SharpSCCM 使用指南
项目介绍
SharpSCCM 是一个专为安全研究人员设计的C#工具,旨在通过利用微软端点配置管理器(即ConfigMgr,前身为SCCM)进行凭证收集和横向移动,而无需直接访问SCCM服务器。这个项目由Chris Thompson主要开发,并得到了Duane Michael (@subat0mik), Evan McBroom (@EvanMcBroom), Diego Lomellini (@DiLomSec1), 和 Carsten Sandker (@0xcsandker) 等人的显著贡献。请注意,此工具最初是在实验室环境中作为概念验证开发的,可能存在未完成的功能、错误处理不足,因此在使用时需谨慎。
项目快速启动
要快速开始使用SharpSCCM,请确保你的环境已经安装了.NET环境,并且熟悉如何运行C#的应用程序。以下步骤简述如何从GitHub仓库获取并运行SharpSCCM:
-
克隆仓库:
git clone https://github.com/Mayyhem/SharpSCCM.git -
编译项目: 打开解决方案文件(.sln)于Visual Studio或类似IDE中,然后构建项目。如果你没有IDE,可以通过命令行使用MSBuild来编译。
-
运行SharpSCCM: 构建成功后,找到生成的可执行文件(通常在bin目录下),根据需求运行命令,比如:
dotnet SharpSCCM.exe --help # 查看可用命令选项
请注意,实际使用时需要详细了解每个命令参数以避免风险和误操作。
应用案例和最佳实践
- 凭证收集:在渗透测试场景中,SharpSCCM可以辅助安全研究员无痕地收集域内系统的信息和潜在凭证。
- 横向移动:利用SCCM的管理能力,实现从已控制主机到其他目标主机的迁移。
- 防御性研究:了解攻击者可能使用的技巧,从而加强组织的防御机制,模拟攻击路径进行漏洞评估。
最佳实践
- 在非生产环境中充分测试命令。
- 遵守相关的法律和道德规范,在合法授权的情况下进行安全评估。
- 对于敏感操作,确保有适当的备份和恢复计划。
典型生态项目
SharpSCCM虽作为一个独立工具,但在安全社区常与其他工具结合使用,如BloodHound,用于展示和分析企业网络中的权限传播路径。通过集成此类工具,安全分析师能够更有效地理解攻击链路,模拟攻击行为,提高对域环境的安全防护措施。
以上内容构成了对SharpSCCM项目的基本介绍、快速启动指南,以及应用实践的一些建议。记得在探索和实验过程中参考项目文档和最新的GitHub仓库更新,以获取最准确的信息和支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00