LDAPmonitor 项目教程
1. 项目介绍
LDAPmonitor 是一个开源工具,用于实时监控 LDAP 对象的创建、删除和更改。该工具特别适用于渗透测试和系统管理,能够快速检测攻击是否成功以及目标对象的 LDAP 属性是否发生变化。LDAPmonitor 支持多种编程语言实现,包括 Python、CSharp 和 Powershell,并且提供了丰富的功能,如 LDAPS 支持、自定义查询延迟、日志记录等。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Python 3.x 和 pip。然后,克隆项目仓库并安装依赖:
git clone https://github.com/p0dalirius/LDAPmonitor.git
cd LDAPmonitor
pip install -r requirements.txt
2.2 配置文件
在项目根目录下创建一个配置文件 config.ini,并填写必要的配置项,例如 LDAP 服务器的地址、端口、用户名和密码等。
[LDAP]
server = ldap.example.com
port = 389
username = cn=admin,dc=example,dc=com
password = your_password
base_dn = dc=example,dc=com
2.3 启动监控
使用以下命令启动 LDAP 监控:
python ldapmonitor.py --config config.ini
3. 应用案例和最佳实践
3.1 实时检测账户锁定
在渗透测试中,实时检测账户锁定状态是非常重要的。使用 LDAPmonitor,你可以设置监控规则来检测账户锁定事件,并及时采取措施。
3.2 检查权限提升是否成功
通过监控 LDAP 对象的属性变化,你可以快速判断权限提升攻击是否成功。例如,使用 ntlmrelay 的 --escalate-user 选项后,LDAPmonitor 可以帮助你确认目标用户的权限是否已提升。
3.3 网络中毒检测
在网络中毒攻击中,用户登录事件是一个重要的检测点。LDAPmonitor 可以监控用户登录事件,帮助你了解何时开始网络中毒攻击。
4. 典型生态项目
4.1 ntlmrelayx
ntlmrelayx 是一个常用的工具,用于在渗透测试中进行 NTLM 中继攻击。结合 LDAPmonitor,你可以实时监控攻击效果,确保权限提升操作成功。
4.2 BloodHound
BloodHound 是一个用于分析 Active Directory 环境的工具,结合 LDAPmonitor,你可以实时监控 AD 对象的变化,帮助你更好地理解网络环境的安全状态。
4.3 Impacket
Impacket 是一个用于网络协议操作的 Python 库,广泛用于渗透测试。结合 LDAPmonitor,你可以实时监控 LDAP 服务的变化,帮助你更好地进行渗透测试。
通过以上步骤,你可以快速上手 LDAPmonitor,并结合其他工具进行更深入的渗透测试和系统管理。
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