Git Product home page Git Product logo

forensics-evidence's Introduction

Dieses Readme-File beschreibt den Aufbau der Dateien im Ordner sowie gibt Informationen zum Ausführen der einzelnen Scriptdateien.

Folgende Konfiguration wurde verwendet: Host: Windows 10 Pro, 64bit, AMD A10, 16GB RAM Virtual Box 5.2.6 r120293 VM Windows 7: Guest Additions 5.2.6 Änderungen zur Ausgangs-OVA: PAE/NX aktiviert VM Linux: Guest Additions unverändert Änderungen zur Ausgangs-OVA: PAE/NX aktiviert

Ordnerstruktur:

  • ce/
    • {a,b,c,d,e}.ce - Ergebnisse der CE-Phase
  • idiff/
    • {a,b,c,d,e,noise}.{1|2|3}.diff - Ergebnisse der GE-Phase
  • me/
    • {a,b,c,d,e,noise}.me - Ergebnisse der ME-Phase
  • misc/
    • libs/
      • helper.py - Modul mit einigen allgemeinen Hilfsfunktionen
      • vbox_helper.py - Modul mit einigen Hilfsfunktionen zur Steuerung von Virtual Box
    • diff_d_e.csv - Ereignismenge von d ohne Ereignismenge von e bei der Ereignismethode
    • diff_e_cmd.csv - Ereignismenge von e ohne Ereignismenge der Ausführung von cmd.exe bei der Ereignismethode
    • diff_e_d.csv - Ereignismenge von e ohne Ereignismenge von d bei der Ereignismethode
    • md5_hashes.txt - MD5-Hashes aller .py-, .diff-, .pe-, .me- und .ce-Dateien in diesem Ordner
    • names.cfg - Config-Datei mit Namen der VM und Pfad zum Freigabe-Ordner
    • prepare.py - Modul zum Erzeugen der noise-Rawdateien
  • pe/
    • {a,b,c,d,e,noise}.{1|2|3}.pe - Ergebnisse der PE-Phase
  • Readme - dieses Readme-File

ACHTUNG: zur Vermeidung von evtl. auftretenden Fehlern sollten alle Scripte mit Admin-Rechten (unter Windows) oder mit root-Rechten (unter Linux) ausgeführt werden; unter MacOS kann ich für nix garantieren ;-) Folgende Schritte sind zu durchlaufen: 0. In die Datei misc/names.cfg in der Sektion [names] die Namen für die beiden VMs eintragen

  • Windows-VM unter dem Schlüssel win_machine_name=
  • Linux-VM unter dem Schlüssel linux_machine_name= 0.1 Pfad zu vboxmanage in die Path-Variable eintragen
  1. misc/prepare.py mit dem Ausgabepfad für die noise.*.raw-Dateien als erstem Parameter ausführen, mit dem Schalter -c kann die Anzahl der Durchläufe von 1-3 angegeben werden, Standard ist 3, Bsp.: prepare.py D:\VM_share -c 2
  2. Die Windows-VM entweder in den gewünschten Ausgangssnapshot versetzen oder den Ausgangssnapshot "Init" oder "init" nennen (dieser wird dann automatisch wiederhergestellt)
  3. Linux-VM in gewünschten snapshot bringen (Snapshot-Name egal)
  4. ge.py mit absolutem Pfad zur init.raw starten (egal ob mit oder ohne slash am Ende), Beispiel: ge.py D:\VM_share 4.1. Nach gesamtem Durchlauf stehen die Ergebnisse im Ordner idiff (vorher existente werden gelöscht)
  5. pe.py ausführen, pe-Ordner wird automatisch erstellt, evtl. alte Files werden gelöscht 5.1 Ergebnisse der PE-Phase landen im pe-Ordner
  6. me.py ausführen, me-Ordner wird automatisch erstellt, evtl. alte Files werden gelöscht 6.1 Ergebnisse der ME-Phase landen im me-Ordner
  7. ce.py ausführen, ce-Ordner wird automatisch erstellt, evtl. alte Files werden gelöscht 7.1 Ergebnisse der CE-Phase landen im ce-Ordner

forensics-evidence's People

Contributors

m4ttb1ss avatar

Watchers

James Cloos avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.