探索隐蔽的权力:PowerLurk 动态权限管理工具
1、项目介绍
在网络安全测试和红队行动中,PowerLurk 是一个强大的 PowerShell 工具集,专门用于构建恶意 WMI(Windows Management Instrumentation)事件订阅。它简化了在渗透测试或安全评估中利用 WMI 事件的过程。通过 PowerLurk,你可以轻松监控系统活动并执行预定义的命令,从而达到隐蔽而持久的效果。
2、项目技术分析
PowerLurk 提供了两个主要的命令行接口(CLI)工具:
-
Get-WmiEvent:这个工具能查询所有活跃的
__FilterToConsumerBinding
实例及相关__EventFilter
和__EventConsumer
实例。用户可以根据事件名称过滤结果,并直接通过管道删除不需要的 WMI 事件对象。 -
Register-MaliciousWmiEvent:这是 PowerLurk 的核心组件。它可以创建完整的永久性 WMI 事件订阅,只需要指定触发器(如进程启动)、动作(命令、脚本或脚本块)。提供了一系列预配置的 WMI 事件触发器,以及三种消费者类型:
PermanentCommand
、PermanentScript
和LocalScriptBlock
。
此外,还有一个额外的实用工具 Add-KeeThiefLurker
,用于在目标运行 KeePass 过程后四分钟内悄无声息地执行 KeeThief 工具,以窃取密码数据库信息。
3、项目及技术应用场景
-
安全评估:在合法的安全评估中,可以使用 PowerLurk 监控系统事件,例如当特定应用程序启动时,记录用户的操作,以便了解攻击面。
-
红队操作:在红队操作中,可利用 PowerLurk 创建隐秘的 WMI 事件来监视和执行命令,提高持久性和隐蔽性。
-
应急响应:在清理恶意活动时,使用
Get-WmiEvent
和Remove-WmiObject
可快速识别并移除可疑的 WMI 事件订阅。
4、项目特点
-
易用性:通过简单的 PowerShell 命令即可导入模块并创建事件订阅,无需深入了解复杂的 WMI 架构。
-
灵活性:支持多种触发器和消费者类型,能满足不同场景的需求。
-
隐蔽性:利用内置的逻辑和存储选项(如自定义 WMI 类或注册表),确保活动难以被检测到。
-
定制化:允许用户自定义事件名称、触发条件、输出存储路径等,实现高度的定制化行为。
要了解更多关于 PowerLurk 的细节和实际应用,可以访问作者的博客文章《利用 WMI 事件跟踪用户:PowerLurk 简介》。
在你的红队工具箱中添加 PowerLurk,提升你的渗透测试或安全评估游戏水平。但请注意,务必遵守法律和道德规范,在合法授权范围内使用这些工具。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









