Ghosting-AMSI 的项目扩展与二次开发
2025-04-30 16:14:37作者:何将鹤
1. 项目的基础介绍
Ghosting-AMSI 是一个开源项目,旨在通过绕过 Advanced Microsoft Security Infrastructure (AMSI) 的检测机制,来提高安全研究员和研究者在分析恶意脚本时的能力。该项目的目的是为了帮助安全领域的工作者更好地理解和应对现代安全挑战。
2. 项目的核心功能
Ghosting-AMSI 的核心功能是提供一种方法,使研究人员能够在不触发 AMSI 防御机制的情况下执行 PowerShell 脚本。这允许研究人员在分析恶意脚本时,能够更深入地了解攻击者的行为和策略。
3. 项目使用了哪些框架或库?
该项目主要使用了以下框架或库:
- Python:作为主要的开发语言。
ctypes:用于在 Python 中加载和调用 Windows 动态链接库(DLL)。win32api和win32con:来自pywin32库,用于与 Windows API 交互。
4. 项目的代码目录及介绍
项目的代码目录结构大致如下:
Ghosting-AMSI/
├── ghosting.py # 主程序文件,包含核心功能实现。
├──amsi_bypass.py # 用于绕过 AMSI 的模块。
├──__init__.py # 初始化文件,用于将模块作为包使用。
├──README.md # 项目说明文件,包含项目描述和使用说明。
└──requirements.txt # 项目依赖文件,列出了项目所需的 Python 库。
ghosting.py:包含绕过 AMSI 的主逻辑和执行 PowerShell 脚本的功能。amsi_bypass.py:实现了 AMSI 绕过的具体技术细节。
5. 对项目进行扩展或者二次开发的方向
功能扩展方向
- 增加其他脚本语言的绕过支持:目前项目主要针对 PowerShell 脚本,可以考虑扩展支持其他脚本语言,如 Python 脚本、JavaScript 脚本等。
- 增加自动化测试功能:开发自动化测试脚本来验证绕过技术的有效性,以及检测新的 AMSI 更新。
- 增强用户界面:提供一个图形用户界面(GUI)以便于非技术用户也能轻松使用。
技术优化方向
- 优化代码结构:对现有代码进行重构,以提高代码的可读性和可维护性。
- 提升性能:优化算法和数据处理流程,以提高程序执行效率。
- 错误处理:增加更全面的错误处理机制,确保在遇到异常时程序能够优雅地处理。
通过上述扩展和优化,Ghosting-AMSI 项目将能够更好地服务于安全研究社区,帮助研究人员更有效地分析和应对安全威胁。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220