BlueHound:为蓝队量身定制的安全分析利器
2024-09-08 06:23:22作者:段琳惟
项目介绍
BlueHound 是一款开源工具,专为蓝队设计,帮助他们精准定位网络中真正重要的安全问题。通过整合用户权限、网络访问和未修补漏洞的信息,BlueHound 揭示了攻击者一旦进入网络后可能采取的路径。作为 NeoDash 的一个分支,BlueHound 经过重新设计,使其更适合防御性安全目的。
项目技术分析
BlueHound 基于 NeoDash 开发,使用了 React 和 use-neo4j 技术栈。它利用 charts 来增强可视化效果。此外,BlueHound 还支持自定义可视化扩展,开发者可以根据需要添加自己的图表和报告。
项目及技术应用场景
BlueHound 适用于以下场景:
- 企业安全团队:帮助安全团队快速识别和修复网络中的潜在风险,提升整体安全防护能力。
- 渗透测试人员:为渗透测试提供详细的攻击路径分析,帮助测试人员更好地理解目标网络的弱点。
- 安全研究人员:支持自定义数据收集和分析方法,适合安全研究人员进行深入的安全研究。
项目特点
- 全自动化:从数据收集、分析到报告生成,整个过程只需一键完成,大大提高了工作效率。
- 社区驱动:支持配置的导入和导出,方便用户分享知识和最佳实践,促进社区的共同进步。
- 易用性:无需编写代码即可创建自定义报告,用户界面直观,操作简单。
- 高度可定制:支持添加自定义数据收集方法和参数,甚至可以为图表添加自定义图标,满足不同用户的需求。
如何开始使用
使用 ROST ISO
BlueHound 可以作为 ROST 镜像的一部分,该镜像预配置了所有必要组件(包括 BlueHound、Neo4j、BloodHound 和示例数据集)。只需创建一个新的虚拟机并从 ISO 安装即可。
使用 BlueHound 二进制文件
如果你已经有一个正在运行的 Neo4j 实例,可以从 发布页面 下载适合你操作系统的预编译版本,解压后即可运行。
数据收集与分析
- 连接到 Neo4j 服务器:首先连接到你的 Neo4j 数据库。
- 下载数据收集工具:下载 SharpHound、ShotHound 和 漏洞扫描器报告解析器。
- 数据导入:使用 Data Import 部分收集并导入数据到 Neo4j 数据库。
- 配置查询:在 Configurations 标签页设置查询所需的基本信息(如域管理员组、关键服务器等)。
- 生成报告:使用 Queries 部分准备报告。
开发者指南
使用 npm 运行和构建
BlueHound 使用 React 构建,需要 npm 来运行和构建应用。
- 开发模式:克隆仓库后,执行
npm install安装依赖,然后执行npm run dev启动开发服务器,应用将在http://localhost:3000可用。 - 生产构建:执行
npm run build生成生产版本,将build文件夹内容部署到 Web 服务器即可。
联系与支持
我们欢迎任何关于 BlueHound 的建议和反馈,可以通过 support@zeronetworks.com 联系我们,或在 GitHub 上提交问题或拉取请求。
BlueHound 不仅是一款强大的安全分析工具,更是一个社区驱动的项目,旨在帮助安全团队更好地理解和防御网络威胁。无论你是安全专家还是初学者,BlueHound 都能为你提供有力的支持。立即加入我们,共同提升网络安全防护能力!
登录后查看全文
热门项目推荐
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Jetson TX2开发板官方资源完全指南:从入门到精通 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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
296
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