ADRecon 项目使用教程
1. 项目介绍
ADRecon 是一个用于收集和分析 Active Directory 信息的工具。它能够从 Active Directory 环境中提取并整合各种信息,生成一个详细的报告,帮助安全专业人员、审计员、管理员等了解当前 AD 环境的状态。ADRecon 支持从任何连接到网络的工作站运行,即使该工作站不是域成员。此外,它还可以在非特权(即标准域用户)账户的上下文中运行,仅在需要细粒度密码策略、LAPS 和 BitLocker 时才需要特权账户。
2. 项目快速启动
2.1 环境准备
在开始使用 ADRecon 之前,请确保您的系统满足以下要求:
- .NET Framework 3.0 或更高版本
- PowerShell 2.0 或更高版本
- 可选:Microsoft Excel(用于生成报告)
- 可选:远程服务器管理工具(RSAT)
2.2 安装 ADRecon
您可以通过以下两种方式之一安装 ADRecon:
2.2.1 使用 Git 克隆仓库
git clone https://github.com/adrecon/ADRecon.git
2.2.2 下载 ZIP 文件
访问 ADRecon GitHub 页面,点击“Code”按钮并选择“Download ZIP”。
2.3 运行 ADRecon
2.3.1 在域成员主机上运行
PS C:\> .\ADRecon.ps1
2.3.2 在域成员主机上以不同用户身份运行
PS C:\> .\ADRecon.ps1 -DomainController <IP or FQDN> -Credential <domain\username>
2.3.3 在非成员主机上使用 LDAP 运行
PS C:\> .\ADRecon.ps1 -Protocol LDAP -DomainController <IP or FQDN> -Credential <domain\username>
2.3.4 使用特定模块在非成员主机上运行(使用 RSAT)
PS C:\> .\ADRecon.ps1 -Protocol ADWS -DomainController <IP or FQDN> -Credential <domain\username> -Collect Domain,DomainControllers
2.4 生成报告
运行 ADRecon 后,会生成一个包含 CSV 文件的文件夹。您可以使用以下命令生成 Excel 报告:
PS C:\> .\ADRecon.ps1 -GenExcel C:\ADRecon-Report-<timestamp>
3. 应用案例和最佳实践
3.1 安全审计
ADRecon 可以帮助安全审计员快速收集和分析 Active Directory 中的各种信息,生成详细的报告,以便进行安全审计。
3.2 事件响应
在事件响应过程中,ADRecon 可以快速提取关键信息,帮助分析人员了解当前 AD 环境的状态,识别潜在的安全问题。
3.3 渗透测试
渗透测试人员可以使用 ADRecon 收集目标 AD 环境的信息,为后续的渗透测试提供数据支持。
4. 典型生态项目
4.1 BloodHound
BloodHound 是一个用于可视化 Active Directory 环境的工具,可以帮助安全专业人员识别和理解复杂的权限关系。ADRecon 可以与 BloodHound 结合使用,为 BloodHound 提供数据输入。
4.2 PingCastle
PingCastle 是一个用于评估 Active Directory 安全性的工具,可以帮助管理员识别和修复潜在的安全问题。ADRecon 可以与 PingCastle 结合使用,提供更全面的安全评估。
4.3 LAPS (Local Administrator Password Solution)
LAPS 是一个用于管理本地管理员密码的工具,可以帮助管理员定期更改本地管理员密码。ADRecon 可以提取 LAPS 密码信息,帮助管理员进行审计和监控。
通过以上教程,您应该能够快速上手使用 ADRecon,并了解其在不同场景下的应用。
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