RedSnarf:一款强大的Windows渗透测试工具
2024-09-19 01:47:45作者:侯霆垣
项目介绍
RedSnarf 是一款由 Ed Williams 开发的渗透测试工具,专为从Windows工作站、服务器和域控制器中安全地检索哈希和凭据而设计。该工具采用了操作安全(OpSec)友好的技术,旨在帮助安全专家和红队成员在合法授权的情况下进行系统安全评估。
RedSnarf的功能非常丰富,涵盖了从本地哈希检索、用户枚举、缓存凭据检索到哈希传递、哈希喷洒、LSASS转储、域控制器哈希检索等多个方面。此外,RedSnarf还支持多种高级功能,如远程命令执行、事件日志清除、RDP配置修改、UAC控制、屏幕截图和桌面录制等。
项目技术分析
RedSnarf的核心技术基于对Windows系统的深入理解,结合了多种开源工具和技术,如Impacket、CredDump7、Mimikatz等。通过这些工具的集成,RedSnarf能够高效地执行各种渗透测试任务。
- Impacket:用于与Windows网络协议进行交互,支持多种协议的低级别访问。
- CredDump7:用于从Windows系统中提取哈希和凭据。
- Mimikatz:用于从LSASS进程中提取凭据,支持离线分析。
RedSnarf还依赖于Python的netaddr和termcolor库,以及iconv工具,用于处理网络地址和终端输出。
项目及技术应用场景
RedSnarf适用于多种渗透测试和红队操作场景,包括但不限于:
- 内部网络渗透测试:通过检索本地和域哈希,评估内部网络的安全性。
- 凭据管理评估:快速识别弱密码和可猜测的用户名/密码组合。
- 事件响应:在合法授权的情况下,检索和分析系统凭据,帮助事件响应团队进行取证分析。
- 系统配置评估:检查和修改RDP、UAC等系统配置,评估系统的安全性。
项目特点
- 多功能性:RedSnarf集成了多种渗透测试功能,涵盖了从哈希检索到远程命令执行的广泛需求。
- 操作安全:工具设计时考虑了操作安全(OpSec),确保在合法授权的情况下进行测试。
- 易用性:通过简单的命令行参数,用户可以轻松执行复杂的渗透测试任务。
- 扩展性:支持多种外部工具和库,用户可以根据需要进行扩展和定制。
- 结果保存:所有操作的结果都按主机保存,便于后续分析和报告。
结语
RedSnarf作为一款功能强大的渗透测试工具,为安全专家和红队成员提供了全面的解决方案。无论是在内部网络渗透测试、凭据管理评估还是事件响应中,RedSnarf都能发挥重要作用。如果你正在寻找一款高效、安全的Windows渗透测试工具,RedSnarf绝对值得一试。
立即访问 RedSnarf GitHub 仓库 开始你的渗透测试之旅!
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100