APT-Hunter 项目使用教程
2024-09-17 04:14:22作者:蔡丛锟
1. 项目目录结构及介绍
APT-Hunter 是一个用于 Windows 事件日志的威胁猎杀工具,其项目目录结构如下:
APT-Hunter/
├── APT-Hunter.py
├── APT-Hunter_old.py
├── Custom-Sigma-Convertor.sh
├── Get_Latest_Sigma_Rules.sh
├── LICENSE
├── O365_detection_rules.json
├── README.md
├── logo.png
├── requirements.txt
├── rules.json
├── windows-log-collector-full-v3-CSV.ps1
├── windows-log-collector-full-v3-EVTX.ps1
└── lib/
└── ...
目录结构说明:
- APT-Hunter.py: 主启动文件,用于执行威胁猎杀任务。
- APT-Hunter_old.py: 旧版本的启动文件,可能包含一些历史功能。
- Custom-Sigma-Convertor.sh: 自定义 Sigma 规则转换脚本。
- Get_Latest_Sigma_Rules.sh: 获取最新 Sigma 规则的脚本。
- LICENSE: 项目许可证文件。
- O365_detection_rules.json: Office 365 检测规则文件。
- README.md: 项目说明文档。
- logo.png: 项目图标。
- requirements.txt: 项目依赖库列表。
- rules.json: 检测规则文件。
- windows-log-collector-full-v3-CSV.ps1: 用于收集 CSV 格式日志的 PowerShell 脚本。
- windows-log-collector-full-v3-EVTX.ps1: 用于收集 EVTX 格式日志的 PowerShell 脚本。
- lib/: 包含项目所需的其他库文件。
2. 项目启动文件介绍
APT-Hunter.py
APT-Hunter.py 是 APT-Hunter 项目的主启动文件,用于执行威胁猎杀任务。该文件使用 Python 编写,主要功能包括:
- 解析 Windows 事件日志。
- 使用预定义的检测规则进行威胁检测。
- 生成检测结果报告。
启动命令
python3 APT-Hunter.py -h
该命令将显示帮助信息,包含所有可用的参数和选项。
3. 项目配置文件介绍
requirements.txt
requirements.txt 文件列出了 APT-Hunter 项目运行所需的 Python 依赖库。要安装这些依赖库,可以使用以下命令:
python3 -m pip install -r requirements.txt
rules.json
rules.json 文件包含了 APT-Hunter 使用的检测规则。这些规则用于识别 Windows 事件日志中的可疑活动。用户可以根据需要自定义或更新这些规则。
windows-log-collector-full-v3-CSV.ps1 和 windows-log-collector-full-v3-EVTX.ps1
这两个 PowerShell 脚本用于收集 Windows 事件日志。windows-log-collector-full-v3-CSV.ps1 用于收集 CSV 格式的日志,windows-log-collector-full-v3-EVTX.ps1 用于收集 EVTX 格式的日志。
使用方法
以管理员身份运行 PowerShell 脚本:
.\windows-log-collector-full-v3-CSV.ps1
或
.\windows-log-collector-full-v3-EVTX.ps1
收集到的日志文件将用于 APT-Hunter 的分析。
总结
APT-Hunter 是一个强大的威胁猎杀工具,适用于 Windows 事件日志的分析。通过本教程,您可以了解项目的目录结构、启动文件和配置文件的使用方法,从而更好地利用 APT-Hunter 进行威胁检测。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
805
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
211
昇腾LLM分布式训练框架
Python
120
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781