探索PELoader:高级的壳代码注入和加密PE加载工具
项目介绍
PELoader是一个创新的开源项目,它实现了多种壳代码注入技术,并利用hasherezade的libpeconv库来加载加密的PE文件,而不是将shellcode注入远程线程。这个项目的目的是提供更加隐蔽和安全的进程注入方式,以应对现代防御系统。
项目技术分析
PELoader包含以下几种先进的注入技术:
- 模块替换(LoadLibrary)
- 模块替换(NtMapViewOfSection)
- 事务空洞化(Transacted Hollowing)
- 幽灵空洞化(Ghostly Hollowing)
- NtMapViewOfSection(RWX-RW-RX)
- NtAllocateVirtualMemory(RW-RX)
每种技术都有其独特的优点和适应场景,例如,通过NtMapViewOfSection加载的payload会被映射为MEM_IMAGE,看起来像合法的EXE或DLL,且不会连接到模块列表,增加了隐蔽性。而Ghostly Hollowing则避免了"System Idle Process"的Image Path IOC,提高了逃避检测的能力。
应用场景和技术优势
这些技术广泛适用于渗透测试、逆向工程、软件调试以及安全研究等领域。它们可以用于在目标进程中隐蔽执行代码,绕过一些传统的防病毒软件和端点保护解决方案。在测试中,PELoader已经在Windows 10上成功地对抗了Cortex XDR、SentinelOne、Windows Defender和CrowdStrike等防御产品。
项目特点
- 安全性:通过各种复杂的内存注入技术,PELoader能够降低被安全防护软件检测到的风险。
- 灵活性:支持加载加密PE文件,提供AES加密功能,增强了代码的安全性。
- 易用性:简单的命令行接口,通过设置环境变量即可执行操作。
- 兼容性:已在Windows 10环境下进行充分的测试,并与多个流行的安全产品进行了交互。
使用示例
要使用PELoader,你可以先使用pe_to_shellcode将PE文件转换成加密的shellcode,然后设置“hagrid”环境变量来执行PELoader。例如,对一个加密的shellcode执行经典DLL空洞化:
cmd> set hagrid=cdll mimikatz.shc.exe.enc
cmd> .\PELoader.exe version
在执行上述命令后,你可以在目标进程中看到mimikatz的输出,证明payload已成功执行。
进一步学习与改进
PELoader的设计者和贡献者已经分享了一些深入的技术文章,包括关于内存扫描对抗策略的文章,以及如何将其应用到远程进程注入中的讨论。这些都是进一步学习和提升技能的好资源。
总的来说,PELoader是一个强大且灵活的工具,对于任何关注进程注入和反取证技术的人来说,都是一个不可多得的学习和实践平台。如果你是开发者、安全研究人员或者喜欢探索操作系统底层机制的人,那么PELoader绝对值得你一试。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00