KeyFrame內部研究專用

Black Hat Europe 2025 | Silence On macOS: What 70K Binaries Reveal About The macOS Malware Ecosystem

Black Hat40 min英文
觀看原始影片

三句話摘要

macOS生態系統中80,000個惡意軟體樣本的大規模分析,介紹Catalina分析工具與Mallet數據集的開發成果。 macOS惡意軟體威脅已從邊緣問題演變為與Windows相當的成熟生態,組織應透過Catalina與Mallet等開源資源加強防禦投資,並建立基於結構特徵的主動檢測與預防機制。 研究障礙與突破:macOS恶意软件研究長期被忽視,因為傳統分析需要macOS硬體、缺乏大規模數據集(Windows有Sorrel 2,000萬樣本、Android有100萬樣本),Catalina打破了這個限制,使研究人員可在Linux或任何平台進行跨平台特徵提取。

重點整理

  1. 研究障礙與突破:macOS恶意软件研究長期被忽視,因為傳統分析需要macOS硬體、缺乏大規模數據集(Windows有Sorrel 2,000萬樣本、Android有100萬樣本),Catalina打破了這個限制,使研究人員可在Linux或任何平台進行跨平台特徵提取。

  2. 平台級發現的嚴重性:93%的macOS惡意軟體無簽名,證書平均被濫用182天才撤銷,DPRK Apple Juice活動中單個證書被利用721天。這揭示了macOS安全機制(Gatekeeper、X-Protect、AMFI、TCC、SIP)在實際防禦中存在顯著時間差。

  3. 檢測與防禦的失效:通過結構相似度聚類發現同一活動的變種樣本檢測率差異極大(14個vs.0個引擎),自動生成的Yara規則能找到82個Cobalt Strike/Geektin樣本中5個完全未被檢測,說明傳統AV/EDR對macOS威脅防禦不足。

  4. 實戰防禦策略:由於stealers主要竊取keychain、Chrome cookies與加密錢包,防禦應使用Santa框架進行檔案訪問控制、二進制授權與CEL表達式規則;針對AppleScript社會工程攻擊應阻止虛假系統提示;持久化機制(Launch Agent/Daemon)需透過MDM持續監控與執行。

實用技巧與重點

  • 核心數據集與統計:
  • Mallet:89,000個樣本(44,000惡意、44,000未檢測、25,000高置信度良性)
  • 93%macOS惡意軟體無簽名
  • 平均證書撤銷時間(MTTR):182天
  • DPRK Apple Juice活動:721天證書滥用→首次撤銷→7天後首次檢測
  • 開發者macOS使用率:30-32%(Stack Overflow調查)
  • 工具與技術:
  • Catalina:Go語言開源工具,支援MD5查詢、目錄批量提取
  • Mallet:特徵級數據集(非二進制文件集合)
  • Santa:開源macOS安全框架(二進制授權、檔案訪問授權、CEL表達式)
  • 檢測工具:VirusTotal (VT)、Virus Share、VT retrohunt
  • 對標系統:Windows Sorrel(2,000萬樣本)、Android Base(100萬樣本)
  • 惡意軟體家族與趨勢:
  • Amos, Nuke Speed, Stilaire, Stealer(上升趨勢)
  • DPRK Apple Juice活動、Thomas Parfum活動
  • Cobalt Strike、Metasploit、Geektin、Banshee
  • 分類:Stealers、勒索軟體、後門、灰色軟體、鍵盤記錄器、黑客工具
  • Catalina特徵提取(100+特徵):
  • 向量特徵:熵分布、字符串n-gram、操碼頻率、段統計
  • 文本/分類特徵:Bundle ID、團隊ID、證書序列號、證書頒發者組織、UUID、符號雜湊、函數相似度
  • 支援檔案格式:Mach-O、DMG、pkg、zip、通用二進制(universal binary)
  • macOS安全機制:
  • Code Signing:CD hash + LC_CODE_SIGNATURE內嵌簽名識別符、證書、團隊ID、權限聲明
  • Notarization:Apple對未通過App Store發布應用的惡意軟體檢查
  • Gatekeeper:簽名驗證、完整性檢查、公證狀態檢查
  • X-Protect:類似Yara規則的預執行惡意軟體檢測
  • AMFI(Kernel Entitlement Enforcer):驗證應用是否有權限要求敏感訪問
  • TCC(Transparency, Consent, Control):使用者同意層
  • SIP(System Integrity Protection):保護系統目錄修改
  • 防禦規則示例:
  • Chrome cookie存取阻止規則(檔案路徑與binary名稱組合)
  • OSA腳本對話框檢測(檢查系統提示模擬)
  • Launch Agent/Daemon持久化監控
  • 雲端基礎設施流程:
  • 構建階段:GitHub CI/CD→服務部署
  • 下載階段:任務調度器→VT/Virus Share/清潔macOS系統→對象存儲(GCS/S3)
  • 特徵提取階段:Catalina解析→JSON輸出
  • 存儲階段:SQL數據庫(BigQuery)→ML聚類與YARA規則生成

結論

macOS惡意軟體威脅已從邊緣問題演變為與Windows相當的成熟生態,組織應透過Catalina與Mallet等開源資源加強防禦投資,並建立基於結構特徵的主動檢測與預防機制。

完整解析

macOS長久以來被誤認為是無惡意軟體的安全操作系統,但這個認知存在根本性破綻。Obina Igbe與Godwin Otiga在三年前發現了一個矛盾現象:雖然大多數開發者使用macOS,但安全研究會議上卻鮮少談論macOS威脅,反而集中在Windows、Android與Linux。這個研究空白的根本原因是macOS惡意軟體分析的高進入門檻——傳統工具必須在實際macOS硬體上運行,無法像其他平台那樣在虛擬機或雲環境中執行分析。更嚴重的是,macOS完全缺乏大規模研究數據集,而Windows有Sorrel提供2,000萬個樣本、Android有Base提供100萬個樣本。與此同時,Reddit上充斥著被資訊竊取惡意軟體入侵且經濟損失的用戶求助帖,而macOS的市場地位已非小眾——約30-32%的開發者使用macOS進行開發,企業級基礎設施與雲端訪問亦越來越依賴這個平台。

為解決這個研究盲點,兩位研究者開發了Catalina——一個用Go語言編寫的開源工具,其革命性特點在於完全的跨平台支援。使用者無需macOS硬體,只需將Catalina指向一個二進制檔案或樣本目錄,工具即自動提取超過100個特徵。這些特徵可分為兩類:機器學習模型需要的向量特徵(熵分布、字符串n-gram、操碼頻率、段統計等),以及用於威脅情報的文本特徵(Bundle ID、團隊標識符、證書序列號、證書頒發者等)。Catalina還能智能識別並解析macOS生態中的多種檔案格式,包括Mach-O二進制、DMG映像、pkg安裝包、zip檔案,甚至能逐一解析通用二進制中多個架構的組件。為實現規模化分析,研究團隊在雲平台構建了完整的處理管道:任務調度器定期從VirusTotal、Virus Share下載樣本並掃描清潔的macOS系統實例,下載的二進制存儲到對象存儲(如GCS或S3),隨後由Catalina進行特徵提取並輸出為JSON,最後批量存儲到BigQuery等SQL數據庫。

這套分析流程最終生成了Mallet——一個包含89,000個macOS樣本的特徵級數據集,首次填補了macOS大規模研究數據的空白。其中44,000個被確認為惡意軟體,44,000個為未檢測樣本(在VirusTotal上零檢測),經過啟發式分析後確認了25,000個高置信度的良性樣本。Mallet涵蓋了Stealers(信息竊取軟體)、勒索軟體、後門、鍵盤記錄器等豐富的惡意軟體類型,其中尤其值得關注的是Stealers在2024-2025年間的快速增長趨勢。

基於Mallet數據集的深入分析揭示了令人警醒的現實。首先,93%的macOS惡意軟體竟然無簽名,這打破了許多人對macOS代碼簽名機制的信心。其次,他們提出了一個關鍵指標——平均證書撤銷時間(MTTR)為182天,意味著攻擊者獲取的合法證書可以被濫用超過半年而不被吊銷。在DPRK Apple Juice活動中,一個證書被用於簽名惡意軟體達721天才最終被撤銷,而首次被反病毒產品檢測則是撤銷後7天——這個時間差充分展示了macOS安全防護的脆弱性。第三個重要發現來自聚類分析:同一攻擊活動中的變種樣本檢測率差異驚人——一個樣本被14個反病毒引擎檢測,另一個竟完全未被檢測,但它們共享相同的團隊ID、證書、符號雜湊與功能相似性。研究團隊進一步開發了基於Catalina特徵的自動化Yara規則生成管道,能動態構建惡意軟體集群並生成通用檢測規則;例如針對Cobalt Strike與Geektin樣本的規則在VirusTotal回溯搜索中識別出82個樣本,其中5個完全未被檢測,即使被檢測的樣本也往往只有單個安全廠商識別,反映出防禦的分散性與不足。

為應對這些威脅,研究者提供了實戰防禦方案。由於macOS上的Stealers主要目標是盜取keychain(存儲所有身份認證證書)、Chrome瀏覽器cookies與加密錢包憑證,從而實現橫向移動與雲端訪問,防禦應採用開源Santa框架進行多層控制:通過二進制授權阻止已知惡意軟體的執行雜湊與團隊ID;透過檔案訪問授權限制哪些binary可以訪問Chrome cookie目錄與keychain;使用CEL表達式語言編寫複雜的防禦規則。此外,由於macOS缺乏Windows上的AMSI(反惡意軟體掃描界面),攻擊者傾向於使用AppleScript與OSA腳本設計虛假的系統凭证提示,誘導用戶輸入密碼。防禦方可在Santa中配置規則檢測OSA腳本binary並驗證其顯示的對話框內容是否模擬系統提示,從而阻止這類社會工程攻擊。針對持久化機制(占數據集約23-24%),APT組織偏好Launch Agent與Launch Daemon,防禦團隊應使用Knock Knock或Santa對這些目錄進行持續監控與阻止。最後,不同職能部門的責任各異:防禦人員與事件應急團隊應將Mallet數據導入SIEM或數據湖,搜索CD雜湊、簽名者郵箱與權限聲明的執行記錄;基礎設施團隊應通過MDM執行安全控制的持久化,確保即使endpoint tools被篡改也能自動恢復;紅隊應進行恶意軟體仿真來驗證防禦有效性。

73 min
Web2 安全中文11月16日

TryHackMe AI in the Modern SOC | Full Walkthrough 2026

Djalil Ayed看原片 ↗
  • AI 生成內容需要人工驗證:AI 提供初步的案件摘要和假設,但分析師必須通過查詢實際日誌、確認程序關係、檢查時間線來驗證每一個發現,不能直接相信 AI 的输出,因為它可能存在誤差或幻覺。
  • 程序族譜追蹤是關鍵:需要追蹤完整的父進程到子進程的鏈条,記錄每個進程的實體 ID(process entity ID)、父進程實體 ID 和執行時間戳,藉此判斷是否為惡意活動鏈条。
66 min
企業管理中文11月13日

資安事件連環爆,AI淪駭客武器?宏碁二代施宣輝:打造台灣資安龍頭還不夠,為何押注「低軌衛星」搶攻太空新戰局?【哈佛人物面對面】

哈佛商業評論看原片 ↗
  • 資安投資陷阱源於無形價值:資安是預防性成本,當沒有駭客入侵時使用者感受不到價值,導致企業傾向於不投資。企業即使遭受攻擊後復原,由於沒有聯防機制,駭客的AI大腦會立即將攻擊手法複製到其他目標,形成全球皆然的惡性循環。
  • 駭客AI化改變攻擊規則:AI語言模型具有單一大腦同服多人的特性,一旦找到攻擊方法就能同時突破所有使用同一系統的用戶。因此個別企業的自我修復已經失效,必須轉向整個供應鏈的聯防體系才能應對。
10 min
Web2 安全中文11月2日

I Used AI to Pick My Bug Bounty Targets

  • 漏洞賞金領域競爭激烈,大型知名程序的簡單漏洞已被眾多獵人發現,初學者會面臨重複提交和被忽視的風險,因此應選擇新程序和新增範圍以獲得更多機會。
  • 五個關鍵篩選指標為:回應時間(追求24小時快速回應,避免一個月以上),範圍大小和新鮮度(新添加的資產競爭較少),程序年齡(2025-2026年啟動的新程序較佳),安全政策規範檢查,報酬結構(穩定中等報酬的冷門程序優於高報酬但擁擠的大牌項目)