首页
/ NTDissector 使用教程

NTDissector 使用教程

2025-04-17 20:47:11作者:郦嵘贵Just

1. 项目介绍

NTDissector 是一个用于解析 NTDS 数据库记录的工具。该工具可以将记录以 JSON 格式导出,并允许用户通过对象类进行过滤。如果提供了 SYSTEM 分区或十六进制格式的正确引导密钥,工具将去除右侧列的加密层。NTDissector 对于分析和提取来自活动目录的敏感信息非常有用。

2. 项目快速启动

首先,确保已经安装了 Python 3 环境和必要的依赖项。以下是快速启动 NTDissector 的步骤:

# 克隆项目
git clone https://github.com/synacktiv/ntdissector.git

# 进入项目目录
cd ntdissector

# 安装依赖
pip3 install -r requirements.txt

# 运行工具
python3 ntdissector.py -h

上面的命令将安装项目所需的依赖,并显示帮助信息。

3. 应用案例和最佳实践

3.1 基础使用

导出用户、组和域备份密钥:

ntdissector -ntds NTDS.dit -system SYSTEM -outputdir /tmp/ntdissector/ -ts -f user,group,secret

3.2 导出所有记录

ntdissector -ntds NTDS.dit -system SYSTEM -outputdir /tmp/ntdissector/ -ts -f all

3.3 包含删除记录的导出

ntdissector -ntds NTDS.dit -system SYSTEM -outputdir /tmp/ntdissector/ -ts -f user -keepDel

3.4 列出可过滤的对象类

ntdissector -ntds NTDS.dit -filters

4. 典型生态项目

目前没有明确指出与 NTDissector 相关的典型生态项目。不过,任何涉及活动目录安全和分析的项目都可能成为 NTDissector 的生态伙伴。例如,用于自动化渗透测试的框架或用于分析网络流量的工具都可能利用 NTDissector 的输出。

确保在实际使用中遵守所有适用的法律和道德规范。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
ops-mathops-math
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++
507
43
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (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
940
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
336
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70