AWS数字取证实战指南(四):云端证据分析技术解析

本文详细介绍了在AWS云端进行数字取证的完整流程,包括证据上传、完整性验证、多线程分析工具应用,以及通过VirtualHere解决硬件加密狗共享的技术方案。

AWS数字取证实战指南(四)

云端分析本地证据源

在AWS中分析证据的主要优势之一是,我们可以轻松且低成本(短期)地启动具有强大处理能力的实例。这可以大大缩短证据项目的处理时间,在需要快速获取答案时非常有用。

可能遇到的几个障碍:

  • 证据上传的ISP带宽限制
  • 将证据移至云端的法律或合同问题
  • 证据上传的巨大体积

本地.E01文件上传

假设您已经完成证据的镜像和哈希处理,确保未使用FileVault或BitLocker加密,并准备开始深入分析。我们现在可以将一些证据上传到AWS存储卷进行分析。

有许多SSH客户端可用于将证据传输到AWS,最常用的是PuTTy。作为Mac用户,我个人最喜欢的是Cyberduck。

通过SSH连接后,我们可以上传证据。如图所示,这个7GB的镜像文件通过商业光纤宽带连接大约需要30分钟。

证据上传完成后,我们当然需要再次进行哈希校验以确保完整性和连续性。

1
ubuntu@ip-17x-x1-x-x9:/mnt/evidence$ md5sum Evidence101.E01

技术分析工具应用

像Log2Timeline这样的工具可以使用您分配的所有线程,这正是您拥有更多CPU处理能力的更强大实例真正发挥作用的地方。

查看Windows在线分析选项,显然有大量取证工具也可以在Windows中运行。然而,一些Windows商业取证软件包的问题在于它们对硬件加密狗的依赖。没关系,也有解决方案,包括设置本地USB服务器将加密狗共享到远程主机。

这就是VirtualHere的用武之地。

VirtualHere也是在本地网络中的系统间共享加密狗的好方法。

结果处理

现在我们有一些处理后的输出,我们可以使用云实例中安装的工具就地分析,或者使用SSH客户端将其拉取到本地系统。

接下来,我将介绍从AWS实例捕获证据的稍微复杂的问题。

技术参考

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计