从海量PE样本中挖掘伪造图标类恶意程序

大家好，我本次分享的内容是从海量PE样本中挖掘伪造图标类恶意程序。

众所周知，很多恶意程序会将自己的图标伪装成常见的word图标、文件夹图标以及一些常用程序的图标。比如文件夹exe病毒会伪装成文件夹图标，以及最近一段时间爆发的WannaRen 勒索病毒就会释放出everything软件的图标来迷惑用户去点击。所以，我就萌发了从海量PE样本中提取图标来挖掘伪造图标类恶意程序的想法。

对于单个PE样本，很容易提取其图标，一种常见的方法就是使用Resource Hacker。但对于大量的样本，我们应该怎么提取呢？

对于使用Python的研究人员来讲，有多种方法可以用来提取PE文件的图标。

第一种方法是使用windows提供的API函数，ExtractIconEx函数可以从exe、dll PE文件中获得图标的句柄，拿到PE文件的图标句柄后，使用GetDC函数，该函数可以获得指定窗口或整个屏幕显示设备上下文（Divice Context，DC）的句柄，实现截图画图，并将其保存为bmp位图。在Python中，我们可以通过调用win32gui中的ExtractIconEx方法（需要安装pywin32）提取图标，然后使用win32ui模块中GetDC相关的截图画图函数生成图片。

代码如下：

import win32ui
import win32gui
def main():
    large, small = win32gui.ExtractIconEx("tests\WeChat.exe",0)
    win32gui.DestroyIcon(small[0])
    hdc = win32ui.CreateDCFromHandle( win32gui.GetDC(0) )
    hbmp = win32ui.CreateBitmap()
    hbmp.CreateCompatibleBitmap( hdc, 32, 32 )
    hdc = hdc.CreateCompatibleDC()
    hdc.SelectObject( hbmp )
    hdc.DrawIcon( (0,0), large[0] )
    hbmp.SaveBitmapFile( hdc, "save.bmp" ）
if __name__ == '__main__':
    main()

其中，因为ExtractIconEx函数返回一个大图标（3232）和一个小图标（3232）的句柄，我们只需要大图标的句柄，所以需要将小图标进行销毁。CreateDCFromHandle从句柄中得到设备上下文,之后，创建32*32大小的兼容位图，再将兼容位图句柄设置到兼容内存设备DC上，然后绘图并保存为save.bmp。

若想保存为png等格式，可以在调用ExtractIconEx后，使用PyQt，将其保存为png图片格式。

这个方法方便简单，但是存在一个缺点，就是ExtractIconEx方法仅仅返回3232和1616的大小两个图标的句柄。然而很多时候PE样本的图标并不仅仅是这两个大小，所以需要一个更好的方法来提取更多的图标。

另外一个方法是使用一些开源的项目，比如https://github.com/firodj/extract-icon-py，该项目基于Python的pefile模块，之后再使用pillow模块进行画图，保存为png格式。其中用到的pefile模块是Python中专门用来解析PE文件的库。该模块的功能十分强大，我们有必要对其进行了解。首先通过一个demo来了解一下使用方法：

import pefile
PEfile_Path = r"C:\test.exe"
pe = pefile.PE(PEfile_Path)

for importeddll in pe.DIRECTORY_ENTRY_IMPORT:
print importeddll.dll

即可输出该PE文件的导入表。关于PE文件格式的更多内容请参阅《windows PE权威指南》。

通过上述方法我们可以成功获取到PE文件的图标，那么我们怎么知道它是不是伪装成一些常见软件的图标呢？我们通过肉眼很容易分辨他是不是伪装成常用软件的图标了，但对于程序来说，可能就没那么容易了。通过分析我们人的思维过程：首先我们已经熟知了一些常见软件的图标，然后再与当前PE文件的图标进行对比，如果两者十分相似就认为当前PE文件是伪装成了常用软件的图标。与之类比，我们的程序也分为两个步骤，

第一步，提取并存储一些常见软件的图标。

第二步，将当前PE文件的图标与常见软件图标进行相似度对比，如果相似度较高，则认为当前PE文件伪装成了常用软件的图标。

首先，我们开始提取并存储一些常见软件的图标，最常见的图标是windows系统自带的图标，这些图标我们应该怎么获取呢？这些图标全部都存在一个文件中，那就是shell32.dll，所以我们只需要将这个dll文件的所有图标提出来即可获得系统自带的图标。之后可再自行搜集一些可能会被伪装的软件图标。

第二步，将两个图片进行对比，计算两者的相似度。有很多算法可以计算两者相似度，网上也有很多教程，这里我们采用将图像的相似度计算转化为直方图的距离计算的算法：

from PIL import Image

# 转换图片的大小，并使用convert()方法将其转为RGB颜色模式，
# 常见的modes 有 “L” (luminance) 表示灰度图像, “RGB” 表示真彩色图像, and “CMYK” 表示出版图像。

def make_regalur_image(img, size = (64, 64)):

return img.resize(size).convert('RGB')

def hist_similar(lh, rh):

assert len(lh) == len(rh)

print sum(1 - (0 if l == r else float(abs(l - r))/max(l, r)) for l, r in zip(lh, rh))/len(lh)

def calc_similar(li, ri):
return hist_similar(li.histogram(), ri.histogram())

def calc_similar_by_path(lf, rf):
li, ri = make_regalur_image(Image.open(lf)), make_regalur_image(Image.open(rf))
return calc_similar(li, ri)

if __name__ == '__main__':
    calc_similar_by_path('1.JPG','2.JPG')

首先，我们有必要把所有的图片都统一到特别的规格，在这里我选择是的64*64的分辨率，之后计算两者直方图的距离。具体的原理可查阅参考文献4。

通过这种方式我们即可得到两个图标的相似度，经过小规模测试，假如一个PE文件图标伪装成了常用软件的图标，两者相似度为100%。

经过测试，这种方法的速度不够快，因为涉及大量的IO操作，所以，为了能够大批量提取样本，对于这种IO密集型的操作，非常适合采用多线程的方法。通过使用Python的threading模块和Queue模块即可完成此任务，同时，我们通过使用生产者消费者模型，利用生产者不断的生成要提取的PE文件路径，将其放入队列中，使用消费者从队列中不断的取出PE文件路径，再利用上述方法提取图标，计算相似度，进而实现多线程加速。

参考资料：

msdn文档

windows黑客编程技术详解

https://www.codeproject.com/Articles/9303/Get-icons-from-Exe-or-DLL-the-PE-way

https://blog.csdn.net/gumanren/article/details/83810210

https://blog.csdn.net/gzlaiyonghao/article/details/2325027?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-9&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-9