Cobalt Arsenal 项目使用教程
2024-09-15 06:54:36作者:董斯意
1. 项目目录结构及介绍
cobalt-arsenal/
├── Beacon_Initial_Tasks.cna
├── better-upload.cna
├── cwd-in-beacon-status-bar.cna
├── custom-powershell-hooks.cna
├── FilesColor.cna
├── Forwarded_Ports.cna
├── Highlight_Beacons.cna
├── LICENSE.txt
├── mgeekys_arsenal.cna
├── Payload_Variants_Generator.cna
├── README.md
├── hash.cna
├── httprequest.cna
├── parse-error-codes.cna
├── rename-beacon-tabs.cna
├── settings.cna
├── smart-autoppid.cna
└── stomp-dll-info.py
目录结构介绍
- Beacon_Initial_Tasks.cna: 配置Beacon首次签到时自动执行的命令。
- better-upload.cna: 改进的上传功能,支持指定远程文件路径。
- cwd-in-beacon-status-bar.cna: 在Beacon状态栏显示当前工作目录。
- custom-powershell-hooks.cna: 自定义Powershell下载和执行方法。
- FilesColor.cna: 根据文件类型和扩展名对文件列表进行颜色编码。
- Forwarded_Ports.cna: 管理远程端口转发。
- Highlight_Beacons.cna: 高亮显示Beacon签到和命令输出。
- LICENSE.txt: 项目许可证文件。
- mgeekys_arsenal.cna: 包含多个实用工具和改进的Aggressor脚本。
- Payload_Variants_Generator.cna: 生成多种架构和输出格式的无阶段载荷。
- README.md: 项目说明文件。
- hash.cna: 实现MD5/SHA1/SHA256哈希算法的Aggressor脚本。
- httprequest.cna: 安全的HTTP请求实现。
- parse-error-codes.cna: 解析并显示Windows错误代码的含义。
- rename-beacon-tabs.cna: 自定义Beacon标签名称。
- settings.cna: 示例实现保存和加载设置的脚本。
- smart-autoppid.cna: 自动为新签到的Beacon设置父进程ID。
- stomp-dll-info.py: 列出DLL文件属性,用于模块劫持。
2. 项目启动文件介绍
mgeekys_arsenal.cna
mgeekys_arsenal.cna 是Cobalt Strike Arsenal项目的主启动文件。它包含了多个实用工具和改进,使得与Cobalt Strike的工作流程更加高效和便捷。
主要功能
- 当前工作目录显示: 在状态栏显示Beacon的当前工作目录。
- Beacon初始任务: 配置Beacon首次签到时自动执行的命令。
- 改进的上传功能: 支持指定远程文件路径。
- 自动父进程ID设置: 自动为新签到的Beacon设置父进程ID。
- 多种实用工具: 包含多个实用工具和改进,提升工作效率。
3. 项目配置文件介绍
settings.cna
settings.cna 文件提供了保存和加载设置的示例实现。通过该脚本,用户可以将配置保存到外部文件中,并在需要时加载这些配置。
使用方法
- 保存设置: 使用
saveOptions函数将当前设置保存到指定文件。 - 加载设置: 使用
loadOptions函数从指定文件中加载设置。
// 示例代码
saveOptions("config.txt");
loadOptions("config.txt");
通过这种方式,用户可以轻松管理Cobalt Strike的配置,确保在不同会话之间保持一致的设置。
以上是Cobalt Arsenal项目的使用教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
307
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
259
322
🔥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
64
19
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
878
仓颉编译器源码及 cjdb 调试工具。
C++
134
867