RedSnarf 使用教程
2024-09-15 19:10:00作者:蔡丛锟
1. 项目介绍
RedSnarf 是一款由 Ed Williams 开发的渗透测试和红队工具,专门用于从 Windows 工作站、服务器和域控制器中检索哈希和凭据。RedSnarf 通过 OpSec 安全技术,确保在渗透测试过程中不会在目标主机上留下任何证据,也不会对主机造成不必要的损害。
RedSnarf 的主要功能包括:
- 检索本地 SAM 哈希
- 枚举具有提升系统权限的用户及其相应的 lsa 密码
- 检索 MS 缓存凭据
- 通过哈希传递(Pass-the-hash)
- 快速识别弱口令和可猜测的用户名组合
- 跨区域检索哈希
- 哈希喷洒
- Lsass 转储以用于 Mimikatz 的离线分析
- 使用 NTDSUtil 转储域控制器哈希并检索 NTDS.dit 进行本地解析
- 从域控制器检索脚本和策略文件夹并解析其中的“密码”和“管理员”
- 解密 cpassword 哈希
- 在远程机器上启动 shell
- 清除事件日志
- 在远程机器上启用/禁用 RDP
- 将 RDP 端口从 3389 更改为 443
- 在远程机器上启用/禁用 NLA
- 查找用户在远程机器上登录的位置
- Windows 登录界面后门
- 在远程机器上启用/禁用 UAC
- 隐藏 Mimikatz
- 解析域哈希
- 确定哪些帐户被启用/禁用
- 抓取远程登录的活动用户桌面屏幕截图
- 记录远程登录活动用户桌面
- 解密 Windows 密码
- 解密 WinSCP 密码
- 获取用户的 SPN
- 从远程机器检索 WIFI 密码
2. 项目快速启动
2.1 安装依赖
RedSnarf 依赖于以下工具和库:
- Impacket v0.9.16-dev
- CredDump7
- Netaddr
- Termcolor
- iconv
可以通过以下命令安装这些依赖:
git clone https://github.com/CoreSecurity/impacket.git
cd impacket
python setup.py install
git clone https://github.com/Neohapsis/creddump7.git
cd creddump7
python setup.py install
pip install netaddr
pip install termcolor
2.2 下载和安装 RedSnarf
git clone https://github.com/nccgroup/redsnarf.git
cd redsnarf
2.3 使用示例
2.3.1 检索本地哈希
./redsnarf.py -H ip=10.0.0.50 -u administrator -p Password01
2.3.2 跨网络范围检索哈希
./redsnarf.py -H range=10.0.0.1/24 -u administrator -p Password01 -d yourdomain.com
2.3.3 哈希喷洒
./redsnarf.py -H range=10.0.0.1/24 -hS credsfile -d yourdomain.com
3. 应用案例和最佳实践
3.1 企业内部渗透测试
RedSnarf 可以用于企业内部的渗透测试,帮助安全团队识别和修复潜在的安全漏洞。通过检索和分析哈希和凭据,可以发现弱口令和配置错误,从而提高整体安全性。
3.2 红队演练
在红队演练中,RedSnarf 可以模拟真实的攻击场景,帮助组织评估其防御措施的有效性。通过使用 RedSnarf 进行哈希传递和凭据检索,红队可以测试组织的响应能力和事件处理流程。
3.3 事件响应
在事件响应过程中,RedSnarf 可以帮助安全团队快速收集和分析证据。通过检索和解析哈希和凭据,可以确定攻击者的活动范围和影响,从而制定有效的应对策略。
4. 典型生态项目
4.1 Impacket
Impacket 是一个用于网络协议操作的 Python 库,广泛用于渗透测试和安全研究。RedSnarf 依赖于 Impacket 进行网络通信和协议操作。
4.2 Mimikatz
Mimikatz 是一个用于检索和操作 Windows 凭据的工具。RedSnarf 可以与 Mimikatz 结合使用,进行 Lsass 转储和离线分析。
4.3 CredDump7
CredDump7 是一个用于从 Windows 系统中提取凭据的工具。RedSnarf 使用 CredDump7 进行哈希和凭据的解析和提取。
通过结合这些工具,RedSnarf 可以提供全面的渗透测试和红队功能,帮助组织提升其安全防御能力。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 PANTONE潘通AI色板库:设计师必备的色彩管理利器 移动端HTML医疗影像DICOM在线浏览解决方案:零足迹医疗图像查看器 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
207
220
暂无简介
Dart
646
149
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++
653
287
React Native鸿蒙化仓库
JavaScript
250
318
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
215
仓颉编程语言运行时与标准库。
Cangjie
134
873