CrackMapExec 教程
2024-08-11 05:40:33作者:滕妙奇
1. 项目介绍
CrackMapExec 是一个由 Marcello Salvati(byt3bl33d3r)编写的渗透测试工具,主要针对Windows系统。该工具旨在自动化大规模活动目录网络的安全评估。它利用内置的Active Directory特性和协议,使其能在大多数终端防护解决方案中逃避检测。尽管主要用于红队操作,但CrackMapExec也能帮助安全研究人员进行漏洞评估和权限提升。
2. 项目快速启动
安装
对于 Mac OS X 用户,可以使用以下步骤安装 CrackMapExec 到虚拟Python环境中:
- 首先,确保已经安装了
Homebrew。 - 安装
pipenv:brew install pipenv - 创建并激活虚拟环境:
pipenv install --three && pipenv shell
使用示例
在激活的虚拟环境中,你可以运行 CrackMapExec 对目标进行扫描和凭证测试。以下是一个简单的命令示例:
crackmapexec <ip_range> -u <username> -p <password>
例如,扫描 192.168.0.0/24 网段上的主机,尝试以用户名 "admin" 和密码 "secret" 登录:
crackmapexec 192.168.0.0/24 -u admin -p secret
3. 应用案例和最佳实践
- 网络发现:使用
-enum选项进行基础的网络发现,比如枚举域控制器和活跃的主机。 - 凭据测试:配合
-d或-hashes参数,可以执行哈希传递或SAM文件提取。 - 命令执行:使用
-exec选项执行远程命令,或者-M启动特定模块(如mimikatz)。 - 框架集成:利用
-M framework_exec模块部署代理,进行高级的后渗透任务。
4. 典型生态项目
CrackMapExec 可以与其他渗透测试工具协同工作,例如:
- Metasploit:Metasploit Framework 提供了丰富的exploit和payload,可以与 CrackMapExec 结合使用。
- PowerShell框架:适用于在目标系统上建立持久化的代理。
- 自动化工具:集成框架的自动化测试工具,可用于扩大测试范围。
注意事项
这个项目已不再维护,可能存在的新版本或更新应查找其分支或相关叉项目。
本文档根据 CrackMapExec 在 GitHub 的官方资源编写,用于指导用户安装和使用。在实际操作时,需遵守当地法律法规,仅限合法的网络安全测试。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220