探索未知:利用Windows感知模拟服务实现横向移动的BOF项目
项目介绍
在网络安全领域,我们常常面临创新与挑战的交锋。今天,让我们聚焦一个名为"BOF - Lateral movement technique by abusing Windows Perception Simulation Service to achieve DLL hijacking"的开源项目——ServiceMove。由安全研究员Chris Au (@netero_1010) 创建,这个Proof-of-Concept(PoC)代码揭示了一种巧妙的横向移动技术,它通过利用Windows感知模拟服务来实现DLL劫持,从而达到在远程系统中以"NT AUTHORITY\SYSTEM"权限执行代码的效果。
项目技术分析
ServiceMove的核心在于非存在性DLL文件hid.dll。每次"Windows感知模拟服务"启动时,都会尝试加载该文件。测试者只需将一个特制的DLL放入"C:\Windows\System32\PerceptionSimulation"目录,并远程启动服务,即可实现代码执行。这种方法不易被发现,因为它不涉及一般横向移动技术常见的指标,如创建或修改服务、设置计划任务等,仅仅是向远程系统投放文件和启动服务。
应用场景
此技术适用于需要低调且高效横向移动的情景,例如在安全测试或红队操作中。它可以作为一个规避常规检测手段的有效工具,特别是在高度警戒的目标环境中。
项目特点
- 不易被发现:由于没有典型的IOCs(Indicator of Compromise),使得这项技术较难被传统的安全监控系统察觉。
- 效率:仅需部署一个文件并远程启动服务,就能触发系统级别的代码执行。
- 灵活性:提供多种命令行选项,包括普通模式、强制模式(即使服务正在运行也能重启)以及清理模式(停止服务并删除DLL文件)。
- 局限性:仅兼容Windows 10 1809及以上版本。
编译与使用
要编译项目,只需运行make命令。对于hid.dll所需的导出函数,可参考exports_function_hid.txt。项目提供的演示GIF清晰地展示了整个过程的工作原理。
如果你对低调而高效的横向移动技术感兴趣,或者想深入研究Windows系统的安全特性,那么ServiceMove绝对值得你一试。别忘了,任何这样的工具都应谨慎使用,并遵守合法的网络活动准则。
[查看原文链接]
安全之路永无止境,探索与学习是我们不断前行的动力。勇敢地打开新世界的大门,但请始终牢记责任与道德。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00