首页
/ NetExec中Kerberos票据与BloodHound集成的身份验证问题分析

NetExec中Kerberos票据与BloodHound集成的身份验证问题分析

2025-06-16 04:26:40作者:廉彬冶Miranda

问题背景

在NetExec工具(原CrackMapExec)的使用过程中,安全研究人员发现了一个关于Kerberos票据与BloodHound集成功能的身份验证问题。当用户尝试使用Kerberos票据(-use-kcache参数)执行BloodHound数据收集时,系统会意外地尝试使用NTLM认证而非Kerberos认证,导致操作失败。

技术细节

该问题发生在LDAP协议模块与BloodHound的集成部分。具体表现为:

  1. 当用户使用Kerberos票据进行认证时,NetExec能够成功建立LDAP连接
  2. 但在执行BloodHound数据收集时,底层代码却尝试回退到NTLM认证
  3. 由于未提供NTLM所需的domain\username和密码凭证,导致LDAPUnknownAuthenticationMethodError异常

根本原因

经过代码分析,问题源于BloodHound库的LDAP连接处理逻辑。在获取对象类型信息(get_objecttype)时,BloodHound会尝试建立新的LDAP连接,但未能正确继承NetExec已经建立的Kerberos认证上下文,而是默认尝试使用NTLM认证。

解决方案

开发团队已经修复了这个问题,主要改动包括:

  1. 修改了BloodHound库中的LDAP连接逻辑,使其能够正确识别和使用现有的Kerberos认证
  2. 确保在整个BloodHound数据收集过程中保持一致的认证方式
  3. 优化了错误处理机制,提供更清晰的错误提示

影响范围

该问题影响所有使用Kerberos票据进行BloodHound数据收集的场景,特别是:

  • 使用Kerberos票据(-use-kcache)执行BloodHound扫描(-bloodhound)的情况
  • 在纯Kerberos环境中进行自动化渗透测试的工作流

最佳实践建议

对于安全研究人员,建议:

  1. 及时更新到修复后的NetExec版本
  2. 在使用Kerberos票据时,确认所有集成的工具链都支持Kerberos认证
  3. 对于复杂的AD环境评估,考虑多种认证方式的组合使用
  4. 在执行关键操作前,先进行小范围测试验证功能正常

该修复显著提升了NetExec在Kerberos环境中的稳定性和可用性,使安全评估工作更加顺畅。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.02 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
42
75
ops-mathops-math
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++
529
55
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
946
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
197
279
openHiTLSopenHiTLS
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!
C
996
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
372
13
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71