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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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