标题:利用Meterpreter执行.NET程序:Execute assembly via Meterpreter session详解
标题:利用Meterpreter执行.NET程序:Execute assembly via Meterpreter session详解
项目介绍
Execute assembly via Meterpreter session 是一个定制的Metasploit后渗透模块,专为从Meterpreter会话中执行.NET程序设计。该项目针对的是64位Windows 10系统以及.NET 4.0框架,并兼容Metasploit Framework 5。它通过反射式DLL注入方法在目标进程中加载HostingCLRx64.dll,并在内存中运行.NET程序集,同时还提供了绕过AMSIScanner和事件跟踪日志(ETW)的功能。
项目技术分析
该模块首先创建或选择一个进程(可以通过PID参数指定),然后采用反射DLL注入技术将HostingCLRx64.dll插入到进程中。这个无管理的注入DLL负责检查目标进程是否已经加载了CLR,并在必要时进行加载。CLR版本的确定是通过对提供的程序集进行解析,寻找特定的签名。为了防止被AMSIScanner检测到,项目采用了AmsiScanBuffer补丁技术来规避安全检查。此外,如果开启ETWBYPASS选项,模块还会尝试绕过事件追踪日志,以提高隐蔽性。
应用场景
对于渗透测试人员和红队操作者来说,这个模块可以在渗透测试过程中非常方便地执行自定义的.NET代码,无需在目标机器上安装.NET框架。例如,你可以利用这个工具在已有的Meterpreter会话中执行各种攻击向量,如提权、信息收集、横向移动等。此外,由于其动态加载和执行的特性,还能避免在目标系统留下持久化痕迹。
项目特点
- 兼容性:支持Windows 10 64位操作系统和.NET 4.0框架。
- 灵活性:可以注入到已存在的进程,也可以创建新进程执行.NET程序集。
- 安全性:提供Amsi和Etw的绕过策略,降低被检测的可能性。
- 便利性:只需设置几个模块选项即可轻松执行.NET程序,无需复杂的配置。
- 控制性:可以选择在任务完成后杀掉注入的进程,以保持清洁的操作环境。
安装和使用都非常简单,只需要按照README中的步骤将模块文件复制到相应目录,然后在Metasploit会话中设置参数并执行即可。
如果你在渗透测试中需要执行.NET程序,或者想要探索更多高级的渗透技巧,Execute assembly via Meterpreter session无疑是一个值得尝试的开源项目。详细的技术分析和使用说明可以参考作者的博客文章:Execute assembly via Meterpreter session 和 Execute assembly via Meterpreter session - Part 2。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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