Hash
Lassen Sie uns zunächst die Grundlagen durchgehen und uns mit einem Konzept wie einem Hash vertraut machen!
Hash-Algorithmus ist eine mathematische Funktion, die Daten beliebiger Größe aufnimmt und eine Ausgabe namens a erzeugt hash or Nachrichtenauszug. Die Ausgabe ist eine eindeutige Darstellung der Eingabedaten, die verwendet werden kann, um zu überprüfen, ob die Daten nicht manipuliert wurden. Hash-Algorithmen werden verwendet, um die Integrität und Authentizität von Daten sicherzustellen.
Vereinfacht ausgedrückt ist ein Hash ein einzigartiger digitaler Fingerabdruck eines Datenelements. Es ist wie ein Code, der die Daten darstellt. Der Code wird durch eine mathematische Funktion namens a generiert Hash-Funktion. Wenn sich die Daten auch nur ein wenig ändern, wird der Hash anders sein.
Es gibt primäre Schlüsselmerkmale für Hash:
- Deterministisch: Eine Hash-Funktion sollte für eine bestimmte Eingabe immer die gleiche Ausgabe erzeugen. Das heißt, wenn Sie dieselben Daten zweimal hashen, sollten Sie beide Male denselben Hash-Wert erhalten.
- Irreversibilität: Es sollte rechnerisch nicht möglich sein, die ursprünglichen Eingabedaten aus ihrem Hash-Wert zu rekonstruieren. Diese Eigenschaft ist wichtig für die Sicherheit, da sie die Originaldaten vor der Entdeckung durch Angreifer schützt, die nur Zugriff auf den Hashwert haben.
- Einheitlichkeit: Eine Hash-Funktion sollte eine gleichmäßige Verteilung von Hash-Werten über alle möglichen Eingaben erzeugen. Das bedeutet, dass jeder Hash-Wert mit gleicher Wahrscheinlichkeit auftreten sollte und es keine Muster oder Verzerrungen in der Verteilung der Hash-Werte geben sollte.
- Unvorhersehbarkeit: Es sollte rechnerisch nicht möglich sein, den Hash-Wert einer Eingabe basierend auf den Hash-Werten anderer Eingaben oder den Eigenschaften der Hash-Funktion selbst vorherzusagen. Diese Eigenschaft ist wichtig für die Sicherheit, da sie es Angreifern erschwert, eine Kollision (zwei verschiedene Eingaben, die denselben Hashwert erzeugen) zu erzeugen.
- Widerstand gegen Kollisionsangriffe: Eine Hash-Funktion sollte gegen Kollisionsangriffe resistent sein, bei denen zwei verschiedene Eingaben gefunden werden, die denselben Hash-Wert erzeugen. Kollisionsangriffe können zur Erstellung betrügerischer digitaler Signaturen oder zur Umgehung von Zugriffskontrollen genutzt werden. Daher ist es wichtig, dass eine Hash-Funktion so konzipiert ist, dass sie diesen Angriffen standhält.
Weitere Eigenschaften von Hashes finden Sie auf der Wikipedia-Seite:https://en.wikipedia.org/wiki/Hash\_function
Datenüberprüfung. Blacklist und Whitelist.
Im Zusammenhang mit Antivirensoftware werden Hash-Algorithmen verwendet, um Schadsoftware zu erkennen oder falsch-positive Warnungen auszuschließen. Antivirensoftware verwaltet eine Datenbank bekannter Malware-Hashes (blacklist) und vertrauenswürdige Software-Hashes (whitelist). Wenn eine Datei gescannt wird, wird ihr Hash mit den Hashes in der Datenbank verglichen.
Die am häufigsten verwendeten Hash-Algorithmen zur Datenüberprüfung sind MD5, SHA-1, SHA-256 and SHA-512.
Die Verwendung von Hashes in Antiviren-Blacklists und -Whitelists trägt dazu bei, den Scanvorgang zu beschleunigen, da das Antivirenprogramm keine detaillierte Analyse jeder Datei durchführen muss, um festzustellen, ob sie bösartig ist oder nicht. Stattdessen kann es die Hash-Werte von Dateien mit denen in der Blacklist/Whitelist vergleichen, um schnell bekannte Bedrohungen oder vertrauenswürdige Apps zu identifizieren.
Schwarze Liste
Im Zusammenhang mit Cybersicherheit und Antivirensoftware ist eine Blacklist eine Liste bekannter schädlicher Dateien oder Teile dieser Dateien. Wenn ein Antivirenprogramm einen Computer oder ein Netzwerk scannt, vergleicht es die gefundenen Dateien und Entitäten mit der Blacklist, um etwaige Bedrohungen zu identifizieren. Wenn eine Datei oder Entität mit einem Eintrag auf der Blacklist übereinstimmt, ergreift das Antivirenprogramm Maßnahmen, um sie zu entfernen oder unter Quarantäne zu stellen, um zu verhindern, dass sie Schaden anrichtet.
Während Blacklists bei der Erkennung und Abwehr bekannter Bedrohungen hilfreich sein können, sind sie beim Schutz vor neuen und unbekannten Bedrohungen nicht immer wirksam. Angreifer können verschiedene Techniken wie Verschleierung oder Polymorphismus nutzen, um den Code oder das Verhalten einer Datei oder Entität zu ändern und so der Erkennung durch Antivirenprogramme zu entgehen.
Daher verwenden Antivirenprogramme häufig eine Kombination verschiedener Techniken, wie z whitelisting und verhaltensbasierte Erkennung, um den Einsatz von Blacklists zu ergänzen und einen umfassenderen Schutz vor einem breiteren Spektrum von Bedrohungen zu bieten.
Whitelist
Im Zusammenhang mit Cybersicherheit und Antivirensoftware ist eine Whitelist eine Liste vertrauenswürdiger Dateien, die als sicher gelten. Wenn eine Datei oder Entität mit einem Eintrag auf der Whitelist übereinstimmt, lässt das Antivirenprogramm zu, dass sie geöffnet/ausgeführt wird, ohne dass Maßnahmen ergriffen werden müssen, da sie als sicher gilt.
Whitelists sind nützlich, um Fehlalarme in Antiviren- und Sicherheitsprogrammen zu verhindern. Falsch-positive Ergebnisse treten auf, wenn ein Programm oder eine Datei als bösartig oder schädlich gekennzeichnet wird, obwohl sie eigentlich sicher ist. Mithilfe einer Whitelist können Sicherheitsprogramme diese Fehlalarme umgehen, was Zeit sparen und unnötige Warnungen verhindern kann.
Die Verwendung von Hashes und Blacklists/Whitelists kann eine wirksame Möglichkeit sein, sich vor bekannten Bedrohungen zu schützen und Fehlalarme in Antiviren- und Sicherheitsprogrammen zu verhindern.
Warum verwenden Antivirenprogramme mehrere Hash-Algorithmen?
Antivirenprogramme verwenden aus mehreren Gründen mehrere Hash-Algorithmen:
- Widerstand gegen KollisionsangriffeWährend Blacklists bei der Erkennung und Abwehr bekannter Bedrohungen wirksam sein können, sind sie nicht narrensicher. Angreifer können verschiedene Techniken anwenden, um der Erkennung zu entgehen, beispielsweise die Änderung der Daten, um eine Übereinstimmung mit den Signaturen in der Blacklist zu vermeiden. Diese Techniken werden als „Kollisionsangriffe“ bezeichnet. <br> Ein Kollisionsangriff ist eine Art kryptografischer Angriff, bei dem ein Angreifer versucht, zwei verschiedene Eingaben zu finden, z. B. Dateien oder Nachrichten, die denselben Hash-Wert erzeugen, wenn sie eine Hash-Funktion durchlaufen (Kollision). Das Ziel eines Kollisionsangriffs besteht darin, ein Eingabepaar zu erstellen, mit dem ein System untergraben werden kann, das auf die Integrität von Hash-Werten wie digitalen Signaturen, Passwortauthentifizierung oder Datenintegritätsprüfungen angewiesen ist. Wenn ein Angreifer eine Kollision findet, kann er damit die Sicherheitsmaßnahmen umgehen, die auf der Hash-Funktion basieren. <br> Um das Risiko von Kollisionsangriffen zu verringern, verwenden Antivirenprogramme starke Hash-Funktionen, die gegen Angriffe resistent sind, und verwenden mehrere Hash-Funktionen gleichzeitig. Wenn ein Antivirenprogramm beispielsweise nur den MD5-Hash-Algorithmus verwendet, könnte ein Angreifer möglicherweise eine schädliche Datei erstellen, die denselben MD5-Hash wie eine legitime Datei hat, und das Antivirenprogramm dazu verleiten, die schädliche Datei als sicher zu behandeln. Die Verwendung mehrerer Hash-Algorithmen wie MD5, SHA-1 und SHA-256 macht es für einen Angreifer jedoch schwieriger, einen Kollisionsangriff zu erstellen, der gegen alle Algorithmen gleichzeitig wirkt.
- EffizienzVerschiedene Hash-Algorithmen haben unterschiedliche Rechenanforderungen und einige können je nach Dateigröße, Typ oder anderen Faktoren effizienter sein als andere. Durch die Verwendung mehrerer Hash-Algorithmen können Antivirenprogramme den am besten geeigneten Algorithmus für eine bestimmte Situation auswählen, was Zeit und Rechenleistung sparen kann. Beispielsweise ist SHA-256 möglicherweise rechenintensiver als MD5, sodass ein Antivirenprogramm möglicherweise MD5 für kleinere Dateien und SHA-256 für größere Dateien verwendet.
- FlexibilitätVerschiedene Hash-Algorithmen sind für unterschiedliche Anwendungsfälle und Anwendungen konzipiert. Durch die Verwendung mehrerer Hash-Algorithmen können sich Antivirenprogramme an unterschiedliche Anforderungen und Szenarien anpassen, z. B. an die Erkennung von Malware, die Überprüfung der Dateiintegrität oder die Erkennung von Manipulationen oder Änderungen. Beispielsweise kann ein forensischer Ermittler einen anderen Hash-Algorithmus als ein Antivirenprogramm verwenden, um sicherzustellen, dass Daten während einer Untersuchung nicht verändert wurden.
Die Verwendung mehrerer Hash-Algorithmen ist eine bewährte Vorgehensweise bei der Entwicklung von Cybersicherheit und Antivirensoftware, da sie Robustheit, Kompatibilität, Effizienz und Flexibilität bei der Erkennung und Abwehr von Cyberbedrohungen bietet.
Wie erkennen Antivirenprogramme ähnliche, aber nicht identische Daten und Dateien?
Ähnliche, aber nicht identische Dateien können ein Problem für die Cybersicherheit darstellen, da sie von Angreifern verwendet werden können, um der Erkennung durch Antivirensoftware zu entgehen.
Beispielsweise kann ein Angreifer eine bekannte Malware-Datei nehmen und geringfügige Änderungen an ihrem Code oder ihrer Struktur vornehmen, etwa indem er Variablennamen ändert oder Anweisungen neu anordnet. Diese Änderungen können ausreichen, um eine neue Datei zu erstellen, die der ursprünglichen Malware-Datei ähnelt, aber nicht mit ihr identisch ist und die von Antivirensoftware, die auf herkömmlichen Hash-basierten Erkennungsmethoden basiert, möglicherweise nicht erkannt wird.
Darüber hinaus können Angreifer ähnliche, aber nicht identische Dateien verwenden, um polymorphe Malware zu erstellen, die bei jeder Infektion ihren Code oder ihre Struktur ändern kann, um einer Entdeckung zu entgehen. Polymorphe Malware kann mit herkömmlichen Antivirentechniken, die auf der Erkennung spezifischer Muster oder Signaturen im Malware-Code basieren, sehr schwer zu erkennen sein.
Um dieses Problem zu lösen, verwenden Sie Antivirenprogramme Fuzzy-Hashes.
Fuzzy-Hashing ist eine Technik, die von einigen Antivirenprogrammen verwendet wird, um ähnliche, aber nicht identische Dateien, einschließlich polymorpher Malware, zu erkennen. Indem eine Datei in kleinere Teile zerlegt und die Hashes dieser Teile mit denen anderer Dateien verglichen werden, kann Fuzzy-Hashing Dateien identifizieren, die einen ähnlichen Code oder eine ähnliche Struktur haben, auch wenn sie nicht identisch sind.
Beim Fuzzy-Hashing werden Bytesequenzen identifiziert, die in der Datei häufig vorkommen. Diese Sequenzen, auch „Chunks“ genannt, werden dann mithilfe einer kryptografischen Hash-Funktion gehasht, um einen Hash-Wert zu generieren. Die Hash-Werte der Blöcke werden dann mit denen anderer Dateien verglichen, um ähnliche Blöcke zu identifizieren.
Der Vorteil von Fuzzy-Hashing besteht darin, dass es Ähnlichkeiten auch dann erkennen kann, wenn Dateien geändert oder verschleiert wurden, was es zu einem leistungsstarken Tool zur Identifizierung von Varianten bekannter Malware macht. Wenn ein Angreifer beispielsweise eine bekannte Malware-Datei ändert, indem er die Namen von Variablen oder Funktionen ändert, können herkömmliche Hash-basierte Erkennungsmethoden die geänderte Datei möglicherweise nicht erkennen. Allerdings kann Fuzzy-Hashing die geänderte Datei weiterhin erkennen, indem es Teile identifiziert, die denen der ursprünglichen Malware-Datei ähneln.
Im Gegensatz zu kryptografischen Hashing-Algorithmen wie MD5, SHA-1 oder SHA-512 erzeugen Fuzzy-Hashing-Algorithmen Hashwerte variabler Länge, die auf der Ähnlichkeit der Eingabedaten basieren.
Vorteile von Fuzzy-Hashes
- Erkennung ähnlicher Dateien: Fuzzy-Hashes können ähnliche Dateien erkennen, selbst wenn sie geringfügig geändert wurden, was für die Identifizierung von Varianten bekannter Malware nützlich ist.
- Reduzierte Fehlalarme: Fuzzy-Hashes können die Anzahl falsch positiver Ergebnisse reduzieren, die durch herkömmliche Hash-basierte Erkennungsmethoden generiert werden. Dies liegt daran, dass Fuzzy-Hashes Dateien erkennen können, die bekannter Malware ähneln, aber nicht mit dieser identisch sind.
- Widerstandsfähigkeit gegen Verschleierung: Fuzzy-Hashes sind widerstandsfähiger gegen Verschleierungstechniken, die Angreifer verwenden, um der Entdeckung zu entgehen. Dies liegt daran, dass der Fuzzy-Hashing-Algorithmus die Datei in kleinere Teile zerlegt und für jeden Teil Hashes generiert, wodurch es für einen Angreifer schwieriger wird, die Datei so zu ändern, dass sie nicht erkannt wird.
Einschränkungen des Fuzzy-Hashings
- Falsch positive Ergebnisse: Fuzzy-Hashing kann zu Fehlalarmen führen, bei denen legitime Dateien als bösartig gekennzeichnet werden, weil sie einen ähnlichen Code oder eine ähnliche Struktur wie bekannte Malware haben. Dies kann auftreten, wenn die Dateien gemeinsame Bibliotheken oder Frameworks verwenden.
- Leistung: Fuzzy-Hashing kann rechenintensiv sein, insbesondere bei großen Dateien. Dies kann den Scanvorgang verlangsamen und die Systemleistung beeinträchtigen.
- Größenbeschränkungen: Fuzzy-Hashing funktioniert möglicherweise nicht gut bei sehr kleinen Dateien oder Dateien mit geringer Entropie, da möglicherweise nicht genügend eindeutige Blöcke vorhanden sind, um aussagekräftige Hashes zu generieren.
- Manipulation: Fuzzy-Hashing ist möglicherweise nicht effektiv, wenn ein Angreifer gezielt darauf abzielt und eine Datei ändert, um einer Erkennung zu entgehen. Ein Angreifer könnte beispielsweise absichtlich die Struktur einer Datei ändern, um zu verhindern, dass sie durch Fuzzy-Hashing identifiziert wird.
Was ist der Unterschied zwischen kryptografischen Hash-Algorithmen und Fuzzy-Hash-Algorithmen?
Sowohl kryptografische Hash-Algorithmen als auch Fuzzy-Hash-Algorithmen werden in der Cybersicherheit verwendet, haben jedoch unterschiedliche Zwecke und Eigenschaften.
Kryptografische Hash-Algorithmen wie SHA-256 und MD5 sind darauf ausgelegt, Datenintegrität und -authentizität zu gewährleisten, indem sie eindeutige Hash-Werte fester Länge generieren, die kaum rückentwickelt werden können. Zur Überprüfung der Integrität von Daten werden kryptografische Hash-Algorithmen verwendet.
Fuzzy-Hash-Algorithmen wie SSDEEP dienen dazu, ähnliche, aber nicht identische Daten zu identifizieren, beispielsweise Dateien, die von Malware-Autoren geändert oder neu verpackt wurden. Fuzzy-Hashing verwendet eine Schiebefenstertechnik, um Daten in kleine Blöcke aufzuteilen und probabilistische Hashes variabler Länge zu generieren, die mit einer Datenbank bekannter Malware-Hashes verglichen werden, um potenziell schädliche Dateien zu identifizieren.
Kryptografische Hash-Algorithmen sind so konzipiert, dass sie kollisionsresistent sind. Das bedeutet, dass es äußerst schwierig ist, zwei Eingaben zu finden, die die gleiche Hash-Ausgabe erzeugen. Fuzzy-Hash-Algorithmen müssen nicht kollisionsresistent sein, da sie eher darauf ausgelegt sind, Ähnlichkeiten zwischen Dateien zu erkennen, als eindeutige Hash-Ausgaben zu erzeugen.
Der Hauptunterschied zwischen kryptografischen Hash-Algorithmen und Fuzzy-Hash-Algorithmen ist ihr Grad an Determinismus. Kryptografische Hash-Algorithmen erzeugen deterministische Hashes fester Länge, die für jede Eingabe eindeutig sind, während Fuzzy-Hash-Algorithmen probabilistische Hashes variabler Länge erzeugen, die für ähnliche Eingaben ähnlich sind.
Welche Fuzzy-Hashing-Algorithmen werden wir in unserer Lösung verwenden?
In unserer Lösung werden wir SSDEEP und TLSH verwenden.
ssdeep ist ein Fuzzy-Hashing-Algorithmus, der zur Identifizierung ähnlicher, aber nicht identischer Daten, wie z. B. Malware-Varianten, verwendet wird. Es funktioniert durch die Generierung eines Hash-Werts, der die Ähnlichkeit der Eingabedaten darstellt, und nicht durch eine eindeutige Kennung wie kryptografische Hash-Funktionen. Die Ausgabe von ssdeep hat eine variable Länge und ist probabilistisch, wodurch auch geringfügige Unterschiede zwischen zwei Dateien erkannt werden können. ssdeep wird häufig zur Analyse und Erkennung von Malware verwendet und ist auch in verschiedene Sicherheitstools und Antivirensoftware integriert.
TLSH (Trend Micro Locality Sensitive Hash) ist ein Fuzzy-Hashing-Algorithmus, der zur Identifizierung ähnlicher, aber nicht identischer Daten, wie z. B. Malware-Varianten, verwendet wird. Es funktioniert durch die Erstellung eines Hash-Werts, der die einzigartigen Merkmale der Eingabedaten erfasst, wie z. B. Byte-Häufigkeit und -Reihenfolge. Die Ausgabe von TLSH hat eine variable Länge und ist probabilistisch, sodass Ähnlichkeiten auch dann erkannt werden können, wenn die Eingabedaten geändert oder verschleiert wurden. TLSH wird häufig zur Analyse und Erkennung von Malware verwendet und ist auch in verschiedene Sicherheitstools und Antivirensoftware integriert.
ssdeep und TLSH verwenden beide Distanzmetriken, um die Ähnlichkeit zwischen zwei Hash-Werten zu bestimmen. Allerdings sind die von ssdeep und TLSH verwendeten Distanzmetriken unterschiedlich.
ssdeep verwendet die Metrik „Fuzzy-Hash-Distanz“, um den Abstand zwischen zwei Hash-Werten zu berechnen. Diese Distanzmetrik basiert auf der Anzahl übereinstimmender und nicht übereinstimmender Blöcke zwischen den beiden Hashes sowie der Größe der Hashes. Die Distanzmetrik ist ein Prozentwert im Bereich von 0 bis 100, wobei 0 bedeutet, dass die beiden Hashes identisch sind und 100 bedeutet, dass die beiden Hashes völlig unterschiedlich sind.
TLSH hingegen verwendet die „Total Diff“-Metrik, um den Abstand zwischen zwei Hash-Werten zu berechnen. Diese Distanzmetrik basiert auf der Differenz zwischen den ortsabhängigen Merkmalen der beiden Eingabedatensätze. Die Ausgabe der Metrik „Total Diff“ ist ein Wert zwischen 0 und 1000, wobei 0 bedeutet, dass die beiden Hash-Werte identisch sind und 1000 bedeutet, dass die beiden Hash-Werte völlig unterschiedlich sind.
Erstellen des Hashing-Moduls
Für unsere Lösung verwenden wir Open-Source-Bibliotheken:
- PolarSSL: https://polarssl.org/PolarSSL ist eine kostenlose Open-Source-Softwarebibliothek zur Implementierung kryptografischer Protokolle wie Transport Layer Security (TLS), Secure Sockets Layer (SSL) und Datagram Transport Layer Security (DTLS). Es bietet verschiedene kryptografische Algorithmen und Protokolle, darunter Hash-Funktionen, symmetrische und asymmetrische Verschlüsselung, digitale Signaturen und Schlüsselaustauschalgorithmen. PolarSSL ist leichtgewichtig und effizient konzipiert und eignet sich daher für den Einsatz in ressourcenbeschränkten Umgebungen.
- ssdeep: http://ssdeep.sf.net/
- TLSH: https://github.com/trendmicro/tlsh/
Nachdem wir die Bibliotheken im Projekt implementiert haben, fügen wir einen einfachen Code hinzu:
struct HashData
{
BYTE md5[16];
BYTE sha1[20];
BYTE sha512[64];
std::string ssdeep;
std::string tlsh;
};
HashData hash(const void* buff, uint64_t size)
{
HashData snap = {};
hashes::md5(buff, size, snap.md5);
hashes::sha1(buff, size, snap.sha1);
hashes::sha4(buff, size, snap.sha512);
snap.ssdeep = hashes::ssdeepHash(buff, size);
snap.tlsh = hashes::tlshHash(buff, size);
return snap;
}
Überprüfung des Hashing-Moduls
Es ist Zeit, das Hashing-Modul zu testen! Dazu erstellen wir eine Textdatei mit folgendem Inhalt:
All the World`s a Stage by William Shakespeare
All the world`s a stage,
And all the men and women merely players;
They have their exits and their entrances,
And one man in his time plays many parts,
His acts being seven ages. At first, the infant,
Mewling and puking in the nurse`s arms.
Then the whining schoolboy, with his satchel
And shining morning face, creeping like snail
Unwillingly to school. And then the lover,
Sighing like furnace, with a woeful ballad
Made to his mistress` eyebrow. Then a soldier,
Full of strange oaths and bearded like the pard,
Jealous in honor, sudden and quick in quarrel,
Seeking the bubble reputation
Even in the cannon`s mouth. And then the justice,
In fair round belly with good capon lined,
With eyes severe and beard of formal cut,
Full of wise saws and modern instances;
And so he plays his part. The sixth age shifts
Into the lean and slippered pantaloon,
With spectacles on nose and pouch on side;
His youthful hose, well saved, a world too wide
For his shrunk shank, and his big manly voice,
Turning again toward childish treble, pipes
And whistles in his sound. Last scene of all,
That ends this strange eventful history,
Is second childishness and mere oblivion,
Sans teeth, sans eyes, sans taste, sans everything.
TEST 1: Erstellen Sie zwei identische Dateien mit demselben Inhalt (Text oben) und berechnen Sie Hashes.


Laut SSDEEP sind die Dateien zu 100 % identisch. Laut TLSH gibt es 0 % Unterschiede zwischen den Dateien.
TEST 2: Erstellen Sie zwei identische Dateien mit demselben Inhalt, nehmen Sie Änderungen in der zweiten Datei vor und berechnen Sie Hashes
Inhalt der zweiten Datei:
All the World`s a Stage by William Shakespeare
O lovely maidens, fall in love,
But not with Muscovites,
For Muscovites are foreign folk,
They do not treat you right.
A Muscovite will love for sport,
And laughing go away;
They have their exits and their entrances,
And one man in his time plays many parts,
His acts being seven ages. At first, the infant,
Mewling and puking in the nurse`s arms.
Then the whining schoolboy, with his satchel
And shining morning face, creeping like snail
Unwillingly to school. And then the lover,
Sighing like furnace, with a woeful ballad
Made to his mistress` eyebrow. Then a soldier,
Full of strange oaths and bearded like the pard,
Jealous in honor, sudden and quick in quarrel,
Seeking the bubble reputation
Even in the cannon`s mouth. And then the justice,
In fair round belly with good capon lined,
With eyes severe and beard of formal cut,
Full of wise saws and modern instances;
And so he plays his part. The sixth age shifts
Into the lean and slippered pantaloon,
With spectacles on nose and pouch on side;
His youthful hose, well saved, a world too wide
For his shrunk shank, and his big manly voice,
Turning again toward childish treble, pipes
And whistles in his sound. Last scene of all,
That ends this strange eventful history,
Is second childishness and mere oblivion,
Sans teeth, sans eyes, sans taste, sans everything.


Laut SSDEEP sind die Dateien zu 88 % identisch. Laut TLSH gibt es 4,7 % Unterschiede zwischen den Dateien.
TEST 3: Hashes für zwei völlig unterschiedliche Textdateien berechnen
Inhalt der zweiten Datei:
"Katerina", poem of Taras Shevchenko
(translated by John Weir)
O lovely maidens, fall in love,
But not with Muscovites [2],
For Muscovites are foreign folk,
They do not treat you right.
A Muscovite will love for sport,
And laughing go away;
He`ll go back to his Moscow land
And leave the maid a prey
To grief and shame...
It could be borne
If she were all alone,
But scorn is also heaped upon
Her mother frail and old.
The heart e`en languishing can sing –
For it knows how to wait;
But this the people do not see:
“A strumpet!“ they will say.
O lovely maidens, fall in love,
But not with Muscovites,
For Muscovites are foreign folk,
They leave you in a plight.
Young Katerina did not heed
Her parent`s warning words,
She fell in love with all her heart,
Forgetting all the world.
The orchard was their trysting-place;
She went there in the night
To meet her handsome Muscovite,
And thus she ruined her life.
Her anxious mother called and called
Her daughter home in vain;
There where her lover she caressed,
The whole night she remained.
Thus many nights she kissed her love
With passion strong and true,
The village gossips meanwhile hissed:
“A girl of ill repute!”
Let people talk, let gossips prate,
She does not even hear:
She is in love, that`s all she cares,
Nor feels disaster near.
Bad tidings came of strife with Turks,
The bugles blew one morn:
Her Muscovite went off to war,
And she remained at home.
A kerchief o`er her braids they placed
To show she`s not a maid,
But Katerina does not mind,
Her lover she awaits.
He promised her that he’d return
If he was left alive,
That he`d come back after the war –
And then she`d be his wife,
An army bride, a Muscovite
Herself, her ills forgot,
And if in meantime people prate,
Well, let the people talk!
She does not worry, not a bit –
The reason that she weeps
Is that the girls at sundown sing
Without her on the streets.
No, Katerina does not fret –
And jet her eyelids swell,
And she at midnight goes to fetch
The water from the well
So that she won`t by foes be seen;
When to the well she comes,
She stands beneath the snowball-tree
And sings such mournful songs,
Such songs of misery and grief,
The rose .itself must weep.
Then she comes home - content that she
By neighbours was not seen.
No, Katerina does not fret.
She`s carefree as can be -
With her new kerchief on her head
She looks out on the street.
So at the window day by day
Six months she sat in vain....
With sickness then was overcome,
Her body racked with pain.
Her illness very grievous proved.
She barely breathed for days ...
When it was over - by the stove
She rocked her tiny babe.
The gossips` tongues now got free rein.
The other mothers jibed
That soldiers marching home again
At her house spent the night.
“Oh, you have reared a daughter fair.
And not alone beside
The stove she sits - she`s drilling there
A little Muscovite.
She found herself a brown-eyed son...
You must have taught her how!...
Oh fie on ye, ye prattle tongues,
I hope yourselves you`ll feel
Someday such pains as she who bore
A son that you should jeer!
Oh, Katerina, my poor dear!
How cruel a fate is thine!


Laut SSDEEP sind die Dateien völlig unterschiedlich, mit 0 % Übereinstimmungen. Laut TLSH unterscheiden sich die Dateien jedoch nur um 27,1 %.
Warum ist das so? Schließlich betrachten wir den Abstand zwischen zwei völlig unterschiedlichen Textdateien, oder?
Die Sache ist, dass der TLSH-Algorithmus, wie oben erwähnt, Frequenzen berücksichtigt. Obwohl die Texte unterschiedlich sind, sind sie dennoch in derselben Sprache verfasst, verwenden dasselbe Alphabet und enthalten viele gleiche Wörter. Diese Funktion dieses Hashing-Algorithmus hilft dabei, Änderungen an schädlichen Dateien zu erkennen.
TEST 4: Vergleichen Sie 2 Windows-Systemdateien

Laut SSDEEP sind die Dateien völlig unterschiedlich, mit 0 % Übereinstimmungen. Der TLSH-Algorithmus besagt jedoch, dass sich die Dateien nur um 14,5 % unterscheiden. Dies ist zum Teil auf die Tatsache zurückzuführen, dass die Dateien höchstwahrscheinlich vom selben Compiler, von derselben Firma und möglicherweise unter Verwendung derselben Codemuster erstellt wurden. Die Dateien haben ähnliche VERSION_INFO- und MZ-Header.
TEST 5: Vergleichen Sie 2 Systemdateien und unsere hashpair.exe-Datei

Laut SSDEEP sind die Dateien völlig unterschiedlich, mit 0 % Übereinstimmungen. Laut TLSH-Algorithmus unterscheiden sich die Dateien erheblich, nämlich um 73,3 %. Diese Dateien wurden von verschiedenen Unternehmen mit unterschiedlichen Bibliotheken und unterschiedlichen Compilern zusammengestellt. Diese Dateien haben unterschiedliche VERSION_INFO- und unterschiedliche MZ-Header. Somit ermöglicht Ihnen der TLSH-Algorithmus die Kategorisierung ausführbarer Dateien und hilft so, ähnliche schädliche Dateien oder schädliche Dateien derselben Familie zu identifizieren.
Liste der verwendeten Werkzeuge
- WinMerge: https://winmerge.orgWinMerge ist ein Open-Source-Differenzierungs- und Zusammenführungstool für Windows. WinMerge kann sowohl Ordner als auch Dateien vergleichen und Unterschiede in einem visuellen Textformat darstellen, das leicht zu verstehen und zu handhaben ist.
- Notepad++: https://notepad-plus-plus.org/downloadsNotepad++ ist ein kostenloser (wie in „freie Rede“ und auch wie in „freies Bier“) Quellcode-Editor und Notepad-Ersatz, der mehrere Sprachen unterstützt. Die Verwendung läuft in der MS-Umgebung Windows und unterliegt der GNU General Public License.
GITHUB
Den Code des gesamten Projekts finden Sie auf unserem Github:https://github.com/SToFU-Systems/DSAVE
WAS KOMMT NÄCHSTES?
Wir danken Ihnen für Ihre Unterstützung und freuen uns auf Ihr weiteres Engagement in unserer Gemeinschaft.
Im nächsten Artikel schreiben wir gemeinsam mit Ihnen den einfachsten PE-Ressourcenparser.
Bei Fragen der Autoren des Artikels können Sie diese an die E-Mail-Adresse artikel@stofu.io senden
Vielen Dank für Ihre Aufmerksamkeit und einen schönen Tag!