XRulez 使用教程
1. 项目介绍
XRulez 是一个命令行工具,用于在受感染的 Windows 主机上为 Outlook 创建恶意规则。Outlook 规则可以被用来在 Windows 主机上实现持久化,通过创建一个规则,当目标收到一个主题中包含特定关键词的邮件时,执行恶意负载。攻击者可以通过简单地发送邮件来随时在目标上投放shell。
XRulez 由 MWR InfoSecurity 维护,并且是开源软件。它通过命令行实现之前只能通过 Outlook 图形界面完成的技术。
2. 项目快速启动
准备工作
在开始之前,确保满足以下条件:
- 目标机器已经被攻陷。
- 目标有一个与 Exchange 服务器的认证会话。
- 目标可以访问一个文件共享,你可以向其中写入。
- 你可以发送邮件到目标的 Exchange 账户。
步骤
- 将 XRulez.exe 上传到目标机器。
- 运行以下命令,列出系统上安装的 MAPI 配置文件:
XRulez.exe -l - 使用以下命令添加新规则,包括必要的参数:
XRulez.exe -a [--profile PROFILE] [--name NAME] [--trigger TRIGGER] [--payload PAYLOAD] - 发送一封包含之前设置的关键词的邮件到目标的 Exchange 账户。
- 等待 shell。
添加规则时,XRulez 需要四个必需参数:
- 配置文件名:Outlook MAPI 配置文件,可以使用
-l参数找到安装的配置文件。 - 规则名称:规则描述,例如“垃圾邮件过滤器”。
- 规则触发器:将在所有 incoming 消息的主题字段中搜索的关键词。
- 负载路径:当条件满足时将执行的应用程序的路径。
XRulez 会扫描 %APPDATA%\Microsoft\Outlook\ 目录下的 .xml 文件,这些文件代表 Outlook 配置文件。它还提供了最后修改时间和基于修改时间的配置文件选择建议。但是,只有当 Outlook 关闭时,.xml 文件才会更新。如果用户刚刚切换账户,这可能会导致混淆。大多数用户只有一个默认配置文件,名为“Outlook”。
规则创建后,可以从目标系统中移除 XRulez,它就不再需要了。
负载应用程序可以是任何正常由 ShellExec 打开的应用程序,包括 .exe、.bat、.vbs。它不包括 .ps1 文件,因为默认情况下它们会在默认文本编辑器中打开。
由于 MAPI 是体系结构依赖的,因此对于 32 位 / 64 位系统将需要不同的版本。确保在使用 XRulez.exe 之前使用正确的版本。如果使用错误,用户将看到一个弹出框,显示“MAPI 无法找到 Outlook 客户端”。
3. 应用案例和最佳实践
- 持久性攻击:通过创建一个规则,当目标收到包含特定关键词的邮件时,自动执行一个 payload,从而在目标机器上实现持久化访问。
- 隐蔽通信:利用 Outlook 的邮件系统进行隐蔽通信,通过邮件发送命令或接收数据。
4. 典型生态项目
目前没有列出与 XRulez 直接相关的生态项目。但是,任何涉及 Windows 系统安全和 Outlook 邮件处理的工具和项目都可以视为 XRulez 的潜在生态项目。例如,涉及邮件监控、分析或安全的项目可能与 XRulez 有互补作用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00