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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
404
暂无简介
Dart
771
191
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355