BloodHound项目中的Kerberoasting查询不一致性问题分析
2025-07-10 14:05:11作者:傅爽业Veleda
背景介绍
在Active Directory安全评估工具BloodHound中,Kerberoasting是一种常见的攻击技术,攻击者通过获取服务账户的TGS票据来尝试离线分析服务账户密码。BloodHound提供了多个预定义的Kerberoasting相关查询,帮助安全人员识别潜在风险。
问题发现
在BloodHound 6.3.1版本中,存在Kerberoasting查询逻辑不一致的问题。具体表现为:
- 在"All Kerberoastable users"和"Kerberoastable users with most admin privileges"查询中,已经排除了MSA(托管服务账户)和gMSA(组托管服务账户)
- 但在"Kerberoastable members of Tier Zero / High Value groups"查询中,却没有排除这些账户
- 另外在"Shortest paths to Domain Admins from Kerberoastable users"查询中,不仅缺少MSA/gMSA排除条件,还缺少账户启用状态和krbtgt账户的过滤条件
技术影响
这种不一致性可能导致以下问题:
- 风险评估不准确:MSA/gMSA账户通常具有自动轮换的复杂密码,实际可攻击性较低,包含它们会夸大风险
- 结果集污染:未过滤的禁用账户和krbtgt账户会干扰分析人员的判断
- 优先级混乱:不同查询返回结果不一致,影响安全团队对修复优先级的判断
解决方案建议
建议对所有Kerberoasting相关查询进行统一处理,包括:
- 在所有Kerberoasting查询中排除MSA/gMSA账户
- 确保所有查询都包含账户启用状态检查
- 排除krbtgt特殊账户
- 保持查询逻辑的一致性,便于用户理解和使用
技术实现细节
在Neo4j查询中,应确保包含类似以下过滤条件:
WHERE NOT n.objectid ENDS WITH '-525'
AND NOT n.objectid ENDS WITH '-526'
AND n.enabled = true
AND NOT n.name STARTS WITH 'KRBTGT'
总结
Kerberoasting是Active Directory环境中常见的高风险攻击向量,BloodHound作为专业的安全评估工具,其查询结果的准确性和一致性至关重要。修复这一不一致性问题将有助于安全团队更准确地评估风险,合理分配安全资源,提高整体防御效果。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134