探索网络攻击路径:ANGRYPUPPY
2024-05-21 11:33:02作者:田桥桑Industrious
1、项目介绍
ANGRYPUPPY是一个用于Cobalt Strike中执行BloodHound攻击路径的工具。由Calvin Hedler和Vincent Yiu共同创作,其设计目标是帮助安全研究人员和红队操作人员更高效地利用BloodHound收集的信息执行高级的权限提升操作。
2、项目技术分析
ANGRYPUPPY依赖于Cobalt Strike框架和BloodHound数据收集系统。它能自动生成Cypher查询语句,这些语句可在BloodHound中揭示潜在的攻击路径。一旦确定了有效路径,你可以将数据导出为JSON文件,并让ANGRYPUPPY导入执行。工具支持多种横向移动方法,包括psexec、psexec_psh、wmi和winrm,并计划在未来加入DCOM。
在实际运行中,ANGRYPUPPY会解析BloodHound攻击路径,自动执行针对每个用户节点的Mimikatz任务以及每个计算机节点的横向移动任务,大大简化了复杂的攻击流程。
3、项目及技术应用场景
- 网络渗透测试:在合法的测试环境中,安全团队可以使用ANGRYPUPPY快速模拟黑客攻击,识别网络安全防护中的弱点。
- 教育与培训:在教学场景下,它提供了一个直观的方式,让学生理解并实践域内权限提升的过程。
- 安全研究:对于红队操作者来说,此工具可以帮助他们研究新的攻击策略和防御手段。
4、项目特点
- 自动化攻击逻辑:ANGRYPUPPY可自动解析并执行从BloodHound导出的攻击路径,减轻了手动操作的工作量。
- 跨平台支持:配备PowerShell和Linux/MacOS脚本以适应不同操作系统环境。
- 灵活的横向移动:支持多种横向移动方式,便于适应不同的网络环境。
- 易于使用:只需几步简单的操作,就能从BloodHound查询到的路径中启动自动化攻击。
为了更好地理解和应用这个强大的工具,请查看作者提供的视频教程,开始你的网络探索之旅吧!
视频:
ANGRYPUPPY - 开发过程:
https://youtu.be/yxQ8Q8itZao
立即安装ANGRYPUPPY,释放它的潜力,掌握网络空间的安全脉动!
登录后查看全文
热门项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108