NetExec中ASREP-Roasting功能DNS解析问题分析与修复
问题背景
在NetExec工具的使用过程中,安全研究人员发现当尝试使用ASREP-Roasting功能时,系统会抛出DNS解析错误。这一功能本应用于从Active Directory环境中提取使用Kerberos预认证的账户哈希,但在执行过程中却出现了连接问题。
错误现象
当用户执行以下命令时:
nxc ldap 10.3.10.11 -u jeor.mormont -p '_L0ngCl@w_' --asreproast asreproast.out
系统会返回一个详细的错误堆栈,核心错误信息为:
[Errno Connection error (NORTH.SEVENKINGDOMS.LOCAL:88)] [Errno -2] Name or service not known
这表明工具在尝试解析域名NORTH.SEVENKINGDOMS.LOCAL时失败了。
根本原因分析
经过深入调查,发现问题出在Kerberos认证流程中的DNS解析环节。NetExec在默认情况下会尝试使用目标域的FQDN(完全限定域名)来连接KDC(密钥分发中心)服务,端口为88。然而,在很多渗透测试环境中,特别是隔离的测试环境中,DNS解析可能不可用或配置不正确。
技术细节
Kerberos认证流程中,客户端需要与KDC服务通信以获取票据。在Windows域环境中,KDC服务通常运行在域控制器上。NetExec在实现ASREP-Roasting功能时,默认会使用域名而非IP地址来定位KDC服务,这就导致了DNS解析失败的问题。
解决方案
经过分析,开发团队提出了一个简单而有效的修复方案:当用户没有显式指定kdcHost参数时,自动使用目标主机的IP地址作为KDC主机地址。这一修改确保了在没有DNS解析的环境下,工具仍能正常工作。
具体代码修改是在ldap.py文件中增加了以下逻辑:
if not self.kdcHost:
self.kdcHost = self.host
临时解决方案
在官方修复发布前,用户可以通过以下两种方式临时解决问题:
- 使用--kdcHost参数显式指定KDC服务的IP地址:
nxc ldap 10.3.10.11 -u jeor.mormont -p '_L0ngCl@w_' --asreproast asreproast.out --kdcHost 10.3.10.11
- 在本地hosts文件中添加目标域名的解析记录
修复效果
这一修复确保了NetExec在各种网络环境下都能可靠地执行ASREP-Roasting攻击,特别是在以下场景中表现突出:
- 隔离的测试环境
- DNS基础设施不完善的网络
- 快速部署的渗透测试环境
安全实践建议
在使用ASREP-Roasting功能时,安全研究人员还应注意以下几点:
- 确保有合法的授权进行此类测试
- 测试前确认目标网络允许Kerberos相关流量的通过
- 对于大型域环境,考虑使用更精确的过滤条件以减少网络流量和避免触发安全警报
- 测试完成后及时清理生成的哈希文件
这一修复不仅解决了DNS解析问题,还提高了工具在复杂网络环境中的适应能力,为安全研究人员提供了更可靠的技术手段。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00