ADRecon 项目使用教程
1. 项目介绍
ADRecon 是一个用于收集和分析 Active Directory 信息的工具。它能够从 Active Directory 环境中提取和组合各种信息,并生成一个详细的报告,帮助安全专业人员、审计员、管理员等了解当前 AD 环境的状态。ADRecon 支持从任何连接到 AD 环境的工作站上运行,甚至可以从非域成员的主机上运行。此外,它还可以在非特权(即标准域用户)账户的上下文中执行。
2. 项目快速启动
2.1 环境准备
在开始使用 ADRecon 之前,请确保您的系统满足以下要求:
- .NET Framework 3.0 或更高版本
- PowerShell 2.0 或更高版本
- 可选:Microsoft Excel(用于生成报告)
- 可选:远程服务器管理工具(RSAT)
2.2 安装 ADRecon
您可以通过以下两种方式安装 ADRecon:
2.2.1 使用 Git 克隆仓库
git clone https://github.com/sense-of-security/ADRecon.git
2.2.2 下载 ZIP 文件
您也可以直接从 GitHub 页面下载最新的 ZIP 文件并解压。
2.3 运行 ADRecon
以下是一些常见的运行示例:
2.3.1 在域成员主机上运行
PS C:\> .\ADRecon.ps1
2.3.2 在域成员主机上以不同用户身份运行
PS C:\> .\ADRecon.ps1 -DomainController <IP or FQDN> -Credential <domain\username>
2.3.3 在非成员主机上使用 LDAP 运行
PS C:\> .\ADRecon.ps1 -Protocol LDAP -DomainController <IP or FQDN> -Credential <domain\username>
2.3.4 在非成员主机上使用 RSAT 运行特定模块
PS C:\> .\ADRecon.ps1 -Protocol ADWS -DomainController <IP or FQDN> -Credential <domain\username> -Collect Domain,DomainControllers
2.4 生成报告
运行 ADRecon 后,会生成一个包含 CSV 文件的输出文件夹。您可以使用以下命令生成 Excel 报告:
PS C:\> .\ADRecon.ps1 -GenExcel C:\ADRecon-Report-<timestamp>
3. 应用案例和最佳实践
3.1 安全审计
ADRecon 可以帮助安全审计员收集和分析 Active Directory 中的各种信息,包括用户、组、OU、GPO 等。通过生成的报告,审计员可以快速识别潜在的安全风险和配置问题。
3.2 事件响应
在事件响应过程中,ADRecon 可以用于快速收集受影响系统的信息,帮助分析人员了解攻击者的活动范围和影响。
3.3 渗透测试
ADRecon 可以作为渗透测试工具的一部分,帮助渗透测试人员收集目标 AD 环境的信息,为后续的攻击提供数据支持。
4. 典型生态项目
4.1 BloodHound
BloodHound 是一个用于可视化和分析 Active Directory 环境的工具。它可以与 ADRecon 结合使用,通过导入 ADRecon 生成的数据,帮助用户更好地理解 AD 环境中的权限关系和潜在风险。
4.2 PingCastle
PingCastle 是一个用于评估 Active Directory 安全性的工具。它可以帮助用户识别 AD 环境中的常见配置问题和安全漏洞。ADRecon 可以与 PingCastle 结合使用,提供更全面的安全评估。
4.3 LAPS (Local Administrator Password Solution)
LAPS 是微软提供的一个解决方案,用于管理本地管理员密码。ADRecon 可以收集 LAPS 密码信息,帮助管理员了解 LAPS 的配置和使用情况。
通过结合这些工具,用户可以更全面地了解和管理 Active Directory 环境的安全性。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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