探索网络认证的利器:NTLMRawUnhide.py
2024-05-23 19:01:48作者:丁柯新Fawn
项目简介
在网络安全领域,NTLMRawUnhide.py 是一个由 Mike Gualtieri 开发的强大工具,旨在从网络包捕获文件中解析并提取出可用于分析的 NTLMv2 哈希值。这个Python3脚本特别针对NETSH.EXE和PKTMON.EXE等原生Windows二进制文件生成的包捕获文件进行了优化。支持多种常见网络包捕获文件格式,包括 pcap、pcapng、cap 和 etl。
技术剖析
NTLMRawUnhide.py 使用高效的算法来扫描输入文件中的网络流量数据,并能准确识别出隐藏在NTLM协议交换过程中的NTLMv2哈希。它能够处理实时流式数据,可以持续监控输入文件的新数据,这得益于其内置的"跟随"(follow)功能。此外,该工具还提供了丰富的控制选项,如安静模式(只显示找到的哈希)和详细日志模式。
应用场景
在网络渗透测试或安全审计中,这个工具极其有用。例如:
- 凭证分析: 当你需要从可疑或恶意的网络活动记录中找出可能的NTLMv2凭据时,NTLMRawUnhide.py 可以快速提取这些信息。
- 安全评估: 在模拟测试场景下,利用NETSH.EXE和PKTMON.EXE等系统工具进行包捕获,然后用 NTLMRawUnhide.py 进行分析,可以帮助评估系统的身份验证安全性。
- 监控与取证: 对于网络事件调查或内部安全响应,该工具能够实时监测到445端口上的NTLMv2交互,提供关键数据。
项目特点
- 兼容性广: 支持多种常见的网络包捕获文件格式。
- 实时性: 能够持续监控输入文件,获取新的 NTLMv2 哈希信息。
- 易用性: 简单明了的命令行接口,只需几行命令即可进行操作。
- 灵活性: 提供静默、详细两种输出模式,以及随选的文件输出选项。
- 资源友好: 在处理大量数据时,仍能保持高效运行。
通过结合Wireshark、tcpdump、NETSH.EXE或PKTMON.EXE等工具创建合适的包捕获文件,你可以利用NTLMRawUnhide.py 深入探索网络认证的安全性,并从中挖掘宝贵的信息。无论是安全研究人员,还是系统管理员,这个工具都能成为你手头的重要工具。
要开始使用 NTLMRawUnhide.py,只需遵循提供的示例命令,或者直接访问其GitHub仓库了解更多信息。让我们一起探索网络世界的不为人知之处吧!
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492