使用yarGen提取Linux恶意脚本特征

linux下的恶意软件多为sh脚本，且由于使用的命令大同小异（均为下载文件、运行进程、创建定时任务、写ssh后门等操作），经常难以分辨恶意sh脚本是属于哪个病毒家族的。

遇到这种情况，使用yara规则对恶意脚本进行检测分类是个不错的选择，本文将介绍如何借助yargen实现对Linux恶意脚本特征的半自动化提取。

关于yargen

yargen是一个自动化提取yara规则的工具，可以提取strings和opcodes特征，其原理是先解析出样本集中的共同的字符串，然后经过白名单库的过滤，最后通过启发式、机器学习等方式筛选出最优的yara规则，项目地址：https://github.com/Neo23x0/yarGen。

下面以8220黑客团伙（StartMiner）的恶意脚本进行演示：

如何提取其yara规则？

首先需要收集该家族每次变种的样本，如下，该家族从2018年8月到现在一直在更新，其特点是脚本大部分都伪装成.jpg后缀。

yargen的用法很简单，-m参数，加上样本集的目录就行了，第一次运行yargen的话可能会比较久，因为它要下载更新白名单库。

运行过程中，yargen会显示提取的特征数详情，其中我们要关注的是SUPER rules，这些规则代表的是泛规则，可以匹配家族的多个样本。

生成的文件yargen_rules.yar在yargen.py的同目录下，打开滑到Super Rules的地方，即是泛规则，规则的名字代表着能匹配哪些样本，如下第一个rule _logo8_jpg_hehe_0，代表匹配脚本logo8.jpg及hehe.sh。

不过也不是Super Rules里所有规则都要关注，主要聚焦看匹配数最多的规则，如下我会关注rule _cr_logo8_jpg_2start_jpg_2start_jpg_3start_jpg_1规则，及rule _cr_cr_logo8_jpg_logo8_jpg_2start_jpg_2start_jpg_2start_jpg_2start_jpg_3start_jpg_3start_jpg_3规则。

yargen虽然能自动化提取字符串特征很方便，但工具难免会有误报，必须得自己人工筛选一遍，如下，先看rule _cr_logo8_jpg_2start_jpg_2start_jpg_3start_jpg_1规则，我挑选了红框中5个比较特别的字符串，其他一些WGET、download、sleep等字符串可能会存在误报场景，我就不考虑了。

再看rule _cr_cr_logo8_jpg_logo8_jpg_2start_jpg_2start_jpg_2start_jpg_2start_jpg_3start_jpg_3start_jpg_3规则，由于其匹配的样本数多，自然的特征项就比较少，我选取了如下2个特征。

筛选出如上特征后，需要查看字符串在脚本中对应的位置，以确认该特征是否为黑客独特的脚本编写习惯。如下图以echo “*”为例，发现黑客在编写echo语句时都喜欢在开头加个大写首字母，且延续了好几个变种，这个可以作为特征。

再看”case $sum in”规则，该语句用于判断文件MD5，也是黑客的一个脚本编写习惯，延续了几个变种。

除此之外，还发现脚本里都有f2=”*”的变量声明，也可以作为特征。

以及judge函数名。

接着提取脚本中的域名/IP作为特征，因为黑客在新的变种中有可能复用旧的C&C。

最后优化后的规则如下，主要为3类字符串，语法特征、变量特征、ioc特征，根据不同的比重编写condition，其中ioc相当于硬性指标，只要出现任意1个就可以直接确认该脚本为8220/StartMiner家族。

验证：对该规则进行测试，测试样本均能检出。

Linux脚本基本不会进行混淆，且均是字符串，使用yargen进行自动化提取有其优势，可以大大提高提取特征的效率，大家可以尝试使用该方法来提取其他家族的yara特征。另外，每个安全研究员提取的yara都不一样，风格不一，需要进行大量样本的测试，来不断优化yara规则的质量。

参考链接：

https://blog.csdn.net/m0_37552052/article/details/104570954

https://s.tencent.com/research/report/978.html

https://www.freebuf.com/sectool/238293.html