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
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
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
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108