首页
/ ShadowCoerce 项目使用教程

ShadowCoerce 项目使用教程

2024-09-27 15:00:35作者:虞亚竹Luna

1. 项目的目录结构及介绍

ShadowCoerce 项目的目录结构如下:

ShadowCoerce/
├── assets/
├── .gitignore
├── LICENSE
├── README.md
└── shadowcoerce.py

目录结构介绍:

  • assets/: 存放项目相关的资源文件,如图片、文档等。
  • .gitignore: Git 忽略文件,用于指定哪些文件或目录不需要被 Git 跟踪。
  • LICENSE: 项目的开源许可证文件,本项目使用 GPL-3.0 许可证。
  • README.md: 项目的说明文档,包含项目的介绍、使用方法等信息。
  • shadowcoerce.py: 项目的启动文件,包含了 MS-FSRVP 强制认证的 PoC 实现。

2. 项目的启动文件介绍

项目的启动文件是 shadowcoerce.py,该文件是 MS-FSRVP 强制认证的 PoC(概念验证)实现。

主要功能:

  • 通过 MS-FSRVP 协议强制目标服务器进行认证。
  • 需要指定域名、用户名和密码来执行强制认证。

使用方法:

python shadowcoerce.py -d "domain" -u "user" -p "password" LISTENER TARGET

注意事项:

  • 在某些情况下,可能需要尝试两次才能成功,特别是在 FssAgent 长时间未被请求的情况下。

3. 项目的配置文件介绍

ShadowCoerce 项目没有独立的配置文件,所有的配置参数都通过命令行参数传递。

命令行参数说明:

  • -d "domain": 指定目标域名。
  • -u "user": 指定用于认证的用户名。
  • -p "password": 指定用于认证的密码。
  • LISTENER TARGET: 指定监听器和目标服务器。

示例:

python shadowcoerce.py -d "example.com" -u "admin" -p "password123" LISTENER TARGET

以上命令将尝试使用 admin 用户和 password123 密码在 example.com 域中进行强制认证。


通过以上教程,您应该能够了解 ShadowCoerce 项目的目录结构、启动文件的使用方法以及如何通过命令行参数进行配置。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
220
2.24 K
flutter_flutterflutter_flutter
暂无简介
Dart
523
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
210
285
nop-entropynop-entropy
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
9
1
RuoYi-Vue3RuoYi-Vue3
🎉 (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
982
581
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
565
89
openHiTLSopenHiTLS
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!
C
1.02 K
399
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
37
0