analyzing-disk-image-with-autopsy
Faz seu agente analisar cópias de discos rígidos para encontrar arquivos perdidos ou escondidos. Ele pode recuperar informações e criar relatórios visuais. É útil para investigações forenses.
O que ela faz
Esta ferramenta ajuda a analisar imagens de discos digitais para encontrar arquivos, informações escondidas e construir uma linha do tempo de eventos. É útil para investigações digitais.
Quando usar
- ✓Quando você precisa investigar o conteúdo de uma imagem de disco.
- ✓Para recuperar arquivos que foram apagados.
- ✓Quando é preciso procurar por palavras-chave específicas em muitos arquivos.
Exemplo do que pedir para a IA
“Analise esta imagem de disco e me diga se há algum arquivo de documento apagado.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
Você instala um programa chamado Autopsy e o usa para abrir a imagem do disco. O programa então examina o disco, encontra arquivos (mesmo os apagados), permite buscar por palavras e cria relatórios visuais.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-disk-image-with-autopsyOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/mukul975/Anthropic-Cybersecurity-Skills/main/skills/analyzing-disk-image-with-autopsy/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Analisando Imagem de Disco com Autopsy
Quando Usar
- Quando você tem uma imagem forense de disco e precisa de uma análise estruturada de seu conteúdo
- Durante investigações que exigem recuperação de arquivos, busca por palavras-chave e análise de linha do tempo
- Quando partes interessadas não técnicas precisam de relatórios visuais de evidências forenses
- Para examinar metadados do sistema de arquivos, arquivos excluídos e artefatos incorporados
- Ao construir um caso abrangente a partir de múltiplas imagens de disco
Pré-requisitos
- Autopsy 4.x instalado (Windows) ou Autopsy 4.x com The Sleuth Kit (Linux)
- Imagem forense de disco em formato raw (dd), E01 (EnCase) ou AFF
- Mínimo de 8GB de RAM (16GB recomendado para imagens grandes)
- Java Runtime Environment (JRE) 8+ para Autopsy
- Espaço em disco suficiente para o banco de dados do caso do Autopsy (2-3x o tamanho da imagem)
- Bancos de dados de hash (NSRL, hashes conhecidos como ruins) para identificação de arquivos
Fluxo de Trabalho
Etapa 1: Instalar Autopsy e Configurar o Ambiente
# On Linux, install Sleuth Kit and Autopsy
sudo apt-get install autopsy sleuthkit
# Download Autopsy 4.x (GUI version) from official source
wget https://github.com/sleuthkit/autopsy/releases/download/autopsy-4.21.0/autopsy-4.21.0.zip
unzip autopsy-4.21.0.zip -d /opt/autopsy
# On Windows, run the MSI installer from sleuthkit.org
# Launch Autopsy
/opt/autopsy/bin/autopsy --nosplash
# For Sleuth Kit command-line analysis alongside Autopsy
sudo apt-get install sleuthkit
Etapa 2: Criar um Novo Caso e Adicionar a Imagem de Disco
1. Launch Autopsy > "New Case"
2. Enter Case Name: "CASE-2024-001-Workstation"
3. Set Base Directory: /cases/case-2024-001/autopsy/
4. Enter Case Number, Examiner Name
5. Click "Add Data Source"
6. Select "Disk Image or VM File"
7. Browse to: /cases/case-2024-001/images/evidence.dd
8. Select Time Zone of the original system
9. Configure Ingest Modules (see Step 3)
# Alternatively, use Sleuth Kit CLI to verify the image first
img_stat /cases/case-2024-001/images/evidence.dd
# List partitions in the image
mmls /cases/case-2024-001/images/evidence.dd
# Output example:
# DOS Partition Table
# Offset Sector: 0
# Units are in 512-byte sectors
# Slot Start End Length Description
# 00: ----- 0000000000 0000002047 0000002048 Primary Table (#0)
# 01: 00:00 0000002048 0001026047 0001024000 NTFS (0x07)
# 02: 00:01 0001026048 0976771071 0975745024 NTFS (0x07)
# List files in a partition (offset 2048 sectors)
fls -o 2048 /cases/case-2024-001/images/evidence.dd
Etapa 3: Configurar e Executar Módulos de Ingestão
Enable the following Autopsy Ingest Modules:
- Recent Activity: Extracts browser history, downloads, cookies, bookmarks
- Hash Lookup: Compares files against NSRL and known-bad hash sets
- File Type Identification: Identifies files by signature, not extension
- Keyword Search: Indexes content for full-text searching
- Email Parser: Extracts emails from PST, MBOX, EML files
- Extension Mismatch Detector: Finds files with wrong extensions
- Exif Parser: Extracts metadata from images (GPS, camera, timestamps)
- Encryption Detection: Identifies encrypted files and containers
- Interesting Files Identifier: Flags files matching custom rule sets
- Embedded File Extractor: Extracts files from ZIP, Office docs, PDFs
- Picture Analyzer: Categorizes images using PhotoDNA or hash matching
- Data Source Integrity: Verifies image hash during ingest
# Configure NSRL hash set for known-good filtering
# Download NSRL from https://www.nist.gov/itl/ssd/software-quality-group/national-software-reference-library-nsrl
wget https://s3.amazonaws.com/rds.nsrl.nist.gov/RDS/current/rds_modernm.zip
unzip rds_modernm.zip -d /opt/autopsy/hashsets/
# Import into Autopsy:
# Tools > Options > Hash Sets > Import > Select NSRLFile.txt
# Mark as "Known" (to filter out known-good files)
Etapa 4: Analisar o Sistema de Arquivos e Recuperar Arquivos Excluídos
# Na GUI do Autopsy: Navegue pela estrutura de árvore
# - Fontes de Dados > evidence.dd > vol2 (NTFS)
# - Examine a árvore de diretórios, observe os arquivos excluídos (marcados com X)
# Usando Sleuth Kit CLI para recuperação direcionada
# Listar arquivos excluídos
fls -rd -o 2048 /cases/case-2024-001/images/evidence.dd
# Recuperar um arquivo excluído específico por inode
icat -o 2048 /cases/case-2024-001/images/evidence.dd 14523 > /cases/case-2024-001/recovered/deleted_document.docx
# Extrair todos os arquivos de um diretório
tsk_recover -o 2048 -d /Users/suspect/Documents \
/cases/case-2024-001/images/evidence.dd \
…
Perguntas frequentes
Preciso ser um especialista em computadores para usar isso?
Não é preciso ser um especialista, mas é recomendado ter alguma familiaridade com o uso de computadores e seguir as instruções cuidadosamente.
Que tipos de arquivos de imagem de disco posso analisar?
Você pode analisar imagens em formatos como raw (dd), E01 (EnCase) ou AFF.
O que são 'ingest modules'?
São como 'plugins' que o Autopsy usa para realizar tarefas específicas de análise, como procurar por histórico de navegação ou identificar tipos de arquivos.
Detalhes
Descrição original do autor
Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.
Popularidade
- Estrelas no GitHub
- 35 mil
- Posição no ranking
- #5446
- Licença
- Apache-2.0
- Atualizada em
- 31/08/2026
Comentários
- …
Mais skills deste repositório
abusing-dpapi-for-credential-access
Dá ao seu agente de IA instruções prontas para uma tarefa específica, para ele fazer melhor e mais rápido.
mukul975/Anthropic-Cybersecurity-Skills
abusing-shadow-credentials-for-privesc
Ensina seu agente de IA a escrever textos claros e bem estruturados.
mukul975/Anthropic-Cybersecurity-Skills
achieving-cmmc-level-2-compliance
Ajuda seu agente a preparar um ambiente para conformidade com CMMC Nível 2. Ele implementa requisitos de segurança e gerencia a documentação necessária.
mukul975/Anthropic-Cybersecurity-Skills
acquiring-disk-image-with-dd-and-dcfldd
Ajuda seu agente a criar cópias exatas de discos rígidos. Isso é útil para garantir que nenhuma informação seja perdida ou alterada durante investigações.
mukul975/Anthropic-Cybersecurity-Skills
Skills parecidas
dashboard-builder
Ajuda seu agente a criar painéis de monitoramento úteis. Ele transforma dados em gráficos que respondem a perguntas importantes sobre o sistema.
affaan-m/ECC
dev-team
Simula uma equipe de desenvolvimento colaborativa, onde diferentes papéis respondem a um problema juntos. É útil para obter múltiplas perspectivas sem trocar de agente manualmente.
affaan-m/ECC
ecc-council
Faz seu agente reunir um conselho de quatro vozes para tomar decisões difíceis. É útil quando há várias opções boas e é preciso debater antes de escolher.
affaan-m/ECC