lsassy 项目使用教程
1. 项目介绍
lsassy 是一个用于远程提取 Windows 系统中 LSASS (Local Security Authority Subsystem Service) 进程凭据的 Python 工具。LSASS 进程存储了操作系统中的安全信息,包括用户登录凭据。通过远程提取 LSASS 进程的凭据,攻击者可以获取目标系统的用户密码哈希,进而进行进一步的攻击。
lsassy 项目的主要特点包括:
- 支持多种远程 LSASS 转储方法。
- 使用 Impacket 项目进行远程读取。
- 使用 pypykatz 解析 LSASS 转储文件。
- 支持多种认证方式,包括明文凭据、Pass-the-Hash 和 Kerberos。
2. 项目快速启动
安装
推荐使用 pip 进行安装:
python3 -m pip install lsassy
或者从源码安装:
git clone https://github.com/Hackndo/lsassy.git
cd lsassy
python3 setup.py install
基本使用
以下是一个基本的使用示例,使用明文凭据远程提取 LSASS 凭据:
lsassy -d domain -u username -p password targets
其中:
-d domain:指定域名。-u username:指定用户名。-p password:指定密码。targets:指定目标主机或主机列表。
高级使用
lsassy 支持多种 LSASS 转储方法,可以通过 -m 或 --method 参数指定。例如,使用 procdump 方法:
lsassy -d domain -u username -p password targets -m procdump -O procdump_path=/opt/Sysinternals/procdump.exe
3. 应用案例和最佳实践
案例1:企业内网渗透测试
在企业内网渗透测试中,攻击者通常需要获取域内用户的凭据。使用 lsassy 可以远程提取目标主机的 LSASS 凭据,进而获取用户的密码哈希,进行 Pass-the-Hash 攻击或其他进一步的攻击。
案例2:红队演练
在红队演练中,红队成员需要模拟真实的攻击行为。使用 lsassy 可以模拟攻击者远程提取 LSASS 凭据的行为,帮助企业发现和修复安全漏洞。
最佳实践
- 权限控制:确保只有授权用户才能使用 lsassy 工具。
- 日志监控:监控系统日志,及时发现和响应异常的 LSASS 转储行为。
- 安全配置:配置系统以减少 LSASS 转储的风险,例如启用 PPL (Protected Process Light)。
4. 典型生态项目
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。lsassy 使用 Impacket 进行远程读取和操作。
pypykatz
pypykatz 是一个用于解析 Windows 凭据的 Python 工具,支持解析 LSASS 转储文件。lsassy 使用 pypykatz 解析远程提取的 LSASS 转储文件。
CrackMapExec
CrackMapExec 是一个用于渗透测试的工具,支持多种攻击方法。lsassy 可以作为 CrackMapExec 的一个模块,集成到 CrackMapExec 中使用。
通过这些生态项目的配合,lsassy 可以更加灵活和强大地应用于各种渗透测试和安全研究场景。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00