• Synaptics蠕虫木马分析


    样本信息:

    名称:Synaptics.exe

    MD5:D127A9E5EBB80C5315295CDEEEC05A69

    简单描述:

    Synaptics是蠕虫木马,具有感染性。此木马运行后显示一个隐藏工具,之后复制自身至C:ProgramDataSynaptics目录,在设置注册表自启动。之后创建两个线程。

    线程一:扫描特殊目录去感染exe文 件。主要是将名为“EXEUSNX”的资源数据注入进exe文件中,之后修改文件指针至恶意代码,带正常运行exe文件原先代码。

    线程二:访问URL,后续操作由于服务器没有返回没有查看到。

    分析过程:

    1.运行后显示界面

           图1

    2.查看DIE,此木马为DELDHI程序。

    3.IDA查看。发现看不出什么,OD动态调试。

    4.入口点

    前面3个函数主要是初始化以及创建一个名为Synaptics的窗口类

    第四个函数为恶意代码主函数

    5.第一个功能:

    检索此木马所在当前目录是否存在名为“路径+_cache_+木马名称”的文件,此文件为木马文件的隐藏工具,即图1。

    如果此文件存在,则运行。不存在,创建之后再运行。

      文件名称

      遍历文件

    没有,则创建文件

    文件数据为“EXEUSNX”的资源数据

    将其属性设置为系统隐藏

    之后运行。

    6.检测木马所在目录是否为C:ProgramDataSynaptics,如果不是,则检查此目录是否存在,目录存在,再检查木马文件是否存在。不存在,则创建。、 

    判断是不是上述目录

    检查目录是否存在

    创建目录

    检查文件是否存在,不存在复制至此目录。

    7.设置注册表自启动项

    8.运行C盘目录下的木马文件,退出进程。

    9.如果是C盘目录下运行的,遍历几个特殊目录的文件,如文件目录,桌面目录。并判断文件后缀是不是exe。

     如果是exe文件,则获取其句柄,查询其是否有名为“EXEUSNX”的资源,如果没有,则生成字符串“infected canceled -文件全路径名称”发送给窗口类记录信息。

    检查目录是否存在

    遍历目录

    判断文件后缀

    获取句柄

    查询资源是否存在

    没有的话记录信息

    10.创建线程

    线程1

    线程2

    线程1:感染正常EXE文件

    1.睡眠1000毫秒,将自身复制到临时目录,名称为随机字符

       复制自身

    2.创建要感染的EXE的图标文件

    3.打开图标文件,写入数据

     将资源数据写入到临时目录的exe中

    4.将临时目录文件代替原先正常的EXE 文件

    5.删除临时目录文件

    6.生成字符,记录文件感染信息

    线程2:网络连接

    1.睡眠60000毫米,获取临时目录

    2.检查临时目录是否有以下文件

    3.检测网络状态

    4.进行连接       https://docs.google.com/uc?id=0BxsMXGfPIZfSVlVsOGlEVGxuZVk&export=download

     

    5.连接成功的话会在本地创建文件,然后读取网络数据写入本地文件

     

    6.因为服务器已经失效,为获取到有效数据,创建的什么文件查看不到。

    最后将此木马会连接的IP信息记录下

    118.5.49.6:1199

    189.163.17.5:1199

    77.4.7.92:1199

    50.23.197.94:80

    67.15.100.252:443

  • 相关阅读:
    Keras猫狗大战二:加载模型预测单张图片
    Keras猫狗大战一:小样本4层卷积网络,74%精度
    用fastai ResNet50训练CIFAR10,85%准确度
    Windows10安装cuda、cudnn、pytorch、jupyter、fastai
    Windows10安装anaconda
    pytorch识别CIFAR10:训练ResNet-34(自定义transform,动态调整学习率,准确率提升到94.33%)
    yolov3和darknet opencv版编译安装及基本测试
    pytorch错误:RuntimeError: received 0 items of ancdata解决
    pytorch错误:Missing key(s) in state_dict、Unexpected key(s) in state_dict解决
    pytorch识别CIFAR10:训练ResNet-34(数据增强,准确率提升到92.6%)
  • 原文地址:https://www.cnblogs.com/Gj-Dreamer/p/11353230.html
Copyright © 2020-2023  润新知