Inject-Assembly 使用教程
1. 项目介绍
Inject-Assembly 是一个用于在现有进程中执行 .NET 程序集的工具。它提供了一种替代传统 fork-and-run 执行方式的方法,特别适用于 Cobalt Strike。该工具的核心功能是将 .NET 程序集注入到任何进程中,包括当前的 Beacon 进程。注入的程序集可以长时间运行,并将输出发送回 Beacon,类似于 execute-assembly 的行为。
Inject-Assembly 主要由两个组件构成:
- BOF 初始化器:负责将程序集加载器注入到远程进程中,并传递任何参数。它使用
BeaconInjectProcess进行注入,这意味着这种行为可以在 Malleable C2 配置文件中自定义,或者使用进程注入 BOFs(从版本 4.5 开始)。 - PIC 程序集加载器:项目的主要部分,负责初始化 .NET 运行时,加载提供的程序集并执行它。加载器会在目标进程中创建一个新的
AppDomain,以便在执行完成后完全卸载加载的程序集。
2. 项目快速启动
2.1 下载项目
首先,从 GitHub 仓库下载 Inject-Assembly 项目:
git clone https://github.com/kyleavery/inject-assembly.git
cd inject-assembly
2.2 加载 Aggressor 脚本
将 inject-assembly.cna Aggressor 脚本加载到 Cobalt Strike 中。你可以通过以下命令执行程序集:
inject-assembly pid assembly [args...]
其中:
pid是目标进程的 ID,指定0表示在当前 Beacon 进程中执行。assembly是要执行的 .NET 程序集。args是传递给程序集的参数。
2.3 示例代码
以下是一个简单的示例,展示如何在当前 Beacon 进程中执行一个 .NET 程序集:
inject-assembly 0 /path/to/your/assembly.exe arg1 arg2
3. 应用案例和最佳实践
3.1 调试辅助
Inject-Assembly 可以在不修改原始代码的情况下,在特定点添加断点,这对于调试非常有用。例如,你可以在关键代码路径中插入日志语句,以跟踪代码执行流程。
3.2 性能监控
通过动态插入日志语句,你可以监控代码的执行时间和资源消耗。这对于性能优化和瓶颈分析非常有帮助。
3.3 插件系统
Inject-Assembly 可以用于在已部署的应用程序中无侵入式地添加新功能。例如,你可以在现有应用程序中注入新的业务逻辑,而无需重新编译整个应用程序。
4. 典型生态项目
4.1 Donut
Donut 是一个用于生成位置无关代码(PIC)的工具,可以将 .NET 程序集转换为 shellcode。Inject-Assembly 可以与 Donut 结合使用,以实现更复杂的代码注入和执行。
4.2 ExecuteAssembly
ExecuteAssembly 是另一个用于在内存中执行 .NET 程序集的工具。它与 Inject-Assembly 类似,但提供了不同的实现方式和功能集。你可以根据具体需求选择合适的工具。
4.3 InlineExecute-Assembly
InlineExecute-Assembly 是一个用于在内存中执行 .NET 程序集的工具,它提供了更细粒度的控制和更高级的功能。你可以将它与 Inject-Assembly 结合使用,以实现更复杂的代码注入和执行。
通过这些生态项目的结合使用,你可以构建更强大和灵活的代码注入解决方案。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00