Aced 开源项目使用教程
2025-04-17 08:06:38作者:宗隆裙
1. 项目介绍
Aced 是一个开源工具,用于解析和解决单个目标 Active Directory 主要的 DACL( discretionary access control list)。Aced 能够识别针对目标账户的兴趣权限,解析权限的 SID,并将数据呈现给操作员。此外,Aced 集成了 pyldapsearch 的日志功能,可以本地记录目标主要 LDAP 属性,进而由 pyldapsearch 的配套工具 BOFHound 解析并将收集的数据输入到 BloodHound 中。
Aced 的设计理念是提供一个更加针对性的 ACL 查询方法。与 BloodHound 相比,Aced 不会收集所有信息,而是专注于收集单个数据点,从而给操作员提供更多对收集数据和方式的控制。Aced 通过只查询 LDAP 想要告诉你的信息,并且不执行所谓的“昂贵的 LDAP 查询”,从而降低了检测的可能性。
2. 项目快速启动
环境准备
在开始之前,确保你的环境中已经安装了以下依赖:
- Python 3.x
- pyldap
可以使用以下命令安装 pyldap:
pip install pyldap
克隆项目
从 GitHub 克隆 Aced 项目:
git clone https://github.com/garrettfoster13/aced.git
cd aced
运行示例
运行以下命令以查看帮助信息:
python3 aced.py -h
运行以下命令以针对特定目标执行 DACL 解析:
python3 aced.py target [[domain/username[:password]@]<address> [options]
以下是可选参数的示例:
python3 aced.py -ldaps -dc-ip 192.168.1.1 -k targetuser@domain.com
3. 应用案例和最佳实践
案例一:解析特定用户的 DACL
在渗透测试中,你可能需要对特定用户的权限进行深入分析。使用 Aced 可以轻松实现这一点:
python3 aced.py -ldaps -dc-ip 192.168.1.1 user@domain.com
最佳实践
- 使用 LDAPS 加密通信,确保数据传输安全。
- 在可能的情况下,使用 Kerberos 认证而非明文密码。
- 避免使用 SMB 连接解析 DC 主机名,以减少潜在的安全风险。
4. 典型生态项目
Aced 可以与以下开源项目协同工作,以增强其功能:
- BloodHound:用于收集和分析 Active Directory 的权限和信任关系。
- pyldapsearch:用于 LDAP 搜索和日志记录。
通过将这些工具结合使用,安全专家可以更有效地进行 Active Directory 的安全分析和渗透测试。
请注意,以上内容仅为示例,实际使用时请根据具体环境和需求进行调整。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
426
3.26 K
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++
689
335
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
265
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
266
326
🎉 (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
1.22 K
667
🔥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
65
19
openEuler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。
C
25
30