Shhhloader:一款强大的Shellcode加载器
2026-01-22 05:04:26作者:凌朦慧Richard
项目介绍
Shhhloader 是一款正在开发中的Shellcode加载器,旨在通过编译C++存根来绕过防病毒软件(AV)和端点检测与响应(EDR)系统。它接受原始Shellcode作为输入,并生成一个C++存根,该存根通过多种技术来尝试绕过AV/EDR的检测。Shhhloader的Python构建器可以在任何安装了Mingw-w64的Linux系统上运行。
最新更新中,Shhhloader增加了对Havoc C2的支持,并改进了默认的沙箱规避方法,使其效果更佳。此外,Shhhloader还包含一个用于Cobalt Strike的Aggressor脚本,方便用户在红队操作中使用。
项目技术分析
Shhhloader的核心技术包括:
- 多种Shellcode执行方法:支持8种不同的Shellcode执行方法,如ThreadlessInject、ModuleStomping、QueueUserAPC等,每种方法都有其独特的绕过检测机制。
- PPID欺骗:通过PPID欺骗技术,可以伪装成其他进程的子进程,从而绕过某些检测机制。
- NTDLL解钩:通过解钩NTDLL,可以绕过某些基于钩子的检测机制。
- SysWhispers支持:集成了SysWhispers2和SysWhispers3,支持直接调用系统调用,绕过API钩子。
- 编译时字符串加密:在编译时对字符串进行加密,增加静态分析的难度。
- Obfuscator-LLVM支持:通过Obfuscator-LLVM对生成的存根进行混淆,进一步增加逆向工程的难度。
- 沙箱规避:支持多种沙箱规避技术,如通过加载的DLL、域名、用户名、主机名等进行检测,避免在沙箱环境中执行。
项目及技术应用场景
Shhhloader适用于以下场景:
- 红队渗透测试:在红队渗透测试中,Shhhloader可以帮助红队成员绕过目标系统的安全防护,执行恶意代码而不被检测。
- 恶意软件开发:恶意软件开发者可以使用Shhhloader生成难以检测的Shellcode加载器,提高恶意软件的生存能力。
- 安全研究:安全研究人员可以使用Shhhloader进行实验,研究各种绕过AV/EDR的技术,提升对现代安全防护机制的理解。
项目特点
Shhhloader的主要特点包括:
- 高度可定制:用户可以根据需要选择不同的Shellcode执行方法、沙箱规避技术等,灵活应对不同的安全环境。
- 强大的绕过能力:通过多种技术手段,Shhhloader能够有效绕过大多数常见的AV/EDR检测机制。
- 易于使用:Shhhloader提供了Python构建器,用户只需简单配置即可生成所需的Shellcode加载器。
- 持续更新:项目正在积极开发中,未来将增加更多功能和改进现有功能,如硬件断点(HWBP)系统调用选项、使用系统调用创建进程等。
结语
Shhhloader作为一款功能强大的Shellcode加载器,不仅提供了多种绕过AV/EDR的技术手段,还具有高度的可定制性和易用性。无论是红队渗透测试、恶意软件开发还是安全研究,Shhhloader都能为用户提供强有力的支持。如果你正在寻找一款能够有效绕过现代安全防护机制的工具,Shhhloader绝对值得一试。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220