1. Livres & vidéos
  2. Analyse de malwares Android
  3. Étude de cas 1 : GodFather
Extrait - Analyse de malwares Android Principes et techniques d'analyse des malwares mobiles
Extraits du livre
Analyse de malwares Android Principes et techniques d'analyse des malwares mobiles Revenir à la page d'achat du livre

Étude de cas 1 : GodFather

Introduction

Le principe des études de cas est d’illustrer les méthodes d’analyse proposées dans cet ouvrage afin de permettre aux lecteurs de reproduire et de compléter ce qui sera présenté. La pratique étant essentielle, nous mettons à disposition les liens des malwares analysés complétés par un dépôt GitHub composé des fichiers analysés et d’éventuels scripts. À noter cependant que nous ne présentons pas cela sous la forme d’un guide à suivre pas à pas, mais plus d’une vision globale de l’analyse.

Le tableau ci-dessous précise que le malware provient du site https://bazaar.abuse.ch/. Il s’agit d’une base de malwares récente qui permet de tester de nouvelles charges assez facilement. Ce tableau indique également via le champ contexte, quel est le type d’analyse effectué (statique, dynamique ou bien hybride). À noter que les charges disponibles ne sont pas forcement identiques à celles observées dans la nature.

Hash (sha256)

75cc07a1af57d9d2a9a06840a25d1b9b368b1ddd57d98bac9a5a5f2f4d0d931d

Source

https://bazaar.abuse.ch/sample/75cc07a1af57d9d2a9a06840a25d1b9b368b1ddd57d98bac9a5a5f2f4d0d931d/

Première observation

2024-08-26 06:59:16 UTC

Contexte

Analyse : statique/dynamique | Hôte : Linux/Debian

Œuvrant depuis...

Analyse statique

Nous débutons notre analyse statique par la collecte d’informations sur le binaire à l’aide de l’outil APKiD. Ce dernier propose de rapidement identifier des caractéristiques telles que la présence de code packé (chiffré et ou compressé), le compilateur utilisé ainsi que la présence éventuelle de code obfusqué.

APKiD peut être exécuté aussi bien depuis la machine hôte via son binaire que depuis un conteneur. Dans le cas présent, nous utilisons une image docker et illustrons cela via le code ci-dessous.

Nous commençons par cloner le dépôt officiel puis nous créons l’image via la commande docker build. L’image retenue est rednaga:apkid.

git clone https://github.com/rednaga/APKiD 
cd APKiD/ 
docker build . -t rednaga:apkid  

Nous exécutons ensuite l’outil avec, comme argument, le malware à analyser. Dans ce cas précis, des mécanismes anti-machine virtuelle ont été détectés (anti-vm) ; il nous faudra cependant confirmer cette information. Aucune indication en revanche n’a été relevée concernant l’obfuscation ou l’utilisation de techniques de compression.

sudo docker/apkid.sh 75cc07a1af57d9d2a9a06840a25d1b9b368b1ddd57d98bac9a5a5f2f4d0d931d.apk 
[+] APKiD 2.1.5 :: from RedNaga :: rednaga.io 
                          
|-> anti_vm : Build.FINGERPRINT check, Build.MANUFACTURER check, Build.MODEL check, Build.PRODUCT check 
|-> compiler : dexlib 2.x APKiD.  

Nous complétons l’analyse par la lecture des informations relatives au certificat avec l’outil apksigner. La commande suivante lance apksigner avec l’argument verify afin de confirmer la validation de la signature. Cela est complété par l’argument print-certs qui affiche les informations sur les certificats de signature du fichier APK.

L’outil apksigner peut être installé via le SDK Android ou bien via le gestionnaire de paquets de votre distribution (ici Debian) en exécutant la commande apt install apksigner -y. Il est conseillé d’utiliser la version présente dans...

Analyse dynamique

Nous allons compléter l’analyse statique avec quelques artefacts obtenus via une analyse dynamique.

Le principal problème observé est la détection d’un environnement virtuel dès le lancement du binaire, ce qui limite l’utilisation de nombreuses solutions émulées (nous excluons dans cette analyse la possibilité de patcher l’APK). Nous allons donc nous appuyer sur une solution matérielle, dans le cas présent un Raspberry Pi 5 (figure 10), sur lequel nous installons la version d’AOSP pour Android 15 (AOSP15-20241210-KonstaKANG-rpi5.zip), disponible sur le site suivant https://konstakang.com/devices/rpi5/AOSP15/.

L’installation est rapide via l’outil officiel Raspberry imager (https://www.raspberrypi.com/documentation/computers/getting-started.html#installing-the-operating-system). Une fois le fichier img installé, il nous suffit de démarrer l’appareil afin d’accéder au système d’exploitation. Notons cependant que, dans le cas présent, nous n’installons pas les applications Google : cela ne semble pas pertinent au regard des éléments observés. En revanche, si vous souhaitez les installer, une alternative est l’utilisation de LiteGapps (https://litegapps.github.io/).

images/05IN10.png

Figure 10 - Environnement d’analyse dynamique via un RPi5

La version 5 du Raspberry Pi permet une connexion Wi-Fi qui, dans le cas présent, nous servira à établir la connexion ADB avec le poste de l’analyste. Les paramètres d’Android nous indiquent que l’adresse IP utilisée est 192.168.48.130 aussi, depuis le poste de l’analyste, nous exécutons les commandes suivantes, permettant la connexion (1), le redémarrage d’ADB avec les privilèges root (2) et de remonter les partitions système en mode lecture/écriture (3).

(1) adb connect 1291.68.48.130 
(2) adb root 
(3) adb remount  

Une fois cela effectué, nous allons exécuter les actions suivantes dans le but de compléter ce qui a été observé :

  • présence et analyse de fichiers créées par l’application  ;

  • utilisation de l’outil Frida ;

  • capture réseau.

1. Présence et analyse de fichiers...

Conclusion

Cette première étude de cas présente les méthodologies d’analyses statique et dynamique appliquées à un malware récent présentant des fonctionnalités intéressantes. L’analyse du code malveillant s’en est trouvée facilitée par une obfuscation relativement sommaire et une architecture de code structurée, permettant une compréhension satisfaisante de son fonctionnement interne.

Pour compléter, nous proposons cette matrice regroupant les TTP MITRE ATT&CK®.

Tactique

Technique

ID

Mode d’action

Accès initial

Distribution via application malveillante

T1476

Diffusion sous forme d’APK trojanisés se faisant passer pour des applications légitimes.

 

Installation depuis des sources tierces (sideloading)

T1475

Incitation à installer l’application hors du store officiel via phishing ou sites compromis.

Exécution

User Execution

T1204

L’utilisateur lance lui-même l’application piégée.

 

Abuse of Accessibility Features

T1417

Utilisation abusive du service d’accessibilité pour exécuter des actions automatisées.

Persistance

Broadcast Receivers

T1402

Redémarrage automatique après redémarrage de l’appareil.

 

Modify System Settings

T1407

Demande insistante d’activation des permissions critiques (accessibilité...

Aller plus loin

La méthodologie utilisée pour cette première étude est commune à de nombreux malwares. Pour illustrer cela, nous complétons cette première étude avec un second cas qui vous permettra de manipuler. Il se veut plus simple dans la démarche. Seule l’analyse statique sera illustrée.

Hash (sha256)

ec1106a9735034ef21a1126717ac337d825844a1b60ab8bcf32e0c835fde60df

Source

https://bazaar.abuse.ch/sample/ec1106a9735034ef21a1126717ac337d825844a1b60ab8bcf32e0c835fde60df

Première observation

2024-10-01 02:32:09 UTC

Contexte

Analyse : statique | Hôte : Linux/Debian

Nous allons procéder en boîte noire, c’est-à-dire sans aucun élément de contexte et remonter les éléments analysés pour identifier le type de charge et ses particularités. L’analyse se fera principalement avec l’outil jadx-gui. La section ressource indiquera les scripts utilisés et les fichiers jadx générés.

1. Analyse du fichier AndroidManifest.xml

Le nombre de droits demandés est impressionnant (+ de 80) ce qui est le signe d’une activité hétérogène. Nous relevons plusieurs permissions particulièrement intéressantes, permettant de mieux identifier les fonctionnalités mises en œuvre par celui-ci :

  • android.permission.DISABLE_KEYGUARD

  • android.permission.READ_PHONE_STATE

  • android.permission.ACCESS_COARSE_LOCATION

  • android.permission.BLUETOOTH

  • android.permission.INTERNET

  • android.permission.ACCESS_FINE_LOCATION

  • android.permission.ACCESS_MOCK_LOCATION

  • android.permission.WRITE_SMS

  • android.permission.WRITE_CALL_LOG

  • android.permission.READ_CALL_LOG

  • android.permission.WRITE_EXTERNAL_STORAGE

  • android.permission.RECEIVE_SMS

  • android.permission.PROCESS_OUTGOING_CALLS

  • android.permission.CALL_PHONE

  • android.permission.READ_SMS

  • android.permission.CAMERA

  • android.permission.SYSTEM_ALERT_WINDOW

  • android.permission.RECEIVE_MMS

  • android.permission.CHANGE_WIFI_STATE

  • android.permission.RECORD_AUDIO

  • android.permission.READ_CONTACTS

2. Points d’entrée

La classe Lgnpwzgen (xuzjgkd.sstlojddh.Lgnpwzgen) est une activité et correspond au point d’entrée identifié via les intents android.intent.action.MAIN et android.intent.category.LAUCHER. Ces classes possèdent des chaînes numériques, comme...

Références

[1] YOON, Jongseong et LEE, Sangjin. A study on android emulator detection for mobile game security. Journal of the Korea Institute of Information Security & Cryptology, 2015, vol. 25, no 5, p. 1067-1075.

[2] PARK, Jungsoo et JUNG, Souhwan. Android adware detection using soot and CFG. Journal of Wireless Mobile Networks, Ubiquitous Computing, and Dependable Applications, 2022, vol. 13, no 4, p. 94-104.

[3] ARZT, Steven, RASTHOFER, Siegfried, FRITZ, Christian, et al. Flowdroid: Precise context, flow, field, object-sensitive and lifecycle-aware taint analysis for android apps. ACM sigplan notices, 2014, vol. 49, no 6, p. 259-269.