DojoLoader 使用教程
2025-04-17 02:40:54作者:殷蕙予
1. 项目介绍
DojoLoader 是一个通用的 PE(可执行文件)加载器,最初是为了原型化睡眠混淆技术而创建的,目的是减少与 Cobalt Strike UDRL 无关的原始 Beacon 有效负载的调试时间。DojoLoader 从 ORCA000 的 DynamicDllLoader 项目中借鉴了 MemoryModule 实现,并在此基础上增加了模块化和以下功能:
- 从 HTTP 或文件下载并执行(XOR 加密)的 shellcode
- 动态 IAT(导入地址表)钩子,用于 Sleep 函数
- 三种不同的 Sleep 混淆技术:RW->RX、MemoryBouncing、MemoryHopping
2. 项目快速启动
安装
首先,你需要从 GitHub 仓库克隆 DojoLoader 项目:
git clone https://github.com/naksyn/DojoLoader.git
使用
以下是一个基本的命令行示例,用于使用 DojoLoader:
Usage: -d <url> | -f <file> [-k <key>] [-s <function>] [-beacon]
-d <url>:从指定的 URL 加载 PE-f <file>:从指定的文件加载 PE-k <key>:用指定的密钥 XOR 加密有效负载-s <function>:选择睡眠混淆技术(1 或 membounce 代表 MemoryBouncing,2 或 memhop 代表 Memory Hopping,3 或 RWRX 代表经典 RW->RX)-beacon:使用 Cobalt Strike UDRL-les Beacon 有效负载执行方法
例如,要从文件加载并使用 MemoryBouncing 技术混淆 Sleep 函数,你可以运行:
DojoLoader.exe -f path_to_your_payload.bin -s 1 -beacon
3. 应用案例和最佳实践
应用案例
DojoLoader 可以用于红队行动中,通过混淆 Sleep 函数来规避 EDR(Endpoint Detection and Response)系统的检测。例如,在渗透测试中,可以使用 DojoLoader 来加载并执行混淆后的 Cobalt Strike Beacon 有效负载。
最佳实践
- 使用 XOR 加密来保护你的有效负载。
- 选择合适的混淆技术,以规避目标系统上的常见检测。
- 在实际部署之前,测试你的有效负载,确保它能够在目标环境中正确执行。
4. 典型生态项目
DojoLoader 是众多开源项目中的一个,以下是一些与其相关的典型生态项目:
- Cobalt Strike:一款先进的后渗透测试框架。
- DynamicDllLoader: 一个用于动态加载 DLL 的项目,为 DojoLoader 提供了 MemoryModule 实现。
- 其他混淆工具: GitHub 上有许多其他用于混淆和规避检测的开源工具。
注意:上述提到的链接只是为了提供背景信息,实际文档中不应包含任何链接。
登录后查看全文
热门项目推荐
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
DeepSeek-R1 终端输出满屏 `<think>` 乱码?一行正则修复 Hermes 过滤 BugAI 找不到执行结果?排查 _sanitize_api_messages 首尾空格引发的血案Agent 疯狂请求 API 导致额度耗尽?修复 batch_runner 无限重试 Bug接入 MiniMax/Qwen3 报错?别让 scratchpad 污染你的流式输出微信桥接神器 HermesClaw 启动崩溃?修复 openclaw dry-run 权限异常git submodule update 失败?国内网络拉取 Tinker-Atropos 强化学习模块指南Windows WSL 运行 Hermes 提示 launchd 失败?彻底解决跨系统自启大坑Execution Layer Crash: 修复工具调用结果无法持久化保存的致命 Bug无缝对话体验升级:Cherry Studio如何解决多模型协作难题隐私优先的照片管理:Ente加密相册的安全存储与智能组织方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
668
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
509
620
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
397
297
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++
943
879
🎉 (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
1.56 K
903
暂无简介
Dart
916
222
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
210
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
1.07 K
558
仓颉编程语言运行时与标准库。
Cangjie
163
924