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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00