OWASP AppSec Brazil 2010, Campinas, SP 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

Agenda Introdução Top 10 – Vestígios Conclusão CF de aplicações 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) 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 LogFiles\W3SVCx 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

#1 – Log do WebServer (IIS) #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

#1 – Log do WebServer (IIS) #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:\WINNT\System32\LogFiles\W3SVC1>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 Descrição Uso Client IP Address (c-ip) IP do requisitante Identifica usuário User Name (cs-username) Nome de usuário usado na autenticação Identifica possível credencial comprometida 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-status) Código do resultado Pode identificar ataques de SQLi Bytes Sent (sc-bytes) Bytes enviados ao cliente Pode identificar tráfego suspeito Bytes Received (cs-bytes) Número de bytes recebidos pelo servidor Time Taken (time-taken) Tempo para processar a requisição Pode identificar Blind SQLi Host (cs-host) Conteúdo do HTTP Host header enviado pelo cliente Identifica se navegação foi por nome ou IP User Agent (cs(User-Agent)) Conteúdo do HTTP User-Agent header Pode identificar usuário. Indica versão do browser, por exemplo Cookie (cs(Cookie)) Conteúdo do cookie Pode identificar usuário Referer (cs(Referer)) Conteúdo do HTTP Referer header Identifica de onde o usuário veio (de um site de 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_op\sql1.txt FROM C:\W3SVC1\ex*.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"

#1 – Log do WebServer - Investigando XSS: logparser "SELECT date, time, s-ip, c-ip, cs-uri-stem AS query INTO C:\Log_op\xss.txt FROM C:\W3SVC1\ex*.log 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"

#1 – Log do WebServer - Investigando Session Mgt: logparser "SELECT date, cs-uri-query, c-ip, count(cs-uri-query) as Ocorrencias INTO C:\Log_op\session.txt FROM C:\W3SVC1\ex*.log 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

#1 – Log do WebServer - Investigando Envio de informações: logparser "SELECT date, c-ip, max(sc-bytes) as MaiorEnvio INTO C:\Log_op\envio.txt FROM C:\W3SVC1\ex*.log GROUP BY date, c-ip “ Valor de MaiorEnvio destoando dos outros deve ser averiguado. Faça devidos filtros por data

#1 – Log do WebServer - Investigando Redirection/CSRF: logparser "SELECT cs-uri-stem, cs-referer, count() as Ocorrencias INTO C:\Log_op\referer.txt FROM C:\W3SVC1\ex*.log GROUP BY cs-uri-stem, cs-referer HAVING cs-uri-stem <> ‘/paginainicial’“ Em geral, páginas tem um pequeno conjunto específico de referers

#1 – Log do WebServer - Investigando 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_op\arquivo.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

Nenhum trojan ou keylogger 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

#2 – Banco de Dados – Coletando dados voláteis Sessões abertas no banco: select * from sys.dm_exec_sessions

#2 – Banco de Dados – Coletando dados voláteis 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

#2 – Banco de Dados – Coletando dados voláteis Contas do banco: select name, type_desc, create_date, modify_date from sys.sql_logins order by create_date, modify_date

#2 – Banco de Dados – Coletando dados voláteis 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

#2 – Banco de Dados – Selects – Plan Cache 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 cross apply sys.dm_exec_plan_attributes(plan_handle)

#2 – Banco de Dados – Selects – Plan Cache Analise queries que apresentem anomalias em relação ao padrão de queries da aplicação

#2 – Banco de Dados – 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

#2 – Banco de Dados – Transaction Log Coletando - Select * from ::fn_dblog(NULL,NULL) - Dbcc log (<nome do banco>,3)

#2 – Banco de Dados – Transaction Log 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 RowLogContents0 Conteúdo antes da operação RowLogContents1 Conteúdo após a operação

#2 – Banco de Dados – Transaction Log 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 MSSQL\LOG\LOG_#.TRC Logs de erro do SQL Server Diretório MSSQL\LOG\ERRORLOG

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 Informações iniciais: 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 - WFA

#4 – Logs do SO - SAEX

#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

#5 – Logs da Aplicação 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)

#5 – Logs da Aplicação 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; -- Informações iniciais: Data/Hora das tentativas Log de uso da aplicação Relatório de Active Users da aplicação

Caso – Estranho no Ninho O que foi localizado: 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

Caso – Estranho no Ninho 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

#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)

#7 – Registry - WRA

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. O que foi localizado: 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 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 que foi localizado: 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 O que foi localizado: 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

Conclusão Caso – LogmeIn 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

Concluindo

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 Tão importante quanto os livros, acompanhar blogs e websites específicos de Forense Computacional é fundamental para se manter atualizado: Resposta a Incidentes e Forense Computacional Blog em Portugüês do autor desta apostila, Tony Rodrigues, CISSP. http://forcomp.blogspot.com Além dos artigos, há vários links para outros blogs em inglês sobre o assunto. E-Evidence Information Center (www.e-evidence.info) Website que reúne informações em inglês sobre Forense Computacional, incluindo materiais e estudos publicados nas mais importantes conferências internacionais, como a Black Hat, a DFRWS e a HTCIA 88

inv.forense arroba gmail ponto com (Tony Rodrigues) Obrigado !