首页
/ BloodHound项目中的Kerberoasting查询不一致性问题分析

BloodHound项目中的Kerberoasting查询不一致性问题分析

2025-07-10 03:44:38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:

  1. 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)
  2. 但在"Kerberoastable members of Tier Zero / High Value groups"查询中,却没有排除这些账户
  3. 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:

  1. 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
  2. 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
  3. 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:

  1. 在所有Kerberoasting查询中排除MSA/gMSA账户
  2. 确保所有查询都包含账户启用状态检查
  3. 排除krbtgt特殊账户
  4. 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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.02 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
42
75
ops-mathops-math
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++
529
55
RuoYi-Vue3RuoYi-Vue3
🎉 (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
946
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
197
279
openHiTLSopenHiTLS
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
996
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
372
13
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71