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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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