NamedPipePTH:命名管道Pass-the-Hash实战指南
项目概述
NamedPipePTH 是一个基于Pass-the-Hash技术的PoC(概念验证)项目,用于在本地通过命名管道实现用户模拟。该项目由安全研究者S3cur3Th1sSh1t开发,旨在解决特定场景下的安全需求——当已获取低权限用户的NTLM哈希,但无法通过现有工具获得该用户级别的交互式shell或C2连接时。它依赖于Windows的ImpersonateNamedPipeClient()
函数,允许服务端模拟任何连接到管道的客户端。
目录结构及介绍
以下是NamedPipePTH
项目的基本目录结构及其大致内容:
├── Invoke-ImpersonateUser-PTH.ps1 # 核心脚本,用于通过命名管道传递哈希执行过程模拟
├── PipeServerImpersonate.sln # Visual Studio解决方案,包含服务器端可执行程序的源代码
├── LICENSE # 许可协议文件,遵循BSD-3-Clause
├── README.md # 主要的项目说明文档
└── Resources # 资源目录,可能包括辅助脚本或编译所需的额外文件
├── PipeServerImpersonate # 服务器端代码资源目录
├── Invoke-NamedPipePTH.ps1 # 客户端连接脚本,用于与管道服务器交互
└── 其他潜在的支持文件或示例配置
项目启动文件介绍
Invoke-ImpersonateUser-PTH.ps1
这是项目的核心动力,一个PowerShell脚本,允许使用者通过指定用户名、NTLM哈希、域和命名管道名称来模拟用户。此脚本可以直接运行,无需编译,便于快速部署,支持传递参数给本地Windows二进制文件,如Powershell.exe,以便在目标用户的安全上下文中执行命令。
管道服务器组件 (PipeServerImpersonate.sln
)
虽然不直接作为一个“启动文件”,但通过这个Visual Studio解决方案,你可以构建一个管道服务端的可执行文件,此可执行文件将监听命名管道连接并处理模拟逻辑。它是实现Pass-the-Hash技术中服务器端的关键部分。
配置文件介绍
NamedPipePTH
项目并未明确提供传统意义上的配置文件。配置主要通过调用脚本或执行程序时传入的参数完成。例如,在使用Invoke-ImpersonateUser-PTH.ps1
时,用户需手动提供必要的命令行参数来配置所需的行为,如用户凭证信息、管道名称以及可能的执行命令等。这意味着项目的“配置”更多是基于运行时参数而非独立的配置文件。
综上所述,NamedPipePTH
项目通过结合PowerShell脚本和可选的C#编译产物,提供了一种灵活的方法来利用命名管道进行本地用户模拟,特别适用于渗透测试和安全研究中的特定场景。正确理解和运用这些文件与配置项,能够有效利用该项目的功能。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









