intelowlproject/intelowl_malware_tools_analyzers Docker Image Overview

intelowlproject/intelowl_malware_tools_analyzers

IntelOwl集成Capa、Floss、Qiling等***软件分析工具的Docker镜像，用于***软件分析。

0 次下载activeintelowlproject镜像

🚀专业版镜像服务，面向生产环境设计

中文简介版本下载

🚀专业版镜像服务，面向生产环境设计

Intel Owl

镜像概述和主要用途

IntelOwl 是一个开源的威胁情报管理解决方案，旨在大规模管理威胁情报数据。它能够集成多种在线分析器和先进的软件分析工具，帮助用户通过单一 API 请求从多个来源同时获取关于软件、IP 地址或域名的威胁情报数据。

核心功能和特性

主要功能

威胁情报数据丰富：支持文件及可观察对象（IP、域名、URL、哈希等）的威胁情报数据增强
REST API 接口：基于 Django 和 Python 构建的完善 REST API
内置 GUI 界面：提供仪表板、分析数据可视化、分析请求表单等功能
与安全工具集成：可轻松集成到安全工具栈中，自动化 SOC 分析师通常手动执行的常见任务
模块化插件框架：
- 分析器(analyzers)：从外部源检索数据或从内部工具生成情报
- 连接器(connectors)：将数据导出到外部平台（如 MISP 或 OpenCTI）
- 枢纽(pivots)：触发分析链的执行并将它们相互连接
- 可视化器(visualizers)：在 GUI 中创建分析结果的自定义可视化
- 摄取器(ingestors)：自动摄取可观察对象或文件流到 IntelOwl
- 剧本(playbooks)：使分析流程易于重复执行
- 数据模型：将从分析器提取的不同数据映射到单一通用模式
调查协作平台：用户可记录调查结果、关联发现的信息并进行协作

技术特点

可扩展性设计，支持横向扩展
加速威胁情报检索速度
支持多种官方客户端库（pyintelowl、go-intelowl）

使用场景和适用范围

安全运营中心(SOC)：自动化日常威胁分析任务
***软件分析：对可疑文件进行多维度分析
威胁情报收集：从多个来源聚合威胁情报
事件响应：加速安全事件的调查和响应过程
安全研究：***软件行为分析和特征提取

可用分析器

内置模块

静态文档分析：Office 文档、RTF、PDF、PE、ELF、APK 文件分析和元数据提取
字符串反混淆与分析：FLOSS、Stringsifter 等
***软件检测：Yara、ClamAV（支持自定义规则）
PE 仿真：Qiling、Speakeasy
PE 签名验证
PE 功能提取：CAPA、Blint
JavaScript 仿真：Box-js
Android ***软件分析：Quark-Engine、Androguard、Mobsfscan 等
SPF 和 DMARC 验证器
PCAP 分析：Suricata、Hfinger
蜜罐客户端：Thug、Selenium
扫描器：WAD、Nuclei 等

外部服务

Abuse.ch 服务：MalwareBazaar、URLhaus、Threatfox、YARAify
GreyNoise v2
Intezer
VirusTotal v3
Crowdsec
URLscan
Shodan
AlienVault OTX
Intelligence_X
MISP
以及更多...

使用方法和配置说明

Docker 快速部署

bash
# 拉取镜像
docker pull intelowlproject/intelowl

# 运行容器
docker run -d -p 8000:8000 --name intelowl intelowlproject/intelowl

Docker Compose 部署

创建 docker-compose.yml 文件：

yaml
version: '3'

services:
  intelowl:
    image: intelowlproject/intelowl
    ports:
      - "8000:8000"
    environment:
      - DEBUG=False
      - SECRET_KEY=your-secret-key
      - DATABASE_URL=postgres://user:password@db:5432/intelowl
    depends_on:
      - db
      - redis
    restart: unless-stopped

  db:
    image: postgres:13
    volumes:
      - postgres_data:/var/lib/postgresql/data/
    environment:
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=intelowl

  redis:
    image: redis:6
    volumes:
      - redis_data:/data

volumes:
  postgres_data:
  redis_data:

启动服务：

bash
docker-compose up -d

环境变量配置

环境变量	描述	默认值
`DEBUG`	是否启用调试模式	`False`
`SECRET_KEY`	Django 应用密钥	随机生成
`DATABASE_URL`	数据库连接 URL	`postgres://postgres:postgres@db:5432/intelowl`
`REDIS_URL`	Redis 连接 URL	`redis://redis:6379/0`
`ALLOWED_HOSTS`	允许的主机列表	`*`
`CORS_ALLOWED_ORIGINS`	允许的 CORS 源	`http://localhost:3000,http://127.0.0.1:3000`

API 使用示例

提交文件分析请求：

bash
curl -X POST http://localhost:8000/api/analyze/file \
  -H "Authorization: Token YOUR_API_TOKEN" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@malicious_file.exe" \
  -F "analyzers=['VirusTotal_v3', 'Capa', 'FLOSS']"

提交 IP 分析请求：

bash
curl -X POST http://localhost:8000/api/analyze/observable \
  -H "Authorization: Token YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "observable_name": "192.168.1.1",
    "observable_type": "ip",
    "analyzers": ["AbuseIPDB", "GreyNoise", "Shodan"]
  }'