BloodHound域对象整型属性丢失问题分析与解决方案
2025-07-10 04:35:37作者:翟江哲Frasier
问题背景
在BloodHound 7.2.4版本中,安全研究人员发现了一个关键的数据处理问题。当使用SharpHound 2.6.2收集器获取域信息并导入BloodHound时,域对象(Domain)中的多个整型属性值会异常丢失。这些属性包括:
- 机器账户配额(machineaccountquota)
- 最小密码长度(minpwdlength)
- 密码历史记录长度(pwdhistorylength)
- 账户锁定阈值(lockoutthreshold)
- 密码属性(pwdproperties)
这些属性的丢失直接影响了BloodHound的核心功能,特别是"任何用户都可以将计算机加入域"的预置查询无法返回正确结果。
技术分析
问题根源
经过代码审查,发现问题出在数据转换函数stringToInt的实现逻辑上。该函数设计用于将字符串类型的属性值转换为整型,但在处理过程中存在以下缺陷:
- 类型检查不完整:函数仅处理了字符串和整型输入,未考虑其他数值类型
- 数据丢失机制:对于无法识别的类型,函数直接删除属性值而非保留原始数据
- 浮点数处理缺失:实际数据中存在float64类型的数值,但函数未做相应转换
影响范围
该缺陷导致以下严重后果:
- 安全评估不准确:关键安全指标无法正确显示
- 查询功能失效:依赖这些属性的预置查询返回空结果
- 数据完整性破坏:原始收集的有效信息在导入过程中被丢弃
解决方案
开发团队已经通过以下方式修复了该问题:
- 扩展类型支持:在
stringToInt函数中增加对float32和float64类型的处理 - 安全转换逻辑:确保数值转换过程中不会丢失有效数据
- 默认值处理:对于无法转换的值采用更合理的默认处理方式
版本更新
该修复已包含在BloodHound v7.3.0版本中,用户可通过升级到最新版本解决此问题。对于无法立即升级的用户,建议:
- 临时检查域对象的原始JSON数据获取相关信息
- 手动记录关键安全属性值
- 关注官方发布的补丁说明
总结
这个案例展示了数据转换过程中严格类型检查的重要性。在安全工具开发中,确保数据完整性对于正确的安全评估至关重要。BloodHound团队通过快速响应和修复,维护了工具在Active Directory安全分析中的可靠性。
对于安全研究人员,建议在工具使用过程中:
- 定期验证数据完整性
- 关注版本更新日志
- 对关键安全指标进行交叉验证
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
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
296
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
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++
66
96
暂无简介
Dart
633
143