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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00