HTA 多层 unescape 嵌套 + 大小写空格规避 → VBS 垃圾串注入 base64 → XSLT CDATA 字符位移:四层静态还原
ctf/forensics · draft
一句话结论
把恶意 HTA 当"文档"静态剥离而不是双击运行:第一层是 document.write(unescape("...")) 反复自嵌套,每解一层得到下一层;解开后是大小写混写、属性带空格的 <sCrIPT lANgUAge="VbScRipT">(专门躲关键字检测);其中 base64 解出"下载 wanted.tIF → 改名 wanted.vbs → 执行";二级 VBS 又把垃圾串 d2FudGVkCg 灌进 base64 各段之间,靠自写的 InStr/Left/Mid 替换函数清空后才能解码,得到 powershell -EncodedCommand;其载入的 .msc 里 XSLT ms:script CDATA 用"逐字符 ord(c)-5+1"(即 -4)编码,写十行脚本即可还原出真正的下载器。
原理
- 嵌套
unescape是"多层压缩"而非加密:每层形如document.write(unescape("<下一层含引号的源码>"));。解开后源码里又含unescape(,如此反复。层数不多也不需要工具,只要把每层的unescape("...")参数取出来反复urllib.parse.unquote即可。 - 大小写混写 + 空格剥离是纯检测规避:
<sCrIPT lANgUAge="VbScRipT">、SElF.CLoSE、Chr(&H57)拼接"SCRIPT.shELL"。对静态分析者而言只是"读起来累",去掉多余空格并统一小写即可恢复正常语义;也提示该样本针对的是基于关键字的扫描器。 - 垃圾串注入破坏 base64:把合法 base64 切成多段,用
&拼接,并在段间插入固定噪声d2FudGVkCg(本身是一段 base64 文本,看着合法)。直接拼接后解码会失败——必须先"删除所有噪声出现"。自写函数descortinar(s, 噪声, "")用InStr找位置、Left + Mid拼接替换,等价于s.replace(noise, "")。 ord -5 +1=ord -4:XSLT<ms:script implements-prefix="user" language="VBScript">的 CDATA 里,for i = 1 to N: s = s + chr(Asc(mid(enc, i, 1)) - 5 + 1)就是把每个字符码位减 4。减 5 再加 1 的写法是刻意的"看起来两步",还原时按ord(c) - 4即可。powershell -EncodedCommand是标准 base64(UTF-16LE):VBS 里-.EXe、-NOP、-W1、-CdEVIcEcrEDEnTIAlDePlOYmENt等乱写参数名与大小写同样只是规避;真正的载荷在-EncodedCommand后面,base64 -d | iconv -f utf-16le即可读出。- 为什么值得成卡:这四层各自都是"可复用的剥壳动作",且都不需要运行样本;反过来,直接双击 HTA 会立刻执行下载+启动 XOR 解密链,取证时应假定样本有杀伤性。
触发条件
- 拿到一个
.hta/.msc/.tIF之类"看着像文档"的样本文件,或题目只给源码文本。 - 样本内容包含
document.write(unescape(嵌套、ms:script+ CDATA、-EncodedCommand等可静态识别的结构。 - 分析环境可安全地做文本处理(全程不需要执行样本,只需 Python/编辑器)。
- 后续层需要联网下载(CTF 里把域名指向靶机;真实场景下应改用离线沙箱/代理抓取)。
利用步骤
- 全文搜索
unescape(,把最内层的参数字符串取出,做 URL 解码;重复"解码 → 在新文本里再找unescape(",直到没有嵌套(本例 5 层)。 - 展开后做规范化:把标签/语句里的多余空格删掉、统一小写便于阅读;注意
Chr(&H57)&"SCRIPT.shELL"这类字符串拼接要先手工拼回。 - 找 base64 块并解码:若解码报错,先检查是否存在"段间噪声"(重复出现且不在 base64 有效语义里的固定短串),用替换清空后再解。
- 得到 PowerShell 命令后取
-EncodedCommand后的 base64,按 UTF-16LE 解出脚本正文。 - 对
.msc一类文件,从<ms:script ...><![CDATA[ ... ]]>里取出字符串常量,施加样本里的位移(本例ord - 4)还原。 - 逐层记录每层产物(哈希 + 提取脚本),最终得到下载地址与落地路径,交后续样本分析。
PoC
import base64, re, urllib.parse
# 1) 剥多层 unescape 嵌套
s = open("wanted.hta", encoding="utf-8", errors="replace").read()
for _ in range(10):
m = re.search(r'unescape\("(.*?)"\)', s, re.S)
if not m:
break
s = urllib.parse.unquote(m.group(1))
# 2) 去噪声后 base64 解码(噪声串按样本实际值替换)
noise = "d2FudGVkCg"
blob = s.replace(noise, "")
for chunk in re.findall(r"[A-Za-z0-9+/=]{40,}", blob):
try:
print(base64.b64decode(chunk + "=" * (-len(chunk) % 4))[:200])
except Exception:
pass
# 3) XSLT CDATA 里的字符位移:ord - 5 + 1 == ord - 4
enc = "<从 CDATA 中截取的常量>"
print("".join(chr(ord(c) - 4) for c in enc))
# 4) -EncodedCommand 是 base64(UTF-16LE)
echo '<BASE64>' | base64 -d | iconv -f utf-16le -t utf-8
# 层间关系(本例)
wanted.hta --5x unescape--> <sCrIPT VbScRipT> base64 --> 下载 wanted.tIF
wanted.tIF --改名执行--> wanted.vbs(噪声注入 base64)
wanted.vbs --去噪声+base64--> powershell -EncodedCommand
--EncodedCommand--> 载入 .msc
wanted.msc --ord-4 位移--> 下载器 VBS(继续下一层)
变体与关联
- 变体(位移值不同):同类样本常用
ord ± k、chr(Asc(x) Xor k)、Asc(Mid(...)) - 1;规律是"常数位移/异或",写脚本时把 k 扫一遍(0–127)看哪个输出可打印且含CreateObject、http等关键词即可自动定 k。 - 变体(噪声串不同):噪声可能取自 base64 字符集任意子串,甚至每段不同;判定依据是"删除后解码成功且出现可读文本",可自动枚举候选(出现 ≥2 次、长度 8–16 的重复子串)。
- 变体(同一家族的其它宿主):
.hta→.jse/.vbe/.wsf,或 XSLT 由msxsl.exe/COM 执行;剥离思路一致。 - 关联:[[code-analysis-reverse-obfuscation-fake-captcha-hta-js-charcode-powershell]](HTA +
String.fromCharCode变量表 + 十六进制串异或)、[[code-analysis-reverse-obfuscation-vbe-powershell-dotnet-layered-sample]](VBE → PS1 → .NET 的同类多层交接)、[[pentest-initial-access-grimresource-msc-apds-xss-dotnettojscript-injection]](.msc+ms:scriptXSLT 宿主滥用的攻击侧视角)。 - 边界:若某层字符串是"运行时拼接"(值来自环境变量、注册表或另一下载文件),纯静态会断链,需要动态沙箱补最后一跳;本例每层都可静态还原。
检测与防御
- 检测:邮件/下载网关对
.hta、.msc、.tIF、.vbs一律不放行;扫描文件中document.write(unescape(嵌套与-EncodedCommand同现。 - 加固:通过 ASR 规则或组策略禁止
mshta.exe、wscript.exe、cscript.exe由 Office/浏览器派生;禁用.hta文件关联。 - 狩猎:批量提取文本样本里的
unescape链与-EncodedCommandblob,自动解一层即得大量 IOC(下载域名、落地路径)。 - 响应:把"某个
.dll/.pdf被当成密钥文件"这类同目录兄弟文件也纳入 IOC 与取证范围,不要只盯.exe。