NetExec中Kerberos票据与BloodHound集成的身份验证问题分析
2025-06-16 13:41:37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:
- 当用户使用Kerberos票据进行认证时,NetExec能够成功建立LDAP连接
- 但在执行BloodHound数据收集时,底层代码却尝试回退到NTLM认证
- 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:
- 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
- 确保在整个BloodHound数据收集过程中保持一致的认证方式
- 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:
- 及时更新到修复后的NetExec版本
- 在使用Kerberos票据时,确认所有集成的工具链都支持Kerberos认证
- 对于复杂的AD环境评估,考虑多种认证方式的组合使用
- 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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-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。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143