BloodHound.py与BloodHound CE数据兼容性问题解析
2025-07-04 11:34:07作者:俞予舒Fleming
问题背景
在使用BloodHound.py工具收集Active Directory数据并导入BloodHound CE版本时,用户可能会遇到数据无法正常显示的问题。这个问题主要源于两个工具之间JSON数据格式的兼容性问题。
技术分析
数据格式差异
问题的核心在于BloodHound.py生成的JSON文件中,信任关系(Trust)字段的格式与BloodHound CE期望的格式不匹配。具体表现为:
- BloodHound.py输出格式:
{
"TargetDomainName": "example.com",
"TrustDirection": 2,
"TrustType": 2
}
- BloodHound CE期望格式:
{
"TargetDomainName": "example.com",
"TrustDirection": "Outbound",
"TrustType": "Forest"
}
错误原因
BloodHound CE的后端服务使用Go语言编写,在处理JSON数据时,期望TrustDirection和TrustType字段为字符串类型,而BloodHound.py生成的JSON中这些字段是数字类型。这种类型不匹配导致了数据解析失败。
解决方案
临时解决方案
对于急需使用的情况,可以采用以下方法:
-
手动修改生成的JSON文件,将数字值转换为对应的字符串值:
- TrustDirection:
- 1 → "Inbound"
- 2 → "Outbound"
- 3 → "Bidirectional"
- TrustType:
- 1 → "ParentChild"
- 2 → "Forest"
- 3 → "External"
- TrustDirection:
-
使用修复分支版本的BloodHound.py:
git clone -b bloodhound-ce_fix#157 https://github.com/ipfyx/BloodHound.py.git
长期解决方案
BloodHound.py项目已经合并了修复此问题的PR,用户应更新到最新版本(v1.7.2及以上)以避免此问题。
技术建议
-
版本兼容性检查:在使用任何安全工具时,应确保收集器和分析器的版本兼容性。
-
日志分析:当遇到数据导入问题时,应仔细查看BloodHound CE的容器日志,其中通常会包含详细的错误信息。
-
数据验证:在导入前,可以先用JSON验证工具检查生成的文件是否符合预期格式。
总结
BloodHound工具链在Active Directory安全分析中发挥着重要作用,但不同组件间的数据格式兼容性问题可能会影响使用体验。理解这些格式差异并采取适当的解决措施,可以确保安全评估工作的顺利进行。随着项目的持续更新,这类兼容性问题将逐渐减少,但保持工具的最新版本始终是最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660