CAPEv2项目中的MSIX文件分析问题排查与解决
问题背景
在CAPEv2恶意软件分析平台中,用户遇到了MSIX安装包文件无法正常分析的问题。MSIX是微软推出的现代应用程序安装包格式,相比传统的MSI安装包,它采用了容器化技术,具有更好的隔离性和安全性。在CAPEv2的分析过程中,系统需要通过PowerShell脚本(msix.ps1)来安装和运行MSIX包,但出现了权限拒绝的错误。
问题现象
当提交MSIX文件进行分析时,系统尝试在Windows虚拟机中执行msix.ps1脚本时失败,错误信息显示"Access to the path 'C:\tmpmb9dnw8c\data\msix.ps1' is denied"。尽管确认了以下条件:
- agent.py以管理员权限运行
- 相关文件和目录具有正确的权限设置
- Windows Defender实时保护已禁用
环境配置
- CAPEv2版本:commit 9f2525cae22e25dec20d3761181acdd74df80e4c
- 宿主机系统:Ubuntu 22.04.5 LTS
- 虚拟机系统:Windows 10 21H2/22H2
- 虚拟机管理:VirtualBox
- 配置:禁用权限检查(permissions = no)
排查过程
初步验证
手动执行msix.ps1脚本可以正常工作,这表明脚本本身没有问题,问题出在CAPEv2执行脚本的方式上。
权限检查
检查发现所有相关文件和目录都具有正确的权限设置:
- SYSTEM账户:完全控制
- 管理员组:完全控制
- 所有者权限:完全控制
系统版本影响
尝试了Windows 10 21H2和22H2两个版本,问题依然存在。值得注意的是,CAPEv2官方推荐使用21H2版本,22H2版本的支持仍在开发中。
注入机制影响
发现禁用CAPEv2的注入机制(设置free = True)可以解决问题,但这会导致无法获取行为日志,不是理想的解决方案。
根本原因与解决方案
临时文件访问问题
最终发现问题的根源在于CAPEv2在分析过程中动态生成的msix.ps1脚本文件访问权限问题。解决方案是预先将msix.ps1脚本放置在虚拟机中,并在创建快照前完成这一步骤。
进程跟踪问题
在解决脚本执行问题后,又遇到了无法完整跟踪MSIX安装过程的问题。MSIX安装通常会涉及以下进程链:
- sihost.exe (Shell Infrastructure Host)
- AiStub.exe (MSIX安装程序存根)
- PowerShell (执行启动脚本)
通过分析发现,当通过GUI安装MSIX时,AiStub由sihost启动;而通过脚本安装时,AiStub由explorer.exe通过Appinfo服务(svchost.exe)启动。
进程注入改进
为了完整跟踪进程链,需要修改CAPEv2的注入机制,使其能够监控Appinfo服务的svchost进程。具体修改包括:
- 在analyzer.py中保存CommandPipeHandler实例
- 手动添加对特定svchost进程(PID 9300)的监控
技术要点总结
- MSIX分析需要特别注意权限问题,特别是在动态生成脚本文件时
- Windows系统版本对CAPEv2的兼容性有重要影响
- MSIX安装过程的进程链跟踪需要特殊处理
- 对于复杂的安装过程,可能需要手动扩展监控范围
最佳实践建议
- 使用官方推荐的Windows 10 21H2版本进行分析
- 预先将必要的脚本文件放置在虚拟机中
- 对于复杂的安装过程,考虑扩展进程监控范围
- 在修改注入机制时,注意平衡功能完整性和安全性
通过以上分析和解决方案,成功解决了CAPEv2中MSIX文件分析的问题,并实现了完整的安装过程行为监控。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03