
• Ferramentas:
• Evtxdump
• Evtxparser
• LogParser
• Prefetch_info
• WFA
• SAEX (SetupApi Extractor)
• ShadowExplorer
• Restore Point Analyser

#4 – Logs do SO – Shadow Explorer

#4 – Logs do SO - Mandiant Restore Point Analyser

#5 – Logs da Aplicação
• Registram eventos específicos das aplicações
• Podem ser usados em timelines, mas em geral
precisam de tradução entre formatos
• Envolvem:
• Logs de erros da aplicação
• Logs de Acesso
• Violation Report
• Lista de Usuários Ativos
• Auditorias
• Nem sempre estão implementados

• Podem indicar:
• Tentativa de exploração de erros
• Acesso não autorizado
• Comprometimento de credenciais
• SQLi
• Alteração de dados fora da aplicação
• Tentativa de Anti-Forense (logs podem indicar
operações removidas dos logs do SO)

• Ferramentas
• LogParser
• Perl, Python, Ruby, etc
• Scripts

Caso – Estranho no Ninho
• Um dos Analistas de Segurança alertou a equipe de
Resposta a Incidentes que verificasse uma tentativa
de exploração do website da Companhia.
• Ele percebeu que, durante a realização do
monitoramento de controle periódico conhecido como
Violation Report, havia registro de tentativa sem
sucesso para usuário XXX‟ Or 1=1; --

 Data/Hora das tentativas
 Log de uso da aplicação
 Relatório de Active Users da aplicação

 O relatório de Active Users mostrou um novo usuário
criado com data próxima ao registro da tentativa de
SQLi
 Não havia registro de requisição formal para a criação
do tal usuário
 O relatório de uso da aplicação também mostrou
atividade para o Admin próximo a data do ataque e
antes da criação do novo usuário
 O relatório de uso da aplicação mostrou toda a
atividade realizada pela nova conta

• Conclusão
 O atacante teve sucesso em explorar o módulo de
login por SQLi e conseguiu obter a credencial de
administrador
 Um timeline usando as informações dos relatórios
permitiu perceber que um novo usuário foi criado e as
informações fornecidas pelo sistema foram
comprometidas
 A área de Segurança de Informações não tinha
recebido o módulo de Login para fazer a homologação.
Alegação: o projeto precisava entrar no “ar” e isso
seria feito depois ...

#6 – Monitoramento de Rede
• Registram comunicações entre as aplicações
• Registram comunicações no ambiente
• Geram grande quantidade de dados
• Envolve:
• Conteúdo de todas as comunicações
realizadas para um determinado servidor ou
grupo de servidores
• Incluindo info passada por POST !
• Nem sempre estão implementados
• Soluções comerciais são MUITO caras
• Se bem implementado, pode indicar qualquer tipo
de ataque não local

#6 – Monitoramento de Rede
• Ferramentas
• Wireshark
• TCPDump
• Packetyzer
• NetworkMiner
• XPlico

#6 – Monitoramento de Rede – Xplico
• Mostra os dados coletados em formato “human-
readable”
• Permite ver as telas trafegadas
• Permite escutar conversas VoIP
• Permite recuperar arquivos (download e
upload)
• Permite ver vídeos e imagens trafegados

#6 – Monitoramento de Rede – Xplico

#7 – Registry
• Banco de dados de configurações do Windows
• Pode funcionar como um grande log
• Chaves possuem timestamp de Ultima
Modificação
• Algumas aplicações guardam nele suas
configurações
• Podem conter elementos de persistência
• Envolve:
• Contas de Usuários
• Policies
• Configurações de TCP/IP
• Uso de mídia removível
• Ações de usuário no servidor

#7 – Registry
• Ferramentas
• RegRipper
• WindowsRipper
• RipXP
• Windows registry Analysis (WRA)
• Registry File Viewer (RFV)

Caso – Operador Malicioso
• Dados de uma grande empresa foram parar em todas as
esquinas de uma grande cidade, vendidos em DVDs. A
diretoria tinha várias suspeitas e investigava cada uma delas
em sigilo.

 Havia um select anômalo aplicado na base de dados
 Nada foi localizado nos logs do SO ou do Webserver
 O Registry indica, com data e hora, que um drive
externo foi usado recentemente
 O mesmo serial foi localizado no Registry da máquina
do operador

• Conclusão
 Buscas adicionais acharam traços do arquivo com dump
da base de dados no drive externo, que foi recuperado.

#8 – Sistema de Arquivos
• Elementos de controle do Sistema de Arquivos
• Pode funcionar como log
• Podem indicar alteração de arquivos ou sua
pré-existência
• Envolve:
• Espaços não alocados
• Slack space
• Estruturas de Journal
• Indexadores ($I30)
• Podem indicar:
• Uso de técnicas Anti-Forenses
• Vetores de ataque

#8 – Sistema de Arquivos – NTFS USN Journal
• Trabalha na manutenção de integridade do
sistema de arquivos
• Armazena atributos alterados
• Não armazena conteúdos !
• Conteúdo (arquivo esparso) fica em uma ADS
($J) dentro do $extend$UsnJrnl
• Existem códigos que listam o antes/depois

#8 – Sistema de Arquivos – NTFS $I30
• Atributo de diretórios
• Trabalha na indexação
• Armazena atributos
FN com
timestamps (MAC
times)

#8 – Sistema de Arquivos
• Ferramentas
• Utilitários do TSK - The Sleuth Kit
• Icat, istat, jls, jcat, fls, blkcat
• Utilitários do Byte Investigator
• parseI30, ADS, ADSExt
• AnalisaMFT.py
• UsnJrnl.py

#9 – Memória
• Um dos itens mais ricos em vestígios
• Pode funcionar como log
• Algumas estruturas de controle possuem
timestamps
• Envolve:
• Processos já terminados
• Conteúdos de arquivos
• Captura de malware
• Vestígios que não tocaram o disco ou foram
removidos
• Podem indicar:
• Uso de técnicas Anti-Forenses
• Vetores de ataque

#9 – Memória
• Ainda assim:
• Bastante volátil
• Coleta invasiva
• Técnicas não completamente
amadurecidas
• Dificuldade de correlação entre os hosts
• Constantemente prejudicada por ações de
resposta mal planejadas
• Desligar a máquina, por exemplo.

#9 – Memória
• Ferramentas:
• Coleta
• Win32DD, Win64DD (MoonSols)
• ManTech MemoryDD (mdd)
• Mandiant Memoryze
• Análise
• Mandiant Memoryze
• Volatility
• PTFinder

Caso – Nenhuma pista
• Durante as investigações de um incidente, dois
peritos ficaram intrigados ao perceber que as ações
maliciosas executadas na máquina não respondiam ao
“como”

 O log de eventos acusou que houve login via RDP
na máquina
 Várias ações poderiam ser assim explicadas,
porém como o acesso foi conseguido ?
 Antes de lançar suspeitas sobre os
Administradores terem repassado a senha, foi feito
uma análise da memória do servidor
 Localizou-se vestígios de uso do
Meterpreter/SAMJuicer

Caso – Nenhuma pista
• Conclusão
 Havia uma vulnerabilidade que permitia a
exploração pelo módulo Meterpreter do Metasploit
 Através do Meterpreter, o SAMJuicer baixou o SAM
da máquina sem tocar no disco e o enviou para o
atacante
 A senha de uma das contas foi quebrada e o
servidor foi acessado por RDP

#10 – Documentação !
• Um dos vestígios mais ignorados pelos
investigadores digitais
• Deve ser requisitada ainda na fase de levantamento
• Faz parte dos Vestígios Documentais
• Envolve:
• Diagramas e topologia de rede
• Códigos Fontes
• Descrição de arquitetura
• Regras de negócio
• Podem indicar:
• A diferença entre uma investigação rápida e uma
bem demorada ou infrutífera

Caso – LogmeIn

• Um CEO de uma companhia recebeu um email
extorsivo, onde uma pessoa alegava ter todos os
dados de cartão de crédito usado pela empresa e iria
divulgá-los para redes de crime organizado a não ser
que recebesse uma não pequena quantia em
dinheiro
• Os diretores procuraram ganhar tempo enquanto
se determinava a veracidade da ameaça e se
procurava descobrir mais

Caso – LogmeIn
 Inicialmente, nada foi localizado no log do webserver
 O Query Plan Cache indicava uma operação de select
em todas as colunas e linhas da tabela de Cartões de
Crédito, mas nada indicava como os dados teriam sido
retirados
 Uma análise mais minuciosa do log do webserver
mostrou que uma quantidade excessiva de dados foi
enviada em resposta a uma requisição
 Havia um backdoor no módulo de login que executava
o select no caso do usuário “LogmeIn” fizesse o login

Caso – LogmeIn
• Conclusão
 Houve confirmação da saída dos dados de CC
 Uma análise do software de controle de versões
mostrou o responsável pela alteração e que introduziu
o backdoor
 Investigações posteriores ligaram o autor do backdoor
à conta de envio do email com a extorsão

Computação Forense de Aplicações
apresenta alguns desafios
interessantes por praticamente
exigir correlação para chegar às
conclusões.
Conhecer onde estão os principais
vestígios é mais do que um
diferencial e pode definir o
sucesso da investigação.

Referências
OWASP Top 10 Project

• http://www.owasp.org/index.php/Category:OWASP_Top_Ten_Project Live
View

Kevvie Fowler - SQL Server Forensics

• http://www.applicationforensics.com/

David Litchfield - Oracle Forensics

• http://www.ngssoftware.com /

Forensic Log Parsing with Microsoft's LogParser

• Mark Burnett para SecurityFocus

Referências II
Incident Handling and Log Analysis in a Web Driven World

• Manindra Kishore – ClubHack 2009

Web Application Incident Response & Forensics: A Whole New Ball Game!

• Chuck Willis & Rohyt Belani – Mandiant – Black Hat USA 2006

LogParser

• http://www.microsoft.com/downloads/details.aspx?FamilyID=890cd06b-
abf8-4c25-91b2-f8d975cf8c07&displaylang=en

Visual LogParser

• http://en.serialcoder.net/logiciels/visual-logparser.aspx

Referências III
SQLJuicer

• http://code.google.com/p/sqljuicer/

Log2Timeline

• http://log2timeline.net/

Shadow Explorer

• http://www.shadowexplorer.com/

XPlico

• http://www.xplico.org

RegRipper

• http://regripper.net/

Byte Investigator

• http://sourceforge.net/projects/byteinvestigato/

Sugestões de Leitura

http://forcomp.blogspot.com
http://www.e-evidence.info

Obrigado !

inv.forense arroba gmail
ponto com
(Tony Rodrigues)

Tony\'s Top 10 Computer Forensics Artifacts

Recommended

Recommended

More Related Content

What's hot

What's hot (8)

Viewers also liked

Viewers also liked (16)

Similar to Tony\'s Top 10 Computer Forensics Artifacts

Similar to Tony\'s Top 10 Computer Forensics Artifacts (20)

Tony\'s Top 10 Computer Forensics Artifacts