Seminar Turbinia – Intensivseminar Entwicklung und Integration

Das Intensivseminar fasst die Entwickler- und Integrationsangebote in einem vollständigen Erweiterungsprojekt zusammen. Entwickelt werden Evidence-Typ, Job, Task und Analysator einschließlich API-Anbindung, Recipe-Konfiguration, Werkzeugcontainer, Tests, Release und Übergang in den Betrieb.

Inhaltsübersicht

• Zielsetzung
• Zielgruppe
• Voraussetzungen
• Seminarinhalte
• Praxisübungen
• Methodik

Zielsetzung

• Turbinia-Erweiterungspunkte und API-Schnittstellen sicher auswählen
• Evidence, Jobs, Tasks und Analysatoren als zusammenhängende Lösung entwickeln
• Recipes, Containerwerkzeuge und externe Systeme kontrolliert integrieren
• Test-, Release-, Rollback- und Wartungsprozesse für eigene Erweiterungen etablieren

Zielgruppe

Erfahrene Python- und DFIR-Entwickler, Plattformentwickler, Integrationsarchitekten und technische Teams mit Verantwortung für eigene Turbinia-Funktionalität.

Voraussetzungen

Sehr gute Python- und Git-Kenntnisse, automatisierte Tests, Linux, Docker, HTTP und JSON. Grundkenntnisse der Turbinia-Architektur werden vorausgesetzt.

Seminarinhalte

1. Schritt 1: Erweiterungsfall und Datenvertrag definieren

   Eingaben, Evidence-Typen, Verarbeitung, Befunde, Ergebnisdateien, API-Nutzung und Qualitätskriterien werden in einer technischen Spezifikation festgelegt.

2. Schritt 2: Entwicklungsumgebung und Konventionen einrichten

   Repository, Branching, Abhängigkeiten, Testdaten, Linting, Typprüfung und automatisierte Tests werden reproduzierbar vorbereitet.

3. Schritt 3: Evidence-Typ und Prozessoren entwickeln

   Metadaten, Pfade, Serialisierung, Kopierbarkeit sowie Pre- und Post-Processing werden implementiert und isoliert getestet.

4. Schritt 4: Job- und Task-Logik umsetzen

   Auswahlregeln, Task-Erzeugung, Arbeitsverzeichnis, Werkzeugaufruf, Logging, Fehlerbehandlung und Result-Objekte werden entwickelt.

5. Schritt 5: Analysator integrieren

   Eingabevalidierung, Analysealgorithmus, Befundschema, Schweregrade und Folgemaßnahmen werden in eine wartbare Komponente überführt.

6. Schritt 6: Werkzeugcontainer anbinden

   Image, Version, Abhängigkeiten, Mounts, Benutzer, Ressourcen und reproduzierbarer Testlauf werden für externe Werkzeuge festgelegt.

7. Schritt 7: Recipe-Konfiguration bereitstellen

   Sichere Standardwerte, globale und taskspezifische Parameter, Jobfreigaben, Filter und Regeln werden in einem Beispiel-Recipe nutzbar gemacht.

8. Schritt 8: Client und REST-API verwenden

   Jobs und Evidence werden abgefragt, Requests automatisiert eingereicht, Status überwacht und Ergebnisse maschinenlesbar übernommen.

9. Schritt 9: Python-Integration entwickeln

   Ein kleines Integrationsmodul kapselt Konfiguration, Einreichung, Polling, Fehlerbehandlung, Wiederholungslogik und Ergebnisübergabe.

10. Schritt 10: Timesketch- und Ergebnisübergabe einordnen

    Timeline- und Befundausgaben werden benannt, validiert und für nachgelagerte Analyse- oder Fallmanagementprozesse vorbereitet.

11. Schritt 11: Unit- und Integrationstests vervollständigen

    Normalfälle, Grenzfälle, beschädigte Eingaben, externe Fehler, parallele Ausführung und Pipeline-Folgeschritte werden automatisiert geprüft.

12. Schritt 12: Qualitäts- und Sicherheitsreview durchführen

    Code, Abhängigkeiten, Secrets, Eingabepfade, Logs, Containerrechte und Datenschutz werden anhand einer Freigabecheckliste bewertet.

13. Schritt 13: Release und Deployment vorbereiten

    Version, Changelog, Images, Konfigurationsmigration, Kompatibilität, Rollback und Betriebsübergabe werden zu einem Releasepaket gebündelt.

14. Schritt 14: Weiterentwicklung und Migration planen

    Eigentümerschaft, Testdaten, Deprecation, Wartungsaufwand und Übertragbarkeit auf eine Nachfolgeplattform werden dokumentiert.

Praxisübungen

• Technische Spezifikation und Datenvertrag für eine eigene Analysefunktion erstellen
• Evidence, Job, Task und Analysator als durchgängigen Prototyp implementieren
• Recipe und Werkzeugcontainer integrieren und über Client beziehungsweise API ausführen
• Python-Automatisierung mit Polling und Fehlerbehandlung entwickeln
• Testmatrix, Releasepaket und Betriebsübergabe erstellen

Methodik

Das Seminar ist als kompaktes Entwicklungsprojekt organisiert. Tägliche Reviews verbinden Architektur, Codequalität, Tests, Sicherheit, Betriebsfähigkeit und langfristige Wartbarkeit.