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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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