r77-rootkit项目中的AMSI绕过技术分析
2025-07-06 23:06:44作者:殷蕙予
AMSI绕过机制概述
AMSI(Antimalware Scan Interface)是微软开发的一套反恶意软件扫描接口,它允许应用程序和服务与已安装的反恶意软件产品集成。在PowerShell环境中,AMSI会对脚本内容进行实时扫描,以防止恶意代码执行。r77-rootkit作为一个开源rootkit项目,需要有效绕过AMSI检测才能实现其功能。
常见的AMSI绕过技术
1. .NET反射绕过法
通过反射修改System.Management.Automation.AmsiUtils类中的amsiInitFailed字段值是一种常见的AMSI绕过方法。这种方法的核心代码如下:
[Ref].Assembly.GetType('System.Management.Automation.AmsiUtils').GetField('amsiInitFailed','NonPublic,Static').SetValue($null,$true)
然而,微软已经对这种直接的方法添加了签名检测。为了绕过检测,可以修改代码结构,例如:
[Ref].Assembly.GetType('System.Management.Automation.AmsiUtils').GetField('amsiInitFailed','NonPublic,Static').SetValue([System.Management.Automation.Language.NullString]::Value,$true)
这种修改可以暂时绕过检测,但效果有限。
2. AmsiScanBuffer函数修补
更彻底的绕过方法是直接修改amsi.dll中的AmsiScanBuffer函数,使其直接返回而不执行扫描。这种方法需要:
- 获取AmsiScanBuffer函数地址
- 修改函数内存权限
- 写入返回指令
这种方法效果更好,但实现代码需要高度混淆以避免被检测。
技术限制与挑战
1. 签名检测的演进
微软不断更新AMSI的签名检测机制,使得公开的绕过方法很快失效。特别是:
- 特定代码模式的检测(如SetValue(true))
- 硬件断点和VEH Hook等调试技术的检测
- .NET编译器行为的监控
2. 执行上下文的影响
测试表明,.NET反射绕过法在不同执行上下文中的效果不同:
- 单独执行可以绕过部分检测
- 与恶意代码在同一行执行时可能仍然触发检测
3. 开源项目的特殊挑战
对于r77-rootkit这样的开源项目:
- 公开的绕过代码会迅速被反病毒厂商加入特征库
- 需要用户自行修改和混淆代码才能维持有效性
- 静态检测和动态检测需要不同的应对策略
实用建议
- 代码混淆:对绕过代码进行深度混淆,避免使用已知的模式
- 私有修改:不要依赖公开的绕过代码,应自行开发私有版本
- 多层防御:结合多种绕过技术,提高成功率
- 持续测试:定期测试绕过方法的有效性,及时调整策略
结论
AMSI绕过是一场持续的技术对抗。对于r77-rootkit这样的项目,有效的绕过策略需要结合技术创新和操作安全。公开代码库中维护绕过方法效果有限,最佳实践是鼓励用户根据基本原理开发私有实现,并保持对最新防御机制的了解。理解AMSI的工作原理和检测机制,才能开发出更持久有效的绕过技术。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
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
12
1
openJiuwen 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
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355