К основному содержанию
скилл CX Codex

analyzing-slack-space-and-file-system-artifacts: скилл Claude Code

Скилл analyzing-slack-space-and-file-system-artifacts помогает исследовать slack space и записи MFT в образах NTFS. Пригодится форензик-специалисту, когда стандартного восстановления удалённых файлов недостаточно.

Apache-2.0 233 установок ★ 36 511 обновлён 2026-08-31

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-slack-space-and-file-system-artifacts -a claude-code
Открыть на GitHub

Что делает analyzing-slack-space-and-file-system-artifacts

Скилл содержит инструкции для низкоуровневого криминалистического анализа файловой системы NTFS. Он направляет агента при извлечении служебных файлов $MFT и $UsnJrnl:$J через утилиты The Sleuth Kit (icat, mmls, blkls).

В инструкциях собраны готовые команды и сценарии на Python. Они позволяют разобрать записи MFT утилитой MFTECmd, зафиксировать признаки таймстомпинга по расхождениям меток $SI и $FN, а также вырезать скрытые данные из нераспределённых секторов программами foremost и bulk_extractor.

Без установленного пакета TSK в системе агент не сможет даже выгрузить артефакты из дискового образа. Для разбора также понадобятся сторонние парсеры и Python-библиотека pyusn.

Какие задачи решает

  • извлечь остатки удалённых файлов из slack space с помощью foremost
  • выявить таймстомпинг через сравнение меток $SI и $FN в таблице MFT
  • восстановить историю операций с файлами по журналу изменений USN
  • найти альтернативные потоки данных ADS, используемые для скрытия файлов

Примеры запросов агенту

  • Покажи команды Sleuth Kit, чтобы извлечь MFT и slack space из /cases/evidence.dd
  • Напиши скрипт для поиска удалённых файлов и проверки расхождений времени $SI и $FN в MFT
  • Как найти скрытые сигнатуры файлов внутри slack_space.raw через bulk_extractor?

Как установить analyzing-slack-space-and-file-system-artifacts

1Через Skills CLI (Vercel)

npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-slack-space-and-file-system-artifacts -a claude-code

2Вручную: положить файлы

~/.claude/skills/analyzing-slack-space-and-file-system-artifacts/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/analyzing-slack-space-and-file-system-artifacts/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы об analyzing-slack-space-and-file-system-artifacts

Как установить analyzing-slack-space-and-file-system-artifacts в Claude Code?

Выполните в терминале команду npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-slack-space-and-file-system-artifacts -a claude-code.

Что делает analyzing-slack-space-and-file-system-artifacts?

Скилл инструктирует модель по разбору структур NTFS, чтению записей MFT, анализу журнала USN и извлечению скрытых данных из межкластерного пространства.

Какие инструменты нужны для работы скилла?

Понадобится образ диска с файловой системой NTFS, утилиты The Sleuth Kit (icat, fls, blkls), утилита MFTECmd и Python с библиотеками analyzeMFT или pyusn.

Исходный текст

SKILL.md · Apache-2.0
---
name: analyzing-slack-space-and-file-system-artifacts
description: Examine NTFS slack space, MFT entries, the USN Change Journal, and Alternate Data Streams (ADS) to recover hidden or residual data, reconstruct deleted-file metadata, and reconstruct available file-system change activity from USN records. Use during deep forensic analysis of an NTFS image when standard file recovery is insufficient, such as hunting for data hidden in ADS.
domain: cybersecurity
subdomain: digital-forensics
tags:
- forensics
- slack-space
- ntfs
- mft
- usn-journal
- alternate-data-streams
- file-system-analysis
version: '1.0'
author: mahipal
license: Apache-2.0
nist_csf:
- RS.AN-03
- DE.AE-02
- RS.MA-01
mitre_attack:
- T1070.006
- T1564.004
- T1070.004
- T1005
- T1006
---

# Analyzing Slack Space and File System Artifacts

## When to Use
- When searching for hidden or residual data in file system slack space
- For analyzing NTFS Master File Table (MFT) entries for deleted file metadata
- When reconstructing file operations from the USN Change Journal
- For detecting Alternate Data Streams (ADS) used to hide data or malware
- During deep forensic analysis requiring examination beyond standard file recovery

## Prerequisites
- Forensic disk image with NTFS file system
- The Sleuth Kit (TSK) tools: istat, icat, fls, blkls, blkstat
- MFTECmd (Eric Zimmerman) for MFT parsing
- MFTExplorer for interactive MFT analysis
- Understanding of NTFS structures (MFT, $UsnJrnl, $LogFile, ADS)
- Python with analyzeMFT or mft library for automated parsing

## Workflow

### Step 1: Identify and Extract NTFS File System Artifacts

```bash
# Determine partition layout
mmls /cases/case-2024-001/images/evidence.dd

# Extract key NTFS system files
# $MFT - Master File Table
icat -o 2048 /cases/case-2024-001/images/evidence.dd 0 > /cases/case-2024-001/ntfs/MFT

# $UsnJrnl:$J - USN Change Journal
icat -o 2048 /cases/case-2024-001/images/evidence.dd 62-128 > /cases/case-2024-001/ntfs/UsnJrnl_J

# $LogFile - Transaction log
icat -o 2048 /cases/case-2024-001/images/evidence.dd 2 > /cases/case-2024-001/ntfs/LogFile

# Extract all slack space from the volume
blkls -s -o 2048 /cases/case-2024-001/images/evidence.dd > /cases/case-2024-001/ntfs/slack_space.raw

# Get file system information
fsstat -o 2048 /cases/case-2024-001/images/evidence.dd | tee /cases/case-2024-001/ntfs/fs_info.txt
```

### Step 2: Analyze the Master File Table (MFT)

```bash
# Parse MFT with MFTECmd (Eric Zimmerman)
MFTECmd.exe -f "C:\cases\ntfs\MFT" --csv "C:\cases\analysis\" --csvf mft_analysis.csv

# Parse with analyzeMFT (Python)
pip install analyzeMFT

analyzeMFT.py -f /cases/case-2024-001/ntfs/MFT \
   -o /cases/case-2024-001/analysis/mft_analysis.csv \
   -c

# Custom MFT analysis with Python
python3 << 'PYEOF'
from mft import PyMft
import csv

mft = PyMft(open('/cases/case-2024-001/ntfs/MFT', 'rb').read())

deleted_files = []
suspicious_files = []

for entry in mft.entries():
    if entry is None:
        continue

    filename = entry.get_filename()
    if filename is None:
        continue

    is_deleted = not entry.is_active()
    is_directory = entry.is_directory()
    created = entry.get_created_timestamp()
    modified = entry.get_modified_timestamp()
    mft_modified = entry.get_mft_modified_timestamp()
    size = entry.get_file_size()

    # Flag deleted files for recovery
    if is_deleted and not is_directory and size > 0:
        deleted_files.append({
            'filename': filename,
            'size': size,
            'created': str(created),
            'modified': str(modified),
            'entry_number': entry.entry_number
        })

    # Detect timestomping (MFT modified time != $SI modified time)
    si_modified = entry.get_si_modified_timestamp()
    fn_modified = entry.get_fn_modified_timestamp()
    if si_modified and fn_modified:
        if abs((si_modified - fn_modified).total_seconds()) > 86400:  # >1 day difference
            suspicious_files.append({
                'filename': filename,
                'si_modified': str(si_modified),
                'fn_modified': str(fn_modified),
                'delta': str(si_modified - fn_modified)
            })

print(f"=== DELETED FILES (recoverable metadata) ===")
print(f"Total: {len(deleted_files)}")
for f in deleted_files[:20]:
    print(f"  [{f['modified']}] {f['filename']} ({f['size']} bytes)")

print(f"\n=== POTENTIAL TIMESTOMPING ===")
print(f"Total suspicious: {len(suspicious_files)}")
for f in suspicious_files[:10]:
    print(f"  {f['filename']}: $SI={f['si_modified']}, $FN={f['fn_modified']} (delta: {f['delta']})")
PYEOF
```

### Step 3: Analyze Slack Space for Hidden Data

```bash
# Search slack space for strings
strings -a /cases/case-2024-001/ntfs/slack_space.raw > /cases/case-2024-001/analysis/slack_strings.txt

# Search for specific patterns in slack space
grep -iab "password\|secret\|confidential\|credit.card\|ssn" \
   /cases/case-2024-001/ntfs/slack_space.raw > /cases/case-2024-001/analysis/slack_keywords.txt

# Analyze individual file slack
python3 << 'PYEOF'
import struct

# File slack consists of:
# 1. RAM slack: bytes between file end and next sector boundary (filled with RAM content or zeros)
# 2. Drive slack: remaining sectors in the cluster after the last file sector

# Analyze slack for specific MFT entries
# Using Sleuth Kit to get file slack for a specific file
import subprocess

# Get file details
result = subprocess.run(
    ['istat', '-o', '2048', '/cases/case-2024-001/images/evidence.dd', '14523'],
    capture_output=True, text=True
)
print(result.stdout)

# The output shows data runs - the last cluster may contain slack data
# Calculate slack size: (allocated_size - file_size) bytes
PYEOF

# Search for file signatures in slack space (embedded files)
foremost -t jpg,pdf,zip -i /cases/case-2024-001/ntfs/slack_space.raw \
   -o /cases/case-2024-001/carved/slack_carved/

# Use bulk_extractor to find structured data in slack
bulk_extractor -o /cases/case-2024-001/analysis/bulk_extract/ \
   /cases/case-2024-001/ntfs/slack_space.raw
```

### Step 4: Parse the USN Change Journal

```bash
# Parse USN Journal with MFTECmd
MFTECmd.exe -f "C:\cases\ntfs\UsnJrnl_J" --csv "C:\cases\analysis\" --csvf usn_journal.csv

# Python USN Journal parsing
pip install pyusn

python3 << 'PYEOF'
import struct
import csv
from datetime import datetime, timedelta

def parse_usn_record(data, offset):
    """Parse a single USN_RECORD_V2."""
    if offset + 8 > len(data):
        return None, offset

    record_len = struct.unpack_from('<I', data, offset)[0]
    if record_len < 56 or record_len > 65536 or offset + record_len > len(data):
        return None, offset + 8

    major_ver = struct.unpack_from('<H', data, offset + 4)[0]
    if major_ver != 2:
        return None, offset + record_len

    mft_ref = struct.unpack_from('<Q', data, offset + 8)[0] & 0xFFFFFFFFFFFF
    parent_ref = struct.unpack_from('<Q', data, offset + 16)[0] & 0xFFFFFFFFFFFF
    usn = struct.unpack_from('<Q', data, offset + 24)[0]
    timestamp = struct.unpack_from('<Q', data, offset + 32)[0]
    reason = struct.unpack_from('<I', data, offset + 40)[0]
    source_info = struct.unpack_from('<I', data, offset + 44)[0]
    security_id = struct.unpack_from('<I', data, offset + 48)[0]
    file_attrs = struct.unpack_from('<I', data, offset + 52)[0]
    filename_len = struct.unpack_from('<H', data, offset + 56)[0]
    filename_off = struct.unpack_from('<H', data, offset + 58)[0]

    name = data[offset + filename_off:offset + filename_off + filename_len].decode('utf-16-le', errors='ignore')

    # Convert Windows FILETIME to datetime
    ts = datetime(1601, 1, 1) + timedelta(microseconds=timestamp // 10)

    # Decode reason flags
    reasons = []
    reason_flags = {
        0x01: 'DATA_OVERWRITE', 0x02: 'DATA_EXTEND', 0x04: 'DATA_TRUNCATION',
        0x10: 'NAMED_DATA_OVERWRITE', 0x20: 'NAMED_DATA_EXTEND',
        0x100: 'FILE_CREATE', 0x200: 'FILE_DELETE', 0x400: 'EA_CHANGE',
        0x800: 'SECURITY_CHANGE', 0x1000: 'RENAME_OLD_NAME', 0x2000: 'RENAME_NEW_NAME',
        0x4000: 'INDEXABLE_CHANGE', 0x8000: 'BASIC_INFO_CHANGE',
        0x10000: 'HARD_LINK_CHANGE', 0x20000: 'COMPRESSION_CHANGE',
        0x40000: 'ENCRYPTION_CHANGE', 0x80000: 'OBJECT_ID_CHANGE',
        0x100000: 'REPARSE_POINT_CHANGE', 0x200000: 'STREAM_CHANGE',
        0x80000000: 'CLOSE'
    }
    for flag, desc in reason_flags.items():
        if reason & flag:
            reasons.append(desc)

    record = {
        'timestamp': ts.strftime('%Y-%m-%d %H:%M:%S'),
        'filename': name,
        'mft_entry': mft_ref,
        'parent_entry': parent_ref,
        'reasons': '|'.join(reasons),
        'usn': usn
    }

    return record, offset + record_len

# Parse the journal
with open('/cases/case-2024-001/ntfs/UsnJrnl_J', 'rb') as f:
    data = f.read()

records = []
offset = 0
while offset < len(data) - 8:
    record, offset = parse_usn_record(data, offset)
    if record:
        records.append(record)
    else:
        offset += 8  # Skip zeros

# Filter for deletion events
deletions = [r for r in records if 'FILE_DELETE' in r['reasons']]
creations = [r for r in records if 'FILE_CREATE' in r['reasons']]
renames = [r for r in records if 'RENAME_NEW_NAME' in r['reasons']]

print(f"Total USN records: {len(records)}")
print(f"File creations: {len(creations)}")
print(f"File deletions: {len(deletions)}")
print(f"File renames: {len(renames)}")

print("\n=== RECENT DELETIONS ===")
for r in deletions[-20:]:
    print(f"  [{r['timestamp']}] DELETED: {r['filename']} (MFT#{r['mft_entry']})")

# Write full journal to CSV
with open('/cases/case-2024-001/analysis/usn_journal.csv', 'w', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=['timestamp', 'filename', 'mft_entry', 'parent_entry', 'reasons', 'usn'])
    writer.writeheader()
    writer.writerows(records)
PYEOF
```

### Step 5: Detect and Analyze Alternate Data Streams

```bash
# List all Alternate Data Streams in the image
find /mnt/evidence -exec getfattr -d {} \; 2>/dev/null | grep -i "ads\|zone\|stream"

# Using Sleuth Kit to find ADS
fls -r -o 2048 /cases/case-2024-001/images/evidence.dd | grep ":" | \
   tee /cases/case-2024-001/analysis/ads_list.txt

# Extract specific ADS content
# Format: icat image inode:ads_name
icat -o 2048 /cases/case-2024-001/images/evidence.dd 14523:hidden_stream \
   > /cases/case-2024-001/analysis/extracted_ads.bin

# Check Zone.Identifier streams (download origin tracking)
fls -r -o 2048 /cases/case-2024-001/images/evidence.dd | grep "Zone.Identifier" | \
   while read line; do
       inode=$(echo "$line" | awk '{print $2}' | tr -d ':')
       echo "=== $line ==="
       icat -o 2048 /cases/case-2024-001/images/evidence.dd "${inode}:Zone.Identifier" 2>/dev/null
       echo ""
   done > /cases/case-2024-001/analysis/zone_identifiers.txt

# Zone.Identifier content reveals:
# [ZoneTransfer]
# ZoneId=3          (3 = Internet, indicating file was downloaded)
# ReferrerUrl=https://malicious-site.com/payload.exe
# HostUrl=https://cdn.malicious-site.com/payload.exe
```

## Key Concepts

| Concept | Description |
|---------|-------------|
| File slack | Unused space between file end and cluster boundary containing residual data |
| RAM slack | Portion of slack from file end to sector boundary (historically filled with RAM) |
| MFT ($MFT) | Master File Table - NTFS metadata database with entries for every file |
| USN Journal ($UsnJrnl) | Change journal recording all file/directory modifications on NTFS |
| Alternate Data Streams | NTFS feature allowing multiple data streams per file (hidden storage) |
| $STANDARD_INFORMATION | MFT attribute with timestamps modifiable by user-mode applications |
| $FILE_NAME | MFT attribute with timestamps only modifiable by the kernel |
| Timestomping | Anti-forensic technique modifying file timestamps to avoid detection |

## Tools & Systems

| Tool | Purpose |
|------|---------|
| MFTECmd | Eric Zimmerman MFT and USN Journal parser with CSV output |
| MFTExplorer | Interactive GUI tool for MFT analysis |
| analyzeMFT | Python MFT parser with CSV/JSON output |
| The Sleuth Kit | File system forensics toolkit (fls, icat, blkls, istat) |
| bulk_extractor | Feature extraction from raw data including slack space |
| NTFS Log Tracker | Tool for parsing $LogFile transaction records |
| streams.exe | Sysinternals tool for listing NTFS Alternate Data Streams |
| Plaso | Super-timeline tool parsing MFT and USN Journal |

## Common Scenarios

**Scenario 1: Anti-Forensics Detection via Timestomping**
Compare $STANDARD_INFORMATION timestamps with $FILE_NAME timestamps in MFT entries, flag files where $SI timestamps predate $FN timestamps (impossible in normal operation), identify timestomped files as evidence of deliberate manipulation, correlate with other timeline evidence.

**Scenario 2: Hidden Data in Alternate Data Streams**
Scan for ADS attached to files beyond the standard Zone.Identifier, extract ADS content for analysis, check for hidden executables or documents stored in ADS, correlate ADS creation with user activity timeline, document findings for evidence.

**Scenario 3: Deleted File Reconstruction from MFT**
Parse MFT for inactive (deleted) entries, extract filenames, sizes, and timestamps of deleted files, recover file content using icat if data clusters are not overwritten, build list of deleted evidence files, correlate with USN Journal delete events.

**Scenario 4: File Activity Reconstruction from USN Journal**
Parse the USN Change Journal for the investigation period, identify file creation, modification, rename, and deletion events, reconstruct the sequence of file operations, detect evidence of data staging (create, copy, compress, delete pattern), identify anti-forensic file wiping.

## Output Format

```
File System Artifact Analysis:
  Volume: NTFS (Partition 2, 465 GB)
  Cluster Size: 4096 bytes

  MFT Analysis:
    Total Entries: 456,789
    Active Files: 234,567
    Deleted Entries: 12,345 (8,901 with recoverable metadata)
    Timestomped Files: 23 (SI/FN mismatch detected)

  USN Journal:
    Records Parsed: 2,345,678
    Date Range: 2024-01-01 to 2024-01-20
    File Creations: 45,678
    File Deletions: 23,456
    File Renames: 12,345

  Alternate Data Streams:
    Total ADS Found: 1,234
    Zone.Identifier: 890 (downloaded files)
    Custom/Suspicious ADS: 5 (hidden data detected)

  Slack Space:
    Total Slack: 12.3 GB
    Keyword Hits: 45 (passwords, credit cards)
    Carved Files: 23 from slack space

  Suspicious Findings:
    - 23 files with timestomped timestamps
    - 5 files with hidden ADS containing data
    - USN shows mass deletion on 2024-01-18 (anti-forensics)
    - Slack space contains residual email fragments

  Reports: /cases/case-2024-001/analysis/
```

© mahipal · Apache-2.0 · mukul975/Anthropic-Cybersecurity-Skills

Похожие скиллы

Все скиллы по теме «Безопасность» →
windows-artifact-forensics-file-system-artifacts W4L33Dx Скилл windows-artifact-forensics-file-system-artifacts для Claude Code разбирает файловые артефакты Windows. Запускается при расследовании подделки таймстампов, удалений и изменений в NTFS. CX Codex +1 ★ 73звёзд репо slack-api slackapi Скилл slack-api для Claude Code помогает выбрать метод Slack Web API, изучить его требования и подготовить вызов. Разбирает OAuth scopes, тип токена, пагинацию, лимиты запросов и ошибки API. CX Codex +1 4 300установок slack-webhooks hookdeck Скилл slack-webhooks помогает настроить приём вебхуков Slack Events API, пройти проверку url_verification и настроить валидацию подписи запросов. CX Codex +1 128установок slack-expert VoltAgent Community slack-expert — субагент для Claude Code, Codex и Cursor: изучает и проверяет код Slack-приложений, подключает Slack API, разбирает интеграции и проводит ревью безопасности. CX Codex 246установок slack-gif-creator официальный anthropics Скилл slack-gif-creator помогает создавать анимированные GIF для Slack и проверять их параметры. Подходит для эмодзи и GIF в сообщениях. CX Codex +1 75 256установок windows-artifact-forensics-execution-artifacts W4L33Dx Скилл windows-artifact-forensics-execution-artifacts для Claude Code разбирает артефакты запуска Windows. Помогает выяснить, запускался ли файл, когда он появился и какому пользователю принадлежит запуск. CX Codex +1 ★ 73звёзд репо

Из того же набора152

Весь набор →
detecting-api-enumeration-attacks Скилл detecting-api-enumeration-attacks для Claude Code составляет SIEM-правила для поиска перебора идентификаторов и обхода проверок доступа к API. Включается при расследовании BOLA/IDOR и настройке охоты за угрозами. CX Codex +1 246установок conducting-full-scope-red-team-engagement Скилл conducting-full-scope-red-team-engagement для Claude Code планирует red team операции по MITRE ATT&CK. Запускается для оценки защиты от APT-атак или эмуляции действий группировки. CX Codex +1 243установок building-devsecops-pipeline-with-gitlab-ci Скилл building-devsecops-pipeline-with-gitlab-ci помогает встроить проверки безопасности в GitLab CI/CD: анализирует код, зависимости, контейнеры и секреты. Пригодится при настройке сканирования до деплоя. CX Codex +1 243установок auditing-azure-active-directory-configuration Скилл auditing-azure-active-directory-configuration проводит аудит безопасности Microsoft Entra ID через Microsoft Graph API, Az CLI и ScoutSuite. Помогает найти избыточные привилегии и бреши в условном доступе. CX Codex +1 241установок auditing-gcp-iam-permissions Скилл auditing-gcp-iam-permissions для Claude Code проверяет IAM в GCP: широкие роли, ключи сервисных аккаунтов и доступ между проектами. Аудирует права и снижает риск бокового перемещения. CX Codex +1 241установок analyzing-usb-device-connection-history Скилл analyzing-usb-device-connection-history восстанавливает хронологию подключений USB-накопителей в Windows по реестру и журналам событий. Помогает расследовать утечки данных и действия инсайдеров. CX Codex +1 241установок performing-api-security-testing-with-postman Скилл performing-api-security-testing-with-postman для построения структурированных наборов тестов безопасности API в Postman, покрывающих OWASP API Security Top 10: обход аутентификации, ошибки авторизации, инъекции, утечки данных. CX Codex +1 240установок performing-web-cache-deception-attack Скилл performing-web-cache-deception-attack моделирует атаки Web Cache Deception через расхождения парсинга путей между CDN и бэкендом. Помогает находить утечки личных данных при агрессивном кэшировании. CX Codex +1 233установок

Ещё в каталоге

windows-artifact-forensics-registry-artifacts W4L33Dx Скилл windows-artifact-forensics-registry-artifacts для Claude Code разбирает кусты реестра Windows. Выявляет следы автозагрузки, запуск программ и подключение USB-устройств. CX Codex +1 ★ 73звёзд репо l-space plurigrid Связывает репозитории и другие структуры с нарративами через образы L-Space и библиотекаря. Использует нарративы для рассуждений о связях между версиями, состояниями и событиями. CX Codex +1 1установок Reversecore MCP sjkim1127 MCP-сервер Reversecore MCP подключает к ассистенту 177 утилит для реверс-инжиниринга, поиска уязвимостей и форензики. Пригодится при исследовании подозрительных бинарников, дампов памяти и сетевых дампов. CX Codex +1 ★ 224звёзд репо Cosmik — Live Space Data den Cosmik — Live Space Data — MCP-сервер для Claude Code: передаёт агенту расписания запусков, пролёты МКС над городом и космические новости. Работает удалённо без ключей доступа. CX Codex +1 147установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой