利用硬件断点的恶意软件技术:Windows下的高级钩子引擎
2024-05-31 07:11:31作者:邓越浪Henry
项目介绍
这个开源项目是针对VX Underground Black Mass Halloween Edition 2022的技术分享,其中包含了一系列用于在Windows操作系统中实现高效且隐蔽的硬件断点(Hardware Breakpoint)的钩子引擎。通过巧妙地利用调试寄存器(Debug Registers),该项目提供了一种强大的方法来监控和控制程序执行,尤其是在恶意软件分析或逆向工程场景下。
项目技术分析
项目的核心在于其多线程安全的x86/x64硬件断点引擎(HWBP.c 和 HWBP.cpp),以及利用PAGE_GUARD和硬件断点的库(DRPGG.cpp 和 HWBPP.cpp)。这些工具不仅包括了设置硬件断点的基本功能,还提供了处理系统调用篡改的方法(TamperingSyscalls2.c 和 TamperingSyscalls2.cpp)以及示例的ETW/AMSI钩子。
最有趣的是,它展示了如何使用Windows API(如NtSetThreadContext和NtGetThreadContext)来设置和管理调试寄存器,并利用异常处理器(ExceptionHandler)来触发自定义代码流。此外,项目还解决了一些限制,比如如何为所有现有和新创建的线程设置硬件断点。
项目及技术应用场景
这个技术可以应用于以下场景:
- 恶意软件分析 - 研究者可以通过硬件断点来跟踪特定函数调用,了解恶意行为模式。
- 逆向工程 - 开发人员可以更深入地理解二进制代码的行为,以便修改或优化。
- 安全性测试 - 对于渗透测试而言,这是一把犀利的工具,可检测防御机制的漏洞。
项目特点
- 高效 - 利用硬件级的断点,可以在不修改目标代码的情况下进行挂钩。
- 隐蔽 - 相比传统的IAT钩子和内联钩子,这种方法不易被反恶意软件工具检测到。
- 动态适应 - 能够自动应对新线程的创建,确保断点覆盖全面。
- 模块化设计 - 提供了C和C++版本的源码,便于集成到各种项目中。
总的来说,这个开源项目展示了一种创新的、低级别的系统监控技术,对于那些希望探索操作系统底层秘密或者提升自身逆向工程技术的人来说,是一个极好的学习资源。如果你热衷于计算机安全和编程,那么这个项目不容错过!
登录后查看全文
热门项目推荐
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869