Fibratus项目中的Yara扫描与VirtualAlloc事件处理机制分析
2025-07-02 18:21:35作者:秋泉律Samson
在Fibratus项目中,当启用Yara扫描功能并尝试捕获VirtualAlloc事件时,发现了一个有趣的现象:规则引擎会阻止VirtualAlloc事件的传播。本文将深入分析这一问题的技术背景、产生原因以及解决方案。
问题背景
Fibratus是一个强大的Windows内核事件跟踪工具,它能够捕获系统调用、内存操作等各种内核事件。其中,VirtualAlloc是Windows系统中用于分配虚拟内存的重要API调用,特别是当其带有RWX(读-写-执行)标志时,常常被恶意软件利用来执行代码注入等攻击行为。
项目最近新增了一个功能:当检测到带有RWX标志的VirtualAlloc调用时,自动触发Yara规则扫描。然而,在实际测试中发现,当规则引擎启用时,这些VirtualAlloc事件无法被正确捕获。
技术分析
经过深入分析,发现问题根源在于Fibratus的规则引擎优化机制。规则引擎会动态地启用或禁用事件类型,其工作流程如下:
- 解析所有规则集
- 提取规则中引用的所有事件类型
- 对于未被任何规则使用的事件类型,在早期处理阶段就将其丢弃
这种设计是为了优化性能,避免处理不需要的事件类型。然而,这也导致了一个副作用:当VirtualAlloc事件没有被任何规则直接引用时,即使Yara扫描功能需要它,也会被规则引擎过滤掉。
解决方案
针对这一问题,开发团队提出了两种解决方案:
- 条件过滤法:在控制器初始化时,添加特殊条件判断。如果Yara功能启用且事件类型为VirtualAlloc,则强制启用内存事件捕获,并跳过后续过滤逻辑。
if c.Yara.Enabled && ktype == ktypes.VirtualAlloc {
c.Kstream.EnableMemKevents = true
continue
}
- 配置优先法:修改规则引擎的行为,使配置文件中的设置优先于规则编译结果。这样用户可以通过配置文件显式启用内存事件捕获。
经过讨论,第一种方案被认为更为合理,因为它:
- 保持了现有优化机制
- 只在必要时才启用特定事件
- 不会影响其他功能模块
实现意义
这一修复对于安全监控具有重要意义:
- 确保Yara扫描能够在检测到可疑内存分配时及时触发
- 保持系统性能优化,不影响其他事件处理
- 为检测内存注入攻击提供了可靠的基础
总结
Fibratus项目通过细致的规则引擎优化和灵活的事件处理机制,在保证性能的同时实现了强大的安全监控能力。这次对VirtualAlloc事件处理的改进,展示了项目团队对细节的关注和对安全需求的快速响应能力,进一步提升了工具在对抗高级威胁方面的价值。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1