如何快速掌握BloodyAD:Active Directory权限提升终极指南
2026-01-18 09:16:18作者:尤辰城Agatha
BloodyAD是一款功能强大的Active Directory权限提升瑞士军刀工具,专为网络安全专业人员和渗透测试人员设计。这个开源框架能够执行特定的LDAP调用来攻击域控制器,帮助用户发现和利用Active Directory环境中的安全漏洞。
🔥 什么是BloodyAD?
BloodyAD是一个Active Directory权限提升框架,它通过执行专门的LDAP调用来攻击域控制器。该工具支持多种认证方式,包括明文密码、哈希传递、票据传递和证书认证,能够绑定到域控制器的LDAP服务来执行权限提升操作。
核心功能特点
- 多种认证支持:支持明文密码、哈希传递、票据传递和证书认证
- 无LDAPS支持:可以在没有LDAPS的情况下交换敏感信息
- SOCKS代理透明使用:设计为与SOCKS代理透明使用
- 完整的AD攻击能力:提供全面的Active Directory攻击功能
🚀 快速安装指南
环境要求
- Python 3.8或更高版本
- 操作系统:支持Windows、Linux和macOS
安装步骤
git clone https://gitcode.com/gh_mirrors/bl/bloodyAD
cd bloodyAD
pip install -r requirements.txt
pip install -e .
💡 核心模块解析
CLI模块结构
BloodyAD提供了丰富的命令行模块,位于bloodyAD/cli_modules/目录:
格式化工具
项目中的formatters/目录包含了各种格式化工具:
- accesscontrol.py - 访问控制格式化
- adschema.py - AD架构格式化
- bloodhound.py - BloodHound兼容格式化
🛠️ 实战使用示例
基础用法
bloodyAD --host 172.16.1.15 -d bloody.local -u jane.doe -p :70016778cb0524c799ac25b439bd6a31 set password john.doe 'Password123!'
常见操作场景
- 密码重置攻击:重置用户密码获取权限
- 属性修改:修改用户或计算机对象的敏感属性
- 组策略操作:操作组策略设置
- DNS攻击:执行AD DNS相关攻击
🔒 安全注意事项
在使用BloodyAD进行渗透测试时,请务必注意:
- 仅在授权环境中使用
- 遵守当地法律法规
- 获得明确的测试授权
- 妥善保管测试结果
📚 深入学习资源
项目文档
- 主要入口文件:bloodyAD.py
- 核心功能模块:bloodyAD/main.py
- 测试用例:tests/目录包含完整的测试套件
扩展学习
- 查看pyproject.toml了解项目依赖
- 参考requirements.txt查看完整依赖列表
🎯 总结
BloodyAD作为一款专业的Active Directory权限提升工具,为安全研究人员提供了强大的AD攻击能力。通过掌握这个工具,你可以更好地理解Active Directory的安全漏洞,提升企业的网络安全防护水平。
记住:能力越大,责任越大。请始终在合法合规的环境中使用这些工具。
登录后查看全文
热门项目推荐
相关项目推荐
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。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
485
3.59 K
Ascend Extension for PyTorch
Python
297
329
openEuler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。
C
260
111
暂无简介
Dart
735
177
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
861
456
React Native鸿蒙化仓库
JavaScript
294
343
仓颉编译器源码及 cjdb 调试工具。
C++
148
880