⏳ wsb-detect:精准识别Windows沙盒环境
2024-09-08 06:39:48作者:庞队千Virginia
项目介绍
wsb-detect 是一个用于检测当前运行环境是否为Windows沙盒(Windows Sandbox,简称WSB)的开源工具。Windows沙盒是微软在2019年底推出的一项新功能,它允许用户在15秒内快速创建一个基于Hyper-V的虚拟机,具备剪贴板共享、目录映射等常见虚拟机的特性。该沙盒环境不仅用于Windows Defender的动态分析,还常被安全分析师用于手动分析。wsb-detect 通过多种技术手段,能够精准识别当前环境是否处于Windows沙盒中,为安全研究人员和开发者提供了极大的便利。
项目技术分析
wsb-detect 的核心功能是通过一系列技术手段来检测当前环境是否为Windows沙盒。以下是项目中使用的主要技术手段:
wsb_detect_proc:检查是否存在CExecSvc.exe,这是沙盒环境中的容器执行服务,负责处理内部的大量繁重工作。wsb_detect_time:通过检查mountmgr驱动的创建时间戳,判断是否为沙盒环境的固定时间戳(2019年12月7日,9:14:52 AM)。wsb_detect_username:检查当前用户名是否为WDAGUtilityUserAccount,这是沙盒环境中的默认用户账户。wsb_detect_suffix:通过GetAdaptersAddresses获取网络适配器的DNS后缀,判断是否为mshome.net,这是沙盒环境的默认DNS后缀。wsb_detect_dev:检查是否可以打开\\.\GLOBALROOT\device\vmsmb设备,该设备用于通过SMB与主机通信。wsb_detect_cmd:检查HKEY_LOCAL_MACHINE中的RunOnce键,查找设置密码永不过期的命令。wsb_detect_genuine:一种更通用的沙盒检测方法,但测试表明,Windows在虚拟机中似乎未被验证为合法。
项目及技术应用场景
wsb-detect 适用于多种应用场景,特别是在以下领域中表现尤为突出:
- 恶意软件分析:安全研究人员可以使用
wsb-detect来检测恶意软件是否在沙盒环境中运行,从而判断其行为是否受到环境影响。 - 安全测试:开发者在进行安全测试时,可以通过
wsb-detect确保测试环境的真实性,避免因沙盒环境导致的测试结果偏差。 - 沙盒逃逸研究:研究人员可以通过
wsb-detect来验证沙盒逃逸技术的有效性,进一步提高沙盒环境的安全性。
项目特点
- 多重检测手段:
wsb-detect结合了多种检测手段,确保检测结果的准确性和可靠性。 - 开源易用:项目代码开源,用户可以根据需要进行修改和扩展,同时提供了简单的API接口,方便集成到其他项目中。
- 实时更新:项目鼓励用户提交Pull Request,不断完善和更新检测技术,确保能够应对最新的沙盒环境变化。
- 社区支持:项目作者活跃于Twitter和邮件列表,用户可以快速获取帮助和反馈。
结语
wsb-detect 是一个功能强大且易于使用的工具,特别适合安全研究人员和开发者使用。无论你是进行恶意软件分析、安全测试,还是研究沙盒逃逸技术,wsb-detect 都能为你提供有力的支持。赶快尝试一下吧!
项目地址: wsb-detect
作者: LloydLabs
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 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
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92